System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 基于外周血代谢组学利用神经网络构建淋巴瘤早期诊断模型及应用制造技术_技高网

基于外周血代谢组学利用神经网络构建淋巴瘤早期诊断模型及应用制造技术

技术编号:43772830 阅读:9 留言:0更新日期:2024-12-24 16:11
本发明专利技术公开了基于代谢组学和人工智能技术的淋巴瘤早期诊断标志物及其应用。本发明专利技术通过运用血清代谢组学技术和人工智能数据分析技术,利用Grad‑CAM模型进行可视化,得到适用于早期淋巴瘤辅助诊断的生物标志物和早期淋巴瘤辅助诊断模型。本发明专利技术的模型构建方法简便,所获得的诊断模型效果优秀,灵敏度高,特异性优良,适用于淋巴瘤的早期辅助诊断。本发明专利技术只需通过取血检测即可完成诊断,无需额外的组织样本采集,诊断过程简洁迅速,有利于淋巴瘤的早期发现和及时治疗,具有很高的临床应用和推广价值。

【技术实现步骤摘要】

本专利技术涉及医疗数据处理与深度学习领域,具体涉及基于外周血代谢组学利用神经网络构建淋巴瘤早期诊断模型及应用


技术介绍

1、淋巴瘤是一种起源于淋巴系统的癌症,其流行病学特征多种多样,在不同人群和不同地理区域之间存在显著差异(smith 等人,2020年)。淋巴瘤的临床特征多种多样,既有无症状的淋巴结肿大,也有发热等全身症状(johnson&federico,2019)。鉴于淋巴瘤的异质性,早期准确诊断对患者的有效管理和治疗效果至关重要。

2、代谢组学是对生物系统中的小分子代谢物进行综合分析的方法,已成为肿瘤学领域的有力工具(lee等人,2018年)。它提供了对伴随癌症进展的代谢改变的见解,并为疾病诊断和预后提供了潜在的生物标志物(harris等人,2017年)。

3、传统的代谢组学分析面临着各种挑战,如处理复杂的高维数据、需要大量的专业知识以及传统方法的计算局限性。目前正在开发先进的计算方法,如机器学习,以应对这些挑战(kourou等人,2015年;zhang等人,2019年)。然而,代谢组学数据是详细描述特定成分浓度的一维序列,缺乏心电图或脑电图等信号的时间属性,无法通过傅立叶或小波变换等方法转化为可解释的二维图像。因此,有必要采用专门的分析方法。为了应对将传统深度学习可视化模型应用于代谢组学的挑战,本专利技术公开了一种利用一维神经网络进行代谢组学数据分类、模型构建和特征可视化的方法,旨在实现早期检测和识别可作为诊断标记的特定代谢特征。


技术实现思路

1、针对现有技术存在的问题,本专利技术的目的是提供基于外周血代谢组学利用神经网络构建淋巴瘤早期诊断模型及应用。本专利技术应用人工智能技术构建了一个高精度的预测模型,该模型能够区分淋巴瘤患者和健康对照组,并识别出一组与淋巴瘤相关的特异性代谢物。本专利技术所述模型不仅具有统计学意义,而且通过生物信息学分析提供了合理的生物学解释,为研究淋巴瘤的致病机制提供了新的视角。

2、为了实现上述专利技术目的,本专利技术提供以下技术方案。

3、本专利技术公开了一种淋巴瘤早期辅助诊断标志物,其特征在于:该标志物为以下(1)或/和(2):

4、(1)由10种血清代谢物单酰甘油、磷脂酰丝氨酸、雄激素及其衍生物、氧化磷酸甘油盐、类固醇衍生物、类固醇、甘油磷脂、氧化磷酸甘油磷酸、中链羟基酸和衍生物和磷脂酰丝氨酸组成的组合;

5、(2)由10种血清代谢物磷脂酸、甘油二酯、磷脂酸、十甘油、蛋氨酸、雄激素、a-羟基孕酮、醋酸睾酮、醋酸脱氢表雄酮和蛋氨酸组成的组合。

6、进一步地,上述所述的淋巴瘤早期辅助诊断标志物在制备淋巴瘤早期辅助诊断产品中的应用。

7、本专利技术还公开了检测上述所述淋巴瘤早期辅助诊断标志物的物质在制备淋巴瘤早期辅助诊断产品中的应用。

8、进一步地,所述的物质为用于检测血清中诊断标志物含量的物质。

9、本专利技术还公开了一种淋巴瘤早期辅助诊断试剂盒,其特征在于:该试剂盒包含有用于检测权利要求1中所述淋巴瘤早期辅助诊断标志物的物质。

10、进一步地,该试剂盒还包含记载有模型的载体或者负载有模型的装置。

11、本专利技术还公开了一种淋巴瘤ai诊断模型的构建方法,其特征在于:包含以下步骤:

12、(1)以uplc-q/tof ms测定血清样品,得到血清代谢物;

13、(2)以(1)所得代谢物进行归一化预处理,使其具有零均值与单位方差;

14、(3)采用经过简化的resnet网络进行一维卷积计算,损失函数采用交叉熵损失;

15、(4)使用k-fold交叉验证得到效果最佳的参数并得到用于特征可视化的最佳模型;

16、(5)采用grad-cam++获得特征激活数据后,绘制特征重要性曲线图并通过热图;

17、(6)将grad-cam++计算出的特征权重按数值由大至小排列,得到权利要求1中所述的标志物。

18、本专利技术还公开了一种淋巴瘤ai诊断模型,其特征在于,通过如权利要求7所述的淋巴瘤ai诊断模型的构建方法构建得到。

19、本专利技术还公开了一种计算设备,其特征在于,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行实现如权利要求7所述的淋巴瘤ai诊断模型的构建方法所构建的疾病筛查模型。

20、本专利技术还公开了一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行实现如权利要求8所述的淋巴瘤ai诊断模型的构建方法所构建的疾病筛查模型。

21、与现有技术比,本专利技术的有益效果如下。

22、本专利技术通过运用外周血代谢组学技术和人工智能数据分析技术,确定适用于早期淋巴瘤诊断的生物标志物和早期淋巴瘤诊断模型。本专利技术的生物标志物筛选方法操作性强,模型构建方法简便,所获得的诊断模型效果优秀,灵敏度高,特异性优良,适用于淋巴瘤的早期诊断。本专利技术只需通过取血检测即可完成诊断,无需额外的组织样本采集,极大地降低了创伤风险。本专利技术诊断过程简洁迅速,有利于淋巴瘤的早期发现和及时治疗,具有很高的临床应用和推广价值。

本文档来自技高网
...

【技术保护点】

1.一种淋巴瘤早期辅助诊断标志物,其特征在于:该标志物为以下(1)或/和(2):

2.权利要求1所述的淋巴瘤早期辅助诊断标志物在制备淋巴瘤早期辅助诊断产品中的应用。

3.检测权利要求1所述淋巴瘤早期辅助诊断标志物的物质在制备淋巴瘤早期辅助诊断产品中的应用。

4.根据权利要求3所述的应用,其特征在于:所述的物质为用于检测血清中诊断标志物含量的物质。

5.一种淋巴瘤早期辅助诊断试剂盒,其特征在于:该试剂盒包含有用于检测权利要求1中所述淋巴瘤早期辅助诊断标志物的物质。

6.根据权利要求5所述的淋巴瘤早期辅助诊断试剂盒,其特征在于:该试剂盒还包含记载有模型的载体或者负载有模型的装置。

7.一种淋巴瘤AI诊断模型的构建方法,其特征在于:包含以下步骤:

8.一种淋巴瘤AI诊断模型,其特征在于,通过如权利要求7所述的淋巴瘤AI诊断模型的构建方法构建得到。

9.一种计算设备,其特征在于,包括存储器和处理器,所述存储器上存储有能够被处理器加载并执行实现如权利要求7所述的淋巴瘤AI诊断模型的构建方法所构建的疾病筛查模型。

10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行实现如权利要求7所述的淋巴瘤AI诊断模型的构建方法所构建的疾病筛查模型。

...

【技术特征摘要】

1.一种淋巴瘤早期辅助诊断标志物,其特征在于:该标志物为以下(1)或/和(2):

2.权利要求1所述的淋巴瘤早期辅助诊断标志物在制备淋巴瘤早期辅助诊断产品中的应用。

3.检测权利要求1所述淋巴瘤早期辅助诊断标志物的物质在制备淋巴瘤早期辅助诊断产品中的应用。

4.根据权利要求3所述的应用,其特征在于:所述的物质为用于检测血清中诊断标志物含量的物质。

5.一种淋巴瘤早期辅助诊断试剂盒,其特征在于:该试剂盒包含有用于检测权利要求1中所述淋巴瘤早期辅助诊断标志物的物质。

6.根据权利要求5所述的淋巴瘤早期辅助诊断试剂盒,其特征...

【专利技术属性】
技术研发人员:王慧涵何涛燕玮闻英友刘小玉贾学明
申请(专利权)人:中国医科大学附属盛京医院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1