一种高肾素性高血压模型及其建立方法技术

技术编号:20162538 阅读:37 留言:0更新日期:2019-01-19 00:15
本发明专利技术为一种高肾素性高血压模型及其建立方法。一种高肾素性高血压模型的建立方法,包括:(1)收集高肾素性高血压患者和非高肾素性高血压患者的新鲜血液,提取血清,得血清样本;(2)采用Horiba共聚焦拉曼光谱仪检测血清样品,获得血清拉曼光谱;(3)拟合所有血清自体荧光背景后,校正基线,再在对校正后的光谱数据进行积分面积归一化处理,得处理后的光谱数据;(4)采用PCA法对处理后的光谱数据进行降维和特征提取后,采用SVM算法建立模型,即所述的高肾素性高血压模型。本发明专利技术所述的一种高肾素性高血压模型及其建立方法,该方法建立了高肾素性高血压模型,该模型可用于高肾素高血压患者的普查与诊断。

【技术实现步骤摘要】
一种高肾素性高血压模型及其建立方法
本专利技术具体涉及一种高肾素性高血压模型及其建立方法。
技术介绍
高血压是一种危害性大、患病率高而控制率低的慢性心脑血管疾病,它已成为严重危害人类健康的公共卫生问题。据统计,高血压的患病率在中国高达18.8%并有逐年上升的趋势。它是引发心脑血管和肾病变的一个重要的危险因素,如果治疗不当就会病变成为较严重的脑中风、心肌梗死和肾功能衰竭等这些常见高血压并发症,这不仅严重消耗医疗和社会资源,也会给家庭和国家造成沉重的经济负担,因此正确的对高血压进行控制和治疗就显得尤为重要。研究表明,根据基础肾素活性可将高血压分为高肾素型高血压和非高肾素型高血压。针对不同分型的高血压,其相应的降压药物的选择也不相同,如果选择不当的话,不仅不能达到降压的目的,还可能带来相反的效果。如高肾素型高血压的降压药物(如血管紧张素转化酶抑制剂,ACEI)对血浆肾素活性偏低患者的降压效果会明显减弱,甚至会产生升压的风险。目前可通过血压计方便快捷的对高血压患者进行检测,但要想确定患者是否为高肾素性高血压,就需要借助进一步的检测方法如放射免疫检测法和免疫发光检测法。然而这两种方法不仅需要大型生化检测设备,而且存在检测时间偏长(5-6小时)和需要专业人员进行操作等问题。随着患病率的逐年增加,如果找到一种方便、快捷能够针对社区、家庭和个人用户的个性化检测方法就非常有实际意义。拉曼光谱是基于非弹性散射的一种无创、高灵敏性的光学分析技术,并且还带有分子的精细结构和大量的指纹类型信息,已经广泛应用于疾病诊断的研究领域。实际应用时,由于拉曼散射信号非常弱,且会受到强荧光影响,因此得到的光谱信号的信噪比不够理想,很难直接观察出不同光谱之间的差异。为了提取有用信息,提高诊断精度,迫切需要鲁棒、强大的光谱数据挖掘算法。近年来,SVM在基于拉曼光谱的疾病诊断领域得到了广泛的应用,其识别性能明显优于传统的多元数据诊断算法,已成为拉曼技术研究领域的热点。
技术实现思路
本专利技术的目的在于提供一种高肾素性高血压模型及其建立方法,该方法利用血清拉曼光谱结合支持向量机算法,建立了高肾素性高血压模型,该模型为高肾素高血压患者的普查与诊断提供了可能。为了实现上述目的,所采用的技术方案为:一种高肾素性高血压模型的建立方法,包括以下步骤:(1)血清样本收集与处理:收集高肾素性高血压患者和非高肾素性高血压患者的新鲜血液;在37℃的洁净环境中,将新鲜血液冷凝一小时后,离心提取血清,得血清样本;(2)血清拉曼光谱检测:采用Horiba共聚焦拉曼光谱仪检测血清样品,获得血清拉曼光谱;每个血清样品在不同的位置测试2条谱线,并取其平均谱线;(3)光谱数据分析与预处理:采用基于七阶多项式的Vancouver拉曼算法拟合所有血清自体荧光背景后,将该多项式减去以实现校正基线,再在对校正后的光谱数据进行积分面积归一化处理,得处理后的光谱数据;(4)光谱数据降维与SVM分类模型:采用PCA法对处理后的光谱数据进行降维和特征提取后,采用SVM算法建立SVM分类模型,即所述的高肾素性高血压模型;进一步的,所述步骤(1)中,高肾素性高血压患者与非高肾素性高血压患者的数量差不大于10。再进一步的,所述高肾素性高血压患者至少24例,非高肾素性高血压患者至少22例。进一步的,所述步骤(1)中,收集到的新鲜血液在不加抗凝剂的条件下进行冷凝。进一步的,所述步骤(2)中,所述Horiba共聚焦拉曼光谱仪中:显微镜为50倍物镜,积分时间为5s,激发波长为532nm。再进一步的,所述步骤(2)中,所述的激发光波长为532nm的氩离子激光,检测波数范围为400-1800cm-1。进一步的,所述步骤(4)中,所述SVM算法中,采用RBF核作为支持向量机的核函数。与现有技术相比,本专利技术的有益效果在于:1、本专利技术所述的一种高肾素性高血压模型及其建立方法,是血清拉曼光谱结合PCA-SVM方法,建立了高肾素性高血压模型,可对高肾素性高血压患者进行筛选;基于该PCA-SVM模型对高肾素性高血压患者进行诊断,其诊断灵敏度为100%,特异性为86.4%;同时说明了血清拉曼光谱分析技术很有希望发展为一种无损检测与筛查高肾素性高血压患者的临床诊断工具。2、本专利技术所述的一种高肾素性高血压模型及其建立方法,基于该高肾素性高血压模型,不仅可以准确、快速的针对不同的患者选出个性化的降压药物,还可以根据患者用药后体内的肾素变化情况来对下一阶段的降压药物的选取做出进一步的指导。附图说明图1为肾素性高血压和非高肾素性高血压患者归一化平均光谱的比较;图2为高肾素性高血压患者与非高肾素性高血压患者血清拉曼光谱PCA得分三维散点图;图3为不同参数C和高斯宽度σ的诊断准确率的三维曲面图;图4为PCA-SVM和PCA-LDA模型的ROC曲线。具体实施方式为了进一步阐述本专利技术一种高肾素性高血压模型及其建立方法,达到预期专利技术目的,以下结合较佳实施例,对依据本专利技术提出的一种高肾素性高血压模型及其建立方法,其具体实施方式、结构、特征及其功效,详细说明如后。在下述说明中,不同的“一实施例”或“实施例”指的不一定是同一实施例。此外,一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。下面将结合具体实施例对本专利技术一种高肾素性高血压模型及其建立方法做进一步的详细介绍:实施例1.实施例1的方案为:(1)血清样本收集与处理:收集24例高肾素性高血压患者和22例非高肾素性高血压患者的新鲜血液。在不加任何抗凝剂的情况下,每名患者采集3毫升新鲜血液,置于37℃的洁净环境中进行冷凝一小时。然后用高速离心仪(4000转/分钟),将血液在4℃下离心5分钟,提取血清,得血清样本。然后装进离心管中,并保存在80℃的冰箱中,以备后续使用。(2)血清拉曼光谱检测:利用Horiba共聚焦拉曼光谱仪检测血清样品,所用的激发光波长为532nm的氩离子激光,重点检测400-1800cm-1波数范围,以获得血清拉曼光谱。参数设置为:显微镜为50倍物镜,积分时间为5s,激发波长为532nm。每个样品在不同的位置测试2条谱线,并取其平均谱线作为后续分析使用。(3)光谱数据分析与预处理:原始的血清光谱数据包含大量的噪声且受到荧光背景的影响。为了获得信噪比较高的信号,采用基于七阶多项式的Vancouver拉曼算法拟合所有血清自体荧光背景,然后将该多项式减去以实现校正基线。再在对校正后的光谱数据进行积分面积归一化处理,得处理后的光谱数据。(4)光谱数据降维:采用PCA方法对处理后的光谱数据进行降维和特征提取。处理后的光谱数据包含400-1800cm-1波段的857个强度变量的集合。为了简化和提高SVM的诊断精度,需要降低高维光谱数据的维数。PCA是一种将高维光谱数据压缩成多个主成分(PCs)的统计方法。一般来说,前几个PCs可以包含原始数据集的大部分方差。因此,这种方法可以忽略更高的PCs而不损失大量的原始信息。(5)SVM分类模型对处理后的光谱数据进行降维和特征提取后,采用SVM算法建立SVM分类模型——PCA-SVM模型,即所述的高肾素性高血压模型。SVM是由Vapnik提出的一种强大的多元数据分类算法。对于非线性问题或线型不可分问题,由于核函数的存在,SVM可以通过将数据映本文档来自技高网
...

【技术保护点】
1.一种高肾素性高血压模型的建立方法,其特征在于,包括以下步骤:(1)血清样本收集与处理:收集高肾素性高血压患者和非高肾素性高血压患者的新鲜血液;在37℃的洁净环境中,将新鲜血液冷凝一小时后,离心提取血清,得血清样本;(2)血清拉曼光谱检测:采用Horiba共聚焦拉曼光谱仪检测血清样品,获得血清拉曼光谱;每个血清样品在不同的位置测试2条谱线,并取其平均谱线;(3)光谱数据分析与预处理:采用基于七阶多项式的Vancouver拉曼算法拟合所有血清自体荧光背景后,将该多项式减去以实现校正基线,再在对校正后的光谱数据进行积分面积归一化处理,得处理后的光谱数据;(4)光谱数据降维与SVM分类模型:采用PCA法对处理后的光谱数据进行降维和特征提取后,采用SVM算法建立SVM分类模型,即所述的高肾素性高血压模型。

【技术特征摘要】
1.一种高肾素性高血压模型的建立方法,其特征在于,包括以下步骤:(1)血清样本收集与处理:收集高肾素性高血压患者和非高肾素性高血压患者的新鲜血液;在37℃的洁净环境中,将新鲜血液冷凝一小时后,离心提取血清,得血清样本;(2)血清拉曼光谱检测:采用Horiba共聚焦拉曼光谱仪检测血清样品,获得血清拉曼光谱;每个血清样品在不同的位置测试2条谱线,并取其平均谱线;(3)光谱数据分析与预处理:采用基于七阶多项式的Vancouver拉曼算法拟合所有血清自体荧光背景后,将该多项式减去以实现校正基线,再在对校正后的光谱数据进行积分面积归一化处理,得处理后的光谱数据;(4)光谱数据降维与SVM分类模型:采用PCA法对处理后的光谱数据进行降维和特征提取后,采用SVM算法建立SVM分类模型,即所述的高肾素性高血压模型。2.根据权利要求1所述的建立方法,其特征在于,其...

【专利技术属性】
技术研发人员:吕国栋吕小毅郑向向刘辉林仁勇
申请(专利权)人:新疆医科大学第一附属医院
类型:发明
国别省市:新疆,65

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1