鬼佬大哥大
  • / 18
  • 下載費用:30 金幣  

肝纖維化檢測設備和系統.pdf

關 鍵 詞:
纖維化 檢測 設備 系統
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
摘要
申請專利號:

CN201120222828.3

申請日:

20110629

公開號:

CN202477653U

公開日:

20121010

當前法律狀態:

有效性:

有效

法律詳情:
IPC分類號: A61B5/00 主分類號: A61B5/00
申請人: 內蒙古福瑞中蒙藥科技股份有限公司
發明人: 王冠一,楊勇
地址: 012000 內蒙古自治區烏蘭察布市集寧區解放路103號
優先權: CN201120222828U
專利代理機構: 中國國際貿易促進委員會專利商標事務所 代理人: 孫寶海
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201120222828.3

授權公告號:

法律狀態公告日:

法律狀態類型:

摘要

本實用新型公開一種肝纖維化檢測設備和系統,涉及肝纖維化研究技術領域。該肝纖維化檢測設備,包括:瞬時彈性成像設備;接收年齡和血清生化指標的輸入裝置,分別與瞬時彈性成像設備和輸入裝置相連的分類器;與分類器相連的輸出裝置。本實用新型實施例的肝纖維化檢測系統具有無創、實用性強、方法簡便、價格、安全性好等優點。

權利要求書

1.一種肝纖維化檢測設備,其特征在于,包括:瞬時彈性成像設備;接收年齡和血清生化指標的輸入裝置,分別與所述瞬時彈性成像設備和所述輸入裝置相連的分類器;與所述分類器相連的輸出裝置。2.根據權利要求1所述的設備,其特征在于,所述分類器為支持向量機分類器、基于決策器模型的分類器、支持向量回歸模型的分類器、邏輯回歸分析分類器、Adaboost集成分類器、或主成分分析+K近鄰模型分類器。3.根據權利要求2所述的設備,其特征在于,所述分類器包括至少兩個不同的分類器。4.根據權利要求2所述的設備,其特征在于,所述支持向量機分類器為線性持向量機分類器或基于核方法的非線性分類器。5.根據權利要求1所述的設備,其特征在于,所述設備以手持式設備、在線診斷系統、或者單機版計算設備的方式實現。6.一種肝纖維化檢測系統,其特征在于,包括權利要求1至5中任意一項所述的肝纖維化檢測設備;還包括和所述輸入裝置相連血清生化指標檢測設備,所述血清生化指標檢測設備將檢測的所述血清生化指標通過輸入裝置發送給所述分類器。?

說明書

技術領域

本實用新型涉及肝纖維化研究技術領域,尤其涉及肝纖維化檢測設備和系統。?

背景技術

目前臨床采用的肝纖維化肝硬化的診斷方法大致有如下幾種:(1)金標準肝穿,即對肝臟組織活檢后病理讀片,對肝纖維化進行分期;常用方法中,乙肝例如分為S0、S1、S2、S3、S4共5期(中國乙肝病理評分標準),丙肝例如分為F0、F1、F2、F3、F4共5期(Metavir評分);該方法屬于有創診斷方法;(2)血清檢測,目前已經有十幾個血清學指標模擬的診斷模型,這些模型根據不同的血清學生化指標的組合,用數學計算(例如統計回歸方法)得出數學公式;(3)影像檢測,如超聲波檢查法,磁共振(MR)成像以及其他影像學方法;(4)超聲彈性成像設備,如FibroScan(FS),測定出肝臟的硬度數值,不同的數值范圍表示出在不同的分期;該方法也可以列入影像檢測的范圍;(5)另外,還有新興的基因檢測,如蛋白組學圖譜。?

但是,金標準肝穿屬于有創診斷方法,患者需要較長時間恢復,存在安全性問題,而且樣本偏差影響結果;現存的血清標志物生化模型,因準確率、靈敏度較低,或費用較高等原因,在臨床并沒有廣泛推廣使用;影像方法受到設備的限制;FS測定硬度值不僅作為肝纖維化檢測,也對相應肝臟功能及病變有一定關聯,Fibroscan雖然已推廣應用,但由于其限制性,一些患者無法檢測。?

根據實際情況提供便于應用、準確率高的肝纖維化無創診斷,一直是本領域努力尋求的目標。?

