CN114660040B 微生物单细胞种类鉴定方法、装置、介质及设备 （中国科学院青岛生物能源与过程研究所）

本发明涉及一种微生物单细胞种类鉴定方拉曼光谱数据和参考图谱数据库中的拉曼图谱光谱数据对图像和光谱的特征值进行多模态特2将采集的单细胞拉曼光谱数据和参考图谱数据将筛选出的所述拉曼光谱数据作为样本，根据样本中采集光谱检测数量对应的光谱数据，将所述光谱数据经校准转移基于标准化光谱数据以及实时采集的单细胞图像数据构建单细胞表型基于单细胞表型组学数据库中的细胞图像和光谱数据对图像和光谱的特征值进行多将多模态特征融合以后的数据进行分类获得细胞种类，实现单细胞表将采集的单细胞拉曼光谱数据和参考图谱数据利用CNN算法对采集的光谱数据和参考图谱数据库中数据进行比较分析，筛选出相似利用CNN算法对采集的光谱数据和考图谱数据库中数据进行比较分析，筛选出相似度将采集的拉曼光谱数据作为测试数据，输入到所述参考图谱数据库，将向量作为输入映射到Softmax函数，对一特定测试数据Softmax输4.如权利要求1所述的微生物单细胞种类鉴定方法，其特征在于，利筛选拉曼光谱图谱模块，被配置为将采集的单细胞拉曼光谱3将采集的单细胞拉曼光谱数据和参考图谱数据利用CNN算法对采集的光谱数据和参考图谱数据库中数据进行比较分析，筛选出相似利用CNN算法对采集的光谱数据和考图谱数据库中数据进行比较分析，筛选出相似度将采集的拉曼光谱数据作为测试数据，输入到所述参考图谱数据库，将向量作为输入映射到Softmax函数，对一特定测试数据Softmax输分析光谱检测数量模块，被配置为将筛选出的所述光谱数据标准化模块，被配置为采集光谱检测数量对应的光谱数构建通用性单细胞表型组学数据库模块，被配置为多模态特征融合模块，被配置为基于单细胞表型组学处理器执行时实现权利要求1-4任一项所述微生物单细胞种类鉴定方4[0008]将采集的单细胞拉曼光谱数据和参考图谱数据库中的拉曼图谱数据进行比较分[0009]将筛选出的所述拉曼光谱数据作为样本，根据样本中特定的光谱特征值进行计5[0011]基于标准化光谱数据以及实时采集的单细胞图像数据构建单细胞表型组学数据[0012]基于单细胞表型组学数据库中的细胞图像和光谱数据对图像和光谱的特征值进[0016]利用CNN算法对采集的光谱数据和参考图谱数据库中数据进行比较分析，筛选出67[0046]具体地，在拉曼光谱图谱采集过程中，利用卷积神经网络CNN(Convolutional[0048]利用CNN算法对采集的光谱数据和参考图谱数据库中数据进行比较，分析筛选出[0051]将向量作为输入映射到Softmax函数，对一特定测试数据Softmax输出第i个类别量光谱随机获得初始数据集Xn,然后计算平均CDR和CDRn的差异。在1000次统计中，第n个8[0062]本实施例通过分段直接标准化PDS(PiecewiseDirectStandardization)算法解值只与待调整集光谱相对应的波数附近的几个点有较大关联，与相隔较远的波数无关联。度值与待调整集光谱以i为中心的窗口矩阵构建多元回归模型，如公式(2)所示，i为自然[0064]xm;为目标集光谱第i个波数处的光谱矩阵，k为分段半窗宽，窗口宽度为2k+1；为待调整集光谱第i个波数处两侧窗宽为2k+1的光谱矩阵，bi为第i个波数处[0065]bi通过偏最小二乘回归进行求解，将回归模型中的回归系数bi置于变换矩阵F的′′[0074]将基于构建的单细胞表型组学数据库中的细胞图像和光谱数据相结合，利用9层包含了每个残差块的输入和输出之间的快捷连接，使得梯度更好的传播且训练更稳定。[0080]其中，z为本层网络的输入与权值相乘且叠加偏移量的输出，作为激活函数的输[0081]CNN分类器的损失函数是交叉熵损失函数，损失函数的作用是反映预测数据和实[0087]本实施中拉曼光谱数据可以通过微生物单细胞种类快速鉴定仪进行拉曼光谱数算机程序被处理器执行时实现微生物单细胞种或方框图来描述的。应理解为可由计算机程序指令实现流程图和/或方框图中的每一流程在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指[0102]这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或其他可编程设备上