CN114186596B

CN114186596B - 一种谱图峰的多窗口识别方法、装置以及电子设备

Info

Publication number: CN114186596B
Application number: CN202210143851.6A
Authority: CN
Inventors: 贾明正; 吴梦; 程文播; 庞嘉; 黄琪; 李亮
Original assignee: Suzhou Institute of Biomedical Engineering and Technology of CAS; Tianjin Guoke Medical Technology Development Co Ltd
Current assignee: Suzhou Institute of Biomedical Engineering and Technology of CAS; Tianjin Guoke Medical Technology Development Co Ltd
Priority date: 2022-02-17
Filing date: 2022-02-17
Publication date: 2022-04-22
Anticipated expiration: 2042-02-17
Also published as: CN114186596A

Abstract

本发明公开了一种谱图峰的多窗口识别方法，属于物质分析技术领域，包括无参数滤波、单窗口数据分类、单窗口寻找每个峰区域峰值最高点、不同长度的滑动窗口分别识别峰等步骤，对窗口内的数据进行加权滤波，在拟合低频信号的同时将高频信号平滑出去，有效保留信号变化信息，滤波过程采用无参数滤波，无需用户调节参数，降低了操作人员的经验要求，并且在单窗口的基础上，叠加不同长度的识别窗口，重复单窗口识别过程，弥补了一个窗口对峰识别的不足，对肩峰、拖尾峰准确识别，可应用于各种类型的质谱信号。本发明还涉及实施上述谱图峰的多窗口识别方法的装置以及电子设备。

Description

一种谱图峰的多窗口识别方法、装置以及电子设备

技术领域

本发明涉及物质分析技术领域，尤其是涉及一种谱图峰的多窗口识别方法、装置以及电子设备。

背景技术

质谱技术具有快速、准确、灵敏度高等优点，近年来在生物分析领域得到广泛的应用。而质谱谱图峰识别作为检测必不可少的一部分，其识别得到的峰及峰面积信息可用于定量分析，峰识别的重要程度不言而喻。

传统的谱峰识别算法是利用信号的运动趋势及斜率进行判别，即依次处理L长度的信号，比较上升趋势的信号点数m1与下降趋势的信号点数m2，及平均斜率值k与起始阈值T的大小，来判断是否是峰的开始（m1>m2，k>T）、结束(m1<m2,k<-T)、顶点(m1=m2)。该方法简单，但具有经验性和局部随机性，不能对质谱中各种峰进行精准分辨，比如遇到较宽的峰，由于峰顶较平，检测不到峰。后续国内外学者提出了多种峰识别算法，如一阶导数法，其利用曲线的一阶导数进行峰的特征点检测，需要设置峰起始斜率阈值，该算法不适合处理基线漂移大、只有一个峰强极大点的肩峰型重叠峰。二阶导数法受噪声的影响远大于一阶导数，微弱的噪声足以使二阶导数曲线上的特征点被完全淹没，影响了二阶导数法的应用。联合一阶导数和二阶导数法进行峰识别，由于一阶导数不易判断肩峰出现情况，对二阶导数造成影响，不能精准识别谱峰，该算法具有一定局限性。退卷积算法将峰与模型峰进行比较，将相同峰形的碎片离子组合成一个化合物的质谱图，实现退卷积，但该算法参数选择复杂。因此需要开发一种有效的峰识别方法对质谱数据进行处理。