發明內容

本實用新型的一個目的是提供一種肝纖維化檢測設備和系統,能夠提高檢測準確率、靈敏度和特異度。?

根據本實用新型的一個方面,提供一種肝纖維化檢測設備,包括:瞬時彈性成像設備;接收年齡和血清生化指標的輸入裝置;分別與所述瞬時彈性成像設備和所述輸入裝置相連的分類器;與所述分類器相連的輸出裝置。?

所述血清生化指標至少包括血小板、透明質酸、血清直接膽紅素、凝血酶原時間、血清谷(氨酸)丙(酮酸)轉氨酶和血清谷(氨酸)草(酰乙酸)轉氨酶;所述瞬時彈性成像設備獲取肝組織的瞬時彈性成像數據,發送給所述分類器;所述分類器根據所述輸入裝置接收的所述年齡和血清生化指標、所述肝組織的瞬時彈性成像數據進行肝纖維化分期,將所述肝纖維化分期結果發送給所述輸出裝置,所述輸出裝置輸出所述分類器的所述肝纖維化分期或炎癥診斷結果。?

優選地,所述血清生化指標還包括血清堿性磷酸酶(ALP;AKP)、血清膽堿酯酶(ChE)、活動度(PTA)三者,或者其中的任意一個或兩個。?

優選地,所述血清生化指標還包括轉化生長因子β1(TGF-β1)和α2巨球蛋白(AMG)。?

優選地,所述分類器接收肝組織的瞬時彈性成像數據,根據所述年齡、所述血清生化指標、和所述肝組織的瞬時彈性成像數據進行肝纖維化分期或炎癥診斷,將肝纖維化分期或炎癥診斷結果發送給所述輸出裝置。?

優選地,所述分類器為支持向量機分類器、基于決策器模型的分類器、支持向量回歸模型的分類器、logistic?regression分類器、Adaboost集成分類器、或PCA+KNN模型分類器。?

優選地,所述分類器包括至少兩個不同的分類器,基于所述至少兩個不同的分類器的結果進行投票獲得肝纖維化分期。?

優選地,所述支持向量機分類器為線性持向量機分類器或基于核方?法的非線性分類器。?

優選地,該設備還包括用于接收訓練樣本數據、根據所述訓練樣本數據確定所述分類器的參數的參數訓練器;其中,所述訓練樣本數據至少包括所述年齡和血清生化指標數據,以及對應的肝纖維化分期。?

優選地,該設備還包括用于接收訓練樣本數據、根據所述訓練樣本數據確定所述分類器的參數的參數訓練器;其中,所述訓練樣本數據至少包括所述年齡、血清生化指標、瞬時彈性成像數據,以及對應的肝纖維化分期。?

優選地,所述設備以手持式設備、在線診斷系統、或者單機版計算設備的方式實現。?

根據本實用新型的另一方面,還提供一種肝纖維化檢測系統,包括上述肝纖維化檢測設備和和與所述肝纖維化檢測設備相連的瞬時彈性成像設備;其中,所述瞬時彈性成像設備獲取肝組織的瞬時彈性成像數據,發送給所述分類器;所述分類器根據所述年齡、所述血清生化指標和所述肝組織的瞬時彈性成像數據進行肝纖維化分期,將所述肝纖維化分期結果發送給所述輸出裝置。?

優選地,該系統還包括血清生化指標檢測設備,所述血清生化指標檢測設備和所述輸入裝置相連,將檢測的所述血清生化指標通過輸入裝置發送給所述分類器。?

本實用新型的肝纖維化檢測設備和系統,結合年齡和選擇的血清生化指標進行肝纖維化分期,充分利用各種檢測結果,使得肝纖維化分期的結果更準確。?

進一步,本實用新型的肝纖維化檢測設備和系統,結合年齡和選擇的血清生化指標、肝組織的瞬時彈性成像數據進行肝纖維化分期,充分利用各種檢測結果,使得肝纖維化分期的結果更準確。?

附圖說明

圖1示出根據本實用新型的肝纖維化檢測設備的第一實施例的結構圖;?

圖2示出根據本實用新型的肝纖維化檢測設備的第二實施例的結構圖;?

圖3示出根據本實用新型的肝纖維化檢測系統的第三實施例的結構圖;?

