[发明专利]一种用于快速筛查宫颈肿瘤的模型及其建立方法

说明书

本发明为一种用于快速筛查宫颈肿瘤的模型及其建立方法。一种用于快速筛查宫颈肿瘤的模型的建立方法，包括以下步骤：(1)采集不同病变程度的宫颈肿瘤患者的血清样本后，测定并获取傅立叶红外光谱数据；(2)所述的傅立叶红外光谱数据通过PSO‑CNN算法建立分类模型，得所述的用于快速筛查宫颈肿瘤的模型。本发明所述的一种用于快速筛查宫颈肿瘤的模型及其建立方法，通过对PSO‑CNN算法进行优化，可以提高识别效果，从而可以更好的应用于快速筛查宫颈肿瘤。

技术领域

本发明具体涉及一种用于快速筛查宫颈肿瘤的模型及其建立方法。

背景技术

宫颈癌被认为是女性中第二常见的恶性肿瘤，是仅次于乳腺癌的全球 癌症死亡的主要原因。我国每年的宫颈癌新发病例已达到11万，占世界总 新发病例的1/3。宫颈上皮内瘤变(cervical intraepithelial neoplasia,CIN)与宫 颈癌的发生密切相关，持续的高危型人乳头瘤病毒感染会引发宫颈上皮细 胞低度病变(CIN I)，之后进一步演变为宫颈高度癌前病变(CIN II、CIN III)，并最终发展成宫颈癌，这个过程一般需要8-15年的时间。但也有发展 时间特别快的，在这段时间如果能及时诊断出宫颈癌前病变并采取相应解 决措施，那么便可以及时干预病变，防止朝着不良的方向发展。目前帮助 临床医生及早发现宫颈癌前病变的方法包括细胞病理学、HPV检测和组织 病理学，但这些方法在主观性、成本和时间方面都受到限制。因此，临床 上需要一种客观的、快速的、只需要较少的样本制备的检测方法。

FT-IR是一种能够在分子水平上有效地提供生物材料结构和化学组成 信息的光学光谱技术，对分子水平上发生的微妙生化变化很敏感，能够检 测到与疾病发病相对应的光谱变化。在过去的15年里，已经有大量的研究 揭示了FT-IR光谱和机器学习算法在检测各种癌症方面的潜力，其中不乏 有在宫颈癌筛查方面的研究成果。Mo等人采用主成分分析(PCA)和线性判 别分析(LDA)算法，结合血清FT-IR光谱对宫颈癌患者和健康对照组进行识别，诊断准确率、特异度和敏感度都达到了98％。虽然实验取得了很好的 效果，但忽略了对CIN患者的诊断。Nordstrom等人基于活检组织部位的紫 外荧光光谱特征，使用多变量算法对正常组织，CIN I、CIN II/III进行鉴 别，CIN II/III与正常组织分类的敏感性和特异性分别为91％和93％，CIN I 与正常组织分类的敏感性和特异性分别为86％和87％。虽然分类结果较为 准确，但该实验可以进一步增加对宫颈高度癌前病变不同阶段的识别。此 外，Yang等人提出基于特征融合的方法对宫颈炎、低级别鳞状上皮内病变、 高级别鳞状上皮内病变、宫颈鳞状细胞癌和宫颈腺癌进行分类，KNN、ELM、 ABC-SVM、CS-SVM、PSO-SVM、CNN-LTSM分类准确率分别为60.91％、 67.84％、77.64％、78.49％、75.54％和70.72％，较未进行特征融合的原始光 谱分类准确率有所提高。然而，和大多数采用CNN作为特征提取或是分类 器的研究一样，他们没有对CNN的网络结构进行优化，一定程度上限制了 CNN的识别效果。

有鉴于此，本发明提出一种新的用于快速筛查宫颈肿瘤的模型，进一 步优化现有的早期筛查模型。

发明内容

本发明的目的在于提供一种用于快速筛查宫颈肿瘤的模的建立方法， 通过对PSO-CNN算法进行优化，可以提高识别效果。

为了实现上述目的，所采用的技术方案为：

一种用于快速筛查宫颈肿瘤的模型的建立方法，包括以下步骤：

(1)采集不同病变程度的宫颈肿瘤患者的血清样本后，测定并获取傅 立叶红外光谱数据；

(2)所述的傅立叶红外光谱数据通过PSO-CNN算法建立分类模型，得 所述的用于快速筛查宫颈肿瘤的模型。

进一步的，所述的步骤(1)中，不同病变程度包括为宫颈癌、癌前病 变Ⅰ级、癌前病变Ⅱ级、癌前病变Ⅲ级、子宫肌瘤。