发明内容

为了克服现有技术的不足，本发明的目的之一在于提供一种滤波无需调整参数、通过多窗口快速识别峰的谱图峰的多窗口识别方法。

为了克服现有技术的不足，本发明的目的之二在于提供一种滤波无需调整参数、通过多窗口快速识别峰的谱图峰的多窗口识别装置。

为了克服现有技术的不足，本发明的目的之三在于提供一种滤波无需调整参数、通过多窗口快速识别峰的谱图峰的多窗口识别电子设置。

本发明的目的之一采用如下技术方案实现：

一种谱图峰的多窗口识别方法，包括以下步骤：

无参数滤波：根据给定的高阶多项式进行最小二乘拟合得到加权权重，对窗口内的数据进行加权滤波，将高频信号平滑出去并有效的保留信号变化信息；

单窗口数据分类：根据信号强度值与均值的差值设置窗口内数据的信号标签flag，当差值大于信号强度波动范围时，flag=1；当差值小于信号强度波动范围时，flag=-1；当差值等于信号强度波动范围时，flag=0；flag不等于1时，窗口向前滑动并重新设置窗口内数据的信号标签flag，直到完成所有数据的处理；

单窗口寻找每个峰区域峰值最高点：定义初始数据的峰标志位peakflag=0，后续数据点峰标志位peakflag与前一数据点峰标志位peakflag相同，遍历所有的标签，若

并且peakflag=0，判定该数据点的前一个点是峰开始区域，即峰起点，此时该数据点的peakflag变为1；若该数据点及其后一个数据点的标签均不为1，且peakflag=1，则该数据点为峰结束点，此时该数据点的peakflag变为0；在峰起点至峰结束点区域内，寻找强度最高的数据点的位置，即为峰值点，直到完成所有峰的寻找；

不同长度的滑动窗口分别识别峰：叠加不同长度的滑动窗口，每一滑动窗口分别进行单窗口数据分类步骤以及单窗口寻找每个峰区域峰值最高点步骤，完成谱图峰的识别。

进一步地，在所述单窗口数据分类步骤中，根据信号强度值与均值的差值设置窗口内数据的信号标签flag具体为：计算窗宽内的滤波后的数据的均值avg及标准差std，设置阈值为m，设定信号强度波动范围值为m*std，根据信号强度值与均值的差值

设置信号标签flag。

进一步地，在单窗口数据分类步骤之前，还包括将滤波后的数据的强度数值取对数使信号强度数值波动范围减小，避免均值avg及标准差std因峰值数据发生较大变化。

进一步地，均值

，标准差

，其中n为滑动窗口长度，X_i为数据强度数值取对数。

进一步地，在所述单窗口寻找每个峰区域峰值最高点步骤中，设置峰阈值，对比峰值点强度与阈值的大小，若大于阈值，输出该峰信息，若小于阈值，不输出该峰信息。

进一步地，当flag=1时，该数据点为峰出现区域的一部分；当flag=-1，该数据点为波谷部分；当flag=0，该数据点为波动平缓无峰信号。

进一步地，固定滤波窗口长度为15，阶数为3阶。

进一步地，在不同长度的滑动窗口分别识别峰步骤中，采用两个长度不同的滑动窗口，一滑动窗口宽度大于100个数据点，一滑动窗口宽度小于50个数据点。

本发明的目的之二采用如下技术方案实现：

一种谱图峰的多窗口识别装置，包括

获取模块，用于获取被测物的谱图曲线；

分析模块，用于根据上述任意一种谱图峰的多窗口识别方法识别谱图曲线的峰。

本发明的目的之三采用如下技术方案实现：

一种电子设备，包括

处理器；

存储器，所述存储器与所述处理器通信连接；

所述存储器存储有可被所述处理器执行的指令，所述指令被所述处理器执行以实现上述任意一种谱图峰的多窗口识别方法。

相比现有技术，本发明谱图峰的多窗口识别方法对窗口内的数据进行加权滤波，在拟合低频信号的同时将高频信号平滑出去，有效保留信号变化信息。

相比现有技术，本发明谱图峰的多窗口识别方法的滤波采用无参数滤波，无需用户调节参数，降低了操作人员的经验要求。

相比现有技术，本发明谱图峰的多窗口识别方法在单窗口的基础上，叠加不同长度的识别窗口，重复单窗口识别过程，弥补了一个窗口对峰识别的不足，对肩峰、拖尾峰准确识别，可应用于各种类型的质谱信号。

附图说明

图1为谱图峰的多窗口识别方法的流程图；

图2为核酸数据滤波前的谱图；

图3为核酸数据滤波后的谱图；

图4为核酸数据峰识别结果图；

图5为心电信号R波识别结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

需要说明的是，当组件被称为“固定于”另一个组件，它可以直接在另一个组件上或者也可以存在另一中间组件，通过中间组件固定。当一个组件被认为是“连接”另一个组件，它可以是直接连接到另一个组件或者可能同时存在另一中间组件。当一个组件被认为是“设置于”另一个组件，它可以是直接设置在另一个组件上或者可能同时存在另一中间组件。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。本文中在本发明的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本发明。本文所使用的术语“及／或”包括一个或多个相关的所列项目的任意的和所有的组合。

请参阅图1，本申请提供一种谱图峰的多窗口识别方法，谱图峰的多窗口识别方法用于快速识别谱图中的峰。谱图峰的多窗口识别方法依赖于质谱信号本身，利用多窗口峰识别方法对波峰，波谷及正常数据进行快速识别，能够准确识别肩峰、拖尾峰，能够应用于质谱数据的峰识别，具有快速识别谱峰的特点。

一种谱图峰的多窗口识别方法，包括以下步骤：

单窗口寻找每个峰区域峰值最高点：定义初始数据的峰标志位peakflag=0，遍历所有的标签，若

并且peakflag=0，判定该数据点的前一个点是峰开始区域，即峰起点，此时该数据点的peakflag变为1；若该数据点及其后一个数据点的标签均不为1，且 peakflag=1，则该数据点为峰结束点，此时该数据点的peakflag变为0；在峰起点至峰结束点区域内，寻找强度最高的数据点的位置，即为峰值点，直到完成所有峰的寻找；

无参数滤波是基于最小二乘法的滤波方法，其核心思想是对窗口内的数据进行加权滤波，其加权权重为对给定的高阶多项式进行最小二乘拟合得到，其优势在于在拟合低频信号，将高频信号平滑出去的同时，有效的保留信号变化信息。

滤波过程如下：

设置滤波窗口宽度为n=2m+1，通过原始数据X_i相邻有限个点得到一个拟合多项式，选取X_i左边m个数据点，右边m个数据点进行滤波，各测量点为X_i（i=-m~m），使用k-1阶多项式对窗口内的测量点进行拟合，公式如下：

(1)

其中：a_b（b=0，1，2，

，k-1）为拟合系数，k为多项式阶数，y(i)为k-1阶多项式来拟合数据点。

残差为：

（2）

当关于a_n的所有偏导为0时，上述残差取最小值。

得到n个方程，构成k元线性方程组，通过最小二乘法拟合确定拟合参数a：

（3）

用矩阵表示为：

（4）

其中X为数据点矩阵，A为拟合参数矩阵，E为残差矩阵，Y为对应多项式矩阵；其对应下标为各自矩阵的维度。

矩阵A的最小二乘解

为：

（5）

滤波值

为：

(6)

B为辅助矩阵，为滤波值与观测值之间的关系矩阵。

通过公式1-6可得到滤波后的信号值。该滤波方法优势在于无参数滤波，根据多次试验，固定滤波窗口长度为15，阶数为3阶，可有效滤除高频信号，但仍保留原始信号变化。

请继续参阅图2及图3，为核酸数据滤波前后对比，可以明显看出高频噪声被滤掉，并且峰形与原始数据相差不大，说明滤波方法对高频噪声滤除的有效性，同时保留了原始峰形，为后续峰识别奠定基础。

在对数据进行滤波处理后，对数据进行峰的识别。峰的识别使用多个固定大小的滑动窗口计算一定数量的数据的均值及标准差，但该窗口是滑动窗，考虑到信号波动范围较大，峰的信号比正常数据强大高，为避免均值和标准差因峰值数据发生较大变化，因此在进行筛选之前，将原始数据的强度数值取对数使信号强度数值在0-5之间波动，再进行数据处理。

