[發明專利]基于多神經網絡分類器的腫瘤標志物檢測系統、方法、終端、介質

在審

• 申請號: 201910149298.5
• 申請日: 2019-02-28
• 公開（公告）號: CN110031624A
• 公開（公告）日: 2019-07-19
• 發明（設計）人: 王晉;陳曉東
• 申請（專利權）人: 中國科學院上海高等研究院;中國科學院大學
• 主分類號: G01N33/574
• 分類號: G01N33/574;G06N3/04;G06N3/08
• 代理公司: 上海光華專利事務所(普通合伙) 31219
• 代理人: 高彥

1.一種基于多神經網絡分類器的腫瘤標志物檢測系統，其特征在于，包括：

樣本采集模塊，用于采集腫瘤標志物檢測樣本的樣本數據，其中所述樣本數據包括測試集數據和訓練集數據；

數據預處理模塊，用于根據所述樣本數據篩選出多個與腫瘤具有高關聯性的異常指標；

樣本統計分析模塊，用于基于所述樣本數據數據對單個異常指標做檢測結果評估分析，和/或對多個聯合的異常指標做檢測結果評估分析；

分類器模型訓練模塊，用于基于所述訓練集數據對多個分類器模型進行模型訓練；

分類器模型評估與測試模塊，用于基于所述測試集數據對訓練后的分類器模型進行測試，并將測試結果與所述樣本統計分析模塊的評估分析結果做優劣比較，據以判斷被測試的分類器模型的有效性；

分類器診斷方法應用模塊，用于利用被判斷為有效的分類器模型對腫瘤標志物數據進行檢測，據以輸出診斷結果信息。

2.根據權利要求1所述的系統，其特征在于，所述樣本采集模塊采集臨床真實的樣本數據且對所采集的樣本數據進行分類。

3.根據權利要求2所述的系統，其特征在于，所述腫瘤標志物包括肝癌腫瘤標志物；其中，所述樣本數據的分類方式包括：將樣本數據分為肝癌組樣本數據和非肝癌組樣本數據，和/或分為肝癌組樣本數據、肝病組樣本數據和健康組樣本數據。

4.根據權利要求1所述的系統，其特征在于，所述數據預處理模塊用于基于主成分分析算法進行特征選擇，以對根據所述樣本數據最初篩選出的多個異常指標進行降維處理，并獲得所述與腫瘤具有高關聯性的異常指標。

5.根據權利要求4所述的系統，其特征在于，所述與腫瘤具有高關聯性的異常指標包括與肝癌腫瘤具有高關聯性的異常指標，其包括甲胎蛋白，還包括：異常凝血酶原、癌胚抗原、糖類抗原199、糖類抗原242、糖類抗原211、糖類抗原125、唾液酸、或者鐵蛋白。

6.根據權利要求1所述的系統，其特征在于，檢測結果評估分析的評估指標包括靈敏度、特異度、及準確度；其中，靈敏度表示實際為陽性的樣本中判斷為陽性的比例，特異度表示實際為陰性的樣本中判斷為陰性的比例，準確度表示真陽性和真陰性人數占受試總人數的比例。

7.根據權利要求1所述的系統，其特征在于，所述分類器模型包括：隨機森林模型、支持向量機模型、BP神經網絡模型、極限學習機模型。

8.根據權利要求1所述的系統，其特征在于，包括：所述樣本統計分析模塊根據ROC曲線從單個異常指標中選取部分或全部的異常指標作為聯合的異常指標。

9.一種基于多神經網絡分類器的腫瘤標志物檢測方法，其特征在于，包括：

采集腫瘤標志物檢測樣本的樣本數據，其中所述樣本數據包括測試集數據和訓練集數據；

根據所述樣本數據篩選出多個與腫瘤具有高關聯性的異常指標；

基于所述樣本數據數據對單個異常指標做檢測結果評估分析，和/或對多個聯合的異常指標做檢測結果評估分析，以生成對應的評估分析結果；

基于所述訓練集數據對多個分類器模型進行模型訓練；

基于所述測試集數據對訓練后的分類器模型進行測試，并將測試結果與所述評估分析結果做優劣比較，據以判斷被測試的分類器模型的有效性；

利用被判斷為有效的分類器模型對腫瘤標志物數據進行檢測，據以輸出診斷結果信息。

10.根據權利要求9所述的方法，其特征在于，所述方法包括：采集臨床真實的樣本數據且對所采集的樣本數據進行分類。

11.根據權利要求10所述的方法，其特征在于，所述腫瘤標志物包括肝癌腫瘤標志物；其中，所述樣本數據的分類方式包括：將樣本數據分為肝癌組樣本數據和非肝癌組樣本數據，和/或分為肝癌組樣本數據、肝病組樣本數據和健康組樣本數據。