一种基于深度学习和荧光光谱的基因检测方法及装置
基本信息
| 申请号 | CN202011636282.6 | 申请日 | - |
| 公开（公告）号 | CN112309498B | 公开（公告）日 | 2021-04-09 |
| 申请公布号 | CN112309498B | 申请公布日 | 2021-04-09 |
| 分类号 | G06T7/00(2017.01)I;G16B20/30(2019.01)I;C12Q1/6883(2018.01)I;G01N21/64(2006.01)I;G06T5/00(2006.01)I;G06T5/50(2006.01)I;G16B20/20(2019.01)I | 分类 | 物理 |
| 发明人 | 李斌 | 申请（专利权）人 | 武汉纽福斯生物科技有限公司 |
| 代理机构 | 武汉蓝宝石专利代理事务所（特殊普通合伙） | 代理人 | 刘璐 |
| 地址 | 430000湖北省武汉市东湖新技术开发区高新大道666号武汉国家生物产业基地项目B、C、D区研发楼B1栋3楼C270-C271 | ||
| 法律状态 | - | ||
摘要
| 摘要 | 本发明涉及一种基于深度学习和荧光光谱的基因检测方法及装置，其方法包括：获取多个基因的不同标记物的荧光光谱图像，针对每个基因随机选取M个不同波段的荧光光谱图像并将其融合到一张混合荧光光谱图像中，对所述荧光光谱图像进行增强；根据高斯峰假设和局部自适应多项式拟合算法滤除混合光谱图像的背景噪声,然后根据极大值极小值自适应算法对所述第二混合光谱图像进行特征提取，得到荧光光谱图像的峰值信号特征；然后根据上述数据训练卷积神经网络模型，利用卷积神经网络模型得到基因检测结果。本发明通过传统滤波与图像处理结合，对荧光光谱图像特征提取；而样本中不同标记物的荧光光谱提高了卷积神经网络模型的鲁棒性、泛化能力、精确性。 |