圖4示出瞬時彈性成像設備及其探頭的一個實施例的示意圖;?

圖5示出根據本實用新型的肝纖維化檢測系統的第四實施例的結構圖;?

圖6示出根據本實用新型的肝纖維化檢測設備的第五實施例的結構圖;?

圖7示出最大間隔SVM分類超平面的例子的示意圖;?

圖8示出非線性SVM算法例子示意圖。?

具體實施方式

下面參照附圖對本實用新型進行更全面的描述,其中說明本實用新型的示例性實施例。在附圖中,相同的標號表示相同或者相似的組件或者元素。?

在本文中,向量是某患者提供的各種指標集合,模型f是一個映射函數:x?→{0,1,2,....,n},n例如取值3、4、或者其他整數。即,給定患者指標向量x,模型預測該患者的肝纖維化病理分期為f(x),f(x)的取值為集合{0,1,2,....,n}n種離散值中的一個。特定的指標以及分類模型是該技術的重要內容。下面將介紹本專利所采用的指標以及分類模型。?

圖1示出根據本實用新型的肝纖維化檢測設備的第一實施例的結構圖。如圖1所示,該實施例中肝纖維化檢測設備包括輸入裝置11、分類器12和輸出裝置13。其中,輸入裝置11用于接收年齡和血清生化指標,該血清生化指標至少包括血小板、透明質酸(HA)、血清直接膽紅素(DBIL)、凝血酶原時間(PT)、血清谷(氨酸)丙(酮酸)轉氨酶(ALT;GPT)和血清谷(氨酸)草(酰乙酸)轉氨酶(AST;GOT)。分類器12根據輸入裝置11接收的年齡和血清生化指標進行肝纖維化分期,將肝纖維化分期結果發送給輸出裝置13;分類器12根據接收的血小板、?血清谷(氨酸)丙(酮酸)轉氨酶(ALT;GPT)和血清谷(氨酸)草(酰乙酸)轉氨酶(AST;GOT)三個指標獲得兩個專家引入的比值:血清谷(氨酸)草(酰乙酸)轉氨酶(AST;GOT)/血小板和血清谷(氨酸)草(酰乙酸)轉氨酶(AST;GOT)/血清谷(氨酸)丙(酮酸)轉氨酶(ALT;GPT),替代血清谷(氨酸)草(酰乙酸)轉氨酶(AST;GOT)、血清谷(氨酸)丙(酮酸)轉氨酶(ALT;GPT)作為分類器的輸入參數。輸出裝置13輸出分類器12的肝纖維化分期結果。對于分類器12,可以是支持向量機分類器、基于決策器模型的分類器、支持向量回歸模型的分類器、logistic?regression(邏輯回歸分析)分類器、Adaboost集成分類器、或PCA(Principal?Component?Analysis,主成分分析)+KNN(K?Nearest?Neighbor,K近鄰)模型分類器。分類器12可以通過軟件在計算設備上實現,或者通過專用硬件、電路、或設備實現。?

上述實施例中,分類器通過年齡和選擇的血清生化指標進行肝纖維化的檢測,可以獲得比現有技術的檢測方法更準確的檢測效果,由于血清生化指標血小板、透明質酸(HA)、血清直接膽紅素(DBIL)、凝血酶原時間(PT)、血清谷(氨酸)丙(酮酸)轉氨酶(ALT;GPT)和血清谷(氨酸)草(酰乙酸)轉氨酶(AST;GOT)的檢測比較普及,一般醫院都能實現,因此,可以擴大該方案的應用和普及,以及降低整個檢測的成本和難度。此外,可以根據實際需要選擇不同的分類器,從而提高實際中的分類器的準確率。?

本實用新型中的肝纖維化檢測設備,可根據臨床需求,采用多種實現形式。根據本實用新型的一個實施例,該輸入裝置、分類器和輸出裝置位于一計算機上,輸入裝置和輸出裝置對應于計算機的鍵盤、觸摸屏、鼠標、設備接口等輸入設備和顯示屏、音頻輸出設備、輸出接口等輸出設備;分類器可以通過軟件實現,或者通過與主板相連的專用分類器電路實現。通過計算機實現該檢測設備,可以充分利用計算機普及率高的特性,降低該檢測設備的實現成本。根據本實用新型的另一個實施例,輸入裝置、分類器和輸出裝置位于同一便攜式手持設備上,該手持設備可以是通用手持電腦,或者是用于肝纖維化診斷的專用設備。將檢?測設備以手持設備的方式實現,提高了該設備使用的便利性和靈活性。根據本實用新型的一個實施例,該肝纖維化檢測設備也可以通過在線診斷系統的方式實現,下面結合圖2介紹一種在線診斷系統的具體實現。?

