基于血清miRNA的胰腺癌诊断的机器学习系统技术方案

本发明专利技术公开了基于本团队发明专利技术“一种体外辅助诊断胰腺癌的试剂盒”(CN 104745678 B)所述的一系列检测指标，基于试剂盒上市前后的一系列临床检测数据，开发了一种机器学习的诊断系统，对比原计算方法，本发明专利技术可大幅提升原诊断试剂盒在临床应用中的稳定性和准确性。试剂盒在临床应用中的稳定性和准确性。

【技术实现步骤摘要】
基于血清miRNA的胰腺癌诊断的机器学习系统


[0001]本专利技术属于生物技术与机器学习领域，涉及基于血清microRNA结合机器学习方法在胰腺癌诊断判别中的应用。

技术介绍

[0002]胰腺癌被称为癌中之王，全球总体发病率和死亡率逐年上升，预计在2030年将成为恶性肿瘤的第二大杀手。胰腺癌具有高发病率、高复发转移率、高死亡率、低早期诊断率、低切除率、低药物有效率和低生存率三高四低的特点。胰腺癌防治效果差的主要原因包括病因不清、无法预防，早期诊断困难，早诊率仅为5％。现有治疗手段的效果均已达到瓶颈，短期内难有突破，5年生存率仅为7.2％，胰腺癌患者的5年生存率在恶性肿瘤中最低。
[0003]检查方法包括B超检查、电子计算机X线断层扫描(CT)、磁共振(MRI)、磁共振胰胆管成像(MRCP)、正电子发射断层扫描(PET)、正电子发射断层扫描(PET)以及超声内镜检查(EUS)、经口胰管镜(POPS)、胰管内超声检查(PIDUS)等。但由于胰腺位置隐匿，内镜及影像学技术的诊断效果有限。目前，用于胰腺癌诊断和随访的肿瘤标记物有10余种，但迄本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于发明“一种体外辅助诊断胰腺癌的试剂盒”(CN 104745678 B)所述的一系列血清miRNA检测指标的胰腺癌机器学习诊断系统。2.优选地，在本发明的基于基于血清miRNA的胰腺癌诊断的机器学习系统的方法中，所述支持向量机算法核函数包括线性核(Linear Kernel)、多项式核(Polynomial Kernel)、径向基核函数(Radial Basis Function)、高斯核(Gaussian Kernel)幂指数核(Exponential Kernel)、拉普拉斯核(Laplacian Kernel)、ANOVA核(ANOVA Kernel)、二次有理核(Rational Quadratic Kernel)、多元二次核(Multiquadric Kernel)逆多元二次核...

【专利技术属性】
技术研发人员：周祯，张辰宇，管单萍，
申请(专利权)人：南京大学人工智能生物医药技术研究院，
类型：发明
国别省市：