[发明专利]一种谱峰识别方法、设备、介质及产品

说明书

本发明涉及一种谱峰识别方法、设备、介质及产品，该方法包括如下步骤：对待分析数据进行连续小波变换，形成小波系数矩阵；将小波系数矩阵灰度化；采用直方图谷底阈值分割算法区分灰度化后的小波系数矩阵的波峰波谷；通过极值法逐一对波峰进行寻找最大值，最大值所在的位置为谱峰的位置。基于连续小波变换形成小波变换矩阵灰度图像，通过直方图谷底阈值分割技术识别到峰的区域位置，弥补了传统基于连续小波变换漏掉强度较小的峰的问题。

技术领域

本发明涉及谱峰识别技术领域，特别涉及一种谱峰识别方法、设备、介质及产品。

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。但在对样本进行检测时，由于一些原因会对谱图产生干扰，导致谱峰形状不规则，增加峰识别难度，因此急需一种有效的峰识别方法对质谱数据进行处理。

近年来，国内外的专家学者提出了多种色谱峰识别的方法，常见的谱图检测方法主要有一阶导数法、二阶导数法以及在此基础上衍生的各种类似方法，然而基于导数法的算法在峰精准识别上存在劣势。一些专家学者选择墨西哥帽作为小波母函数，首次提出了脊线寻峰法，有效地提高了质谱寻峰的准确率，但基于连续小波变换的峰识别算法，虽然识别比较准确，但是容易漏掉强度较低的峰。

发明内容

为了实现根据本发明的上述目的和其他优点，本发明的第一目的是提供一种谱峰识别方法，包括如下步骤：

对待分析数据进行连续小波变换，形成小波系数矩阵；

将所述小波系数矩阵灰度化；

采用直方图谷底阈值分割算法区分灰度化后的小波系数矩阵的波峰波谷；

通过极值法逐一对波峰进行寻找最大值，最大值所在的位置为谱峰的位置。

进一步地，选用墨西哥帽小波作为连续小波变换的小波基函数，墨西哥帽小波的公式为：

进一步地，所述对待分析数据进行连续小波变换，形成小波系数矩阵包括以下步骤：

采用高斯函数模拟一个单独的谱峰，以墨西哥帽小波作为小波基进行连续小波变换，获得小波系数矩阵；

小波的尺度与所述小波系数矩阵形成小波系数二维矩阵，所述小波系数二维矩阵公式为：

其中，s(t)是待分析信号,a是尺度参数,b是位移参数,Ψa,b(t)是小波基函数，C(a,b)是变换后的二维小波系数矩阵。

进一步地，所述将所述小波系数矩阵灰度化包括以下步骤：

将所述小波系数二维矩阵灰度化，所有的数据变化为0～255之间的数据。

进一步地，所述采用直方图谷底阈值分割算法区分灰度化后的小波系数矩阵的波峰波谷包括以下步骤：

计算所述小波系数二维矩阵灰度化后的直方图，对所述直方图进行归一化处理；

从所述直方图中最后一个灰度值波峰开始依次往前扫描，每次找到一个极小值后，与之前得到的极小值进行比较，保留最小的极小值点，获得波峰区域与波谷区域之间的阈值分割点。

进一步地，所述通过极值法逐一对波峰进行寻找最大值，最大值所在的位置为谱峰的位置包括以下步骤：

遍历所有的波峰区域位置，找到波峰的最大值，最大值所在的位置为谱峰的位置。

进一步地，还包括采用深度学习方法对所述小波系数矩阵的图像进行分割识别。