本技术公开了一种基于稀疏三值伯努利矩阵的稀疏样本混检方法和系统,属于流行病早期感染者筛查领域。方法为:对采集的多个待检样本进行编号,并将每个样本制备等量的多份;设置混合操作次数,设定采样序列中元素的生成概率;每次混合操作均设置两个混合组,根据设定的概率随机生成采样序列,按照采样序列对每个样本进行分组操作,所有样本分组完成后,检测两份混合样本的病毒浓度并记录病毒浓度差;根据采用的混合操作以及对应的病毒浓度检测结果进行稀疏三值伯努利矩阵建模;将检测问题转换为稀疏重构问题,采用稀疏信号恢复算法得到稀疏解,确定病毒感染者。本发明适用于大规模病毒检测场景,具有检测成本低、可操作性强且准确性高的特点。
背景技术
在疫情防控工作中,及时发现感染者是极为重要的,但这一目标的实现面临巨大挑战,同时也需要付出高昂的代价。即使通过混检方式减少部分费用,仍需投入大量的资金和人力,并耗费大量社会资源与时间成本。
在大流行病早期阶段,感染者非常少,可被视为稀疏信号,假设已经采集了个受试者的病毒样本,其中阳性样本数不超过(),为了降低试剂消耗和检测成本,并高概率检测出个感染者,最直接的混合策略是选择合适数量的样本进行混合(10混1),然后对混合后的样本进行检测,这样可将检测次数降低到左右。这本质上对应着一个观测矩阵(),的每一行代表一个混合样本,混合得到的检测样本为,共需检测次。若观测矩阵为伯努利矩阵,由于伯努利随机矩阵具有受限等距性质(RIP),根据压缩感知理论,次检测即可高概率检出个阳性样本。当很大时,,这意味着大大降低了检测次数,大幅减少了检测试剂消耗,从而大幅降低检测成本;而且伯努利矩阵的稀疏性也使得混合操作变得可行。
实现思路