[發明專利]基于機器學習的細胞外囊泡分類方法、裝置、設備及介質

在審

• 申請號: 202210699761.5
• 申請日: 2022-06-20
• 公開（公告）號: CN114973245A
• 公開（公告）日: 2022-08-30
• 發明（設計）人: 龍菲;韓頂立;冉瑞;鐘曉翠;王煉煉;陳竺;楊洋
• 申請（專利權）人: 重慶醫科大學
• 主分類號: G06V20/69
• 分類號: G06V20/69;G06V10/764;G06V10/774;G06N20/00
• 代理公司: 重慶渝之知識產權代理有限公司 50249
• 代理人: 鄭小龍

1.一種基于機器學習的細胞外囊泡分類方法，其特征在于，包括：

獲取樣品的第一參數；

基于所述第一參數從所述樣品中篩選出細胞外囊泡；

獲取所述細胞外囊泡的第二參數；

將所述第二參數輸入至預先訓練的基于機器學習的分類模型，以通過所述分類模型完成對所述細胞外囊泡的分類。

2.根據權利要求1所述的基于機器學習的細胞外囊泡分類方法，其特征在于，

通過透射電子顯微鏡拍攝所述樣品的超微形態結構；

通過納米顆粒跟蹤分析儀檢測所述樣品的粒徑范圍；

通過化學發光成像分析所述樣品的TSG101蛋白條帶；

所述第一參數包括超微形態結構、粒徑范圍和TSG101蛋白條帶。

3.根據權利要求1所述的基于機器學習的細胞外囊泡分類方法，其特征在于，所述篩選條件包括：

是否呈現橢圓形的膜結構；

粒徑大小是否為50-500nm；

是否具有TSG101蛋白條帶。

4.根據權利要求1所述的基于機器學習的細胞外囊泡分類方法，其特征在于，所述獲取所述細胞外囊泡的第二參數，包括：

獲取所述細胞外囊泡的總離子流圖，所述總離子流圖包含各細胞外囊泡樣本的物質信息；

對所述總離子流圖進行解析，得到所述細胞外囊泡的代謝物數據；

從多種代謝物中篩選出目標代謝物，并獲取目標代謝物的代謝物豐度以作為所述第二參數。

5.根據權利要求1所述的基于機器學習的細胞外囊泡分類方法，其特征在于，在利用預先訓練的基于機器學習的分類模型對細胞外囊泡分類前，還包括：

獲取細胞外囊泡的代謝物豐度；

對所述代謝物豐度進行校正，得到校正數據；

對所述校正數據進行降維；

利用降維后的數據構建訓練分類模型的訓練集；

對所述訓練集進行特征篩選，獲取目標特征；

利用所述目標特征對初始分類模型進行訓練，并基于評價指標對訓練后的分類模型進行評價，并以滿足評價指標的分類模型作為用于對細胞外囊泡進行分類的基于機器學習的分類模型。

6.根據權利要求5所述的基于機器學習的細胞外囊泡分類方法，其特征在于，在對所述代謝物豐度進行校正步驟中，以年齡或/和身體質量指數作為校正因素對所述代謝物豐度進行校正。

7.根據權利要求5所述的基于機器學習的細胞外囊泡分類方法，其特征在于，所述基于機器學習的分類模型為：邏輯回歸模型LR、隨機森林模型RF、決策樹模型DT、支持向量機SVM、樸素貝葉斯模型NB、K最鄰近法KNN、人工神經網絡ANN中一個。

8.一種基于機器學習的細胞外囊泡分類裝置，其特征在于，包括：

第一參數獲取模塊，用于獲取樣品的第一參數；

篩選模塊，用于基于所述第一參數從所述樣品中篩選出細胞外囊泡；

第二參數獲取模塊，用于獲取所述細胞外囊泡的第二參數；

分類模塊，用于將所述第二參數輸入至預先訓練的基于機器學習的分類模型，以通過所述分類模型完成對所述細胞外囊泡的分類。

9.一種分類設備，其特征在于，包括：

存儲器，用于存儲計算機程序；

處理器，用于執行所述存儲器存儲的計算機程序，以使所述設備執行如權利要求1至7中任一項所述的分類方法。

10.一種存儲介質，存儲計算機程序，其特征在于，所述計算機程序被處理器運行時執行如權利要求1至7中任一項所述的分類方法。