申请/专利权人：武汉大学

申请日：2022-07-01

公开（公告）日：2024-03-29

公开（公告）号：CN115078331B

主分类号：G01N21/65

分类号：G01N21/65;G06F18/2411;G06F18/214

优先权：["20210907 CN 2021110442982"]

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.10.11#实质审查的生效;2022.09.20#公开

摘要：本发明属于纳米材料和人工智能领域，具体涉及一种光谱学和人工智能交互的血清分析方法及在对多种病人、正常人的有效识别和差异SERS峰位分析中的应用。本发明的血清分析方法，包含对临床血清样本的体相SERS光谱数据采集，利用协方差算法对光谱数据降维处理获得癌症病人和正常人的光谱差异峰位，借助人工智能算法的svm模型进行光谱数据处理和算法识别获得癌症识别率。相对于常规分析血清的方法，本发明无需任何抗体抗原等生物特异性修饰过程，能更低廉（耗材成本1元）、快速（耗时1小时）、精准地对病人和正常人血清进行识别，还能定位大量血清样本间SERS光谱的差异峰位，为临床癌症的液体活检领域提供了一种全新的检测和分析方法。

主权项：1.一种光谱学和人工智能交互的血清分析方法，其特征在于，所述血清分析方法以无本征拉曼信号的银纳米线作为SERS探针，将银纳米线溶液分别与患病病人和正常人的血清样本直接进行液相混合共孵化，孵化完毕后，在拉曼光谱仪测试下进行血清SERS光谱数据采集得到原始光谱数据点，随后利用协方差矩阵对原始光谱数据点进行降维处理，降维得到的光谱学数据点即为患病样本相比于正常样本的差异峰位，再借助支持向量机模型对降维后的光谱学数据进行分类训练和识别，最终获得不同患病样本相比于正常样本的识别准确率；所述光谱学和人工智能交互的血清分析方法具体包括如下步骤：1准备好纯化后的银纳米线溶液，备用；另外将不同类型患病病人、正常人的外周血血浆样本进行离心处理获得对应血清样本并备用；2将银纳米线溶液分别与上述所有的血清样本按照同样的比例进行液相混合孵化，确保银纳米线与血清充分接触，孵化完毕后利用拉曼光谱仪对所有的样本进行体相的SERS光谱学数据采集，采谱时激光波长为532nm，采谱范围为600cm-1～1800cm-1，每个样本采谱5次；3待所有血清样本的光谱学数据采集完毕后，先将不同来源的血清SERS光谱数据进行降维处理，去除样本数据点中的无关项，最终筛选出能体现数据差异性的有效维度，具体的：通过协方差矩阵算出不同样本间的原始数据维度相关性，再以相关性最低的数据点作为降维处理后的有效维度，这些维度对应不同病例间的差异性峰位；4然后进行算法训练：在进行算法训练和识别时以降维处理后的数据点作为特征值进行二分类处理，将所有样本分成训练集和测试集两部分，然后对每一例样本的数据进行缩放，缩放范围为[0，1]，缩放过程中用的归一化公式为： 这里y是缩放前的数据，y'是缩放后的数据，lower与upper是缩放后数据的最小值、最大值，min与max是缩放前数据的最小值、最大值；对应的支持向量展式为： 其中kx，xi为核函数，上式显示出模型最优解可以通过训练样本的核函数展开；算法处理过程中使用的核函数为径向基核函数即RBF核函数，即： γ就是高斯核函数的超参数；具体为：首先，将原始问题转化为凸优化问题： s.t.yiw·xi+b≥1-ξi，i＝1，2，…，N原始问题：ξi≥0，i＝1，2，…，N；然后进行凸优化问题求解；①原始问题的对偶问题，构造拉格朗日函数： 其中，α为拉格朗日乘子；w为平面上的法向量，决定了超平面的方向；b为位移项，代表超平面到原点的距离；ξ为代表松弛变量；μ为对偶变量，先求对w，b，ξ的极小值，分别求偏导并令导数为0，然后代入原函数，再对极小值求α的极大值，再将求极大转换为求极小，得到对偶问题： 0≤αi≤C，i＝1，2，…，N；选择Kxi,xj=exp-γ‖xi-xj‖2,γ0为核函数；②由KKT条件成立可以得到： 其中C是惩罚系数，即对误差的宽容度，g是选择RBF函数作为核函数后，该函数自带的一个参数，经过libsvm中的参数优化工具grid.py进行网格寻优选择参数C和g最佳参数；关于γ和g的关系，根据以下公式推出： 其中，dx，z为距离，gamma＝γ，也就是g值，与高斯核函数的超参数值相等，σ为函数的宽度参数；核函数和参数C，g选择好后，用训练集进行训练获得针对血清SERS光谱数据的svm模型，此过程中用到的分类决策函数为： 其中的a*由smo算法得到，Kxi,x对应高斯核函数，b*为阈值；选择合页损失函数为损失函数，λ||w||2为正则化项，即： 5再利用测试集对得到的模型进行测试，并将实际情况与模型预测结果进行比对，最终获得识别准确率结果输出。

全文数据：

权利要求：

百度查询： 武汉大学 一种光谱学和人工智能交互的血清分析方法及其应用

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD