CN115147395A - 一种脂蛋白亚型组分划分方法、装置、设备及存储介质 - Google Patents

一种脂蛋白亚型组分划分方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN115147395A
CN115147395A CN202210863495.5A CN202210863495A CN115147395A CN 115147395 A CN115147395 A CN 115147395A CN 202210863495 A CN202210863495 A CN 202210863495A CN 115147395 A CN115147395 A CN 115147395A
Authority
CN
China
Prior art keywords
lipoprotein
image
point
reagent
determining
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210863495.5A
Other languages
English (en)
Inventor
孙林香
张心觉
楼敬伟
林灵
吴守信
汪梦竹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Biotecan Biology Medicine Technology Co ltd
Shanghai Biotecan Medical Diagnostics Co ltd
Original Assignee
Shanghai Biotecan Medical Diagnostics Co ltd
Shanghai Zhangjiang Medical Innovation Research Institute
Shanghai Biotecan Biology Medicine Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Biotecan Medical Diagnostics Co ltd, Shanghai Zhangjiang Medical Innovation Research Institute, Shanghai Biotecan Biology Medicine Technology Co ltd filed Critical Shanghai Biotecan Medical Diagnostics Co ltd
Priority to CN202210863495.5A priority Critical patent/CN115147395A/zh
Publication of CN115147395A publication Critical patent/CN115147395A/zh
Priority to PCT/CN2023/095007 priority patent/WO2024016814A1/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0012—Biomedical image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/26—Segmentation of patterns in the image field; Cutting or merging of image elements to establish the pattern region, e.g. clustering-based techniques; Detection of occlusion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/695—Preprocessing, e.g. image segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/69—Microscopic objects, e.g. biological cells or cellular parts
    • G06V20/698—Matching; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10056—Microscopic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30004—Biomedical image processing

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Multimedia (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Biomedical Technology (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Quality & Reliability (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Image Processing (AREA)

Abstract

本发明公开了一种脂蛋白亚型组分划分方法、装置、设备及存储介质。方法包括：获取待划分脂蛋白试剂的试剂扫描图像；基于预先确定的目标分割点位对所述试剂扫描图像进行低密度脂蛋白亚型组分的划分，所述目标分割点位基于多个样本脂蛋白试剂的样本扫描图像处理得到。通过使用一部分特征较明显的脂蛋白试剂作为样本脂蛋白试剂，在试剂图像上进行统计分析最终确定分割点位，基于确定的分割点位应用在待划分脂蛋白试剂的试剂扫描图像上能够实现脂蛋白亚型组分的准确及自动化批量分割。

Description

一种脂蛋白亚型组分划分方法、装置、设备及存储介质
技术领域
本发明涉及脂蛋白亚型组分划分技术领域，尤其涉及一种脂蛋白亚型组分划分方法、装置、设备及存储介质。
背景技术
低密度脂蛋白(low-density lipoprotein，LDL)是人体内胆固醇运输的主要载体，可以细分为七种类型；但是LDL含量超标会引起发炎反应，氧化态的低密度脂蛋白被巨噬细胞吞噬后，会在血管中形成脂肪斑，导致血脂异常或者动脉硬化。其中“越小”的LDL越容易被氧化，在血管壁形成斑块。LDL的分类1和2(大的LDL)被认为是“正常的LDL”,它们负责正常的胆固醇运输。LDL的分类3到7(小的LDL)被认为是“不好的或非正常的LDL”，它们容易被氧化从而导致心血管疾病的产生。“小的”低密度脂蛋白含量与患冠状动脉疾病的关系现在已经得到证实。单一测定总的LDL含量并不能显示患心血管病的风险，因为它不能区分“大的”LDL和“小的”LDL。即使总LDL水平显示正常，但其中小而密(3-7)型别超标，可使患心血管疾病的风险达到3倍以上。在早期发现患病几率，可以大幅度的防治心血管疾病的发生。
LDL的亚组分分类在世界范围内尚无一个完整的标准，导致LDL的亚组分分类不准确。
发明内容
本发明提供了一种脂蛋白亚型组分划分方法、装置、设备及存储介质，以解决LDL的亚组分分类不准确的技术问题。
根据本发明的一方面，提供了一种脂蛋白亚型组分划分方法，包括：
获取待划分脂蛋白试剂的试剂扫描图像；
基于预先确定的目标分割点位对试剂扫描图像进行低密度脂蛋白亚型组分的划分，目标分割点位基于多个样本脂蛋白试剂的样本扫描图像处理得到。
可选的，在上述方案的基础上，还包括：
获取多个样本脂蛋白试剂的样本扫描图像，对样本扫描图像进行处理得到单个样本图像；
根据单个样本图像的灰度值波形图像确定单个样本图像对应的目标分割点位。
可选的，在上述方案的基础上，根据单个样本图像的灰度值波形图像确定单个样本图像对应的目标分割点位，包括：
根据单个样本图像的灰度值波形图像确定单个样本图像对应的单个分界点位；
基于各单个分界点位，确定目标分割点位。
可选的，在上述方案的基础上，根据单个样本图像的灰度值波形图像确定单个样本图像对应的单个分界点位，包括：
对灰度值波形图像进行波形划分，将相邻波形的连接点位作为单个分界点位。
可选的，在上述方案的基础上，基于各单个分界点位，确定目标分割点位，包括：
对各单个分界点位进行统计学验证，确定各单个分界点位的置信区间；
基于各单个分界点位的置信区间确定单个分界点位的组分分割比例；
根据组分分割比例确定单个分界点位对应的目标分割点位。
可选的，在上述方案的基础上，基于各单个分界点位的置信区间确定单个分界点位的组分分割比例，包括：
将置信区间的中间值作为单个分界点位的组分分割比例。
可选的，在上述方案的基础上，根据组分分割比例确定单个分界点位对应的目标分割点位，包括：
确定单个样本图像中，以极低密度脂蛋白的波峰为起点，以高密度脂蛋白的波峰为终点的距离总长；
基于组分分割比例和距离总长得到目标分割点位。
根据本发明的另一方面，提供了一种脂蛋白亚型组分划分装置，包括：
试剂图像获取模块，用于获取待划分脂蛋白试剂的试剂扫描图像；
试剂图像划分模块，用于基于预先确定的目标分割点位对试剂扫描图像进行低密度脂蛋白亚型组分的划分，目标分割点位基于多个样本脂蛋白试剂的样本扫描图像处理得到。
根据本发明的另一方面，提供了一种电子设备，电子设备包括：
至少一个处理器；以及
与至少一个处理器通信连接的存储器；其中，
存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的脂蛋白亚型组分划分方法。
根据本发明的另一方面，提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的脂蛋白亚型组分划分方法。
本发明实施例的技术方案，通过获取待划分脂蛋白试剂的试剂扫描图像；基于预先确定的目标分割点位对试剂扫描图像进行低密度脂蛋白亚型组分的划分，目标分割点位基于多个样本脂蛋白试剂的样本扫描图像处理得到。通过使用一部分特征较明显的脂蛋白试剂作为样本脂蛋白试剂，在试剂图像上进行统计分析最终确定分割点位，基于确定的分割点位应用在待划分脂蛋白试剂的试剂扫描图像上能够实现脂蛋白亚型组分的准确及自动化批量分割。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例一提供的一种脂蛋白亚型组分划分方法的流程图；
图2a是本发明实施例二提供的一种脂蛋白亚型组分划分方法的流程图；
图2b是本发明实施例二提供的一种样本扫描图像和单个样本图像的示意图；
图2c是本发明实施例二提供的一种灰度值波形图像的分割示意图；
图2d是本发明实施例二提供的一种单个分界点位的置信区间的示意图；
图2e是本发明实施例二提供的一种单个分界点位的置信区间的示意图；
图3是本发明实施例三提供的一种脂蛋白亚型组分划分装置的结构示意图；
图4是本发明实施例四提供的一种电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
图1是本发明实施例一提供的一种脂蛋白亚型组分划分方法的流程图，本实施例可适用于对低密度脂蛋白进行亚型组分划分情况，该方法可以由脂蛋白亚型组分划分装置来执行，该脂蛋白亚型组分划分装置可以采用硬件和/或软件的形式实现，该脂蛋白亚型组分划分装置可配置于电子设备中。如图1所示，该方法包括：
S110、获取待划分脂蛋白试剂的试剂扫描图像。
S120、基于预先确定的目标分割点位对所述试剂扫描图像进行低密度脂蛋白亚型组分的划分，所述目标分割点位基于多个样本脂蛋白试剂的样本扫描图像处理得到。
本发明实施例中，预先基于具有明显特征的脂蛋白试剂进行图像处理，得到LDL的亚组分分类的目标分割点位即划分点。在进行脂蛋白亚型组分的划分时，最后将预先确定的目标分割点位应用在试剂扫描图像上从而实现自动化分割。其中，基于目标分割点位对试剂扫描图像的低密度脂蛋白亚型组分的划分可以参考现有技术中脂蛋白亚型组分划分的方法，在此不做限制。
可选的，可以获取电泳后待划分脂蛋白试剂的试剂扫描图像，统计试剂扫描图像中的灰度值得到试剂扫描图像的试剂灰度值统计图，基于目标分割点位对试剂灰度值统计图进行划分。
本发明实施例的技术方案，通过获取待划分脂蛋白试剂的试剂扫描图像；基于预先确定的目标分割点位对试剂扫描图像进行低密度脂蛋白亚型组分的划分，目标分割点位基于多个样本脂蛋白试剂的样本扫描图像处理得到。通过使用一部分特征较明显的脂蛋白试剂作为样本脂蛋白试剂，在试剂图像上进行统计分析最终确定分割点位，基于确定的分割点位应用在待划分脂蛋白试剂的试剂扫描图像上能够实现脂蛋白亚型组分的准确及自动化批量分割。
实施例二
图2是本发明实施例二提供的一种脂蛋白亚型组分划分方法的流程图。本实施例在上述实施例的基础上，对目标分割点位的确定进行了优化，如图2a所示，该方法包括：
S210、获取多个样本脂蛋白试剂的样本扫描图像，对所述样本扫描图像进行处理得到单个样本图像。
在本实施例中，使用一小批具有明显特征的脂蛋白试剂作为样本脂蛋白试剂，获取电泳后待样本脂蛋白试剂的试剂扫描图像作为样本扫描图像。
一个实现方式中，所述对所述原始扫描图像进行处理得到单个样本图像，包括：对所述原始扫描图像进行有效区域截取分割，得到多个所述单个样本图像。可选的，将样本扫描图像中的试剂进行分离并截取其有效部分，之后得到单个试剂图的图像作为单个样本图像。
图2b是本发明实施例二提供的一种样本扫描图像和单个样本图像的示意图。图2b中箭头左侧部分为样本扫描图像的示意图，图2b中箭头右侧部分为单个扫描图像的示意图。
S220、根据所述单个样本图像的灰度值波形图像确定所述单个样本图像对应的目标分割点位。
在本实施例中，通过对截取的单个样本图像进行灰度值分析，可以绘制灰度值波形图像，并按照一定的数学规则从灰度值波形图像中确定目标分割点位。
整体来说，通过使用数学规则来在灰度值波形图像上找到低密度脂蛋白(LDL)的每个组分的分割点位，并采用极低密度脂蛋白VLDL和高密度脂蛋白HDL的波峰作为起始点和终止点来计算百分比，然后对该批次每个分割点位的数据进行统计分析，并计算其置信区间，基于置信区间确定目标分割点位。
在本发明的一种实施方式中，所述根据所述单个样本图像的灰度值波形图像确定所述单个样本图像对应的目标分割点位，包括：根据所述单个样本图像的灰度值波形图像确定所述单个样本图像对应的单个分界点位；基于各所述单个分界点位，确定所述目标分割点位。生成灰度值波形图像后，按照一定的数学规则找出单个图像分割线，基于单个图像分割线确定单个分界点位，然后根据单个分界点位确定目标分割点位。
图2c是本发明实施例二提供的一种灰度值波形图像的分割示意图。如图2c所示，图中纵坐标为统计的灰度值，横坐标表示位置，与单个样本图像相对应。图2c中两个最高的波峰依次为高密度脂蛋白HDL的波峰和极低密度脂蛋白VLDL的波峰，其余虚线分割线为是通过数学规则查找出的各个分界线，其余虚线分割线对应的分界点位单个样本图像对应的单个分界点位。
一个实现方式中，所述根据所述单个样本图像的灰度值波形图像确定所述单个样本图像对应的单个分界点位，包括：对所述灰度值波形图像进行波形划分，将相邻波形的连接点位作为所述单个分界点位。可以识别灰度值波形图像中包含的多个波形，将相邻波形的连接处作为单个分界点位。
在本发明的一种实施方式中，所述基于各所述单个分界点位，确定所述目标分割点位，包括：对各所述单个分界点位进行统计学验证，确定各所述单个分界点位的置信区间；基于各所述单个分界点位的置信区间确定所述单个分界点位的组分分割比例；根据所述组分分割比例确定所述单个分界点位对应的目标分割点位。可以批量查找单个样本图像的多个单个分界点位的坐标，基于每个单个分界点位的坐标得到该批次中每张图像中该单个分界点位占总长的百分比，其中总长是指以灰度值波形图像中两个最高的波峰之间的距离。然后对统计的百分比点位进行统计学验证，所有点位在经过boxcox变换后均符合正态分布，并在此基础上计算每个单个分界点位的置信区间。然后基于置信区间确定该单个分界点位对应的组分分割比例，最终基于组分分割比例确定该单个分界点位对应的目标分割点位。通过上述方法依次确定每个单个分界点位对应的目标分割点位，直到得到所有单个样本图像中所有单个分界点位对应的目标分割点位。
其中，基于置信区间确定单个分界点位对应的组分分割比例可以为：基于置信区间的上极限和下极限确定置信区间的特征值，将置信区间的特征值作为单个分界点位对应的组分分割比例。其中，置信区间的特征值可以为上极限和下极限的加权求和值。
图2d是本发明实施例二提供的一种单个分界点位的置信区间的示意图。图2e是本发明实施例二提供的一种单个分界点位的置信区间的示意图。图2d和图2e中示意性的示出了其中两个单个分界点位的置信区间。
一个实现方式中，所述基于各所述单个分界点位的置信区间确定所述单个分界点位的组分分割比例，包括：将所述置信区间的中间值作为所述单个分界点位的组分分割比例。可选的，将置信区间的中间值，即置信区间的上极限和下极限的平均值作为单个分界点位的组分分割比例。以图2d所示，可以将36.5％作为图2d中单个分界点位对应的组分分割比例；以图2e所示，可以将47.3％作为图2e中单个分界点位对应的组分分割比例。
在本发明的一种实施方式中，所述根据所述组分分割比例确定所述单个分界点位对应的目标分割点位，包括：确定所述单个样本图像中，以极低密度脂蛋白的波峰为起点，以高密度脂蛋白的波峰为终点的距离总长；基于所述组分分割比例和所述距离总长得到所述目标分割点位。可选的，以每个波形图中VLDL的波峰作为起点，HDL的波峰作为终止点，两点之间的距离设为总长。通过上述示例中的两个百分比点位乘以总长可以获得对应分割点相对余起点的距离，再加上起点的坐标，即为分割点的坐标，即目标分割点位的坐标，其余单个分界点位对应的目标分割点位可以采用上述相同的方法计算得到。
S230、获取待划分脂蛋白试剂的试剂扫描图像。
S240、基于预先确定的目标分割点位对所述试剂扫描图像进行低密度脂蛋白亚型组分的划分。
本实施例的技术方案，通过获取多个样本脂蛋白试剂的样本扫描图像，对所述样本扫描图像进行处理得到单个样本图像；根据所述单个样本图像的灰度值波形图像确定所述单个样本图像对应的目标分割点位；通过使用一部分特征较明显的脂蛋白试剂作为样本脂蛋白试剂，在试剂图像上进行统计分析最终确定目标分割点位，使得基于确定的目标分割点位应用在待划分脂蛋白试剂的试剂扫描图像上能够实现脂蛋白亚型组分的准确及自动化批量分割。
实施例三
图3是本发明实施例三提供的一种脂蛋白亚型组分划分装置的结构示意图。如图3所示，该装置包括：
试剂图像获取模块310，用于获取待划分脂蛋白试剂的试剂扫描图像；
试剂图像划分模块320，用于基于预先确定的目标分割点位对试剂扫描图像进行低密度脂蛋白亚型组分的划分，目标分割点位基于多个样本脂蛋白试剂的样本扫描图像处理得到。
本实施例的技术方案，通过获取待划分脂蛋白试剂的试剂扫描图像；基于预先确定的目标分割点位对试剂扫描图像进行低密度脂蛋白亚型组分的划分，目标分割点位基于多个样本脂蛋白试剂的样本扫描图像处理得到。通过使用一部分特征较明显的脂蛋白试剂作为样本脂蛋白试剂，在试剂图像上进行统计分析最终确定分割点位，基于确定的分割点位应用在待划分脂蛋白试剂的试剂扫描图像上能够实现脂蛋白亚型组分的准确及自动化批量分割。
在上述实施例的基础上，可选的，装置还包括目标分割点位确定模块320，包括：
样本图像分割单元，用于获取多个样本脂蛋白试剂的样本扫描图像，对样本扫描图像进行处理得到单个样本图像；
分割点位确定单元，用于根据单个样本图像的灰度值波形图像确定单个样本图像对应的目标分割点位。
在上述实施例的基础上，可选的，分割点位确定单元具体用于：
根据单个样本图像的灰度值波形图像确定单个样本图像对应的单个分界点位；
基于各单个分界点位，确定目标分割点位。
在上述实施例的基础上，可选的，分割点位确定单元具体用于：
对灰度值波形图像进行波形划分，将相邻波形的连接点位作为单个分界点位。
在上述实施例的基础上，可选的，分割点位确定单元具体用于：
对各单个分界点位进行统计学验证，确定各单个分界点位的置信区间；
基于各单个分界点位的置信区间确定单个分界点位的组分分割比例；
根据组分分割比例确定单个分界点位对应的目标分割点位。
在上述实施例的基础上，可选的，分割点位确定单元具体用于：
将置信区间的中间值作为单个分界点位的组分分割比例。
在上述实施例的基础上，可选的，分割点位确定单元具体用于：
确定单个样本图像中，以极低密度脂蛋白的波峰为起点，以高密度脂蛋白的波峰为终点的距离总长；
基于组分分割比例和距离总长得到目标分割点位。
本发明实施例所提供的脂蛋白亚型组分划分装置可执行本发明任意实施例所提供的脂蛋白亚型组分划分方法，具备执行方法相应的功能模块和有益效果。
实施例四
图4是本发明实施例四提供的一种电子设备的结构示意图。电子设备10旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图4所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM 13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM 12以及RAM 13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如脂蛋白亚型组分划分方法。
在一些实施例中，脂蛋白亚型组分划分方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM 12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM 13并由处理器11执行时，可以执行上文描述的脂蛋白亚型组分划分方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行脂蛋白亚型组分划分方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的脂蛋白亚型组分划分方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
实施例五
本发明实施例五还提供了一种计算机可读存储介质，计算机可读存储介质存储有计算机指令，计算机指令用于使处理器执行一种脂蛋白亚型组分划分方法，该方法包括：
获取待划分脂蛋白试剂的试剂扫描图像；
基于预先确定的目标分割点位对试剂扫描图像进行低密度脂蛋白亚型组分的划分，目标分割点位基于多个样本脂蛋白试剂的样本扫描图像处理得到。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种脂蛋白亚型组分划分方法，其特征在于，包括：
获取待划分脂蛋白试剂的试剂扫描图像；
基于预先确定的目标分割点位对所述试剂扫描图像进行低密度脂蛋白亚型组分的划分，所述目标分割点位基于多个样本脂蛋白试剂的样本扫描图像处理得到。
2.根据权利要求1所述的方法，其特征在于，还包括：
获取多个样本脂蛋白试剂的样本扫描图像，对所述样本扫描图像进行处理得到单个样本图像；
根据所述单个样本图像的灰度值波形图像确定所述单个样本图像对应的目标分割点位。
3.根据权利要求2所述的方法，其特征在于，所述根据所述单个样本图像的灰度值波形图像确定所述单个样本图像对应的目标分割点位，包括：
根据所述单个样本图像的灰度值波形图像确定所述单个样本图像对应的单个分界点位；
基于各所述单个分界点位，确定所述目标分割点位。
4.根据权利要求3所述的方法，其特征在于，所述根据所述单个样本图像的灰度值波形图像确定所述单个样本图像对应的单个分界点位，包括：
对所述灰度值波形图像进行波形划分，将相邻波形的连接点位作为所述单个分界点位。
5.根据权利要求3所述的方法，其特征在于，所述基于各所述单个分界点位，确定所述目标分割点位，包括：
对各所述单个分界点位进行统计学验证，确定各所述单个分界点位的置信区间；
基于各所述单个分界点位的置信区间确定所述单个分界点位的组分分割比例；
根据所述组分分割比例确定所述单个分界点位对应的目标分割点位。
6.根据权利要求5所述的方法，其特征在于，所述基于各所述单个分界点位的置信区间确定所述单个分界点位的组分分割比例，包括：
将所述置信区间的中间值作为所述单个分界点位的组分分割比例。
7.根据权利要求5所述的方法，其特征在于，所述根据所述组分分割比例确定所述单个分界点位对应的目标分割点位，包括：
确定所述单个样本图像中，以极低密度脂蛋白的波峰为起点，以高密度脂蛋白的波峰为终点的距离总长；
基于所述组分分割比例和所述距离总长得到所述目标分割点位。
8.一种脂蛋白亚型组分划分装置，其特征在于，包括：
试剂图像获取模块，用于获取待划分脂蛋白试剂的试剂扫描图像；
试剂图像划分模块，用于基于预先确定的目标分割点位对所述试剂扫描图像进行低密度脂蛋白亚型组分的划分，所述目标分割点位基于多个样本脂蛋白试剂的样本扫描图像处理得到。
9.一种电子设备，其特征在于，所述电子设备包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的脂蛋白亚型组分划分方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-7中任一项所述的脂蛋白亚型组分划分方法。
CN202210863495.5A 2022-07-20 2022-07-20 一种脂蛋白亚型组分划分方法、装置、设备及存储介质 Pending CN115147395A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210863495.5A CN115147395A (zh) 2022-07-20 2022-07-20 一种脂蛋白亚型组分划分方法、装置、设备及存储介质
PCT/CN2023/095007 WO2024016814A1 (zh) 2022-07-20 2023-05-18 一种脂蛋白亚型组分划分方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210863495.5A CN115147395A (zh) 2022-07-20 2022-07-20 一种脂蛋白亚型组分划分方法、装置、设备及存储介质

