[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

本申請提供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，主要采用主成分分析和特征提取的數據預處理方法，基于隨機森林，支持向量機，BP神經網絡，以及極限學習機分類器模型的組合分類器模型對數據訓練，最后得到一個準確度，特異性，靈敏性滿足臨床診斷的肝癌腫瘤標志物分類器，幫助臨床醫生在肝癌初診中降低誤診率，提高肝癌腫瘤標志物檢測準確度。

技術領域

本申請涉及神經網絡分類器技術領域，特別是涉及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。

背景技術

原發性肝癌是目前我國第4位的常見惡性腫瘤及第3位的腫瘤致死病因，嚴重威脅我國人民的生命和健康。目前肝癌早期診斷的檢測手段主要分為兩大類：

一種是以肝癌血清腫瘤標志物為參考指標的檢測手段。我國最新的《原發性肝癌診療規范2017版》中指出，肝癌腫瘤標志物甲胎蛋白AFP是當前診斷肝癌常用而又重要的方法，臨床上，當甲胎蛋白AFP的含量大于400ug/L，提示可能存在肝癌。盡管AFP對肝癌的診斷具有較高的敏感性和特異性，但仍有40％的早期肝癌和15％-20％的晚期肝癌患者可出現假陽性。另一種是以超聲，計算機X射線，核磁共振成像，數字減影血管造影和肝病理穿刺等檢測技術為代表的影像學，病理學手段。

但是，前一種檢測手段主要依賴于醫生的實際工作經驗，需要經過長期的實踐才能達到優秀的決策水平，受醫生的主觀經驗和外界干擾因素的影響較大；而后一種檢測手段中的大多數技術在肝癌的早期診斷能力有限，不僅對患者的身體有一定影響，而且價格高，不具有普適性。

肝癌血清腫瘤標志物的種類很多，但臨床上沒有任一單一腫瘤標志物可以確診肝癌，每一種腫瘤標志物的存在在診斷上都有一定的參考價值，但也有自身的局限性。臨床上，醫生一般參考多種腫瘤標志物的參數進行聯合檢測診斷。人為經驗的因素容易造成診斷上會出現誤差。利用機器學習手段可以有效的提高多種腫瘤標志物聯合診斷的準確度?；跈C器學習的計算機輔助診斷算法近年來不斷優化和完善，這為多腫瘤標志物聯合診斷模型的構建帶來了可能性。算法方面，國外有學者比較過179個不同分類器在121個不同數據集上的實際效果。研究結果表明：不同分類器在不同分類場景下的效果是不同的，比如隨機森林RF平均來說最強，但也只在9.9％的數據集上拿到了第一；支持向量機SVM的平均水平緊隨其后，在10.7％的數據集上拿到第一。

因此，本領域亟需一種能夠有效提高多種腫瘤標志物聯合診斷的準確度的技術方案。

申請內容

鑒于以上所述現有技術的缺點，本申請的目的在于提供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，用于解決現有技術中的問題。

為實現上述目的及其他相關目的，本申請的第一方面提供一種基于多神經網絡分類器的腫瘤標志物檢測系統，其包括：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。

于本申請的第一方面的一些實施例中，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。

于本申請的第一方面的一些實施例中，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。