基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置制造方法及图纸

本发明专利技术提供了基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置包括电子鼻设备、上位机模块。电子鼻设备包括是检测腔、微型泵和流量计。检测腔内部集成了传感器阵列，用于采集呼吸气体的原始响应信号；微型泵受流量计反馈控制，确保整个系统的气体流速恒定；所述流量计用来实时监测气体流量；上位机并设有自适应提升算法程序实现对健康、甲状腺良性结节、甲状腺癌三类人群的两两分类。利用电子鼻中采集不同人群的呼气“指纹”，并利用自适应提升算法区分健康、甲状腺良性结节、甲状腺癌三种人群的呼气信号，为鉴别甲状腺良性结节是否存在以及结节的良恶性提供了一种快速、便捷、精确度高、非侵入式的检测设备。非侵入式的检测设备。非侵入式的检测设备。

【技术实现步骤摘要】
基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置


[0001]本专利技术属于疾病传感诊断装置领域，特别是涉及基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置。

技术介绍

[0002]甲状腺癌是世界上最常见的内分泌肿瘤。随着高分辨率超声在临床实践中的广泛应用，越来越多的甲状腺良性结节被发现，这些结节大多数是良性的，只有5％的人被证明为恶性的。临床医生的挑战是识别甲状腺良性结节的性质和发展后续的治疗。超声检测在鉴别结节部位、大小方面具有可靠检测价值，但在鉴别结节良恶性上性能较低。细胞穿刺活检是目前判断甲状腺良性结节良恶性最常用的方法，特异性60
‑
98％，敏感性54
‑
90％。这种方法增加了医疗系统的负担和结节患者的心理压力，且高度依赖准确的穿刺技术及临床医生细胞学检测的经验。大多数有良性结节的患者需要长期随访，他们可能需要进行超声检测或者细针穿刺等方法来确定结节情况，这显然不被大多数人接受。因此医疗系统需要一种快速、廉价、无创的检测方法来指导临床检测和制定治疗方案。
[0003]呼气分析是最近发展起来的一种疾病早期检测方法。由于其快速、无创、易于被患者接受等优点，在医疗系统中越来越受到重视。呼出的气体中含有1000多种有机化合物。与正常组织相比，癌变组织可能表现出特定的代谢模式，由此产生的挥发性代谢物经血液循环到肺泡，并通过呼气排出体外。检测呼气产生的挥发性有机化合物主要通过两种方法进行，即化学成分分析和基于模式识别的方法。前者最常用的技术是气相色谱/质普法(GC/MS)来寻找呼气特异性生物标志物。但GC
‑
MS具有一定的局限性，如成本高、不便携和操作难度高等。而基于模式识别的方法指采用电子鼻。电子鼻是一种以气体传感器阵列为基础，结合人工智能算法，对气体性质进行检测的设备。这种设备具有快速，无损，廉价的优点，已被利用在食品，环境，医疗等领域。

