一種免疫層析試條動態(tài)定量測試方法
【專利摘要】本發(fā)明公開了一種免疫層析試條動態(tài)定量測試方法，包括如下步驟：(A)構(gòu)建免疫層析試條動態(tài)顯色機理方程；(B)確定粒子群算法目標(biāo)函數(shù)；(C)初始化粒子群算法的種群大小、粒子速度和粒子位置；(D)計算每個粒子的適應(yīng)度目標(biāo)函數(shù)值；(E)采用差分進化算法對局部最優(yōu)解進行變異和交叉操作；(F)計算經(jīng)變異和交叉算子后粒子的適應(yīng)度值，并與原局部最優(yōu)解的適應(yīng)度值進行比較，更新局部最優(yōu)和粒子群的最優(yōu)解；(G)根據(jù)算法的迭代次數(shù)和粒子的多樣性參數(shù)選取馬爾可夫鏈的狀態(tài)轉(zhuǎn)移矩陣；(H)計算粒子的新速度和新位置；(I)滿足終止條件，迭代循環(huán)結(jié)束，取得測量最終結(jié)果。本發(fā)明的測試方法能夠?qū)崿F(xiàn)免疫層析試條的動態(tài)定量測試。
【專利說明】一種免疫層析試條動態(tài)定量測試方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于免疫層析試條定量測試【技術(shù)領(lǐng)域】，具體涉及一種基于粒子群算法的免 疫層析試條動態(tài)定量測試方法。

【背景技術(shù)】
[0002] 免疫測定是基于抗原抗體特異性反應(yīng)的一種快速，準(zhǔn)確可用于現(xiàn)場和實驗室檢測 標(biāo)本中微量物質(zhì)的技術(shù)。隨著免疫測定在醫(yī)學(xué)檢驗中的廣泛應(yīng)用，不斷有新方法和新技術(shù) 的出現(xiàn)，主要是在免疫層析技術(shù)的基礎(chǔ)上，利用新型的示蹤物對樣本進行標(biāo)記，從而實現(xiàn)濃 度的定量檢測。免疫層析測定法由于符合現(xiàn)代醫(yī)學(xué)倡導(dǎo)的"床邊檢驗"的發(fā)展潮流，具有特 異性強，操作方法簡單、效率高、靈敏度高及特異性強等特點而成為最常用的一種側(cè)流免疫 層析快速檢測方法。
[0003] 目前研究者們已高度重視免疫層析試條定量測試的研究，但研究者們一直關(guān)注靜 態(tài)的定量測試方法，本專利通過人工智能算法與搭建好的模型來實現(xiàn)免疫層析試條的動態(tài) 定量測試方法。


【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)缺陷，提供一種免疫層析試條動態(tài)定量測試方 法。
[0005] 本發(fā)明的技術(shù)方案如下：
[0006] -種免疫層析試條動態(tài)定量測試方法，包括如下步驟：
[0007] (A)構(gòu)建免疫層析試條動態(tài)顯色機理方程，具體為下述方程：
[0008]

【權(quán)利要求】
1. 一種免疫層析試條動態(tài)定量測試方法，其特征在于：包括如下步驟： (A) 構(gòu)建免疫層析試條動態(tài)顯色機理方程，具體為下述方程：
y (k) = k9 (x3 (k) +x6 (k)) (2), 其中x(k+l)代表免疫層析試條中各物質(zhì)在k+1時刻的濃度，Xl(k)?x6(k)分別代表 免疫層析試條中的待測物、標(biāo)記物、待測物與標(biāo)記物的復(fù)合物、特異性抗體、特異性抗體與 待測物的復(fù)合物、待測物與標(biāo)記物及特異性抗體形成的復(fù)合物在k時刻時的濃度丸?k 8 為免疫層析試條系統(tǒng)中各反應(yīng)的速率；k9為比例系數(shù)；y(k)為免疫層析試條檢測線上的測 量特征值； (B) 確定粒子群算法目標(biāo)函數(shù)，具體為下述方程：
其中zk為實際測量得到的免疫層析試條檢測線上的特征值，Λ為粒子群算法估計Xl 在初始時刻的濃度值帶入方程（1)和方程（2)得到的y(k)，S為測量得到特征值的數(shù)量長 度； (C) 初始化粒子群算法的種群大小、粒子速度Vi和粒子位置Xi，其中粒子Xi對應(yīng)方程 (1)中Xi在初始時刻的濃度值，模式m = 1 ; (D) 根據(jù)方程（3)計算每個粒子的適應(yīng)度目標(biāo)函數(shù)值，并用不6,.表示粒子的局部最優(yōu)； (E) 采用差分進化算法對局部最優(yōu)解進行變異和交叉操作； (F) 計算經(jīng)變異和交叉算子后粒子的適應(yīng)度值，并與原局部最優(yōu)解的適應(yīng)度值進行比 較，更新局部最優(yōu)和粒子群的最優(yōu)解； (G) 根據(jù)算法的迭代次數(shù)和粒子的多樣性參數(shù)選取馬爾可夫鏈的狀態(tài)轉(zhuǎn)移矩陣，如果 迭代次數(shù)k小于0. 6-0. 8倍的最大迭代次數(shù)，且粒子的多樣性小于設(shè)定值則馬爾可夫鏈的 狀態(tài)轉(zhuǎn)移矩陣選取為如下方程所示：
(H) 根據(jù)下述方程計算粒子的新速度和新位置： v"k+l) = ω(ξ (k)) Vi GO+cJl 00)1^(10 (Pi (1〇-χ"1〇) +c2 ( ξ (k)) r2 (k) (pg (k) -Xi (k)) (7) Xj (k+1) = Xj (k)+Vj (k+1) (8) 其中ω ( ξ (k))，Cl ( ξ (k))和c2 ( ξ (k))是慣性權(quán)因子和加速因子，ξ (k)為在一個非 齊次馬爾科夫鏈的有限狀態(tài)空間中取值，具有如方程（6)所示的狀態(tài)轉(zhuǎn)移矩陣； (I)滿足終止條件，迭代循環(huán)結(jié)束，取得測量最終結(jié)果。
2. 如權(quán)利要求1所述的一種免疫層析試條動態(tài)定量測試方法，其特征在于：所述步驟 (E) 具體如下： (a) 利用差分進化算法中的變異算子對進行變異得到卩如下述方程所示：
(4) (b) 利用差分進化算法中交叉算子對\和1?,進行交叉得到Y(jié)u，即如下述方程所示：
(5)。
3. 如權(quán)利要求2所述的一種免疫層析試條動態(tài)定量測試方法，其特征在于：所述步驟 (F) 具體如下：計算Yu粒子的適應(yīng)度目標(biāo)函數(shù)值，如果f(Yu)的目標(biāo)函數(shù)值比/(?)的小， 貝_ L替代'，更新粒子群的最優(yōu)解Pg。
【文檔編號】G01N33/558GK104142395SQ201410376861
【公開日】2014年11月12日 申請日期:2014年8月1日 優(yōu)先權(quán)日:2014年8月1日
【發(fā)明者】曾念寅, 陳延平 申請人:廈門大學(xué)