一类可识别人体健康状态的呼出气生物标志物制造技术

本发明专利技术公布了一类可识别人体健康状态的呼出气生物标志物，通过导气管道和测量仪器进行连接，并通过测量仪器获得测量样本因子，测量仪器通过算法模型对测试样本进行检测，基于决策树分类器对测试样本进行预测表现检测，得出生物标志物的种类以及浓度，测量样本进行预测完成后并对结果进行分子检验，最后进行结果输出得出呼出气生物标志物的相对分子质量，筛选出61种能够识别疾病程度的VOCs标志物，通过生物标志物的种类及其相对分子质量可以快速识别人体健康状态，尤其适用于诊断慢性阻塞性肺疾病的疾病程度，服务于COPD早期筛查，及早发现病症。发现病症。

【技术实现步骤摘要】
一类可识别人体健康状态的呼出气生物标志物


[0001]本专利技术涉及可识别的呼出气生物标志物
，具体为一类可识别人体健康状态的呼出气生物标志物。

技术介绍

[0002]由于人体呼出气中挥发性有机物（Volatile organic compounds，VOCs）携带大量的生理和病理信息，且作为非侵入性样品，具有无损伤、取样简便和连续可得等特点，近年来，呼出气VOCs应用于健康状态预测识别的研究受到了越来越多的关注，现已成为一个研究热点，基于呼出气VOCs的健康状态识别是根据能够反映某种疾病病理及生理变化的呼出气VOCs（生物标志物）浓度变化进行健康状态识别，氧化应激导致某种疾病炎症产生更多或更少的某些VOCs出现在呼出气中，患者呼出气中VOCs组分浓度会随着疾病状态变化而变化，而这种变化会表现为某些VOCs浓度的升高或降低。
[0003]慢性阻塞性肺疾病(COPD)作为我国一类常见多发的呼吸系统疾病,传统的诊断方法具有诸多不足之处，亟需突破。目前，基于呼出气生物标志物的COPD状态识别方法不仅具有非侵入性、取样方便快捷和在线快速诊断等优势，而且能更好地服务于COPD早期筛查，及早发现病症，降低COPD死亡率。呼出气COPD状态识别研究目前处于起步阶段，相关研究较少，国内外研究仅获得少量COPD呼出气生物标志物，尚未应用于疾病状态识别，为此，我们提出一类可识别人体健康状态的呼出气生物标志物，支撑建立COPD呼吸气诊断新方法。

