期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于深度学习的血红蛋白等电聚焦电泳图谱快速识别分析 被引量:1
1
作者 季伟宸 田佑吏 +4 位作者 符浩东 查根晗 曹成喜 魏丽 张强 《色谱》 北大核心 2025年第6期696-704,共9页
基于轮廓分析的传统条带检测算法步骤繁琐,并且需要校正算法来应对背景不均匀、泳道扭曲和条带变形等问题。为了避免校正算法在检测过程中给条带分析结果所带来的误差,本文提出了一种基于深度学习目标检测算法的凝胶电泳图谱条带快速识... 基于轮廓分析的传统条带检测算法步骤繁琐,并且需要校正算法来应对背景不均匀、泳道扭曲和条带变形等问题。为了避免校正算法在检测过程中给条带分析结果所带来的误差,本文提出了一种基于深度学习目标检测算法的凝胶电泳图谱条带快速识别方法,并将该方法应用于血红蛋白(Hb)等电聚焦(IEF)电泳图谱的分析中。将通过微阵列IEF(mIEF)电泳实验收集的1665张Hb IEF电泳图谱作为训练数据集,结合YOLOv8模型进行训练。依据模型推理得到的条带边界框位置和分类结果,对条带区域的像素灰度强度进行加和,以此计算各蛋白质的含量。研究结果表明,YOLOv8n模型在保持较低计算资源占用的同时,达到了92.9%的检测精度,实现了0.6 ms的推理时间,并成功应用于无等电点(pI)标志物条件下的Hb IEF电泳图谱条带的准确检测。以血红蛋白A2(Hb A2)为例,将本方法测得的Hb A2含量与临床检测结果进行对比,回归分析显示二者的线性度高达0.9812,相关系数为0.9800;进一步通过Bland-Altman分析法评估两种方法之间的一致性,结果表明,该方法与临床方法具有较好的一致性。与传统的自动条带检测方法相比,本文提出的方法快速、准确,重复性和稳定性更好。该方法可应用于临床实践中Hb A2含量的测定,并在成人β-地中海贫血疾病辅助诊断方面具备应用潜力。 展开更多
关键词 深度学习 条带检测 无标志物 等电聚焦电泳 血红蛋白
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部