根據本實用新型的一個實施例,血清生化指標還包括血清堿性磷酸酶(ALP;AKP)、血清膽堿酯酶(ChE)、活動度(PTA)三者,或者上述三個指標中的任意一個或兩個。?

根據本實用新型的一個實施例,血清生化指標還包括轉化生長因子β1(TGF-β1)和α2巨球蛋白(AMG);分類器用于根據輸入裝置接收的年齡、和血清生化指標進行肝纖維化分期。?

上述實施例中,分類器通過年齡和選擇的血清生化指標進行肝纖維化的檢測,可以獲得比現有技術的檢測方法更準確的檢測效果。?

圖2示出根據本實用新型的肝纖維化檢測設備的第二實施例的結構圖。如圖2所示,輸入裝置21可以是計算機、平板電腦、PDA等設備,作為輸入裝置的設備可以通過有線、無線等方式和分類器22相連,分類器22可以是服務器、計算機或者專用設備;分類器22輸出的肝纖維化分期結果可以通過輸出裝置23輸出,也可以通過輸入裝置21輸出給用戶。通過在線診斷系統的方式實現該檢測設備,只需要一個位于后臺的分類器,可以包括多個輸入端和輸出端,從而可以實現對更多診斷部門的檢測支持,從而降低了單位檢測成本。?

根據本實用新型的一個實施例,分類器的輸入除了上述實施例提到的年齡和血清生化指標,還可以包括肝組織的瞬時彈性成像數據,即通過瞬時彈性成像設備獲得的肝組織的硬度值。?

圖3示出根據本實用新型的肝纖維化檢測系統的第三實施例的結構圖。如圖3所示,該實施例中肝纖維化檢測系統包括輸入裝置31、分類器32、輸出裝置33和瞬時彈性成像設備34。輸入裝置31和輸出裝置33可以參見上述實施例的描述,為簡潔起見在此不再詳細描述。瞬時彈性成像設備34能夠獲取肝組織的瞬時彈性成像數據;分類器33從瞬時彈性成像設備34接收肝組織的瞬時彈性成像數據,根據年齡、血清生化指標和肝組織的瞬時彈性成像數據進行肝纖維化分期。瞬時彈性?成像設備34例如是FibroScan,獲得肝組織的FibroScan硬度值。?

上述實施例中,結合年齡、血清生化指標和肝組織的瞬時彈性成像數據進行肝纖維化分期,可以充分利用各種檢測結果,使得肝纖維化分期的結果更準確。?

根據本實用新型的一個實施例,該系統還包括血清生化指標檢測設備,血清生化指標檢測設備對試劑盒中的樣品進行檢測,獲得血清生化指標數據,通過輸入裝置發送到分類器。?

圖4示出瞬時彈性成像設備及其探頭的一個實施例的示意圖。如圖4所示,該彈性成像設備44包括探頭接口(Probe?Socket)441,用于連接超聲探頭45,還包括數據傳輸接口442,用于連接計算機或者網絡以傳輸數據。超聲探頭45包括超聲傳感器(Ultrasound?transducer)443、開關按鈕(Button)444、電動轉換器(electrodynamics?transducer)445、傳輸線(Connection?cable)446和插座(Jack)447。?

如果訓練分類器參數的數據樣本數較少,依賴單個模型很可能出現over-fitting的問題,即使在已有的樣本上可以得到很好的正確率,可能不具有好的推廣性能,難以正確地預測未知的樣本。?

為了解決這個問題,可以采用Bagging的方法:訓練多個獨立的分類器,最后的分類結果根據多個分類器的結果投票得到。這樣在某種程度上可以解決只用單獨一個模型進行預測時的不魯棒性。跟傳統的Bagging方法不完全相同,使用類似交叉驗證的方法,每一次將樣本隨機劃分為n等分,用其中的n-1份訓練分類器(參數也在這個時候通過網格搜索法確定),剩下的一份進行預測。這樣,根據預測的結果進行模型的篩選。通過重復若干次這樣的隨機劃分,每一次隨機劃分都能選出一定的模型。最后,將得到的所有模型融合在一起,通過投票的方式進行最后分類結果的確定。?

