本發(fā)明涉及抑郁癥診斷，具體為基于干燥血近紅外光譜建立抑郁癥診斷模型的方法。

背景技術(shù)：

1、抑郁癥，是一種以顯著而持久的心境低落為主要臨床特征的心境障礙。這種心境低落與其處境不相稱，表現(xiàn)為從悶悶不樂到悲痛欲絕，甚至悲觀厭世，嚴(yán)重時(shí)可出現(xiàn)幻覺、妄想等精神病性癥狀。抑郁癥異質(zhì)性高、發(fā)病機(jī)制復(fù)雜，目前其診斷和治療主要基于臨床癥狀表象，存在主觀性和經(jīng)驗(yàn)性，亟需發(fā)展基于客觀生物標(biāo)記物的早期預(yù)警和精準(zhǔn)診療方法。

2、近紅外光譜是一種重要的光譜分析技術(shù)，其波長(zhǎng)范圍介于可見光(vi?s)與中紅外光譜(mir)之間，通常定義為780nm至2500nm。這一光譜區(qū)域主要反映含氫鍵和有機(jī)分子振動(dòng)的倍頻和合頻振動(dòng)，其光譜特征與有機(jī)分子的種類和含量高度相關(guān),因此特別適用于有機(jī)化合物和生物分子的分析。

3、通過獲取抑郁癥患者血樣近紅外光譜特征，結(jié)合機(jī)器學(xué)習(xí)算法，建立近紅外光譜特征快速識(shí)別模型，有望實(shí)現(xiàn)抑郁癥患者近紅外光譜譜圖結(jié)果的快速識(shí)別。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供的發(fā)明目的在于提供基于干燥血近紅外光譜建立抑郁癥診斷模型的方法。通過本發(fā)明基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，無(wú)需樣品前處理，僅通過微量血即可完成譜圖識(shí)別結(jié)果，操作簡(jiǎn)單、快捷。采集的干燥血近紅外光譜，與直接采集的液態(tài)血的近紅外光譜相比，沒有水峰的強(qiáng)干擾，顯示出更多更強(qiáng)的特征信號(hào)。篩選出的重要特征建模，大大降低了近紅外光譜特征維度，增加了計(jì)算速率和模型準(zhǔn)確度。

2、為了實(shí)現(xiàn)上述效果，本發(fā)明提供如下技術(shù)方案：基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，包括以下步驟：

3、s1、采集并保存若干臨床抑郁癥病人和健康對(duì)照的少量血樣本；

4、s2、將步驟s1所得血樣本滴加到透明石英玻片上制得干燥血樣本，采集干燥血近紅外光譜形成光譜集；

5、s3、將步驟s2得到的近紅外光譜集按照一定的方法對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理，并通過機(jī)器學(xué)習(xí)算法建立多個(gè)基礎(chǔ)模型；

6、s4、對(duì)步驟s3所建立的多個(gè)基礎(chǔ)模型分別進(jìn)行shap分析，篩選并合并重要特征后，通過步驟s3所使用的機(jī)器學(xué)習(xí)算法建立模型，并將這些模型與基礎(chǔ)模型對(duì)比，選出最優(yōu)模型作為最終的譜圖識(shí)別模型；

7、s5、采集待診斷臨床病人干燥血的近紅外光譜，并將其代入步驟s4建立的譜圖識(shí)別模型，以獲得譜圖快速識(shí)別結(jié)果。

8、進(jìn)一步的，包括以下步驟：根據(jù)s1中的操作步驟，所述少量血樣本體積為5-10微升，保存溫度為-80℃，常溫解凍后在24小時(shí)內(nèi)完成測(cè)試。

9、進(jìn)一步的，包括以下步驟：根據(jù)s2中的操作步驟，所述透明石英玻片需要進(jìn)行平整度和潔凈度檢查再使用。

10、進(jìn)一步的，包括以下步驟：根據(jù)s2中的操作步驟，所述近紅外光譜集是通過經(jīng)校準(zhǔn)和驗(yàn)證的近紅外光譜儀進(jìn)行光譜采集，以確保數(shù)據(jù)的準(zhǔn)確性。

