【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及離心檢測，更具體地說，本專利技術(shù)涉及基于外泌體人工智能多模態(tài)的癌癥輔助診斷系統(tǒng)及方法。
技術(shù)介紹
1、外泌體是一種大多數(shù)細(xì)胞都會主動(dòng)釋放的具有脂質(zhì)雙層膜結(jié)構(gòu)的納米級囊泡，最初，外泌體被認(rèn)為是細(xì)胞排出的廢物，并未引起重視，后來越來越多的研究認(rèn)為，外泌體富集了多種生物活性分子如核酸、蛋白質(zhì)和脂質(zhì)，可以從供體細(xì)胞轉(zhuǎn)移到受體細(xì)胞，進(jìn)行細(xì)胞內(nèi)信息傳遞，是細(xì)胞間通信的重要參與者，而輔助診斷最重要環(huán)節(jié)之一就是對外泌體進(jìn)行離心檢測，人工智能技術(shù)是指利用計(jì)算機(jī)科學(xué)和機(jī)器學(xué)習(xí)等相關(guān)領(lǐng)域的理論、方法和技術(shù)，模擬人類智能的能力，實(shí)現(xiàn)各種復(fù)雜任務(wù)的技術(shù)，現(xiàn)有技術(shù)中，在外泌體離心檢測，極少出現(xiàn)能夠與人工智能技術(shù)相結(jié)合，實(shí)現(xiàn)對外泌體進(jìn)行精確分離；
2、例如，公開號為cn1?15710575a的中國專利提供了一種外泌體的提取方法及應(yīng)用，該專利通過對富血小板血漿進(jìn)行梯度離心，能夠促進(jìn)血小板中外泌體的釋放，達(dá)到充分提取血小板中的外泌體的目的，上述專利雖然對外泌體進(jìn)行離心，但還存在以下問題：
3、上述專利雖然進(jìn)行離心操作，但是上述專利沒有具體結(jié)合外泌體自身的特性以及人工智能技術(shù)獲取較為精確的離心參數(shù)，并且在進(jìn)行離心的過程中，也沒有對離心設(shè)備的狀態(tài)進(jìn)行監(jiān)測，導(dǎo)致后續(xù)會出現(xiàn)浪費(fèi)外泌體樣本的現(xiàn)象。
4、鑒于此，本專利技術(shù)提出基于外泌體人工智能多模態(tài)的癌癥輔助診斷系統(tǒng)及方法以解決上述問題。
技術(shù)實(shí)現(xiàn)思路
1、為了克服現(xiàn)有技術(shù)的上述缺陷，本專利技術(shù)提供基于外泌體人工智能多模態(tài)的癌
2、為實(shí)現(xiàn)上述目的，本專利技術(shù)提供如下技術(shù)方案：
3、基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，包括：
4、s10：獲取第h個(gè)待分離外泌體的泌體類別，基于泌體類別獲取相應(yīng)的初始離心參數(shù)集；
5、s20：獲取第h個(gè)待分離外泌體的實(shí)時(shí)重量，將初始離心參數(shù)集和實(shí)時(shí)重量輸入到預(yù)構(gòu)建的參數(shù)調(diào)整模型中，獲得目標(biāo)離心參數(shù)集；
6、s30：基于離心設(shè)備采取目標(biāo)離心參數(shù)集對第h個(gè)待分離外泌體進(jìn)行分離，以及獲取電磁場能量，基于電磁場能量判斷離心設(shè)備是否處于正常狀態(tài)；
7、s40：當(dāng)離心設(shè)備處于正常狀態(tài)時(shí)，則令h+1＝h，重復(fù)上述s10-s30，直至h＝f，則結(jié)束離心，f>h>0；
8、s50：當(dāng)離心設(shè)備不處于正常狀態(tài)時(shí)，則發(fā)送警示信息。
9、進(jìn)一步地，泌體類別包括血液外泌體和尿液外泌體，獲取第h個(gè)待分離外泌體的泌體類別的方法包括：
10、獲取第h個(gè)待分離外泌體的實(shí)時(shí)表面圖像，將實(shí)時(shí)表面圖像輸入到預(yù)構(gòu)建的泌體分類模型中，獲取第h個(gè)待分離外泌體的泌體類別。
11、進(jìn)一步地，泌體分類模型的構(gòu)建方法包括：
12、獲取r組數(shù)據(jù)，r為大于1的正整數(shù)，數(shù)據(jù)包括歷史表面圖像和歷史泌體類別，將歷史表面圖像和歷史泌體類別作為樣本集，將樣本集劃分為訓(xùn)練集和測試集，構(gòu)建分類器，將訓(xùn)練集中的歷史表面圖像作為輸入數(shù)據(jù)，將訓(xùn)練集中的歷史泌體類別作為輸出數(shù)據(jù)，對分類器進(jìn)行訓(xùn)練，得到初始分類器，利用測試集對初始分類器進(jìn)行測試，輸出滿足預(yù)設(shè)準(zhǔn)確度的分類器作為泌體分類模型。
13、進(jìn)一步地，歷史表面圖像包括實(shí)際歷史表面圖像和合成歷史表面圖像，生成歷史表面圖像的方法包括：