单窗口识别包括单窗口数据分类以及单窗口寻找每个峰区域峰值最高点。

单窗口数据分类具体为：

将数据处理过的数据X输入，设置滑动窗口长度为n，计算窗宽内的数据均值avg及标准差std，计算公式如下：

（7）

（8）

设置阈值为m，设定信号强度波动范围值为m*std，根据此波动范围判断信号类型，设置信号标签flag，判别规则如下：

根据信号强度值与均值的差值

将信号分为三类，若

大于信号强度波动范围，flag=1，将该数据点认定为峰出现区域的一部分，若

小于信号强度波动范围，flag=-1，将该数据点认定为波谷部分，若

在信号强度波动范围内，flag=0，将该数据点认定为普通信号，即波动平缓无峰信号。

若遇到flag不等于1的情况，则窗口向前滑动，重新计算该窗口内的avg及std，重复以上过程，直到完成所有数据的处理。

单窗口寻找每个峰区域峰值最高点具体为：

每个数据点

都有对应的标签

，定义初始数据点峰标志位peakflag=0，后续数据点峰标志位peakflag与前一数据点峰标志位peakflag相同。设置峰阈值，筛选峰值大于阈值的所有质谱峰。过程如下：遍历所有的标签，若

并且peakflag=0，判定该数据点的前一个点是峰开始区域，即峰起点，此时将该数据点的peakflag变为1；若该数据点及其后一个数据点的标签均不为1，且peakflag=1，则证明该数据点为峰结束点，此时将该数据点的peakflag变为0。在峰起点~峰结束点区域内，寻找强度最高的数据点的位置，即为峰值点，对比峰值点强度与阈值的大小，若大于阈值，输出该峰信息，若小于阈值，不输出该峰信息，重复以上过程，直到完成所有峰的寻找。

不同长度的滑动窗口分别识别峰具体为：

在单窗口的基础上，叠加不同长度的识别窗口，重复单窗口识别过程，可精准识别质谱峰。本识别方法通过结合两个不同长度的滑动窗口，即大滑动窗口(窗宽>100个数据点)、小滑动窗口(窗宽<50个数据点)，对质谱峰进行识别。小滑动窗口可精准识别强度较小的谱峰，但会漏掉一些峰，可能由于小滑动窗口正好处于质谱峰附近，由于强度值与均值的差值小于阈值引起漏峰现象。而大滑动窗口包含较多的质谱数据，均值较大，强度较低的峰与均值的差值可能小于阈值，出现漏峰现象。综上，将二者结合，优势互补，并且计算复杂度低，可完成对质谱数据峰识别。

请继续参阅图4，为利用本申请的谱图峰的多窗口识别方法对核酸数据进行峰识别结果图，设置峰阈值为3，所有峰均被识别出，即使相邻很近的峰，也均被识别出，说明识别方法的准确性。

请继续参阅图5，为利用本申请的谱图峰的多窗口识别方法心电信号R波识别，心电信号来源自MIT-BIH Arrhythmia Database心电数据库，且标记了标准R波位置，具有对比性。由于心电R波幅值比质谱信号强度高，为避免识别其他峰（如Q，S，T波等），将峰识别方法中的峰阈值提高。将检出的R波的位置与标准数据相比，误差不超过1，说明该识别方法对峰识别具有准确性。

本申请使用一个较小长度的滑动窗口进行峰识别，但由于窗口长度较小，很可能在该窗口内数据波动较大，导致标准差较高，出现漏峰现象，需结合较大长度的滑动窗口进行多窗口寻峰，提高峰识别准确性。在寻峰中可不设置阈值，但会输出许多信号强度较低的小峰，造成峰信息数据量过大，不方便后续数据分析，因此最好还是设置阈值，滤除强度较低的峰。