技术实现思路

[0004]为了解决现有技术的问题，本专利技术提出了基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置。
[0005]为了实现以上目的，本专利技术采取的一种技术方案：基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置，包括：
[0006]电子鼻设备，用于采集呼气气体，并构成原始响应数据集，并将原始响应数据集输出至上位机模块；
[0007]上位机模块，所述上位机模块包括顺序串联的预处理模块、标准化处理模块、特征降维模块、自适应算法分类模块；其中，
[0008]所述预处理模块，用于接收来自电子鼻设备的原始响应数据集，并对原始响应数据进行预处理，获得预处理后的训练样本集和测试样本集；所述标准化处理模块，用于对分别对预处理后的训练样本集和测试样标准化处理，对应获得标准化处理后的训练样本集和
标准化处理后的测试样本集；
[0009]所述特征降维模块，用于分别对标准化处理后的训练样本集和标准化处理后的测试样本集中的特征进行特征降维，对应获得低维特征训练样本子集和低维特征测试样本子集；
[0010]所述自适应算法分类模块，用于构建及训练以低维特征训练样本子集为输入、甲状腺分类检测结果为输出的甲状腺检测分类模型，并在训练过程中绘制ROC曲线，通过ROC曲线的AUC来确定模型性能；获得分类检测结果。
[0011]进一步地，所述电子鼻包括用于接收呼气气体的吹嘴、以及与吹嘴顺序相连的检测腔、微型泵、流量计；所述检测腔内部集成气体传感器阵列，用于在所述检测腔在微型泵的控制下采集呼气气体的原始响应信号，所述流量计用于实时监测检测腔接收到的呼气气体流量，并对所述微型泵反馈控制；所述检测腔与控制电路相连，并通过控制电路输出原始响应数据集至预处理模块。
[0012]进一步地，所述预处理模块被配置执行以下动作：
[0013]对原始响应数据集X中呼气信号和基线信号之间按如下公式将呼气信号与基线信号之间的电阻变化除以基线信号中位数：
[0014][0015][0016]其中，为第k个呼气样本在基线阶段某一时刻传感器对环境气的响应值，为第k个呼气样本在呼气阶段某一时刻传感器对呼气信号的响应值,为第k个呼气样本在某一个时刻传感器响应特征信号，k＝300,v为基线阶段总点数，w为呼气阶段总点数。
[0017]进一步地，所述标准化处理模块被配置执行以下动作：
[0018]S101、计算训练样本集X
train
中特征的均值
[0019]S102、计算训练样本集X
train
中特征的标准差σ；
[0020]S103、按如下公式对训练样本集X
train
和测试样本集X
test
分别进行标准化处理：
[0021][0022]其中，X
train
和X
test
分别为训练样本集和测试样本集响应数据，X
train_std
为训练样本集标准化处理后数据，X
test_std
为测试样本集标准化处理后数据。
[0023]进一步地，所述特征降维模块被配置执行以下动作：
[0024]S201:对所有特征X＝(X1,X2,
…
,X
m
)进行中心化,对于每一个特征X
i
,都减去自身
均值:
[0025][0026]其中，n为每一个特征的特征点数；
[0027]S202:求出X的协方差矩阵：
[0028]S203:求出协方差矩阵C的特征值和特征向量：
[0029]Cβ
i
＝λ
i
β
i i＝1,2,
…
,n
[0030]满足：λ1≥λ2≥
…
≥λ
n
；
[0031]S204:特征向量单位化：
[0032][0033]S205:取前k大的特征值以及其对应的单位特征向量:
[0034][0035]S206:得到降维后的数据:
[0036]Y＝QX＝(Y1,Y2,
…
,Y
m
)
k
×
m
；
[0037]S207:预设主成分累计方差贡献率阈值，选取方差贡献率大于阈值的特征值对应的特征向量组成映射矩阵W，通过映射矩阵W得到新的低维特征子集X
train_pca
和X
test_pca
。
[0038]进一步地，所述自适应算法分类模块被配置执行以下动作：
[0039]S301、利用自适应提升算法，以低维特征训练样本子集X
train_pca
为输入，低维特征训练样本子集X
train_pca
对应的甲状腺癌与健康人群、甲状腺癌与甲状腺良性结节、甲状腺良性结节与健康人群的三种分类检测结果为输出，构建并训练甲状腺检测分类模型；
[0040]S3本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置，其特征在于，包括：电子鼻设备，用于采集呼气气体，并构成原始响应数据集，并将原始响应数据集输出至上位机模块；上位机模块，所述上位机模块包括顺序串联的预处理模块、标准化处理模块、特征降维模块、自适应算法分类模块；其中，所述预处理模块，用于接收来自电子鼻设备的原始响应数据集，并对原始响应数据进行预处理，获得预处理后的训练样本集和测试样本集；所述标准化处理模块，用于对分别对预处理后的训练样本集和测试样标准化处理，对应获得标准化处理后的训练样本集和标准化处理后的测试样本集；所述特征降维模块，用于分别对标准化处理后的训练样本集和标准化处理后的测试样本集中的特征进行特征降维，对应获得低维特征训练样本子集和低维特征测试样本子集；所述自适应算法分类模块，用于构建及训练以低维特征训练样本子集为输入、甲状腺分类检测结果为输出的甲状腺检测分类模型，并在训练过程中绘制ROC曲线，通过ROC曲线的AUC来确定模型性能；获得分类检测结果。2.根据权利要求1所述的基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置，其特征在于，电子鼻包括用于接收呼气气体的吹嘴、以及与吹嘴顺序相连的检测腔、微型泵、流量计；所述检测腔内部集成气体传感器阵列，用于在所述检测腔在微型泵的控制下采集呼气气体的原始响应信号，所述流量计用于实时监测检测腔接收到的呼气气体流量，并对所述微型泵反馈控制；所述检测腔与控制电路相连，并通过控制电路输出原始响应数据集至上位机模块。3.根据权利要求1所述的基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置，其特征在于，所述预处理模块被配置执行以下动作：对原始响应数据集X中呼气信号和基线信号之间按如下公式将呼气信号与基线信号之间的电阻变化除以基线信号中位数：信号之间按如下公式将呼气信号与基线信号之间的电阻变化除以基线信号中位数：其中，为第k个呼气样本在基线阶段某一时刻传感器对环境气的响应值，为第k个呼气样本在呼气阶段某一时刻传感器对呼气信号的响应值,为第k个呼气样本在某一个时刻传感器响应特征信号，k＝300,v为基线阶段总点数，w为呼气阶段总点数。4.根据权利要求3所述的基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置，其特征在于，所述标准化处理模块被配置执行以下动作：
S101、计算训练样本集X
train
中特征的均值S102、计算训练样本集X
train
中特征的标准差σ；S103、按如下公式对训练样本集X
train
和测试样本集X
test
分别进行标准化处理：其中，X
train
和X
test
分别为训练样本集和测试样本集响应数据，X
train_std
为训练样本集标准化处理后数据，X
test_std
为测试样本集标准化处理后数据。5.根据权利要求4所述的基于自适应提升算法的电子鼻甲状腺癌患者呼气诊断装置，其特征在于，所述特征降维模块被配置执行以下动作：S201:对所...

【专利技术属性】
技术研发人员：章伟，刘泽浩，李思宇，包楚阳，刘嘉明，王海燕，俞佳丽，宁璐，
申请(专利权)人：安徽六维传感科技有限公司滁州怡然传感技术研究院有限公司，
类型：发明
国别省市：