圖5示出根據本實用新型的肝纖維化檢測系統的第四實施例的結構圖。如圖5所示,該實施例中肝纖維化檢測系統包括輸入裝置31、分類器52、輸出裝置33和瞬時彈性成像設備34。其中,輸入裝置31、?輸出裝置33和瞬時彈性成像設備34可以參見上述實施例的描述,為簡潔起見在此不再詳細描述。分類器52包括表決器523、兩個或者兩個以上子分類器如第一子分類器521、第二子分類器522、…等。每個子分類器521、522等根據年齡、血清生化指標和肝組織的瞬時彈性成像數據進行肝纖維化分期獲得各自的肝纖維化分期結果,并將其肝纖維化分期結果輸出到表決器523,表決器523根據各個子分類器的肝纖維化分期結果通過例如投票的方式確定輸出的肝纖維化分期結果。?

圖6示出根據本實用新型的肝纖維化檢測設備的第五實施例的結構圖。如圖6所示,該實施例中肝纖維化檢測設備包括輸入裝置31、分類器32、輸出裝置33和瞬時彈性成像設備34和參數訓練器65。參數訓練器65接收訓練樣本數據,根據訓練樣本數據確定分類器的參數;其中,訓練樣本數據可以包括年齡、血清生化指標數據和對應的肝纖維化分期;或者,訓練樣本數據可以包括年齡、血清生化指標數據、肝組織的瞬時彈性成像數據和對應的肝纖維化分期。根據已有的樣本,可以訓練得到肝纖維化分類模型。考慮到樣本可能不斷豐富,因此,設計了一種模型的自學習策略。將以上模型的學習策略完全寫成自動的訓練過程,輸入接口就是樣本集;輸出接口則為最終使用的預測函數。因此,一旦更新了樣本集之后,只需要調用程序的自動訓練功能,就可以完成模型的自學習過程。同時,舊的模型也會相應地被備份保存,以應對突發情況下的模型恢復工作。?

下面結合支持向量機的具體例子對分類模型進行介紹。下面我們將詳細說明該分類模型的訓練策略;涉及到特征向量時,統一用向量x表示。?

1.模型的“分解-合并“策略?

分解?

原問題需要預測一個樣本屬于5類硬度值中的哪一類,直接做比較復雜,首先把分類問題分解為四個子問題:?

Sub?Pr?oblem1:??S>=1??vs??S<1?

Sub?Pr?oblem2:??S>=2??vs??S<2?

Sub?Pr?oblem3:??S>=3??vs??S<3?

Sub?Pr?oblem4:??S>=4??vs??S<4?

???????????????????????????????????????(1)?

每一個子問題都是一個二值分類問題。比如子問題1,意思就是給定一個樣本,要判斷它的硬度值是要大于等于1,還是要小于1。其余的同理。?

對每一個子問題(兩類分類問題),采用支持向量機(Support?Vector?Machine,SVM)分類模型進行訓練。最后一共學習到四個子模型fi(x),i=1,2,3,4。fi(x)的輸出為0或者1。?

關于支持向量機,詳細的介紹見下一小節。?

合并?

在完成上述四個子問題模型之后,就可把子問題合并為最終的決策規則。四個子模型預測的結果為一個序列(f1,f2,f3,f4),序列的每一個值取值為0或者1,因此共有16種可能的序列取值。每一種取值對應的最終預測結果按照表2的規則進行決策。?

表1:子模型合并規則?

2.支持向量機(Support?Vector?Machine,SVM)分類模型?

上面提及,每一個模型分解為四個子模型,每一個子模型是一個兩類分類問題。我們采用的是支持向量機作為基本分類器。?

支持向量機是一種優秀的分類模型,它根據最大化分類間隔(margin?maximization)原理將樣本空間中的樣本進行分類,在獲得較小的訓練錯誤率的同時,保證較好的推廣性能(對未知樣例進行預測的能力)。?

圖7給出了在線性可分情況下SVM分類器的一個示意圖。?

