買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網恭喜蘭州百源基因技術有限公司申請的專利一種基于質譜檢測的穩定性監測方法及系統獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN118711715B 。

龍圖騰網通過國家知識產權局官網在2025-03-25發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411190030.3，技術領域涉及：G16C20/70；該發明授權一種基于質譜檢測的穩定性監測方法及系統是由車團結;丁莉蕓;張德奎;郭柏鴻;楊立;張曉慧;何榮霞;張秋寧;沈榮;馮杰;鄭曉玲;辛倩;羅春華;楊淑玲;吳康莉設計研發完成，并于2024-08-28向國家知識產權局提交的專利申請。

本一種基于質譜檢測的穩定性監測方法及系統在說明書摘要公布了：本發明公開了一種基于質譜檢測的穩定性監測方法及系統，屬于質譜穩定性監測技術領域，該監測方法具體步驟如下：P1、預處理質譜數據并提取數據特征；P2、通過三維可視化模型展示各質譜數據；P3、捕捉不同質譜數據之間的依賴關系并進行非線性降維；本發明能夠根據質譜數據的不同特點自動調整算法參數，提高了模型在不同質譜數據集上的通用性和適應性，能夠更好地捕捉質譜數據中的變化和趨勢，增強模型在捕捉數據依賴性關系時的穩定性和可靠性，能夠在多個層次上識別異常數據點，提供更精確的異常檢測，提升異常檢測的準確性和魯棒性，能夠高效地處理大量質譜數據，適用于高通量質譜檢測環境。

