[发明专利]一种针对免疫固定电泳的重点区域识别方法

权利要求书

1.一种针对免疫固定电泳的重点区域识别方法，其特征在于，包括：

步骤1：获取已被标记为8类疾病样本或健康样本的免疫固定电泳图像集，其中，免疫固定电泳图像集包括健康的电泳图像和带疾病的电泳图像，各电泳图像为RGB格式；

步骤2：将免疫固定电泳图像集中的各电泳图像进行分割，得到G、A、M、KAP、LAM对应的电泳带，并将分割后的电泳带缩放到统一尺度；

步骤3：将缩后的各电泳带进行横向切割，获得多个子条带，并将各子条带在整个维度上展开成一维向量，获得各子条带向量；

步骤4：将各电泳图像中的两两电泳带的子条带互相关联，并基于相关联后的子条带得到相似度矩阵；

步骤5：将相似度矩阵输入具有注意力模块的卷积神经网络，并将免疫固定电泳图像集中8类疾病或健康的标记作为监督信息使用梯度下降的策略训练神经网络，得到训练后的卷积神经网络；

步骤6：将待识别的电泳图像处理后得到待识别的相似度矩阵，再将待识别的相似度矩阵输入训练后的卷积神经网络，得到显著图，其中，显著图的整个区域代表了卷积神经网络在相似度矩阵上的重点关注区域；

步骤7：将显著图反向映射到待识别的电泳图像上，获得卷积神经网络在待识别的电泳图像上的显著图，其中，显著图与待识别的电泳图像的长宽一致；

步骤8：将显著图覆盖在待识别的电泳图像上，得到待识别的电泳图像的重点区域。

2.根据权利要求1所述的一种针对免疫固定电泳的重点区域识别方法，其特征在于，所述步骤3的具体步骤为：

将高为、宽为的各电泳带以宽度t沿高度方向进行切割，得到个子条带；

将各子条带在整个维度上展开成一维向量，即将各子条带在3通道上展开，获得长度为的各子条带向量，其中，3通道是指R通道、G通道和B通道。

3.根据权利要求2所述的一种针对免疫固定电泳的重点区域识别方法，其特征在于，所述步骤4的具体步骤为：

将各电泳图像中的两两电泳带的所有子条带向量进行欧式距离或余弦距离的相似度计算，计算后，获得元素个数为的10个矩阵；

对10个矩阵在新的维度上堆叠在一起，获得元素个数为的相似度矩阵，其中，矩阵的形状是（，）,10个合并后是(10，,)。

4.根据权利要求3所述的一种针对免疫固定电泳的重点区域识别方法，其特征在于，所述步骤5中卷积神经网络基础结构采用ResNet18，注意力模块采用桥接方式连接加入在卷积神经网络的每层中，注意力模块具体为：

由于电泳带密集区域通常出现在水平相近的区域，对应相似度矩阵的对角线区域，注意力模块为基于高斯函数的矩阵，矩阵对角线上的值为高斯函数均值对应的值，并向另外两对角逐渐递减到最小为对应的值，均值与标准差一起作为卷积神经网络训练的参数，矩阵上位置上的值具体公式为：

其中，为中间特征图的空间维度，表示中间特征图的横向空间，表示中间特征图的纵向空间，、为常数，分别表示初始高斯函数均值和标准差，分别采用0和1的取值，、是固定的常数，而与是卷积神经网络中影响矩阵的参数，随卷积神经网络的训练不停地更新，表示矩阵的行列的值，表示行列与对角线在高斯函数上的横坐标距离。

5.根据权利要求4所述的一种针对免疫固定电泳的重点区域识别方法，其特征在于，所述步骤6的具体步骤为：

待识别的电泳图像处理后得到待识别的相似度矩阵，再将待识别的相似度矩阵输入训练后的卷积神经网络，得到神经网络的中间特征图和神经网络的预测输出；

基于预测输出对中间特征图求偏导，得到该偏导的值记为该中间特征图的权重；

将中间特征图与对应的权重相乘并缩放尺寸后，获得待识别的相似度矩阵的显著图，其中，显著图的尺度与相似度矩阵一致，显著图展示了卷积神经网络在相似度矩阵上的重点关注区域；权重和显著图的具体公式如下：

其中，表示中间特征图的第个通道维度，表示中间特征图的通道维度，表示缩放尺寸。