11、進(jìn)一步的，包括以下步驟：根據(jù)s2中的操作步驟，所述步驟s2采集近紅外光譜的具體方法為：

12、s201、將血樣滴加到透明石英玻片上經(jīng)30分鐘自然晾干后；

13、s202、再次滴加血到晾干的血之上經(jīng)30分鐘自然晾干；

14、s203、重疊滴加1-3次后，在透射模式下采集近紅外光譜。

15、進(jìn)一步的，包括以下步驟：根據(jù)s2中的操作步驟，所述近紅外光譜的采集范圍為4000-12000cm-1，分辨率范圍1-16cm-1，掃描次數(shù)范圍為2-64次。

16、進(jìn)一步的，包括以下步驟：根據(jù)s3中的操作步驟，所述近紅外光譜集對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理方法包括sg平滑(savitzky-golay，sg)、小波變換(wavelet?transform，wt)、移動(dòng)窗口平均(moving?window?average，mwa)、標(biāo)準(zhǔn)正態(tài)變量變換(standard?normal?variatetransformation，snv)、多元散射校正(multiple?scattering?correction，msc)、歸一化(normalization，norm)、均值中心化(mean?centering，mc)、標(biāo)準(zhǔn)化(standardization，s)、一階求導(dǎo)、二階求導(dǎo)中的至少一種。

17、進(jìn)一步的，包括以下步驟：根據(jù)s3中的操作步驟，所述多種機(jī)器學(xué)習(xí)算法包括主成分-線性判別分析(principal?component?analysis-linear?dscriminant?analysis，pca-lda)、主成分-二次判別分析(principal?component?analysis-quadratic?discriminantanalysis，pca-qda)、偏最小二乘判別分析(partial?least?squares?discriminantanalysis，plsda)、k最近鄰(k-nearest?neighbor，knn)分類、邏輯回歸(logisticregression)模型、支持向量機(jī)(support?vector?machine，svm)、隨機(jī)森林(randomforests，rf)、極限梯度提升樹(extreme?gradient?boosting，xgboost)、多層感知機(jī)(multilayer?perceptron，mlp)中的一個(gè)或多個(gè)。

18、進(jìn)一步的，包括以下步驟：根據(jù)s4中的操作步驟，所述篩選重要特征的方法是將特征波長(zhǎng)根據(jù)shap絕對(duì)值均值大小排序后，取前總特征值數(shù)量的0.5％-60％。

19、進(jìn)一步的，包括以下步驟：根據(jù)s5中的操作步驟，所述譜圖識(shí)別模型的性能評(píng)價(jià)參數(shù)包括準(zhǔn)確率(accuracy)、受試者工作特征曲線下面積(area?under?curve，auc)、靈敏度(sensitivity)和特異性(specificity)。

20、本發(fā)明提供了基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，具備以下有益效果：

21、(1)本發(fā)明無(wú)需樣品前處理，僅通過微量血即可完成譜圖識(shí)別結(jié)果，操作簡(jiǎn)單、快捷。

22、(2)本發(fā)明采集的干燥血近紅外光譜，與直接采集的液態(tài)血的近紅外光譜相比，沒有水峰的強(qiáng)干擾，顯示出更多更強(qiáng)的特征信號(hào)。

23、(3)本發(fā)明使用篩選出的重要特征建模，大大降低了近紅外光譜特征維度，增加了計(jì)算速率和模型準(zhǔn)確度。

技術(shù)特征：

1.基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，其特征在于，包括以下步驟：

2.根據(jù)權(quán)利要求1所述的基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，其特征在于，包括以下步驟：根據(jù)s1中的操作步驟，所述少量血樣本體積為5-10微升，保存溫度為-80℃，常溫解凍后在24小時(shí)內(nèi)完成測(cè)試。

3.根據(jù)權(quán)利要求1所述的基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，其特征在于，包括以下步驟：根據(jù)s2中的操作步驟，所述透明石英玻片需要進(jìn)行平整度和潔凈度檢查再使用。

