一种基于肠道微生物多样性检测的结直肠癌智能预警系统技术方案

本发明专利技术公开了一种基于肠道微生物多样性检测的结直肠癌智能预警系统，包括肠道菌落基因测序装置以及智能预警装置；所述肠道菌落基因测序装置对肠道菌落进行基因测序得到测序数据并对测序数据进行处理后得到基因分析数据并将基因分析数据传送至智能预警装置；所述基因分析数据包括训练用基因分析数据与预警用基因分析数据；所述智能预警装置基于训练用基因分析数据进行人工智能模型的建立并将预警用基因分析数据输入人工智能模型得到结直肠癌患病可能性。本发明专利技术帮助医生进行病症早期诊断，达到结直肠癌智能预警的目的，准确率高。准确率高。准确率高。

【技术实现步骤摘要】
一种基于肠道微生物多样性检测的结直肠癌智能预警系统


[0001]本专利技术涉及结直肠癌智能预警领域，特别是一种基于肠道微生物多样性检测的结直肠癌智能预警系统。

技术介绍

[0002]在现代生活中，癌症成为了威胁人类生活健康中不可忽略的因素之一。结直肠癌作为我国发病率最高的癌症之一，自发现以来广泛受到人们的关注，在每年因癌症死亡的人数中，因结直肠癌死亡的人数占总人数的占比很高，并且还有一个逐年上升的趋势。结直肠癌患者在病症早期，身体状况并无异样，故通过身体状况预防或提前诊断结直肠癌是非常困难的。通常情况下，在患者感觉身体不适直至发现结直肠癌时，已经到了癌症的中后期，这时给予的治疗时间也是非常短暂的，这也是结直肠癌死亡率较高的原因之一。传统预防方式的弊端显露无疑。
[0003]目前，已有研究人员利用传统机器学习方法进行疾病的预测，如支持向量机(SVM)、决策树、随机森林(RF)等方法预测结直肠癌。传统的机器学习模型有可解释性、花费时间和算力少等优点，但准确率较低。

