癌种预测模型建立系统及建立方法、癌种预测系统技术方案

本发明专利技术提供一种癌种预测模型建立系统及方法、癌种预测系统，癌种预测模型建立系统包括第一层学习模型建立单元及第二层第一学习模型建立单元。第一层学习模型建立单元用以使用机器学习技术，依据多个第一学习检体的各者的第一拷贝数变异、第一检体癌种及第一性别，建立第一层学习模型；及，以多个第二学习检体的各者的第二性别及第二拷贝数变异做为第一层学习模型的输入，使第一层学习模型输出各第二学习检体的多个第一输出癌种。第二层第一学习模型建立单元用以使用机器学习技术，依据各第二学习检体的该些第一输出癌种及第二检体癌种，建立第二层第一学习模型。建立第二层第一学习模型。建立第二层第一学习模型。

【技术实现步骤摘要】
【国外来华专利技术】癌种预测模型建立系统及建立方法、癌种预测系统


[0001]本揭露是有关于一种癌种预测模型建立系统及建立方法、癌种预测系统。

技术介绍

[0002]癌症可能发生在人体的许多器官，如肝脏、肾脏、肠胃道、大脑等。癌症可透过定期身体检查，早期发现早期治疗，以提高治愈效果。因此，如何通过设备实现癌种检测是本
业者努力目标之一。