14、利用所述實(shí)際歷史表面圖像對所述目標(biāo)生成對抗網(wǎng)絡(luò)中的判別器進(jìn)行訓(xùn)練，得到訓(xùn)練后的判別器；
15、通過所述訓(xùn)練后的判別器指導(dǎo)所述目標(biāo)生成對抗網(wǎng)絡(luò)中的生成器生成與所述實(shí)際歷史表面圖像相似的合成歷史表面圖像。
16、進(jìn)一步地，參數(shù)調(diào)整模型的構(gòu)建方法包括：
17、獲取樣本數(shù)據(jù)集，所述樣本數(shù)據(jù)集中包括歷史重量、歷史初始離心參數(shù)集和歷史目標(biāo)離心參數(shù)集，將樣本數(shù)據(jù)集劃分為樣本訓(xùn)練集和樣本測試集，構(gòu)建回歸網(wǎng)絡(luò)，以樣本訓(xùn)練集中的歷史重量和歷史初始離心參數(shù)集作為回歸網(wǎng)絡(luò)的輸入數(shù)據(jù)，以樣本訓(xùn)練集中的歷史目標(biāo)離心參數(shù)集作為回歸網(wǎng)絡(luò)的輸出數(shù)據(jù)，對回歸網(wǎng)絡(luò)進(jìn)行訓(xùn)練，得到用于預(yù)測實(shí)時(shí)目標(biāo)離心參數(shù)集的初始回歸網(wǎng)絡(luò)，利用樣本測試集對初始回歸網(wǎng)絡(luò)進(jìn)行測試，輸出滿足小于預(yù)設(shè)誤差值的回歸網(wǎng)絡(luò)作為參數(shù)調(diào)整模型。
18、進(jìn)一步地，獲取歷史目標(biāo)離心參數(shù)集的方法包括：
19、對歷史初始離心參數(shù)集進(jìn)行m次調(diào)整，獲得m個(gè)歷史中間離心參數(shù)集，基于m個(gè)歷史中間離心參數(shù)集分別對外泌體進(jìn)行離心，獲取離心后外泌體的沉淀數(shù)據(jù)集，基于沉淀數(shù)據(jù)集計(jì)算離心系數(shù)，根據(jù)離心系數(shù)從m個(gè)歷史中間離心參數(shù)集中確定歷史目標(biāo)離心參數(shù)集，沉淀數(shù)據(jù)集包括沉淀速率、清液透明度和標(biāo)志物濃度。
20、進(jìn)一步地，基于沉淀數(shù)據(jù)集計(jì)算離心系數(shù)的方法包括：
21、
22、式中，cft為離心系數(shù)，sdere為實(shí)時(shí)沉淀速率，sdesd為標(biāo)準(zhǔn)沉淀速率，cltre為實(shí)時(shí)清液透明度，cltsd為標(biāo)準(zhǔn)清液透明度，comre為實(shí)時(shí)標(biāo)志物濃度，comsd為標(biāo)準(zhǔn)標(biāo)志物濃度，u1、u2和u3均為權(quán)重因子。
23、進(jìn)一步地，基于電磁場能量判斷離心設(shè)備是否處于正常狀態(tài)的方法包括：
24、將離心時(shí)間內(nèi)的電磁場能量進(jìn)行擬合，生成電磁場能量曲線，基于電磁場能量曲線的斜率將離心時(shí)間進(jìn)行分段，生成分段結(jié)果，基于分段結(jié)果判斷離心設(shè)備是否處于正常狀態(tài)，分段結(jié)果包括啟動(dòng)階段、工作階段和終止階段。
25、進(jìn)一步地，基于分段結(jié)果判斷離心設(shè)備是否處于正常狀態(tài)的方法包括：
26、獲取分段結(jié)果中工作階段所對應(yīng)的電磁場能量，以及計(jì)算電磁場能量均值，判斷電磁場能量均值是否位于標(biāo)準(zhǔn)能量區(qū)間內(nèi)，若位于，則判斷離心設(shè)備處于正常狀態(tài)，若不位于，則判斷離心設(shè)備不處于正常狀態(tài)。
27、基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷系統(tǒng)，其用于實(shí)現(xiàn)上述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，包括：
28、數(shù)據(jù)獲取模塊：用于獲取第h個(gè)待分離外泌體的泌體類別，基于泌體類別獲取相應(yīng)的初始離心參數(shù)集；
29、數(shù)據(jù)校正模塊：用于獲取第h個(gè)待分離外泌體的實(shí)時(shí)重量，將初始離心參數(shù)集和實(shí)時(shí)重量輸入到預(yù)構(gòu)建的參數(shù)調(diào)整模型中，獲得目標(biāo)離心參數(shù)集；
30、狀態(tài)判斷模塊：用于基于離心設(shè)備采取目標(biāo)離心參數(shù)集對第h個(gè)待分離外泌體進(jìn)行分離，以及獲取電磁場能量，基于電磁場能量判斷離心設(shè)備是否處于正常狀態(tài)；
