The invention relates to a method for optimizing the selection of stroke related biomarkers, is divided into two parts, the first part is the diagnosis of whether patients with stroke and second links to distinguish stroke patients suffering from a stroke. In each link, the mutual information value of each stroke was analyzed and analyzed by mutual information analysis. Then the principal component analysis is used to reduce the redundancy of information. Finally, the method of SVM is used to adjust and correct the selected biomarkers to complete the whole optimization process. The invention reduces the redundant information, the selection of correction results; reduce the biochemical detection items, reduce the cost of diagnosis and improve the accuracy of diagnosis can be achieved at the same time, the risk of stroke anticipation; provides a general means for processing biological information, for other biomarkers of disease information you can use the same method to optimize selection.
【技术实现步骤摘要】
一种用于优化选取脑卒中相关生物标志物的方法
本专利技术提供一种用于优化选取脑卒中相关生物标志物的方法,是一种基于互信息分析-主成分分析-二级支持向量机的脑卒中生物标志物优化选取方法,属于生物医学工程领域。
技术介绍
脑卒中对人的健康及生命影响十分严重,以其高发病率、高病死率、高致残率对人类健康构成巨大威胁,已成为全球第二大常见死因。脑卒中检测手段困难,目前脑血管病患者的常规检测项目有:a)主要为血压、心电图、眼底检查、血常规、尿常规、血脂、血糖、血液流变学、血同型半胱氨酸、抗磷脂抗体等常规检测后;b)脑血管病患者进一步行辅助检查,包括:经颅多普勒超声、颈动脉超声、颅脑CT(包括CT、CTA、CTV、CTP)、MRI、MRA等;c)进一步创性检查:DSA及介入治疗。但是这些方法都存在困难,导致它们不能完全适应于目前的临床检测。神经生化检测在脑卒中的作用越来越受到重视,人们期望通过生化指标来协助脑卒中的早期诊断,并作出评价。近年来,随着临床检验医学的快速发展与研究的深入,许多新的检测项目(特别是一些生化标志物)的相继问世,检验方法也不断更新与改进,极大地促进了临床脑卒中的实验诊断的革命。生化标志物在脑卒中的早期诊断、治疗、病情监测及估计病人的预后等方面发挥着越来越重要的作用。传统的大分子标志物(大分子蛋白,抗原,激素等)是以抗体为基础进行免疫组化或蛋白质印迹检测,灵敏度低,操作复杂,并且抗体制备困难;基因标志物主要用逆转录-多聚酶链反应进行检测,灵敏度虽然高,但是操作中容易有交叉污染,导致假阳性的出现。对于脑卒中,现在还没有单一,有效的生物标志物,必须将集中生 ...
【技术保护点】
一种用于优化选取脑卒中相关生物标志物的方法,特征在于:该方法具体步骤包括:步骤1,读入含有多种生化检测出的生物标志物的浓度的个体数据,将各组输入量按照是否患脑卒中定义为1和0,分别计算各个生物标志物浓度和患病与否的互信息值,并对互信息值进行排序;步骤2,选择步骤1中互信息值较大的几个生物标志物信息,对他们进行主成分分析,选取累计方差贡献率超过80%的几个主成分;步骤3,按照主成分分析过程中得出的线性组合公式,分别计算选取出的主成分的值作为计算的输入量;步骤4,将含有多种生物标志物信息的个体进行分类,四分之三个体数据作为训练集,四分之一作为验证集;将步骤3中选取出的主成分结果输入支持向量机之中;支持向量机先通过训练集进行学习训练,再通过验证集对患病与否作判断;通过检测预测结果的灵敏度和特异性来评估所选取的生物标志物以及主成分分析是否合适;步骤5,如果检测的结果较差,即灵敏度和特异性都较低,则返回到步骤1,重新选取互信息值较大的生物标志物,再按照以上步骤进行,直到灵敏度和特异性都达到工程要求;步骤6,将前五步输入数据中的正常人数据进行剔除,再将出血性脑卒中患者定义为2,缺血性脑卒中定义为3 ...
【技术特征摘要】
1.一种用于优化选取脑卒中相关生物标志物的方法,特征在于:该方法具体步骤包括:步骤1,读入含有多种生化检测出的生物标志物的浓度的个体数据,将各组输入量按照是否患脑卒中定义为1和0,分别计算各个生物标志物浓度和患病与否的互信息值,并对互信息值进行排序;步骤2,选择步骤1中互信息值较大的几个生物标志物信息,对他们进行主成分分析,选取累计方差贡献率超过80%的几个主成分;步骤3,按照主成分分析过程中得出的线性组合公式,分别计算选取出的主成分的值作为计算的输入量;步骤4,将含有多种生物标志物信息的个体进行分类,四分之三个体数据作为训练集,四分之一作为验证集;将步骤3中选取出的主成分结果输入支持向量机之中;支持向量机先通过训练集进行学习训练,再通过验证集对患病与否作判断;通过检测预测结果的灵敏度和特异性来评估所选取的生物标志物以及主成分分析是否合适;步骤5,如果检测的结果较差,即灵敏度和特异性都较低,则返回到步骤1,重新选取互信息值较大的生物标志物,再按照以上步骤进行,直到...
【专利技术属性】
技术研发人员:王翔,石伟,王晓翠,于千千,周成,王维克,王涛,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:北京,11
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。