4.根據(jù)權(quán)利要求1所述的基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，其特征在于，包括以下步驟：根據(jù)s2中的操作步驟，所述近紅外光譜集是通過經(jīng)校準(zhǔn)和驗(yàn)證的近紅外光譜儀進(jìn)行光譜采集，以確保數(shù)據(jù)的準(zhǔn)確性。

5.根據(jù)權(quán)利要求1所述的基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，其特征在于，包括以下步驟：根據(jù)s2中的操作步驟，所述采集近紅外光譜的具體方法為：

6.根據(jù)權(quán)利要求1所述的基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，其特征在于，包括以下步驟：根據(jù)s2中的操作步驟，所述近紅外光譜的采集范圍為4000-12000cm-1，分辨率范圍1-16cm-1，掃描次數(shù)范圍為2-64次。

7.根據(jù)權(quán)利要求1所述的基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，其特征在于，包括以下步驟：根據(jù)s3中的操作步驟，所述近紅外光譜集對(duì)光譜數(shù)據(jù)進(jìn)行預(yù)處理方法包括sg平滑、小波變換、移動(dòng)窗口平均、標(biāo)準(zhǔn)正態(tài)變量變換、多元散射校正、歸一化、均值中心化、標(biāo)準(zhǔn)化、一階求導(dǎo)、二階求導(dǎo)中的至少一種。

8.根據(jù)權(quán)利要求1所述的基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，其特征在于，包括以下步驟：根據(jù)s3中的操作步驟，所述多種機(jī)器學(xué)習(xí)算法包括主成分-線性判別分析、主成分-二次判別分析、偏最小二乘判別分析、k最近鄰分類、邏輯回歸模型、支持向量機(jī)、隨機(jī)森林、極限梯度提升樹、多層感知機(jī)中的一個(gè)或多個(gè)。

9.根據(jù)權(quán)利要求1所述的基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，其特征在于，包括以下步驟：根據(jù)s4中的操作步驟，所述篩選重要特征的方法是將特征波長(zhǎng)根據(jù)shap絕對(duì)值均值大小排序后，取前總特征值數(shù)量的0.5％-60％。

10.根據(jù)權(quán)利要求1所述的基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，其特征在于，包括以下步驟：根據(jù)s5中的操作步驟，所述譜圖識(shí)別模型的性能評(píng)價(jià)參數(shù)包括準(zhǔn)確率、受試者工作特征曲線下面積、靈敏度和特異性。

技術(shù)總結(jié)
本發(fā)明公開了基于干燥血近紅外光譜建立抑郁癥診斷模型的方法，屬于抑郁癥診斷技術(shù)領(lǐng)域，包括以下步驟：S1、采集并保存抑郁癥病人和健康對(duì)照的血樣本，S2、制備干燥血樣本并采集其近紅外光譜形成光譜集，S3、將近紅外光譜集數(shù)據(jù)進(jìn)行預(yù)處理，建立多個(gè)基礎(chǔ)模型，S4、篩選合并重要特征后，機(jī)器學(xué)習(xí)算法建立模型，選出最優(yōu)模型作為最終的譜圖識(shí)別模型，S5、采集待診斷病人干燥血的近紅外光譜，將其代入譜圖識(shí)別模型，快速識(shí)別結(jié)果。本發(fā)明無(wú)需樣品前處理，僅需微量血即可快速完成待診斷病人的近紅外光譜譜圖識(shí)別，采集的干燥血近紅外光譜與液態(tài)血的光譜相比，沒有水峰的強(qiáng)干擾，特征信號(hào)更多更強(qiáng)，篩選出重要特征建模，增加了計(jì)算速率和模型準(zhǔn)確度。

技術(shù)研發(fā)人員：王剛,劉明霞,楊健,孫作厘,賀毅
受保護(hù)的技術(shù)使用者：首都醫(yī)科大學(xué)附屬北京安定醫(yī)院
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2