本申请提出一种针对质谱峰识别的快速识别方法，相比于傅里叶自去卷积法、小波变换法、曲线拟合法、遗传算法、免疫算法等更加方便，上述这些方法大部分需要人工干预，对操作人员的经验要求较高。

本申请无需参数调整，降低了操作人员的经验要求，在保留峰形的前提下，滤除高频信号，保留有用信号，并依赖于信号自身数据特点，结合快速多窗口进行峰识别，划定判别区域，将数据分为三类信号（波峰，波谷，普通信号），对波峰进行快速识别，可对肩峰、拖尾峰准确识别，可应用于各种类型的质谱信号。

以上实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进演变，都是依据本发明实质技术对以上实施例做的等同修饰与演变，这些都属于本发明的保护范围。

Claims

1.一种质谱谱图峰的多窗口识别方法，其特征在于，包括以下步骤：

无参数滤波：根据给定的高阶多项式进行最小二乘拟合得到加权权重，对窗口内的质谱数据进行加权滤波，将高频信号平滑出去并有效的保留信号变化信息；

单窗口寻找每个峰区域峰值最高点：定义初始数据的峰标志位peakflag=0，后续数据点峰标志位peakflag与前一数据点峰标志位peakflag相同，遍历所有的标签，若并且peakflag=0，判定该数据点的前一个点是峰开始区域，即峰起点，此时该数据点的peakflag变为1；若该数据点及其后一个数据点的标签均不为1，且peakflag=1，则该数据点为峰结束点，此时该数据点的peakflag变为0；在峰起点至峰结束点区域内，寻找强度最高的数据点的位置，即为峰值点，直到完成所有峰的寻找；

2.根据权利要求1所述的质谱谱图峰的多窗口识别方法，其特征在于：在所述单窗口数据分类步骤中，根据信号强度值与均值的差值设置窗口内数据的信号标签flag具体为：计算窗宽内的滤波后的数据的均值avg及标准差std，设置阈值为m，设定信号强度波动范围值为m*std，根据信号强度值的对数与均值的差值

设置信号标签flag。

3.根据权利要求2所述的质谱谱图峰的多窗口识别方法，其特征在于：在单窗口数据分类步骤之前，还包括将滤波后的数据的强度数值取对数使信号强度数值波动范围减小，避免均值avg及标准差std因峰值数据发生较大变化。

4.根据权利要求2所述的质谱谱图峰的多窗口识别方法，其特征在于：均值

，标准差

，其中n为滑动窗口长度，X_i为信号强度数值。

5.根据权利要求1所述的质谱谱图峰的多窗口识别方法，其特征在于：在所述单窗口寻找每个峰区域峰值最高点步骤中，设置峰阈值，对比峰值点强度与阈值的大小，若大于阈值，输出该峰信息，若小于阈值，不输出该峰信息。

6.根据权利要求1所述的质谱谱图峰的多窗口识别方法，其特征在于：当flag=1时，该数据点为峰出现区域的一部分；当flag=-1，该数据点为波谷部分；当flag=0，该数据点为波动平缓无峰信号。

7.根据权利要求1所述的质谱谱图峰的多窗口识别方法，其特征在于：固定滤波窗口长度为15，阶数为3阶。

8.根据权利要求1所述的质谱谱图峰的多窗口识别方法，其特征在于：在不同长度的滑动窗口分别识别峰步骤中，采用两个长度不同的滑动窗口，一滑动窗口宽度大于100个数据点，一滑动窗口宽度小于50个数据点。

9.一种质谱谱图峰的多窗口识别装置，其特征在于：包括

获取模块，用于获取被测物的谱图曲线；

分析模块，用于根据权利要求1-8任意一项所述的质谱谱图峰的多窗口识别方法识别质谱谱图曲线的峰。

10.一种电子设备，其特征在于：包括

处理器；

存储器，所述存储器与所述处理器通信连接；

所述存储器存储有可被所述处理器执行的指令，所述指令被所述处理器执行以实现权利要求1-8任意一项所述的质谱谱图峰的多窗口识别方法。