[發明專利]高危型HPV型別和宮頸癌前病變階段關系的計算方法及裝置

有效

• 申請號: 201911420979.7
• 申請日: 2019-12-31
• 公開（公告）號: CN111180071B
• 公開（公告）日: 2022-02-08
• 發明（設計）人: 章樂;吳雯婷;劉宏圖
• 申請（專利權）人: 四川大學
• 主分類號: G16H50/30
• 分類號: G16H50/30;G06K9/62;G16B20/50;G16H50/70
• 代理公司: 北京市廣友專利事務所有限責任公司 11237
• 代理人: 張仲波

1.高危型HPV型別和宮頸癌前病變階段關系的計算方法，所述方法包括：

步驟1、對使用薄層細胞學檢查(TCT)和HPV基因分型檢測方法從臨床上收集到的M種宮頸癌前病變階段下的N種高危型HPV感染數據進行分類整理，獲得不同感染方式下的HPV感染預處理數據，并根據不同的癌前病變階段對不同的高危型HPV的流行率進行統計；所述不同感染方式包括全部感染、單重感染和多重感染；

步驟2、基于所述的全部感染和單重感染方式下的HPV預處理數據作聚類分析，并基于聚類分析結果獲取不同高危型HPV的相似性；

步驟3、基于所述的單重感染和多重感染方式下的HPV預處理數據按泊松分布建模，進行回歸分析，獲取HPV單重感染和多重感染對宮頸癌前病變的影響比重；

所述回歸分析模型為公式1，具體為：

其中，λ表示結果變量的均值，p表示觀測對象的變量數，j為1到p之間的整數，X_j表示第j個預測變量，β₀…β_p是回歸系數，由樣本估計而得；

其中，所述結果變量為感染患者數；所述預測變量為不同高危型HPV類型的單重感染和多重感染。

2.根據權利要求1所述的高危型HPV型別和宮頸癌前病變階段關系的計算方法，其特征在于，所述步驟2進一步包括：

步驟201、分別計算全部感染數據集和單重感染數據集中Normal組、ASCUS組、LSIL組和HSIL組這四個癌前病變階段中N種高危型HPV的最佳聚類個數，其中最佳聚類個數通過R語言包的NbClust包進行計算參考；

步驟202、根據步驟201得到相對應的最佳聚類個數后，使用K-means聚類算法對全部感染數據集和單重感染數據集中的N種高危型HPV進行聚類分析得到不同數據集下的HPV感染相似性。

3.根據權利要求2所述的高危型HPV型別和宮頸癌前病變階段關系的計算方法，其特征在于，所述步驟202的聚類過程具體包括：

步驟2021、基于步驟201分別得到全部感染數據集中Normal組、ASCUS組、LSIL組和HSIL組這四個癌前病變組中不同高危型HPV的最佳聚類個數后，使用R包中的K-means算法分別聚類這4個病變分組中的N種高危型HPV，得到不同的病變階段下的HPV聚類結果；

步驟2022、整合步驟2021中得到的四組癌前病變階段的聚類結果，得到整體癌前病變階段下N種高危型HPV全部感染趨勢的相似性；

步驟2023、基于步驟201分別得到單重感染數據集中Normal組、ASCUS組、LSIL組和HSIL組這四個癌前病變組中不同高危型HPV的最佳聚類個數后，使用R包中的K-means算法分別聚類這4個病變分組中的N種高危型HPV，得到不同的病變階段下的HPV聚類結果；

步驟2024、整合步驟2023中得到的四組癌前病變階段的聚類結果，得到整體癌前病變階段下N種高危型HPV單重感染趨勢的相似性；

另外，步驟2021和步驟2023中的K-means算法采用歐幾里得距離來測量兩個觀測值間的距離，它的計算距離公式為公式2，具體為：

其中，d_ij表示第i個觀測對象和第j個觀測對象間的距離，p表示觀測對象的變量數，x_ip和x_jp分別表示第i個觀測對象的第p個變量的值和第j個觀測對象的第p個變量的值。

4.根據權利要求1所述的高危型HPV型別和宮頸癌前病變階段關系的計算方法，其特征在于，所述步驟3進一步包括：

步驟301、通過泊松分布建立回歸模型；

步驟302、基于步驟301得到的回歸模型和極大似然估計法，推導各個參數的估計值；

步驟303、由于在泊松回歸中，變量以條件均值的對數函數log(λ)來建模，為了在因變量的初始尺度上解釋回歸系數，對步驟302得到的參數估計結果作指數化處理，得到更易于解釋的參數的估計值；

步驟304、基于統計假設檢驗的標準方法，生成評價模型擬合情況的評價結果，來對所述的步驟3建模部分進行檢驗；

其中，所述初始尺度是指感染人數，而非感染人數的對數。