圖7:最大間隔SVM分類超平面示意圖。實心和空心兩堆點代表兩類樣本點。中間實線的分類面比其余所有的虛線分類面具有更大的分類間隔,因而具有更好的推廣性能。?

線性SVM?

簡單來看,SVM是一種線性分類器。對于一個兩類分類問題,給定訓練數據集?這里xi∈Rd,i=1,2,..n是特征向量,yi∈{+1,-1},i=1,2,..n是樣本的標簽。分類的規則為:?x是待分類的新樣本,?是SVM分類器模型分類的結果。sign(x)是符號函數,當x>=0,sign(x)=1;當x<0,sign(x)=-1。?

這里決定分類器的兩個變量是,它們需要從數據中訓練出來。具體來說由下述方程式求解得到:?

( w * , b * ) = arg min ( w , b ) 1 2 | | w | | 2 2 + C Σ i = 1 n ξ i ]]>

s . t . : ∀ i , y i ( w T x i + b ) ≥ 1 - ξ i , ξ i ≥ 0 - - - ( 2 ) ]]>

其中C是一個權衡訓練錯誤率和推廣性能的參數,一般通過交叉驗證確定。?

事實上,方程1確定的優化問題可以轉化為如下的對偶問題:?

α * = arg max α α T e - 1 2 α T D α ]]>

s.t.:0≤α≤C,αTy=0??(3)?

這里α=[α1,...,αn]T,y=[y1,...,yn]T,D=(Dij),?求解對偶問題得到對偶變量α的值之后,原問題的解(w,b)可以直接得到:?因此最終的分類器可以寫成:?

非線性SVM?

SVM也可以學習出非線性模型。它利用核方法(kernel?method)使用特定的非線性映射將樣本從原空間映射到一個更高維的特征空間,使得在原始空間線性不可分的數據可以在高維空間線性可分。這樣,在高維空間設計一個線性模型,就等價于在原始空間設計出的非線性模型。圖8給出了一個通過多項式核函數將二維的樣本升維到三維空間,從而使得原始現行不可分的樣本在高維空間線性可分的示意圖。?

圖8:非線性SVM算法示意圖。原始樣本線性不可分。通過如下公式進行變化:?

Φ:R2→R3

使用kernel方法將原始方法升維到高維空間,在高維空間線性可分,這等價于在原始空間非線性可分。?

從前面的線性SVM可以看到,不管是SVM的對偶形式還是最后的分類器解,都可以寫成樣本內積的形式?因此,使用kernel方法進行樣本的非線性映射Φ:x→Φ(x)。這樣在映射后的高維空間,樣本之間的內積可以很容易地計算:Φ(xi)TΦ(xj)=K(xi,xj)。K就是kernel函數,比如高斯核函數:?

K ( x i , x j ) = exp ( - ( x i - x j ) 2 2 σ 2 ) - - - ( 5 ) ]]>

因此,非線性SVM的分類器可以寫成?其中,對偶變量可以通過求解對偶問題6得到:?

α * = arg max α α T e - 1 2 α T D K α ]]>

s.t.:0≤α≤C,αTy=0???(6)?

這里α=[α1,...,αn]T,e=[1,....,1]T,y=[y1,...,yn]T,?

核函數(Kernel?function)一般來說需要滿足Mercer條件,常見?的核函數有三種:?

1)多項式核函數:K(xi,xj)=(xTy+c)p,c∈R?

2)高斯核函數:K(xi,xj)=exp(-(xi-xj)2/(2σ2))?

3)Sigmoid核函數:K(xi,xj)=tanh(kxTy-δ)?

可以采用非線性SVM作為最基本的分類器,kernel選擇高斯核。?

上述采用的生化指標和模型獲得優選參數。事實上,采用上述的策略,還延伸得到了另外幾組參數:?

1.指標參數?

表2?

下面對上述模型使用的特征的序號進行醫學含義的標注:?

表3?

上述特征5和8是根據專家建議引入的兩個比值特征,它們涉及到三個特征2、14、15,特征2在上表中已經出現過了,特征14、15如下:?

表4?

表5?

表6?

表7?

