基于免疫激活调节算法的示踪剂动力学模型参数优化方法技术

本发明专利技术公开了一种基于免疫激活调节算法的示踪剂动力学模型参数优化方法，包括以下步骤：a、对目标受体注射放射性示踪剂；之后使用正电子发射计算机断层技术进行成像；b、获得所探测目标组织中示踪剂的时间‑放射性活度曲线作为模型的输出观测值，获得所勾画的动脉组织中示踪剂的时间‑放射性活度曲线作为模型的输入观测值；c、利用免疫激活调节算法优化步骤b中的模型的参数；d、对步骤c中模型的参数进行评估，输出模型的参数。本发明专利技术设计的基于激活调节的人工免疫网络算法与其他优化算法相比，具有算法简单、收敛速度快的优点，对于解决示踪剂动力学模型这类带有约束条件非线性的反问题非常有效。

【技术实现步骤摘要】

本专利技术属于人工智能算法应用到药物代谢动力学
，涉及示踪剂动力学模型参数优化方法，具体涉及一种基于免疫激活调节算法的示踪剂动力学模型参数优化方法。
技术介绍
PET正电子发射断层影像技术，是动态医学影像用于放射性核素或核素标记药物(简称示踪剂)完成分子成像，是一种具有动态、灵敏、定量的成像技术。在国际上，特别是欧美等发达国家，PET正电子发射断层影像技术已经被广泛应用于肺癌的诊断、分期及治疗效果评测等临床管理中。示踪剂动力学定量分析能够在很短的时间内对放射性分布的变化进行准确定量具有重要的应用价值。基于示踪剂动力学模型的参数估计定量分析方法能够精确的对人体放射性核素标记物分布的生理变化进行定量，从而揭示示踪信号表示的生化、生理特征，为疾病的定性诊断以及疗效评估提供了无创的手段。人工免疫算法是一种新兴的人工智能仿生算法，保留了生物免疫系统的若干特点，如多样性好，鲁棒性强、智能度高等。在已有的优化设计方法中，具有假设条件较多，寻优空间较小，寻优能力不强等不足之处。
技术实现思路
为克服已有优化算法用于示踪剂动力学模型参数优化的缺陷，达到快速求解优化示踪剂动力学模型参数的目的，本专利技术公开了一种基于免疫激活调节算法的示踪剂动力学模型参数优化方法。本专利技术的技术方案如下：一种基于免疫激活调节算法的示踪剂动力学模型参数优化方法，包括以下步骤：a、对目标受体注射放射性示踪剂；之后使用正电子发射计算机断层技术进行成像；b、获得所探测目标组织中示踪剂的时间-放射性活度曲线作为模型的输出 观测值，获得所勾画的动脉组织中示踪剂的时间-放射性活度曲线作为模型的输入观测值；c、利用免疫激活调节算法优化步骤b中的模型的参数；d、对步骤c中模型的参数进行评估，输出模型的参数。其进一步的技术方案为，所述步骤c具体包括以下步骤：I、初始化免疫调节网络；II、计算免疫调节网络中的免疫细胞的适应度，即评价示踪剂动力学模型的输入函数及输出函数对观测值的拟合程度；III、基于树突状细胞机制分离、引导细胞种群进行免疫调节；步骤III具体包括：IIIa、开始免疫调节过程，生成克隆半径；IIIb、引导细胞选择，在抗体群中依据抗体的激励度选择部分抗体的映射；IIIc、对当前冷冻细胞进行裁剪，保持冷冻规模；IV、根据当前细胞种群数量，执行可变步长克隆选择过程；V、评价网络细胞相似度，执行免疫网络抑制；VI、判别当前种群数量，若小于初始数量，则转到第VII步，否则恢复已冷冻细胞，对其进行变异，生成新一代网络细胞；VII、判断终止条件，若满足条件则执行步骤VIII，否则从步骤III开始重新执行；VIII、将适应度最佳的人工免疫网络细胞解码作为动力学模型的一组最优参数输出。其进一步的技术方案为，所述步骤II中，适应度计算公式为： f i t n e s s ( m i ) = Σ i = 1 N Σ j = 1 M w j · ( C ( t j ) - C ^ T ( t j , m i ) ) 2 ; ]]>上式中C表示观测值浓度，tj表示观测值浓度所对应的时间采样序列， 表示当前细胞编码带入目标函数在时间采样序列tj上所求浓度值，wj为相邻两次采样时间差。其进一步的技术方案为，所述步骤IIIa中，克隆半径alfa的具体公式为：alfa＝(1/β)·exp(-fitness*)·N(0,1)； β = 2 a - b + a ( b - a ) 1 + exp ( - t s ) ; ]]>上式中，β表示克隆步长控制参数；N(0,1)是均值为0，标准差为1的高斯随机分布；fitness*为适应度的归一化结果；a、b是变异步长的基本范围；t为当前迭代次数；s为控制参数变化的速率。其进一步的技术方案为，所述步骤IIIb中，设定m*为当前种群最优细胞，定义mi的激励度F(mi)函数为： F ( m i ) = 1 1 + | | m i - m * | | exp ( - D ( m i ) ) ; ]]> D ( m i ) = | { m j ∈ D | | f i t n 本文档来自技高网...

