[发明专利]一种基于光谱的阿尔茨海默症智能检测装置

权利要求书

1.一种基于光谱的阿尔茨海默症智能检测装置，其特征在于：包括光谱采集模块、数据处理模块、模型特征波数选取模块、多模型检测模块、检测特征波数选取模块、检测与判断模块以及显示模块；

所述光谱采集模块采集不同症状阶段阿尔茨海默症患者和健康对照组的血浆样本，并测量血浆样本的FTIR-ATR光谱数据，构成血浆光谱样本集；

根据阿尔茨海默病分级体系总体衰退量表涉及Reisnberg规定的七个阶段，将阿尔茨海默症划分为早期症状阶段、中前期症状阶段、中后期症状阶段以及晚期症状阶段；

所述数据处理模块对血浆样本的光谱数据进行基线校正预处理，并求取预处理后光谱数据的一阶导数光谱和二阶导数光谱；将血浆光谱样本集按照阿尔茨海默症早期、中前期、中后期和晚期不同阶段和健康对照组光谱样本一起进行划分，形成阿尔茨海默症不同阶段检测筛查与判断模型的训练集和测试集；

所述模型特征波数选取模块利用所有训练集中的阿尔茨海默症血浆光谱样本，定义并计算阿尔茨海默症患者的原始血浆光谱、一阶导数光谱和二阶导数光谱的同步二维自相关光谱；将蛋白结构变异所对应的波数范围作为用于驱动阿尔茨海默不同症状阶段检测模型切换的模型特征波数的预选集合；利用非参数检验中的累积分布函数定义量化训练样本光谱数据分布差异的统计变量，并依据统计变量进一步设计显著性指标函数对预选集合内的模型特征波数进行显著性排序；再依据训练集样本标签，利用层次聚类方法按照模型特征波数显著性排序迭代选取模型特征波数，直至满足训练集标签所示的结果，最终获得阿尔茨海默症早期、中前期、中后期和晚期的模型特征波数；

所述多模型检测模块针对阿尔茨海默症不同病程间的异质性，利用随机森林构建多个适用于不同阶段阿尔茨海默病的检测模型，并根据模型特征波数来驱动不同检测模型间的切换，实现对不同症状阶段的待测样本采用不同的检测模型进行检测；

所述检测特征波数选取模块基于阿尔茨海默症患者和健康对照组的血浆光谱数据自身统计分布特性，利用非参数检验中定义的统计量获得训练样本的全部光谱波数的检测显著性指标值并进行排序；利用随机森林检测方法，基于训练集样本数据，依据光谱波数的显著性排序进行光谱波数的迭代搜索选取，直至满足阿尔茨海默症不同阶段的检测模型的性能指标，最终确定不同症状阶段检测模型的检测特征波数；

所述检测与判断模块依据多模型检测系统模块切换的检测模型以及所对应的检测特征波数完成阿尔茨海默疾病的检测，并由显示模块显示检测与判断的结果；同时，通过检测模型的评价指标评价模型的应用性能；

所述多模型检测模块根据模型特征波数来驱动不同检测模型间切换的原则如下：

将模型特征波数集合表达为：v_MF＝{v₁，v₂，…v_k}；则测试样本在模型特征波数上对应的吸收度训练集中不同阶段阿尔茨海默症光谱样本在模型特征波数上对应的吸收度表达为：不同阶段阿尔茨海默症光谱样本集的类中心点，采用如下公式计算：

其中，l是不同阶段阿尔茨海默症样本集中的样本个数；

则阿尔茨海默早期症状光谱样本集的中心点是阿尔茨海默中前期症状光谱样本集的中心点是阿尔茨海默中后期症状光谱样本集中心点是阿尔茨海默晚期症状光谱样本集中心点是，

定义测试样本到各样本集中心点距离为D_Mild，D_Mode-I，D_Mode-II和D_Term，则测试样本到阿尔茨海默症各阶段光谱样本集中心点的最短距离为D_min＝min{D_Mild，D_Mode-I，D_Mode-II，D_Term}；此最短距离决定了测试样本应切换到的相应检测模型，即为不同症状阶段检测模型的自适应切换规则。