注意,特征不分先后順序。各種模型涉及到13種不同的特征,分為三種類型:年齡、血清生化指標和FibroScan硬度值;血清生化指標包括血小板、透明質酸(HA)、血清直接膽紅素(DBIL)、凝血酶原時間(PT)、血清谷(氨酸)丙(酮酸)轉氨酶(ALT;GPT)和血清谷(氨酸)草(酰乙酸)轉氨酶(AST;GOT)、轉化生長因子β1(TGF-β1)、α2巨球蛋白(AMG);獲取它們所需的代價是不同的。?

采用不同的特征,可以訓練得到不同的模型。?

1)模型一用的特征最少,使用的全部都是檢測比較普及,一般醫院都能實現的生化指標特征,因而模型最簡單;?

2)模型四使用了全部的特征,模型精度相對最高,但是由于使用的特征涉及到FibroScan硬度值和血清生化指標轉化生長因子β1(TGF-β1)、α2巨球蛋白(AMG),因而特征的采集上代價較大;?

3)模型二和模型三相應的采取了權衡策略,綜合考慮了模型的精度和特征采集的所需的代價,是兩種折衷的方案。?

下表8示出了上述4個模型的試驗結果數據:?

表8?

本實用新型的實施例依據“金標準”設計了基于血清生化指標和FibroScan指標等醫學指標的分類模型,無損地對肝纖維化分期進行預測。通過對患者進行特定生化指標的化驗,獲得患者病況的特征向量。模型根據特征向量,預測病人現在的病理分期S0-S4(或F0-F4)(級別越高,代表肝纖維化越嚴重)。?

本實用新型的技術方案從眾多個參數中篩選,主要數據有:性別、年齡、乙肝病毒DNA載量、各種肝酶指標、相關膽固醇和幾乎所有的生化指標、肝纖維化特殊檢測指標、FibroScan硬度值等。通過對以上所有的參數進行分析處理和演算,最終確定臨床與肝纖維化相關性最好的n個血清生化指標,并結合FS檢測結果得出肝纖維化肝硬化診斷模型。?

考慮到各醫院設備和生化檢測水平不統一的情況,為方便不同醫院的檢測,還分為兩個版本。?

1)FS+生化檢測模型):用于肝病專科醫院/門診,指標涵蓋FS硬?度值和血清生化指標血小板、透明質酸(HA)、血清直接膽紅素(DBIL)、凝血酶原時間(PT)、血清谷(氨酸)丙(酮酸)轉氨酶(ALT;GPT)和血清谷(氨酸)草(酰乙酸)轉氨酶(AST;GOT)。?

2)FS+所有相關生化指標的檢測模型):用于有檢測設備,科研水平較高的肝病專科醫院/門診,深度解決診斷問題。指標涵蓋血清生化指標血小板、透明質酸(HA)、血清直接膽紅素(DBIL)、凝血酶原時間(PT)、血清谷(氨酸)丙(酮酸)轉氨酶(ALT;GPT)和血清谷(氨酸)草(酰乙酸)轉氨酶(AST;GOT)、FS硬度值和血清生化指標轉化生長因子β1(TGF-β1)、α2巨球蛋白(AMG)。?

本實用新型實施例的肝纖維化檢測系統具有無創、實用性強、方法簡便、價格、安全性好等優點:?

(1)無風險。根據FibroScan無創診療設備及相關血生化結果,診斷系統可以通過模型分析,判斷肝病患者的肝纖維化程度,幾乎不存在任何風險,也不會對病人有任何創傷。?

(2)綜合費用低。由于做肝穿刺除了需要血液化驗外,還需要做穿刺手術與后期創傷治療,所以綜合費用要高于無創診斷的方法。?

(3)方法簡便易行、臨床應用范圍廣。Fibroscan的操作者獲得證書所需時間較短,且簡便易操作;生化指標檢測無需再進行特殊培訓,醫院本身已具備條件;兩者相結合的無創模型,臨床應用范圍廣泛。?

本實用新型的描述是為了示例和描述起見而給出的,而并不是無遺漏的或者將本實用新型限于所公開的形式。很多修改和變化對于本領域的普通技術人員而言是顯然的。選擇和描述實施例是為了更好說明本實用新型的原理和實際應用,并且使本領域的普通技術人員能夠理解本實用新型從而設計適于特定用途的帶有各種修改的各種實施例。?

關于本文
本文標題:肝纖維化檢測設備和系統.pdf
鏈接地址:http://www.wwszu.club/p-6951579.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大