【技术保护点】
一种基于免疫激活调节算法的示踪剂动力学模型参数优化方法，其特征在于，包括以下步骤：a、对目标受体注射放射性示踪剂；之后使用正电子发射计算机断层技术进行成像；b、获得所探测目标组织中示踪剂的时间‑放射性活度曲线作为模型的输出观测值，获得所勾画的动脉组织中示踪剂的时间‑放射性活度曲线作为模型的输入观测值；c、利用免疫激活调节算法优化步骤b中的模型的参数；d、对步骤c中模型的参数进行评估，输出模型的参数。

【技术特征摘要】
1.一种基于免疫激活调节算法的示踪剂动力学模型参数优化方法，其特征在于，包括以下步骤：a、对目标受体注射放射性示踪剂；之后使用正电子发射计算机断层技术进行成像；b、获得所探测目标组织中示踪剂的时间-放射性活度曲线作为模型的输出观测值，获得所勾画的动脉组织中示踪剂的时间-放射性活度曲线作为模型的输入观测值；c、利用免疫激活调节算法优化步骤b中的模型的参数；d、对步骤c中模型的参数进行评估，输出模型的参数。2.如权利要求1所述的基于免疫激活调节算法的示踪剂动力学模型参数优化方法，其特征在于，所述步骤c具体包括以下步骤：I、初始化免疫调节网络；II、计算免疫调节网络中的免疫细胞的适应度，即评价示踪剂动力学模型的输入函数及输出函数对观测值的拟合程度；III、基于树突状细胞机制分离、引导细胞种群进行免疫调节；步骤III具体包括：IIIa、开始免疫调节过程，生成克隆半径；IIIb、引导细胞选择，在抗体群中依据抗体的激励度选择部分抗体映射；IIIc、对当前冷冻细胞进行裁剪，保持冷冻规模；IV、根据当前细胞种群数量，执行可变步长克隆选择过程；V、评价网络细胞相似度，执行免疫网络抑制；VI、判别当前种群数量，若小于初始数量，则转到第VII步，否则恢复已冷冻细胞，对其进行变异，生成新一代网络细胞；VII、判断终止条件，若满足条件则执行步骤VIII，否则从步骤III开始重新执行；VIII、将适应度最佳的人工免疫网络细胞解码作为动力学模型的一组最优参数输出。3.如权利要求2所述的基于免疫激活调节算法的示踪剂动力学模型参数优化方法，其特征在于，所述步骤II中，适应度计算公式为： f i t n e s s ( m i ) = Σ i = 1 N Σ j = 1 M w j · ( C ( t j ) - C ^ T ( t j , m i ) ) 2 ; ]]>上式中C表示观测值浓度，tj表示观测值浓度所对应的时间采样序列，表示当前细胞编码带入目标函数在时间采样序列tj上所求浓度值，wj为相邻两次采样时间差。4.如权利要求2所述的基于免疫激活调节...

【专利技术属性】
技术研发人员：刘丽，何艾玲，
申请(专利权)人：江南大学，
类型：发明
国别省市：江苏;32