技术实现思路

[0004]本专利技术的目的在于克服现有技术的不足，提供一种基于肠道微生物多样性检测的结直肠癌智能预警系统，解决结直肠癌难以早期甄别诊断及准确率低的问题。
[0005]本专利技术涉及人工智能、临床医学、免疫组学和微生物学等多个领域的专业知识，由临床医学人员采集患者数据，通过数据建立和训练人工智能模型，在模型建立中用免疫组学和微生物学的相关知识辅助模型的建立和训练。在模型训练完成后，通过输入患者数据并进行加工和处理，判断患者结直肠癌患病可能性大小，帮助医生进行病症早期诊断，达到结直肠癌智能预警的目的。
[0006]本专利技术的目的是通过以下技术方案来实现的：
[0007]一种基于肠道微生物多样性检测的结直肠癌智能预警系统，包括肠道菌落基因测序装置以及智能预警装置；
[0008]所述肠道菌落基因测序装置对肠道菌落进行基因测序得到测序数据并对测序数据进行处理后得到基因分析数据并将基因分析数据传送至智能预警装置；
[0009]所述基因分析数据包括训练用基因分析数据与预警用基因分析数据；
[0010]所述智能预警装置基于训练用基因分析数据进行人工智能模型的建立并将预警用基因分析数据输入人工智能模型得到结直肠癌患病可能性。
[0011]进一步，所述测序数据为16S rRNA测序数据。
[0012]进一步，所述肠道菌落基因测序装置通过聚类算法对16S rRNA测序数据进行分析和加工得到基因分析数据，所述基因分析数据为OTU分类数据。
[0013]进一步，所述人工智能模型的建立包括以下步骤：
[0014]S1：对训练用基因分析数据进行数据处理得到训练集数据与测试集数据；
[0015]S2：对训练集数据提取主要特征；
[0016]S3：根据主要特征搭建人工智能模型；
[0017]S4：通过测试集数据验证人工智能模型。
[0018]进一步，所述数据处理包括数据清洗、信息融合、数据增强以及数据划分。
[0019]进一步，所述信息融合包括背景信息的融入和生物多样性指数的融入。
[0020]进一步，生物多样性指数包括香农指数和辛普森指数。
[0021]进一步，所述步骤S2中采用随机森林算法提取主要特征。
[0022]进一步，所述人工智能模型为神经网络模型，所述神经网络模型采用梯度下降法中的Adam算法完成模型的训练。
[0023]进一步，所述神经网络模型采用遗传算法选取参数。
[0024]本专利技术的有益效果是：
[0025]帮助医生进行病症早期诊断，达到结直肠癌智能预警的目的，准确率高。
附图说明
[0026]图1为人工智能模型的逻辑图；
[0027]图2为ROC曲线图；
[0028]图3为混淆矩阵图。
具体实施方式
[0029]以下通过特定的具体实例说明本专利技术的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本专利技术的其他优点与功效。本专利技术还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本专利技术的精神下进行各种修饰或改变。需说明的是，在不冲突的情况下，以下实施例及实施例中的特征可以相互组合。
[0030]需要说明的是，以下实施例中所提供的图示仅以示意方式说明本专利技术的基本构想，遂图式中仅显示与本专利技术中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制，其实际实施时各组件的型态、数量及比例可为一种随意的改变，且其组件布局型态也可能更为复杂。
[0031]实施例一：
[0032]如图1至图3所示，一种基于肠道微生物多样性检测的结直肠癌智能预警系统，包括肠道菌落基因测序装置以及智能预警装置；
[0033]所述肠道菌落基因测序装置对肠道菌落进行基因测序得到测序数据并对测序数据进行处理后得到基因分析数据并将基因分析数据传送至智能预警装置；
[0034]所述基因分析数据包括训练用基因分析数据与预警用基因分析数据；
[0035]所述智能预警装置基于训练用基因分析数据进行人工智能模型的建立并将预警用基因分析数据输入人工智能模型得到结直肠癌患病可能性。
[0036]一种基于肠道微生物多样性检测的结直肠癌智能预警系统帮助医生进行病症早期诊断，达到结直肠癌智能预警的目的，准确率高。
[0037]所述测序数据为16S rRNA测序数据。
[0038]所述肠道菌落基因测序装置利用16SrRNA和宏基因组测序技术对肠道菌群进行微生物组测序中的16S rRNA测序，通过对粪便的菌落检测细菌丰度，得到整体肠道菌落的分布，经过16S rRNA测序后得到了大量的16S rRNA测序数据。
[0039]测序数据驳杂且庞大，肠道菌落基因测序装置通过现代计算机科学中的聚类算法对测序数据进行分析和加工得到基因分析数据，基因分析数据为OTU分类数据。
[0040]OTU分类的原理是通过聚类手段，基于序列的相似度(通常是＞97％)，将每个样本划分成不同的OTU，每个OTU用一条read来表示，基于这个read进行物种的注释和分类。在OTU划分完毕后，将会形成一个巨大二维矩阵，行列分别为划分的OTU种类以及样本编号。这样便将驳杂的数据变为有序的分类数据，为了能让测序数据能被后来的研究者利用且给每个OTU追溯其物种来源，需要对OTU表进行物种注释，目前物种注释的标准划分为界、门、纲、目、科、属、种。在16S rRNA测序完成后，完成了原始数据到字符数据的转换。
[0041]在OTU分类工作之后，就已经通过机器统计的手段完成了字符数据到可用于计算的数字数据的转换。此时再融合上是否患结直肠癌这一信息作为标签，就得到了一组带标签的数据，便可利用机器学习或深度学习对其做一个分类预测，也即训练一个模型对是否患结直肠癌做一个辅助健康诊断或者疾病诊断评估。
[0042]在OTU分类完本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于肠道微生物多样性检测的结直肠癌智能预警系统，其特征在于：包括肠道菌落基因测序装置以及智能预警装置；所述肠道菌落基因测序装置对肠道菌落进行基因测序得到测序数据并对测序数据进行处理后得到基因分析数据并将基因分析数据传送至智能预警装置；所述基因分析数据包括训练用基因分析数据与预警用基因分析数据；所述智能预警装置基于训练用基因分析数据进行人工智能模型的建立并将预警用基因分析数据输入人工智能模型得到结直肠癌患病可能性。2.根据权利要求1所述的一种基于肠道微生物多样性检测的结直肠癌智能预警系统，其特征在于：所述测序数据为16S rRNA测序数据。3.根据权利要求2所述的一种基于肠道微生物多样性检测的结直肠癌智能预警系统，其特征在于：所述肠道菌落基因测序装置通过聚类算法对16S rRNA测序数据进行分析和加工得到基因分析数据，所述基因分析数据为OTU分类数据。4.根据权利要求1至3中任一权利要求所述的一种基于肠道微生物多样性检测的结直肠癌智能预警系统，其特征在于：所述人工智能模型的建立包括以下步骤：S1：对训练用基因分析数据进行数据处理得到训练集数据与测试集数据；S2：对训练集数据提取主...

【专利技术属性】
技术研发人员：赵军宁，魏平，张翼冠，
申请(专利权)人：四川省中医药科学院，
类型：发明
国别省市：