基于干燥血近红外光谱建立抑郁症诊断模型的方法技术

本发明专利技术公开了基于干燥血近红外光谱建立抑郁症诊断模型的方法，属于抑郁症诊断技术领域，包括以下步骤：S1、采集并保存抑郁症病人和健康对照的血样本，S2、制备干燥血样本并采集其近红外光谱形成光谱集，S3、将近红外光谱集数据进行预处理，建立多个基础模型，S4、筛选合并重要特征后，机器学习算法建立模型，选出最优模型作为最终的谱图识别模型，S5、采集待诊断病人干燥血的近红外光谱，将其代入谱图识别模型，快速识别结果。本发明专利技术无需样品前处理，仅需微量血即可快速完成待诊断病人的近红外光谱谱图识别，采集的干燥血近红外光谱与液态血的光谱相比，没有水峰的强干扰，特征信号更多更强，筛选出重要特征建模，增加了计算速率和模型准确度。

【技术实现步骤摘要】

本专利技术涉及抑郁症诊断，具体为基于干燥血近红外光谱建立抑郁症诊断模型的方法。

技术介绍

1、抑郁症，是一种以显著而持久的心境低落为主要临床特征的心境障碍。这种心境低落与其处境不相称，表现为从闷闷不乐到悲痛欲绝，甚至悲观厌世，严重时可出现幻觉、妄想等精神病性症状。抑郁症异质性高、发病机制复杂，目前其诊断和治疗主要基于临床症状表象，存在主观性和经验性，亟需发展基于客观生物标记物的早期预警和精准诊疗方法。

2、近红外光谱是一种重要的光谱分析技术，其波长范围介于可见光(vi s)与中红外光谱(mir)之间，通常定义为780nm至2500nm。这一光谱区域主要反映含氢键和有机分子振动的倍频和合频振动，其光谱特征与有机分子的种类和含量高度相关,因此特别适用于有机化合物和生物分子的分析。

3、通过获取抑郁症患者血样近红外光谱特征，结合机器学习算法，建立近红外光谱特征快速识别模型，有望实现抑郁症患者近红外光谱谱图结果的快速识别。

技术实现思路

1、本专利技术提供的专利技术目的在于提供基于干燥血近红外本文档来自技高网...

【技术保护点】

1.基于干燥血近红外光谱建立抑郁症诊断模型的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于干燥血近红外光谱建立抑郁症诊断模型的方法，其特征在于，包括以下步骤：根据S1中的操作步骤，所述少量血样本体积为5-10微升，保存温度为-80℃，常温解冻后在24小时内完成测试。

3.根据权利要求1所述的基于干燥血近红外光谱建立抑郁症诊断模型的方法，其特征在于，包括以下步骤：根据S2中的操作步骤，所述透明石英玻片需要进行平整度和洁净度检查再使用。

4.根据权利要求1所述的基于干燥血近红外光谱建立抑郁症诊断模型的方法，其特征在于，包括以下步骤：根据S2...

【技术特征摘要】

1.基于干燥血近红外光谱建立抑郁症诊断模型的方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的基于干燥血近红外光谱建立抑郁症诊断模型的方法，其特征在于，包括以下步骤：根据s1中的操作步骤，所述少量血样本体积为5-10微升，保存温度为-80℃，常温解冻后在24小时内完成测试。

3.根据权利要求1所述的基于干燥血近红外光谱建立抑郁症诊断模型的方法，其特征在于，包括以下步骤：根据s2中的操作步骤，所述透明石英玻片需要进行平整度和洁净度检查再使用。

4.根据权利要求1所述的基于干燥血近红外光谱建立抑郁症诊断模型的方法，其特征在于，包括以下步骤：根据s2中的操作步骤，所述近红外光谱集是通过经校准和验证的近红外光谱仪进行光谱采集，以确保数据的准确性。

5.根据权利要求1所述的基于干燥血近红外光谱建立抑郁症诊断模型的方法，其特征在于，包括以下步骤：根据s2中的操作步骤，所述采集近红外光谱的具体方法为：

6.根据权利要求1所述的基于干燥血近红外光谱建立抑郁症诊断模型的方法，其特征在于，包括以下步骤：根据s2中的操作步骤，所述近红外光谱的采集范围为4000-12000cm-1，分辨率范围1-16cm-1，扫描次数范围...

【专利技术属性】
技术研发人员：王刚，刘明霞，杨健，孙作厘，贺毅，
申请(专利权)人：首都医科大学附属北京安定医院，
类型：发明
国别省市：