31、循環(huán)模塊：用于當(dāng)離心設(shè)備處于正常狀態(tài)時(shí)，則令h+1＝h，重復(fù)執(zhí)行上述數(shù)據(jù)獲取模塊、數(shù)據(jù)校正模塊和狀態(tài)判斷模塊，直至h＝f，則結(jié)束離心，f>h>0；
32、警示模塊：用于當(dāng)離心設(shè)備不處于正常狀態(tài)時(shí)，則發(fā)送警示信息。
33、一種電子設(shè)備，包括電源、接口、鍵盤、存儲器、中央處理器以及存儲在存儲器上并可在中央處理器上運(yùn)行的計(jì)算機(jī)程序，所述處理器執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，所述接口包括網(wǎng)絡(luò)接口與數(shù)據(jù)接口，網(wǎng)絡(luò)接口包括有線或無線接口，數(shù)據(jù)接口包括本文檔來自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述泌體類別包括血液外泌體和尿液外泌體，獲取第h個(gè)待分離外泌體的泌體類別的方法包括：
3.根據(jù)權(quán)利要求2所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述泌體分類模型的構(gòu)建方法包括：
4.根據(jù)權(quán)利要求3所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述歷史表面圖像包括實(shí)際歷史表面圖像和合成歷史表面圖像，生成歷史表面圖像的方法包括：
5.根據(jù)權(quán)利要求1所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述參數(shù)調(diào)整模型的構(gòu)建方法包括：
6.根據(jù)權(quán)利要求5所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述獲取歷史目標(biāo)離心參數(shù)集的方法包括：
7.根據(jù)權(quán)利要求6所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述基于沉淀數(shù)據(jù)集計(jì)算離心系數(shù)的方法包
8.根據(jù)權(quán)利要求1所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述基于電磁場能量判斷離心設(shè)備是否處于正常狀態(tài)的方法包括：
9.根據(jù)權(quán)利要求8所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述基于分段結(jié)果判斷離心設(shè)備是否處于正常狀態(tài)的方法包括：
10.基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷系統(tǒng)，其用于實(shí)現(xiàn)權(quán)利要求1-9中任一項(xiàng)所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，包括：
...【技術(shù)特征摘要】
1.基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述泌體類別包括血液外泌體和尿液外泌體，獲取第h個(gè)待分離外泌體的泌體類別的方法包括：
3.根據(jù)權(quán)利要求2所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述泌體分類模型的構(gòu)建方法包括：
4.根據(jù)權(quán)利要求3所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述歷史表面圖像包括實(shí)際歷史表面圖像和合成歷史表面圖像，生成歷史表面圖像的方法包括：
5.根據(jù)權(quán)利要求1所述的基于外泌體人工智能多模態(tài)數(shù)據(jù)融合的癌癥輔助診斷方法，其特征在于，所述參數(shù)調(diào)整模型的構(gòu)建方法包括：
6.根據(jù)權(quán)利要求5所...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：沈健，陸肇陽，葛子揚(yáng)，仲艷，趙潔，劉禎，
申請(專利權(quán))人：江蘇蒙彼利生物科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。