[發明專利]一種復雜疾病診斷系統

有效

• 申請號: 201710242517.5
• 申請日: 2017-04-14
• 公開（公告）號: CN107169264B
• 公開（公告）日: 2019-12-06
• 發明（設計）人: 王秀鳳;張磊;廖成彬;陳瑞群;吳立蓉
• 申請（專利權）人: 廣東藥科大學
• 主分類號: G16H50/20
• 分類號: G16H50/20;G06K9/62
• 代理公司: 44416 廣州科沃園專利代理有限公司
• 代理人: 張帥<國際申請>=<國際公布>=<進入國

本發明公開了一種復雜疾病診斷系統，包括：標志物整合模塊，用于以疾病為單位存儲有整合生物標志物系統；標志物篩選模塊，用于采用粗糙集屬性約簡方法在整合生物標志物系統內篩選關鍵生物標志物，計算每個生物標志物對疾病分類的屬性重要度并進行排序，選取屬性重要度排序在設定名次內的生物標志物作為關鍵生物標志物；診斷模型建立模塊，用于基于支持向量分類機建立疾病診斷模型；本發明在支持向量分類機的基礎上結合遷移學習方法提出遷移?支持向量機方法來建立復雜疾病診斷模型，打破了數據限制，有利于建立可靠性和精確度更高的疾病診斷模型。

技術領域

本發明涉及復雜疾病非侵入性診斷領域，具體涉及一種復雜疾病診斷系統。

背景技術

近年來腫瘤、心腦血管病等復雜疾病發生率越來越高，對復雜疾病進行早期預防和診斷非常重要。目前復雜疾病的診斷往往基于單一類型的指標，診斷效果差，而且有些臨床診斷具有創傷性。多數復雜疾病的發病機制與生化指標和影像學指標、基因、蛋白質及代謝產物均有關系，因此表征復雜疾病的指標眾多，但受臨床樣本量的限制數據量太少，導致目前復雜診斷模型的預測可靠性和精度都難以達到要求。因此本專利擬構建包括生化指標、影像學指標、代謝標志物、蛋白質標志物及基因標志物的整合生物標志物系統，首先在整合生物標志物系統內篩選關鍵生物標志物，然后利用遷移-支持向量機方法建立基于整合生物標記物系統的復雜疾病早期診斷模型，用于復雜疾病的早期預警，輔助臨床早期診斷。

中國專利申請CN103714268A公開了一種篩選多發性硬化疾病生物標志物的方法。該方法通過從GEO數據庫中獲取數據集GSE21942，平臺為GPL570，將樣本采用MAS5標準化處理；然后利用公式(|(x(i)+y(i))/(x(j)+y(j))-1|<δ(i,j＝1,2,...,N)，將x或y基因表達不變的剔除，將相互抑制的基因對(x，y)篩選出來，得到多發性硬化疾病生物標志物；其中：δ表示基因x和y的近似程度，實驗中取δ＝0.08；x(i)表示基因x的第i個樣本的基因表達量，y(i)表示基因y的第i個樣本的基因表達量?，F有技術中對生物標志物的篩選等處理都沒有跳脫出傳統思維的框架，未能綜合各種指標的影響，導致基于生物標志物的診斷結果不夠全面和可靠。

發明內容

針對現有技術的不足，本發明的目的旨在提供一種復雜疾病診斷方法及系統，在支持向量分類機的基礎上結合遷移學習方法提出遷移-支持向量機方法來建立復雜疾病診斷模型，從而建立具有良好可靠性和精確度的疾病診斷模型。

為實現上述目的，本發明采用如下技術方案：

一種復雜疾病診斷方法，包含有以下步驟：

S1、構建對應于特定疾病的整合生物標志物系統；

S2、采用粗糙集屬性約簡方法在整合生物標志物系統內篩選關鍵生物標志物：計算每個生物標志物對疾病分類的屬性重要度并進行排序，選取屬性重要度排序在設定名次內的生物標志物作為關鍵生物標志物；

S3、基于支持向量分類機建立疾病診斷模型。

進一步地，還包括S3’：

S3’、將含有已標簽樣本集的源域知識遷移至S3中建立的疾病診斷模型中、對模型進行優化。

進一步地，S2中計算整合生物標志物系統中每個生物標志物對疾病分類的屬性重要度的具體方式為：給定一個決策表DT＝(U,C∪D,V,f)，sig(α,C,D)＝γ_C(D)-γ_C-{α}(D)定義為條件屬性α對條件屬性集C相對于決策屬性D的重要度，條件屬性集C為整合生物標志物系統內所有生物標志物，各個條件屬性α的取值為對應的生物標志物的含量，決策屬性D表示受檢人屬于某種疾病患者或者非某種疾病患者，分別取值1和-1表示。