基于深度学习的肠道菌群预测癫痫的方法技术

本发明专利技术公开了一种基于深度学习利用肠道菌群预测癫痫的方法，属于生物医学领域。首先，提取了癫痫患者及健康对照组的肠道菌群数据；其次，通过随机森林进行特征筛选，选择合适的特征作为输入；最后，利用深度学习技术集成一个框架，通过软投票预测癫痫患者。本发明专利技术将肠道菌群与深度学习结合，发挥人工智能的优势并将其应用于实践，该发明专利技术以随机森林和DNN为基础，根据肠道菌群的特征进行处理，从而可以更准确实现癫痫患者的分类。

【技术实现步骤摘要】

本专利技术涉及生物医学领域，特别是指一种基于深度学习的肠道菌群预测癫痫的方法。

技术介绍

1、癫痫是一种经常表征为神经元兴奋性增加的神经活动障碍。由于大脑进入癫痫发作敏感状态是由于生理振荡(伴随着兴奋/抑制的改变)而引起的病理变化所导致的，肠道微生物组对单个神经元或神经网络的兴奋性的任何破坏性举动都很可能会在癫痫中发挥关键作用。微生物对大脑发挥作用的几条通路已经被广泛讨论，包括肠道微生物代谢物(如短链脂肪酸和神经递质)、色氨酸代谢、肠道激素信号传导、免疫/炎症系统和肠道/迷走神经通道等。

2、很多研究发现，癫痫患者及癫痫动物的肠道菌群及其代谢产物发生了改变。有学者认为：当各种原因导致的肠道菌群紊乱的时候，肠粘膜屏障受损，肠道中的毒物、细菌、病毒及其代谢产物会通过受损的肠壁进入体内血液，引起体内异常的免疫炎症反应，炎症因子通过血脑屏障进入脑内，或直接通过迷走神经激活大脑的免疫细胞，导致脑细胞受损，一部分神经细胞兴奋性升高而发生癫痫。癫痫患者的肠道菌群和健康人群不一样，有些菌多了，有些菌少了，还有些菌消失了。这样就会导致肠道菌群的不平衡，从而引起肠本文档来自技高网...

【技术保护点】

1.基于深度学习的肠道菌群预测癫痫的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述预处理方法，其中包括对于数据的转置，随机森林的特征提取、筛选。

3.根据权利要求2所述的方法，其特征在于，所述特征提取、筛选方法中，随机森林按照重要分数进行排序选取前20个特征，作为输入特征。

4.根据权利要求1所述的方法，其特征子啊与，所述的分类器模型中，使用的是DNN作为分类器的模型，通过软投票的方式进行预测。

5.根据权利要求4所述的方法，其特征在于，所述的DNN中输入层的特征向量决定了输入层的神经元数，隐藏层包含了32个神经元...

【技术特征摘要】

1.基于深度学习的肠道菌群预测癫痫的方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述预处理方法，其中包括对于数据的转置，随机森林的特征提取、筛选。

3.根据权利要求2所述的方法，其特征在于，所述特征提取、筛选方法中，随机森林按照重要分数进行排序选取前20个特征，作为输入特征。

4.根据权利要求1所述的方法，其特征子啊与，所述的分类器模型中，使用的是dnn作为分类器的模型，通过软投票的方式进行预测。

5.根据权利要求4所述的方法，其特征在于，所述的dnn中输入层的特征向量决定了输入层的神经元数，隐藏层包含了32个神经元。在向前传播的过...

【专利技术属性】
技术研发人员：于波，张杭，张敏，
申请(专利权)人：哈尔滨理工大学，
类型：发明
国别省市：