[发明专利]一种无创筛查非酒精性脂肪性肝炎模型的构建方法、预测系统、设备及存储介质

权利要求书

1.一种无创筛查非酒精性脂肪性肝炎模型的构建方法，其特征是：所述的检测方法通过以下步骤实现：

步骤一、采集脂肪性肝炎病人的血清、影像和病理数据；

收集数据，包括病人的基本信息、NASH和非NASH病理活检数据、肝脏B超图像和血清实验室检查数据；以及对应病人的肝脏BMP格式的超声图像；

其中，

NASH的中文含义为非酒精性脂肪性肝炎；

基本信息包括年龄、性别、身高、体重、BMI计算、饮酒史、是否合并糖尿病、肝炎病史；BMI的含义是身体质量指数，简称体质指数又称体重，英文为Body Mass Index,简称BMI；

血清实验室检查数据包括白细胞计数、血小板计数、谷丙转氨酶、谷草转氨酶、谷氨酰转肽酶、总胆红素、直接胆红素、凝血时间、碱性磷酸酶、白蛋白、血胆固醇、凝血国际标准化比值、血储铁蛋白、空腹血糖、尿酸、血脂、空腹胰岛素、HOMA指数；

步骤二、血清特征数据预处理；

除去NASH和非NASH病理活检数据，将其余血清变量统一进行如下标准化处理，处理方法为：

(1)将每个数值型变量从小到大排列，将小于第2.5％或者大于第97.5％的视为异常值并分别更改为2.5％和97.5％；

(2)将所有数值型变量归一化，公式为：X_n normalized＝(X_n–X_min)/(X_max–X_min)；其中，X_n表示任一数值型变量，X_n normalized表示数值型变量X_n的归一化后的值，X_max表示数值型变量中的最大值，X_min表示数值型变量中的最小值；

步骤三、血清特征统计筛选；

选取采集的数据中的一部分作为训练组；之后，在训练组里通过斯皮尔曼相关性分析筛选出有显著相关性的指标；之后，通过前向条件多元logistic回归进行统计筛选得出与NASH有关联的血清指标；其中，所述的血清指标为谷草转氨酶、血小板计数、血脂、BMI计算、尿酸；

步骤四、B超特征提取和筛选；

所述的B超特征提取的是指计算提取肝脏组织灰度纹理特征；其中，灰度纹理特征包括灰度共生矩阵、灰度行走游程矩阵、强度直方图和不变矩四方面；

所述的筛选操作包括以下三步：

(1)组内和组间观察者一致性检验超过0.8；

(2)将由(1)步得到的筛选结果进行如下筛选：利用方差阈值法进行初筛操作，涉及的阈值设为1.0；

(3)将由(2)步得到的筛选结果进行如下筛选：采用lasso回归法进行最终筛选；具体为：

首先，采用Lasso回归模型，筛选出有效B超特征，所述的Lasso回归模型的代价函数为：

其中，x_ij代表了第i个病人数据的第j个B超特征变量，y_i是第i个病人数据的响应变量，q表示B超特征变量的总数，m是病人数据的总数，λ为惩罚函数，为最优结果；

然后，将lasso回归法筛选出的非0系数变量作为最终建模的有效B超特征；

步骤五、使用支持向量机SVM整合有效B超特征；

利用支持向量机SVM模型对有效B超影像组特征进行预测，得到预测值R-NASH；其中，所述的SVM模型进行预测的步骤包括以下几步：

(1)选取高斯核函数：空间中x，z为空间任意两点，σ为函数的宽度参数；

(2)构造支持向量机模型：其中α_i和b是待求的系数；α_i是通过求解如下对偶问题而得到：

0≤α_i,i＝1,2,K,N

y_i表示对于输入x_i对应的R-NASH值y_i；

i代表第i个、j代表第j个、a_j、a_i对于第j，i个样本的待求参数；x_i、x_j代表第i，j个样本B超输入特征；y_j、yi代表第j、i个样本对应的整合B超特征R-NASH，N代表样本数量；求得最优解：选择α^*的一个分量满足条件得到最优：

(3)利用得到的SVM模型，对B超影像组特征进行预测，得到预测值R-NASH：

其中，x为有效B超影像组特征构成的向量；

步骤六、获取的血清指标特征和B超的R-NASH特征进行组合，采用多元logistic回归方法，得到非酒精性脂肪性肝炎诊断模型，包括以下步骤：

(1)假定x₁,x₂,K,x_n为预测值R-NASH和其他血清指标特征，g为纤维化指标，回归模型如下：

z＝h_θ(x)＝θ₀+θ₁x₁+θ₂x₂+Λ+θ_nx_n

其中，θ₀,θ₁,θ₂Λθ_n是多元logistic回归的模型参数，n为变量的个数，采用的特征包括了：R-NASH、PLT、AST、BMI、Lipid、Uric acid；

(2)求得模型参数，得到诊断模型为：

Y_NASH＝2.145×R-NASH–0.306×PLT+0.267×AST+1.152×BMI+1.185×Lipid+0.114×Uric acid–3.375；

步骤七、模型确认；

通过模型对比和效能分析，根据ROC曲线的最大约登指数来确认评价NASH的模型阈值范围，从而获得最终参数固定的模型，用于预测。