本發明授權一種基于質譜檢測的穩定性監測方法及系統在權利要求書中公布了：1.一種基于質譜檢測的穩定性監測方法，其特征在于，該監測方法具體步驟如下：P1、預處理質譜數據并提取數據特征；P2、通過三維可視化模型展示各質譜數據；P3、捕捉不同質譜數據之間的依賴關系并進行非線性降維；P4、識別不同的穩定性狀態并分析質譜數據中的群體結構；P5、對聚類結果進行建模以處理數據的多峰特性；P6、根據質譜特征和聚類結果進行實時穩定性監測；所述提取數據特征具體步驟如下：步驟一：獲取質譜數據，并構建質譜圖像，其中質譜圖像的橫軸為質荷比，縱軸為信號強度，再采用高斯濾波器對質譜數據進行平滑處理，去除噪聲，并使用多項式擬合對基線進行校正；步驟二：構建N×N的窗口，并將窗口初始位置放置于質譜圖像的左上角，即坐標處，之后依據需求對窗口進行橫向逐點滑動或縱向逐點滑動，直至滑動至質樸圖像結束；步驟三：每次滑動窗口時，收集窗口中心數據點坐標以及其余鄰域數據點坐標，并計算窗口中心數據點與窗口中其余點的差值，之后根據計算得到的差值，進行二值化處理，若中心點的值大于或等于鄰域點，則差值為1，否則為0；步驟四：將所有鄰域點的二值化結果按順時針或逆時針順序組合成一個二進制數，以獲取每個質譜數據點的LBP特征值，之后統計圖像中所有LBP模式的出現頻率，構建LBP直方圖作為紋理特征向量，再將提取的LBP特征構建成數據矩陣，其中每行代表一個質譜樣本，每列代表一個特征；步驟五：提取每組實驗樣本質譜圖像中的特征峰及其強度值，將每個樣本的特征強度值排列成一行，形成響應矩陣的一行，再將所有樣本的特征排列組合在一起，形成完整的響應矩陣，之后計算特征矩陣和響應矩陣的協方差矩陣；步驟六：通過奇異值分解獲取協方差矩陣的特征向量，并將其作為權重向量，再將原始數據投影到新的潛變量空間，以獲取降維后的特征矩陣，并將降維后的特征矩陣作為此次質譜數據的數據特征；所述捕捉不同質譜數據之間的依賴關系具體步驟如下：步驟1：通過文獻調研、專家咨詢以及歷史實驗結果收集質譜檢測領域知識，計算各特征之間的相關系數，并識別可能的依賴關系，再使用卡方檢驗方法測試特征之間的條件獨立性，對特征進行聚類，獲取各組特征之間的潛在關系，之后使用格蘭杰因果關系檢驗方法識別潛在的因果關系；步驟2：將每個從質譜數據中提取的數據特征作為一個節點，根據專家意見和文獻調研的結果，初步連接一些顯著依賴的特征，再依據相關系數和條件獨立性測試的結果，建立初始邊連接，檢查初始概率模型結構的合理性，根據數據統計結果和專家意見，修正初始概率模型結構；步驟3：計算當前模型結構的BIC值，即模型結構評分值，在當前模型結構中，選擇一對沒有直接連接的節點作為候選邊，在和之間添加一條有向邊或，計算新結構的BIC值，并與當前結構的BIC值進行比較；步驟4：在當前模型結構中，選擇一條現有的有向邊作為候選邊，并模擬刪除該有向邊，再計算新結構的BIC值，并與當前結構的BIC值進行比較，在當前模型結構中，選擇一條現有的有向邊作為候選邊，反轉該有向邊，計算新結構的BIC值，并與當前結構的BIC值進行比較；步驟5：比較添加邊、刪除邊以及反轉邊操作的評分變化，選擇能夠最大化降低BIC值的操作，再根據最優操作更新模型結構，依據概率模型中的節點數量和邊數量初始化組個體，并隨機初始化每組個體位置，其中位置表示模型結構，用一個二進制矩陣表示各網絡結構，矩陣元素表示邊的存在與否；步驟6：對于每組個體，計算其對應模型結構的BIC值作為亮度，其中模型BIC值越小，該個體亮度值越高，比較各個體亮度值，再計算各組個體之間的距離，并將依據個體向更亮的個體移動的更新規則，調整各組個體位置，重復計算各組個體亮度值，并更新個體位置信息，直至達到預設最大迭代次數，對更新后的位置對應的模型結構進行隨機擾動后，獲取最終概率模型結構；步驟7：在最終概率模型通過條件獨立性測試來確認特征之間的依賴關系，之后通過馬爾科夫鏈蒙特卡洛方法對各數據特征進行概率推理，并計算某些特征的后驗概率以進行預測或分類，對捕捉到的特征依賴關系進行解釋，以獲取特征之間的相互作用信息；所述識別不同的穩定性狀態的具體步驟如下：步驟Ⅰ：獲取預處理后的質譜數據集，其中表示第個質譜數據點，包含多個特征，之后選擇多個初始聚類中心，再計算每個數據點到聚類中心的距離，并將各組質譜數據分配到最近的聚類中心，并更新每個聚類的中心為該聚類中所有點的平均值；步驟Ⅱ：重復尋找聚類中心，并分配質譜數據點，直到聚類中心收斂到預設閾值內，根據聚類結果，識別不屬于任何主要聚類的點或處于聚類邊緣的點，并將其標記為異常點；步驟Ⅲ：計算并記錄未標記質譜數據點與異常數據點之間的相似度，以構建標準拉普拉斯矩陣，再對拉普拉斯矩陣進行特征值分解，得到多組最小特征值對應的特征向量，構成特征矩陣，之后設置各數據點鄰域半徑，以及質譜數據點成為核心點所需的最小鄰居數；步驟Ⅳ：計算特征矩陣中每對數據點之間的距離，同時計算每個數據點鄰域半徑內的鄰居數，若鄰居數不小于，則該點為核心點，從一個核心點開始，將所有在鄰域半徑內的點加入到當前聚類中，若新加入的點也是核心點，則繼續擴展，重復選擇核心點并創建新聚類，直至沒有新的點可加入；步驟Ⅴ：檢測聚類完成后的各組質譜數據點，若一個點既不是核心點，也不是任何核心點的鄰居，則該點被標記為異常點，再通過構建的概率模型計算其余每個節點的條件概率表，以及各數據點在概率模型中的聯合概率以及異常概率，若異常概率高于異常閾值時，識別該點為異常點；步驟Ⅵ：對檢測出的各組異常點進行解釋說明，再通過報告生成模塊依據用戶需求通過圖表的形式對各組質譜數據的檢測結果，進行可視化展示，并通過短信、郵箱以及報警的方式告知用戶存在穩定性異常；所述對聚類結果進行建模以處理數據的多峰特性的具體步驟如下：第一步：捕捉檢測模塊初始化一組空的網絡圖，將質譜數據點表示為網絡圖中的節點，并根據數據點之間的相似度或距離，構建節點之間的邊，計算所有節點對之間通過邊的最短路徑數，即邊介數，并移除邊介數最大的邊；第二步：移除完成后，重新計算網絡圖各邊的邊介數，并移除邊介數最大的邊，重復計算各邊的邊介數，以及移除最大邊介數，直至網絡圖分裂為多個社團，計算每個社團的內部特征；第三步：構建高斯混合模型，定義多個高斯成分，每個成分表示一個高斯分布，再使用期望最大化算法計算數據點屬于每個高斯成分的后驗概率，并根據后驗概率更新高斯混合模型參數；第四步：通過更新后的高斯混合模型計算每個質譜數據點的概率分布，再分析高斯混合模型中每個高斯成分，識別質譜數據的多峰特性，再根據每個高斯成分的均值和協方差，確定質譜數據的不同峰值位置和分布形態。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人蘭州百源基因技術有限公司，其通訊地址為：730000 甘肅省蘭州市城關區雁東路102號20層A01-A08；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。