CN119495421A 基于传感器阵列早期食管癌呼气特征信息获取方法及系统 (浙江大学)_第1页
CN119495421A 基于传感器阵列早期食管癌呼气特征信息获取方法及系统 (浙江大学)_第2页
CN119495421A 基于传感器阵列早期食管癌呼气特征信息获取方法及系统 (浙江大学)_第3页
CN119495421A 基于传感器阵列早期食管癌呼气特征信息获取方法及系统 (浙江大学)_第4页
CN119495421A 基于传感器阵列早期食管癌呼气特征信息获取方法及系统 (浙江大学)_第5页
已阅读5页,还剩24页未读, 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

基于传感器阵列早期食管癌呼气特征信息本发明提供基于传感器阵列早期食管癌呼对应的特征值以及曲线拟合参数和曲线下面积行GradientSHAP求解,获得各特征的Shapley2获取食管癌患者与健康人群呼气样本中的各挥发性有机物成分将响应数据进行曲线拟合,提取响应数据对应的特征值以及曲线对样本特征数据集的各特征进行GradientSHAP求解,获得各特征的Sha2.根据权利要求1所述的基于传感器阵列早期食管癌呼气特征信息获取方法,其特征采集食管癌患者与健康人群呼气样本,将呼气样本引入气相色谱质谱结合统计学Mann_WhitneyU检验与组学OPLS_DA分析方法筛选具有显著差异性的潜在通过传感器阵列采集呼气中的各挥发性有机物成分的3.根据权利要求2所述的基于传感器阵列早期食管癌呼气特征信息获取方法,其特征将呼气样本通入传感器阵列并采集各传感器的响应数据,并将响应数据进行曲线拟采用粒子群优化算法对阵列中各传感器提取的特征值进行多次重复根据编码后的生理特征和筛选后的响应特征构建样本特征数据集,并基于Local4.根据权利要求3所述的基于传感器阵列早期食管癌呼气特征信息获取方法,其特征3随机初始化一组粒子,每个粒子代表一个特征组,每个特对于每个粒子,将其当前的局部最优解与已有的全局最优解进行比较重复执行,直至适应度值收敛,此时的全局最优粒子代5.根据权利要求3所述的基于传感器阵列早期食管癌呼气特征信息获取方法,其特征预先设定一个局部离群因子的临界值,对样本特征数据集中的每一基于所述局部离群因子,若大于设定的局部离群因子临界值,认6.根据权利要求1所述的基于传感器阵列早期食管癌呼气特征信息获取方法,其特征;7.根据权利要求1所述的基于传感器阵列早期食管癌呼气特征信息获取方法,其特征8.根据权利要求1所述的基于传感器阵列早期食管癌呼气特征信息获取方法,其特征;集,N/ti代表在集合N中去除特征i,Su{i表示子集s中增加特征i,1sl表示集合49.一种基于传感器阵列早期食管癌呼气特征信其中,所述计算机程序被所述处理器执行时实现如权利要求1至5对样本特征数据集的各特征进行GradientSHAP求解,获得各特征的Shapley值,结合统计学Mann_WhitneyU检验与组学OPLS_DA分析方法筛选具有显著差异性的6通过传感器阵列采集呼气中的各挥发性有机物成分的根据各类传感器响应特性,提取半导体式传感器的初始电阻值Ra、电阻变化率根据编码后的生理特征和筛选后的响应特征构建样本特征数据集,并基于Local7;所得的H(ar)为残差块的最终输出。;,f代表函数f中特征i的贡献度,N是所有特征组成的集合,s代表特征子集,N/ti代表在集合N中去除特征i,Su{i表示子集s中增加特征i,Isi表示相色谱质谱联用仪检测呼气样本并基于统计学Mann_WhitneyU检验与组学OPLS_DA分析方的特异性。此外,本发明通过在卷积神经网络中引入基于ResNet_18的残差块及超参数调[0016]图1是本发明实施例的基于传感器阵列早期食管癌呼气特征信息获取方法流程8图6是本发明实施例的引入注意力机制及残差块前后算法训练集和测试集准确率本发明提出的一种基于传感器阵列早期食管癌呼气特征信息获取方法流程如图1[0021]步骤4:对样本特征数据集的各特征进行GradientSHAP求解,获得各特征的[0022]本发明步骤1中根据食管癌患者与健康人群呼气样本的气相色谱分析结果,确定[0023]采用气相色谱质谱联用仪对呼气样本中挥发性有机物的含量进行测量。结合Mann_WhitneyU检验与组学OPLS_DA分析方法筛选变量,获取与食管癌相关性较高的生物时也能极大地增强阵列对呼气中各组分的检9提取的特征进行优化筛选,而后编码受试者的生理特征信息,最后采用LocalOutlier;y=aui8+b2+cr+d对于响应阶段的响应值具有良好的拟合性。为充分体现出不同呼;机性;是粒子i在第k代的历史最好位置(即个体最优g是整个粒子群在第k代的全[0033]利用PSO算法对输入特征进行30次重复筛选,每次筛选后记录全局最优粒子代表第一个残差层内部的两个残差块结构是相同的,输入通道数和输出通道数均为;入注意力机制及残差块前后算法训练集和测试集准确率对比,引入注意力机制及残差块;;f为模型函数。;[0054]计算各特征对应的SHAP值分布,得到模型预测过程中各特征的贡献度及重要[0055]以上为本实施例的一个实施例提供的基于传感器阵列早期食管癌呼气特征信息参见上文中对于基于传感器阵列早期食管癌呼气特征信息获取方法的限定,在此不再赘算机程序可用于执行上述图1提供的基于传感器阵列早期食管癌呼包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read_

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论