[发明专利]一种基于卷积神经网络的血脂亚组分含量检测方法

说明书

本发明公开了一种基于卷积神经网络的血脂亚组分含量检测方法，首先制备血清样品，对各血脂亚组分进行分离分析；接着利用基于激光诱导的荧光检测法收集各血脂亚组分对应的荧光蛋白电信号；然后利用经验模式分解对荧光蛋白信号进行去噪处理；再搭建卷积神经网络结构；选择包含荧光蛋白信号及其对应血脂亚组分具体数值的已有数据集；然后基于荧光蛋白信号的特征设计对应神经网络的滤波器，同时将网络结构中最后一层全连接层的输出设置为对于输入荧光蛋白信号对应的血脂亚组分具体数值估计，完成卷积神经网络的结构设计后，利用训练集进行网络训练；最后通过训练好的神经网络模型进行血脂亚组分含量检测，得到检测结果。本发明具有较高的检测精度。

技术领域

本发明涉及血脂亚组分含量检测的技术领域，尤其涉及到一种基于卷积神经网络的血脂亚组分含量检测方法。

背景技术

血脂异常表现为人体内脂蛋白的代谢异常，主要包括总胆固醇和低密度脂蛋白胆固醇、甘油三酯升高和/或高密度脂蛋白胆固醇降低等。血脂异常是导致动脉粥样硬化的重要因素之一，是冠心病和缺血性脑卒中的独立危险因素。在我国血脂异常的发生率高，还有逐渐上升的趋势，这与我国人民的生活水平明显提高、饮食习惯发生改变等原因有密切关系。

2016年《中国成人血脂异常防治指南》推荐甘油三酯(TG)、总胆固醇(TC)、高密度脂蛋白胆固醇(HDL-C)和低密度脂蛋白胆固醇(LDL-C)检测为血脂基本筛查指标，并将LDL-C作为动脉粥样硬化性心血管疾病(ASCVD)和糖尿病预警、用药指导和降脂监测工作中最为核心的检测指标。然而，研究发现LDL-C水平仅能解释50％的ASCVD，脂蛋白电泳发现，血脂中低密度脂蛋白(LDL)和高密度脂蛋白(HDL)等常规血脂指标仍能细分为多种亚组分。相同LDL-C浓度下，其包含的血脂亚组分具有差异。因此，进一步研究血脂亚组分的特征将有助于评估ASCVD风险，并有可能成为干预的靶标。

发明内容

本发明的目的在于克服现有技术的不足，提供一种基于卷积神经网络的血脂亚组分含量检测方法，能更好地解决因信号受到周围噪声的影响而影响检测结果精确度的问题；另外，采用深度学习的方法，能进一步地提高血脂亚组分含量的检测精确性。

为实现上述目的，本发明所提供的技术方案为：

一种基于卷积神经网络的血脂亚组分含量检测方法，包括以下步骤：

S1、制备血清样品，利用微流控电泳仪将各血脂亚组分进行分离分析；

S2、利用基于激光诱导的荧光检测法收集各血脂亚组分对应的荧光蛋白电信号；

S3、以荧光蛋白信号为处理对象，利用经验模式分解的方法对信号进行去噪处理；

S4、选择卷积神经网络结构，确定网络初始化参数，结合Tensorflow深度学习框架，调用已有网络层函数，搭建深层网络结构；

S5、选择包含去噪后的荧光蛋白信号及其对应血脂亚组分具体数值的已有数据集，并对其进行数据预处理；所述经过数据预处理后的数据集作为模型的输入；

S6、选择荧光蛋白信号的波峰位置、峰强度、峰宽、峰面积信息作为特征，在神经网络结构中设计对应特征的不同滤波器，同时将网络结构中最后一层全连接层的输出设置为对于输入荧光蛋白信号对应的血脂亚组分具体数值估计；所述滤波器完成对荧光蛋白信号对应特征的提取；

S7、完成卷积神经网络的结构设计后，利用训练集进行网络训练；

S8、通过训练好的神经网络模型进行血脂亚组分含量检测，得到检测结果。