Publications (1)

Publication Number Publication Date
CN115147395A true CN115147395A (zh) 2022-10-04

Family

ID=83415127

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210863495.5A Pending CN115147395A (zh) 2022-07-20 2022-07-20 一种脂蛋白亚型组分划分方法、装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN115147395A (zh)
WO (1) WO2024016814A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024016814A1 (zh) * 2022-07-20 2024-01-25 上海宝藤生物医药科技股份有限公司 一种脂蛋白亚型组分划分方法、装置、设备及存储介质

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11070699B1 (en) * 2020-03-05 2021-07-20 Steven Michael Becherer Systems and methods for facilitating determining contextual and semantic meaning from an image scan
CN113096125B (zh) * 2021-05-11 2024-05-31 上海宝藤生物医药科技股份有限公司 低密度脂蛋白试剂浓度的确定方法、装置及存储介质
CN113674367B (zh) * 2021-08-20 2024-03-26 上海宝藤生物医药科技股份有限公司 一种电泳后脂蛋白胆固醇试剂扫描图的预处理方法
CN115147395A (zh) * 2022-07-20 2022-10-04 上海宝藤生物医药科技股份有限公司 一种脂蛋白亚型组分划分方法、装置、设备及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2024016814A1 (zh) * 2022-07-20 2024-01-25 上海宝藤生物医药科技股份有限公司 一种脂蛋白亚型组分划分方法、装置、设备及存储介质

Also Published As

Publication number Publication date
WO2024016814A1 (zh) 2024-01-25

Similar Documents

Publication Publication Date Title
CN114118287A (zh) 样本生成方法、装置、电子设备以及存储介质
CN115147395A (zh) 一种脂蛋白亚型组分划分方法、装置、设备及存储介质
CN113971728A (zh) 图像识别方法、模型的训练方法、装置、设备及介质
CN117593115A (zh) 信贷风险评估模型的特征值确定方法、装置、设备和介质
CN115358992A (zh) 一种光斑检测方法、装置、电子设备以及存储介质
CN115344495A (zh) 批量任务测试的数据分析方法、装置、计算机设备及介质
CN114999665A (zh) 数据处理方法、装置、电子设备及存储介质
CN115599687A (zh) 一种软件测试场景的确定方法、装置、设备及介质
CN115205163A (zh) 一种标识图像的处理方法、装置、设备及存储介质
CN115564135A (zh) 需求订单的分配优化方法、装置、设备及介质
CN115082742A (zh) 图像分类模型的训练方法、装置、电子设备及存储介质
CN114416583A (zh) 一种自动化测试的工作量确定方法、装置、设备和存储介质
CN114972220A (zh) 一种图像处理方法、装置、电子设备及可读存储介质
CN113961765A (zh) 基于神经网络模型的搜索方法、装置、设备和介质
CN113963011A (zh) 图像识别方法、装置、电子设备及存储介质
CN117112816B (zh) 安检图像的排序方法、装置、设备及存储介质
CN115690143B (zh) 图像分割方法、装置、电子设备及存储介质
CN114648672A (zh) 构建样本图像集的方法、装置、电子设备及可读存储介质
CN114970741B (zh) 数据处理方法、装置及电子设备
CN115602245B (zh) 一种荧光图筛选的方法、装置、设备以及存储介质
EP4109353A2 (en) Method and apparatus of generating pre-training model, electronic device, and storage medium
CN115392399A (zh) 流程超时预测模型的训练和使用方法、装置、设备及介质
CN113362297A (zh) 用于印刷电路板的图像处理方法、设备和存储介质
CN115937652A (zh) 一种地下管线识别方法、装置、设备及存储介质
CN117746109A (zh) 一种病理等级确定方法、装置、设备及存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
TA01 Transfer of patent application right

Effective date of registration: 20230616

Address after: 201203 5th Floor, No. 3 Building, 180 Lane, Zhangheng Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai

Applicant after: SHANGHAI BIOTECAN BIOLOGY MEDICINE TECHNOLOGY Co.,Ltd.

Applicant after: SHANGHAI BIOTECAN MEDICAL DIAGNOSTICS Co.,Ltd.

Address before: 201203 5th Floor, No. 3 Building, 180 Lane, Zhangheng Road, China (Shanghai) Free Trade Pilot Area, Pudong New Area, Shanghai

Applicant before: SHANGHAI BIOTECAN BIOLOGY MEDICINE TECHNOLOGY Co.,Ltd.

Applicant before: SHANGHAI BIOTECAN MEDICAL DIAGNOSTICS Co.,Ltd.

Applicant before: Shanghai Zhangjiang Medical Innovation Research Institute

TA01 Transfer of patent application right