技术实现思路

[0004]本专利技术的目的在于提供一类可识别人体健康状态的呼出气生物标志物，以解决上述
技术介绍
中提出的问题。
[0005]为实现上述目的，本专利技术提供如下技术方案：一类可识别人体健康状态的呼出气生物标志物，呼出气生物标志物的识别鉴定步骤为：S1：通过导气管道和测量仪器进行连接，并通过测量仪器获得测量样本因子；S2：测量仪器通过算法模型对测试样本进行检测，基于决策树分类器对测试样本进行预测表现检测，得出生物标志物的种类以及浓度；S3：测量样本进行预测完成后并对结果进行分子检验，最后进行结果输出得出呼出气生物标志物的相对分子质量；S4：通过生物标志物的种类及其相对分子质量可以快速识别人体健康状态，尤其适用于诊断慢性阻塞性肺疾病的疾病程度，服务于COPD早期筛查，及早发现病症。
[0006]优选的，S2步骤中算法模型中在训练集中建立288个特征因子和健康状态的算法模型，不停地迭代训练直到模型达到设定阈值的最优效果，根据训练得到的最优模型，反向推导排序288个特征因子的重要性，从中往复选择最重要的特征因子，最终确定61个特征因子。
[0007]优选的，S2步骤中决策树单分类器对测试样本进行预测表现，每一个单分类器都
会预测样本所属0
‑
5中的一个类别，集成分类结果通过投票法（voting）产生，也可以通过单分类器对多个测试样本进行集成分类结果投票：分类器对多个测试样本进行集成分类结果投票：分类器对多个测试样本进行集成分类结果投票：表示第个单分类器，表示真实函数，表示单分类器错误率；表示单分类器的个数，通过公式发现随着单分类器数目的增大，集成分类模型的错误率将指数下降。
[0008]优选的，S3步骤中生物标志物共61种，其相对分子质量依次为32.0278、33.0325、33.9907、38.4581、40.0258、42.0445、43.0335、44.0189、46.0371、47.0013、50.0357、50.1137、51.0433、54.9399、58.0597、59.0543、59.1185、60.0322、60.1097、64.0541、65.0209、67.0524、72.0498、73.0415、75.1217、80.1001、84.9415、87.2008、88.0037、88.0483、89.9697、90.9214、91.0255、95.9849、99.9338、116.0003、118.0095、121.9241、122.8503、123.9103、125.0149、126.1235、127.9351、128.1431、134.1699、137.9902、141.9602、142.4604、143.1019、150.1178、152.0409、153.0448、158.1336、181.9323、185.9142、295.7734、353.4950、353.5627、369.4871、371.5156、427.3260。
[0009]优选的，S1步骤中导气管道和测量仪器连接时采用可塑性医用气管，同时导气管道和测量仪器装配有密封圈，且导气管道通过抱箍固定装配在测量仪器的输入端，同时导气管道另一端卡合装配有一次性吹气管。
[0010]与现有技术相比，本专利技术的有益效果是：本专利技术算法模型中在训练集中建立288个特征因子和健康状态的算法模型，不停地迭代训练直到模型达到设定阈值的最优效果，根据训练得到的最优模型，反向推导排序288个特征因子的重要性，从中往复选择最重要的特征因子，最终确定61个特征因子，应用大数据技术方法对大量的COPD患者和健康对照人群呼出气VOCs在线监测数据进行分析，筛选出61种能够识别疾病程度的VOCs标志物。
具体实施方式
[0011]下面将结合本专利技术实施例，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
实施例
[0012]一类可识别人体健康状态的呼出气生物标志物，呼出气生物标志物的识别鉴定步骤为：S1：通过导气管道和测量仪器进行连接，并通过测量仪器获得测量样本因子；S2：测量仪器通过算法模型对测试样本进行检测，基于决策树分类器对测试样本进行预测表现检测，得出生物标志物的种类以及浓度；
S3：测量样本进行预测完成后并对结果进行分子检验，最后进行结果输出得出呼出气生物标志物的相对分子质量；S4：通过生物标志物的种类及其相对分子质量可以快速识别人体健康状态，尤其适用于诊断慢性阻塞性肺疾病的疾病程度，服务于COPD早期筛查，及早发现病症；S2步骤中算法模型中在训练集中建立288个特征因子和健康状态的算法模型，不停地迭代训练直到模型达到设定阈值的最优效果，根据训练得到的最优模型，反向推导排序288个特征因子的重要性，从中往复选择最重要的特征因子，最终确定61个特征因子；S2步骤中决策树单分类器对测试样本进行预测表现，每一个单分类器都会预测样本所属0
‑
5中的一个类别，集成分类结果通过投票法（voting）产生，也可以通过单分类器对多个测试样本进行集成分类结果投票：多个测试样本进行集成分类结果投票：多个测试样本进行集成分类结果投票：表示第个单分类器，表示真实函数，表示单分类器错误率；表示单分类器的个数，通过公式发现随着单分类器数目的增大，集成分类模型的错误率将指本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一类可识别人体健康状态的呼出气生物标志物，其特征在于：呼出气生物标志物的识别鉴定步骤为：S1：通过导气管道和测量仪器进行连接，并通过测量仪器获得测量样本因子；S2：测量仪器通过算法模型对测试样本进行检测，基于决策树分类器对测试样本进行预测表现检测，得出生物标志物的种类以及浓度；S3：测量样本进行预测完成后并对结果进行分子检验，最后进行结果输出得出呼出气生物标志物的相对分子质量；S4：通过生物标志物的种类及其相对分子质量可以快速识别人体健康状态，尤其适用于诊断慢性阻塞性肺疾病的疾病程度，服务于COPD早期筛查，及早发现病症。2.根据权利要求1所述的一类可识别人体健康状态的呼出气生物标志物，其特征在于：S2步骤中算法模型中在训练集中建立288个特征因子和健康状态的算法模型，不停地迭代训练直到模型达到设定阈值的最优效果，根据训练得到的最优模型，反向推导排序288个特征因子的重要性，从中往复选择最重要的特征因子，最终确定61个特征因子。3.根据权利要求1所述的一类可识别人体健康状态的呼出气生物标志物，其特征在于：S2步骤中决策树单分类器对测试样本进行预测表现，每一个单分类器都会预测样本所属0
‑
5中的一个类别，集成分类结果通过投票法(voting)产生，也可以通过单分类器对多个测试样本进行集成分类结果投票：P(h
i
(x)≠f(x))＝εh
i
表示第i个单分类器，f(x)表示真实函数，ε表示单分类器错误率；T表示单分类器的个数，通过公式发现随着单分类器数目的增大，集成分类模型的错误率将指数下降。4.根据权利要求1...

【专利技术属性】
技术研发人员：谢丹平，黄忠辉，刘旺，贺辉，聂鹏，杨迪，蒋炜玮，黄钟坤，
申请(专利权)人：生态环境部华南环境科学研究所，
类型：发明
国别省市：