本申请涉及生物检测，尤其涉及基于图像分析的脂蛋白亚分型处理方法。
背景技术：
1、脂蛋白亚分型通常依赖于实验室的生化检测方法，如电泳法、免疫比浊法等。通常需要复杂的实验室设备和专业的技术人员进行操作，使得脂蛋白亚分型的过程较为繁琐和耗时。目前，现有的脂蛋白亚分型处理方法缺乏具体的图像拆分和自动定位方案。
2、综上所述，现有技术中存在由于缺乏具体的图像拆分和自动定位方案，导致脂蛋白亚分型准确性不足的技术问题。
技术实现思路
1、本申请的目的是提供基于图像分析的脂蛋白亚分型处理方法，用以解决现有技术中存在由于缺乏具体的图像拆分和自动定位方案，导致脂蛋白亚分型准确性不足的技术问题。
2、鉴于上述问题，本申请提供了基于图像分析的脂蛋白亚分型处理方法，其中，所述方法包括：根据图像采集装置采集排列试管图像；对所述排列试管图像进行像素化分解，输出n个试管像素图像，n为大于等于1的正整数；通过对所述n个试管像素图像进行有效区域识别，输出n个有效区域，其中，每个有效区域包括极低密度脂蛋白条带、低密度脂蛋白条带以及高密度脂蛋白条带；对所述n个有效区域中的各个有效区域进行分型，输出n个极低密度脂蛋白条带、n个低密度脂蛋白条带以及n个高密度脂蛋白条带；基于相似度概率分布分别对所述n个极低密度脂蛋白条带、n个低密度脂蛋白条带以及n个高密度脂蛋白条带进行像素处理，输出特征-极低密度脂蛋白条带、特征-低密度脂蛋白条带以及特征-高密度脂蛋白条带；根据所述特征-极低密度脂蛋白条带、所述特征-低密度脂蛋白条带以及所述特征-高密度脂蛋白条带进行测试，生成分型测试报告。
3、本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
4、通过根据图像采集装置采集排列试管图像；对所述排列试管图像进行像素化分解，输出n个试管像素图像，n为大于等于1的正整数；通过对所述n个试管像素图像进行有效区域识别，输出n个有效区域，其中，每个有效区域包括极低密度脂蛋白条带、低密度脂蛋白条带以及高密度脂蛋白条带；对所述n个有效区域中的各个有效区域进行分型，输出n个极低密度脂蛋白条带、n个低密度脂蛋白条带以及n个高密度脂蛋白条带；基于相似度概率分布分别对所述n个极低密度脂蛋白条带、n个低密度脂蛋白条带以及n个高密度脂蛋白条带进行像素处理，输出特征-极低密度脂蛋白条带、特征-低密度脂蛋白条带以及特征-高密度脂蛋白条带；根据所述特征-极低密度脂蛋白条带、所述特征-低密度脂蛋白条带以及所述特征-高密度脂蛋白条带进行测试，生成分型测试报告。也就是说，通过图像处理和分析技术来识别和分类脂蛋白的不同亚型，达到了提高脂蛋白亚分型准确性的技术效果。
5、上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其他目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。应当理解，本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征，也不用于限制本申请的范围。本申请的其他特征将通过以下的说明书而变得容易理解。
1.基于图像分析的脂蛋白亚分型处理方法，其特征在于，所述方法包括：
2.如权利要求1所述的基于图像分析的脂蛋白亚分型处理方法，其特征在于，对所述排列试管图像进行像素化分解，输出n个试管像素图像，所述方法包括：
3.如权利要求1所述的基于图像分析的脂蛋白亚分型处理方法，其特征在于，通过对所述n个试管像素图像进行有效区域识别，输出n个有效区域，所述方法包括：
4.如权利要求3所述的基于图像分析的脂蛋白亚分型处理方法，其特征在于，定位所述垂直边缘像素后识别水平边缘像素，所述方法还包括：
5.如权利要求1所述的基于图像分析的脂蛋白亚分型处理方法，其特征在于，对所述n个有效区域中的各个有效区域进行分型，输出n个极低密度脂蛋白条带、n个低密度脂蛋白条带以及n个高密度脂蛋白条带，所述方法包括：
6.如权利要求1所述的基于图像分析的脂蛋白亚分型处理方法，其特征在于，根据所述特征-极低密度脂蛋白条带、所述特征-低密度脂蛋白条带以及所述特征-高密度脂蛋白条带进行测试，所述方法还包括：
7.如权利要求5所述的基于图像分析的脂蛋白亚分型处理方法，其特征在于，基于相似度概率分布分别对所述n个极低密度脂蛋白条带、n个低密度脂蛋白条带以及n个高密度脂蛋白条带进行像素处理，所述方法包括：
8.如权利要求7所述的基于图像分析的脂蛋白亚分型处理方法，其特征在于，基于相似度概率分布对所述高维-极低密度脂蛋白条带的特征概率分布、所述高维-低密度脂蛋白条带的特征概率分布和所述高维-高密度脂蛋白条带的特征概率分布进行降维处理，输出降维后的特征-极低密度脂蛋白条带、特征-低密度脂蛋白条带以及特征-高密度脂蛋白条带。