技术实现思路

[0003]因此，本揭露提出一种癌种预测模型建立系统及建立方法、癌种预测系统，可改善前述习知问题。
[0004]本揭露一实施例提出一种癌种预测模型建立系统。癌种预测模型建立系统包括第一层学习模型建立单元及第二层第一学习模型建立单元。第一层学习模型建立单元用以使用机器学习技术，依据多个第一学习检体的各者的第一拷贝数变异、第一检体癌种及第一性别，建立第一层学习模型；及，以多个第二学习检体的各者的第二性别及第二拷贝数变异做为第一层学习模型的输入，使第一层学习模型输出各第二学习检体的多个第一输出癌种。第二层第一学习模型建立单元用以使用机器学习技术，依据各第二学习检体的此些第一输出癌种及第二检体癌，建立第二层第一学习模型。
[0005]本揭露另一实施例提出一种癌种预测系统。癌种预测系统包括储存器及预测单元。储存器用以储存前述的第一层学习模型及第二层第一学习模型。预测单元用以输入待测检体的检体拷贝数变异及一检体性别于第一层学习模型，以取得待测检体的第一预测癌种；判断待测检体的检体性别是否为第二性别；以及，当待测检体的检体性别为第二性别，输入待测检体的第一预测癌种于第二层第一学习模型，以取得待测检体的第二预测癌种。
[0006]本揭露另一实施例提出一种癌种预测模型的建立方法。癌种预测模型的建立方法包括以下步骤：使用机器学习技术，依据多个第一学习检体的各者的第一拷贝数变异、第一检体癌种及第一性别，建立第一层学习模型；以多个第二学习检体的各者的一第二性别及第二拷贝数变异做为第一层学习模型的输入，第一层学习模型输出各第二学习检体的多个第一输出癌种；以及，使用机器学习技术，依据第二学习检体的此些第一输出癌种及一第二检体癌种，建立第二层第一学习模型。
[0007]为了对本揭露的上述及其他方面有更佳的了解，下文特举实施例，并配合所附图式详细说明如下：
附图说明
[0008]图1绘示依照本揭露一实施例的癌种预测模型建立系统的功能模块图。
[0009]图2绘示依照本专利技术一实施例的癌种预测系统的功能模块图。
[0010]图3绘示图1的癌种预测模型建立系统的癌种预测模型的建立方法的流程图。
[0011]图4绘示图2的癌种预测系统的癌种预测方法的流程图。
具体实施方式
[0012]请参照图1，其图绘示依照本揭露一实施例的癌种预测模型建立系统100的功能模块图。癌种预测模型建立系统100包括第一层学习模型建立单元110、第二层第一学习模型建立单元120及第二层第二学习模型建立单元130。第一层学习模型建立单元110、第二层第一学习模型建立单元120及/或第二层第二学习模型建立单元130例如是采用半导体制程所形成的实体电路。在一实施例中，第一层学习模型建立单元110、第二层第一学习模型建立单元120与第二层第二学习模型建立单元130中至少二者可整合成单一单元。在一实施例中，第一层学习模型建立单元110、第二层第一学习模型建立单元120与第二层第二学习模型建立单元130中至少一者可整合于一控制器(controller)或一处理器(processor)中。
[0013]如图1所示，第一层学习模型建立单元110用以：(1).使用一机器学习技术，依据多个第一学习检体P1(未标示)的各者的第一拷贝数变异(Copy number variation,CNV)V
P1
、第一检体癌种(学习检体所属者的罹患癌种)C1
P1
及第一性别(学习检体所属者的性别)S
P1
，建立第一层学习模型M1；(2).以多个第二学习检体P2(未标示)的各者的第二性别S
P2
及第二拷贝数变异V
P2
做为第一层学习模型M1的输入，使第一层学习模型M1输出各第二学习检体P2的多个第一输出癌种C2
P2
。第二层第一学习模型建立单元120用以使用机器学习技术，依据各第二学习检体P2的此些第一输出癌种C2
P2
及第二检体癌种C1
P2
，建立第二层第一学习模型M21。在本实施例中，第一层学习模型M1为混合型学习模型(例如，不限性别)，因此可避免有些样本数少癌种所造成的学习(训练)误差。
[0014]如图1所示，在一实施例中，第一层学习模型建立单元110更用以：使用机器学习技术，依据多个健康检体P4(未标示)的各者的第四拷贝数变异V
P4
、健康类别H
P4
及第四性别S
P4
，建立第一层学习模型M1。如此，所建立的第一层学习模型M1更包含健康类别H
P4
，可判断属于健康类别H
P4
的待测检体。第四性别S
P4
不限男性或女性。健康检体P4的基因组片段的拷贝数并未异常增加或减少(未有突变基因)，即，其第四拷贝数变异V
P4
是正常的。
[0015]此外，第二层第一学习模型M21的建立除了可依据第一输出癌种C2
P2
及第二检体癌种C1
P2
外，亦可依据其它检体信息建立，例如是学习检体的年龄。举例来说，如图1所示，第二层第一学习模型建立单元120可依据各第二学习检体P2的此些第一输出癌种C2
P2
、第二检体癌种C1
P2
及年龄G
P2
，建立第二层第一学习模型M21。
[0016]如图1所示，除了可依据第二性别S
P2
建立第二层第一学习模型M21外，亦可依据其它性别建立其它学习模型。举例来说，第一层学习模型建立单元110更用以：以多个第三学习检体P3(未标示)的各者的第三性别S
P3
及第三拷贝数变异V
P3
做为该第一层学习模型的输入，使第一层学习模型M1输出各第三学习检体P3的多个第二输出癌种C2
P3
。第二层第二学习模型建立单元130用以使用机器学习技术，依据各第三学习检体P3的此些第二输出癌种C2
P3
及第三检体癌种C1
P3
，建立第二层第二学习模型M22。
[0017]此外，第二层第二学习模型M22的建立除了可依据第二输出癌种C2
P3
外，亦可依据其它检体信息建立，例如是学习检体的年龄。举例来说，如图1所示，第二层第二学习模型建立单元130可依据各第三学习检体P3的此些第二输出癌种C2
P3
、第三检体癌种C1
P3
及的年龄G
P3
，建立第二层第二本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种癌种预测模型建立系统，其特征在于，包括：第一层学习模型建立单元，用以：使用机器学习技术，依据多个第一学习检体的各者的第一拷贝数变异、第一检体癌种及第一性别，建立第一层学习模型；以多个第二学习检体的各者的第二性别及第二拷贝数变异做为该第一层学习模型的输入，使该第一层学习模型输出各该第二学习检体的多个第一输出癌种；以及第二层第一学习模型建立单元，用以：使用该机器学习技术，依据各该第二学习检体的该些第一输出癌种及第二检体癌种，建立第二层第一学习模型。2.如权利要求1所述的癌种预测模型建立系统，其特征在于，该些第一学习检体的该些第一性别为男性与女性的组合，而该些第二学习检体的该些第二性别全部为男性或女性。3.如权利要求1所述的癌种预测模型建立系统，其特征在于，该第一层学习模型建立单元更用以：以多个第三学习检体的各者的第三性别及第三拷贝数变异做为该第一层学习模型的输入，使该第一层学习模型输出各该第三学习检体的多个第二输出癌种；其中，该癌种预测模型建立系统更包括：第二层第二学习模型建立单元，用以：使用该机器学习技术，依据各该第三学习检体的该些第二输出癌种及第三检体癌种，建立第二层第二学习模型；其中该些第二学习检体的该些第三性别全部为男性或女性，且该第二性别与该第三性别不同。4.如权利要求3所述的癌种预测模型建立系统，其特征在于，该第二层第二学习模型建立单元更用以：依据各该第三学习检体的年龄，建立该第二层第二学习模型；其中，该第二层第一学习模型建立单元更用以：依据各该第二学习检体的年龄，建立该第二层第一学习模型。5.一种癌种预测系统，其特征在于，包括：储存器，用以：储存如权利要求1所述的该第一层学习模型及该第二层第一学习模型；预测单元，用以：输入待测检体的检体拷贝数变异及检体性别于该第一...

【专利技术属性】
技术研发人员：林志鹏，
申请(专利权)人：英华达上海科技有限公司英华达上海电子有限公司英华达股份有限公司，
类型：发明
国别省市：