乙肝诊断模型及其构建方法和乙肝诊断芯片技术

本发明专利技术涉及一种乙肝诊断模型构建方法、装置和乙肝诊断装置，方法包括：获取不同类型乙肝患者样本的多肽芯片数据和目标临床指标数据，所述多肽芯片数据包括目标差异肽段的特征信号数据，目标差异肽段选自如SEQ ID NO.1～SEQ ID NO.25所示序列的肽段中的至少五条；根据多个不同类型乙肝患者样本的目标临床指标数据、多肽芯片数据以及样本信息通过机器学习方法建立乙肝诊断模型，所述样本信息包括样本的类型。本发明专利技术提供的乙肝诊断模型的构建方法，通过不同类型的乙肝患者之间的目标差异肽段结合临床指标构建乙肝诊断模型，能够提高模型的诊断效率以及模型诊断的准确性。型的诊断效率以及模型诊断的准确性。

【技术实现步骤摘要】
乙肝诊断模型及其构建方法和乙肝诊断芯片


[0001]本专利技术涉及人工智能应用
，具体而言，涉及一种乙肝诊断模型及其构建方法、装置和乙肝诊断装置。

技术介绍

[0002]肝癌是一种常见癌症，肝炎与肝癌关系极为密切，临床上肝癌患者常常出现急性肝炎
‑
慢性肝炎
‑
肝硬化
‑
肝癌的进展病史。慢性乙型肝炎是肝硬化、肝癌发生的重要基础，小部分的乙肝患者会发生肝硬化甚至肝癌。慢性乙型肝炎还可不经过肝硬变阶段直接导致肝癌的发生。
[0003]由于已经确诊的乙肝患者肝脏代偿功能较强，病情发展的早期通常十分缓慢且症状不很明显，病情不易被患者察觉。在肝脏功能损害症状出现时往往已经耽误治疗和控制的最佳时期。对于已诊断的慢性肝炎患者，需要定期进行多项复杂的检测项目。
[0004]目前对于肝炎、肝硬化、肝癌的诊断指标绝大多数都是基于临床特征及实验室生化病理结合的方式进行。患者需要配合进行大量的相关检查，包括血液生化、影像学、肝组织活检等。即便是初期的慢性肝炎患者也需要定期或不定期的检测肝功能指标本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种乙肝诊断模型的构建方法，其特征在于，所述方法包括：获取不同类型乙肝患者样本的目标临床指标数据，所述目标临床指标数据包括性别指标、年龄指标、感染周期指标、肝功能指标、HBV指标、肝纤维化指标、AFP指标、AFP异质体指标、自身免疫疾病指标以及糖尿病指标中的至少一种指标的数值化数据；根据不同类型乙肝患者样本的目标临床指标数据和样本信息通过机器学习方法建立乙肝诊断模型，所述样本信息包括样本的类型。2.根据权利要求1所述的构建方法，其特征在于，所述样本的类型包括慢性肝炎、肝硬化以及肝癌三种类型中的至少两种。3.根据权利要求1或2所述的构建方法，其特征在于，肝功能指标包括ALB、A/G、AST、ALT、GGT、ALP、PALB、CHE、TBIL、DBIL、IDBIL、TBA、MYO、UA中至少一种检测指标；HBV指标包括HBsAg、Anti
‑
HBs、HBeAg、Anti
‑
HBe、HBcAb
‑
IgM、Anti
‑
HBII、HBV
‑
DNA中的至少一种检测指标；肝纤维化指标包括TP检测指标。4.根据权利要求1～3任一项所述的构建方法，其特征在于，所述机器学习方法采用了如下任意一种算法：逻辑回归、线性判别分析、支持向量机、随机森林；优选地，所述机器学习方法采用了随机森林算法。5.一种乙肝诊断模型的构建方法，其特征在于，所述方法包括：获取不同类型乙肝患者样本的多肽芯片数据和目标临床指标数据，所述多肽芯片数据包括目标差异肽段的特征信号数据，所述目标差异肽段选自如SEQ ID NO.1～SEQ ID NO.25所示序列的肽段中的至少五条；根据多个不同类型乙肝患者样本的多肽芯片数据、目标临床指标数据以及样本信息通过机器学习方法建立乙肝诊断模型，所述样本信息包括样本的类型。6.根据权利要求5所述的构建方法，其特征在于，所述样本的类型包括慢性肝炎、肝硬化以及肝癌三种类型中的至少两种。7.根据权利要求5所述的构建方法，其特征在于，所述样本为血液样本。8.根据权利要求5所述的构建方法，其特征在于，所述目标临床指标数据包括性别指标、年龄指标、感染周期指标、肝功能指标、HBV指标、肝纤维化指标、AFP指标、AFP异质体指标、自身免疫疾病指标以及糖尿病指标中的至少一种指标的数值化数据。9.根据权利要求5所述的构建方法，其特征在于，肝功能指标包括ALB、A/G、AST、ALT、GGT、ALP、PALB、CHE、TBIL、DBIL、IDBIL、TBA、MYO、UA中至少一种检测指标；HBV指标包括HBsAg、Anti
‑
HBs、HBeAg、Anti
‑
HBe、HBcAb
‑
IgM、Anti
‑
HBII、HBV
‑
DNA中的至少一种检测指标；肝纤维化指标包括TP检测指标。10.根据权利要求5所述的构建方法，其特征在于，所述目标差异肽段选自SEQ ID NO.1～SEQ ID NO.5所示的5条肽段；或所述目标差异肽段选自SEQ ID NO.1～SEQ ID NO.10所示的10条肽段；或所述目标差异肽段选自SEQ ID NO.1～SEQ ID NO.15所示的15条肽段；或所述目标差异肽段选自SEQ ID NO.1～SEQ ID NO.20所示的20条肽段；或所述目标差异肽段选自SEQ ID NO.1～SEQ ID NO.25所示的25条肽段。
11.根据权利要求5～10任一项所述的构建方法，其特征在于，所述机器学习方法采用了如下任意一种算法：逻辑回归、线性判别分析、支持向量机、随机森林；优选地，所述机器学习方法采用了随机森林算法。12.一种用于制备乙肝诊断...

【专利技术属性】
技术研发人员：燕鸣琛，李丹妮，张薛，罗俊，
申请(专利权)人：珠海碳云诊断科技有限公司，
类型：发明
国别省市：