CN109949942A - 基于铁代谢指标的结核病风险预测模型的构建方法和系统 - Google Patents
基于铁代谢指标的结核病风险预测模型的构建方法和系统 Download PDFInfo
- Publication number
- CN109949942A CN109949942A CN201910093522.3A CN201910093522A CN109949942A CN 109949942 A CN109949942 A CN 109949942A CN 201910093522 A CN201910093522 A CN 201910093522A CN 109949942 A CN109949942 A CN 109949942A
- Authority
- CN
- China
- Prior art keywords
- model
- sample
- iron
- tuberculosis
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 201000008827 tuberculosis Diseases 0.000 title claims abstract description 45
- 230000010438 iron metabolism Effects 0.000 title claims abstract description 22
- 238000010276 construction Methods 0.000 title claims description 17
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 claims abstract description 46
- 210000002966 serum Anatomy 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 26
- 102000008857 Ferritin Human genes 0.000 claims abstract description 24
- 108050000784 Ferritin Proteins 0.000 claims abstract description 24
- 238000008416 Ferritin Methods 0.000 claims abstract description 23
- 229910052742 iron Inorganic materials 0.000 claims abstract description 23
- 238000012549 training Methods 0.000 claims abstract description 23
- 238000013528 artificial neural network Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims abstract description 12
- 102000002070 Transferrins Human genes 0.000 claims abstract description 10
- 108010015865 Transferrins Proteins 0.000 claims abstract description 10
- 238000013210 evaluation model Methods 0.000 claims abstract description 8
- 238000003062 neural network model Methods 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims description 18
- 238000012360 testing method Methods 0.000 claims description 11
- 210000004369 blood Anatomy 0.000 claims description 6
- 239000008280 blood Substances 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000002790 cross-validation Methods 0.000 claims description 4
- 208000032420 Latent Infection Diseases 0.000 claims description 3
- 238000005138 cryopreservation Methods 0.000 claims description 3
- 208000037771 disease arising from reactivation of latent virus Diseases 0.000 claims description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000000926 separation method Methods 0.000 claims description 3
- 210000002784 stomach Anatomy 0.000 claims description 3
- 206010035664 Pneumonia Diseases 0.000 claims description 2
- 230000035876 healing Effects 0.000 claims description 2
- 238000005457 optimization Methods 0.000 claims description 2
- QCVGEOXPDFCNHA-UHFFFAOYSA-N 5,5-dimethyl-2,4-dioxo-1,3-oxazolidine-3-carboxamide Chemical compound CC1(C)OC(=O)N(C(N)=O)C1=O QCVGEOXPDFCNHA-UHFFFAOYSA-N 0.000 claims 1
- 102000002322 Egg Proteins Human genes 0.000 claims 1
- 108010000912 Egg Proteins Proteins 0.000 claims 1
- 235000014103 egg white Nutrition 0.000 claims 1
- 210000000969 egg white Anatomy 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 abstract description 9
- 238000004458 analytical method Methods 0.000 abstract description 4
- 238000012502 risk assessment Methods 0.000 abstract description 4
- 206010020751 Hypersensitivity Diseases 0.000 abstract description 3
- 208000026935 allergic disease Diseases 0.000 abstract description 3
- 230000009610 hypersensitivity Effects 0.000 abstract description 3
- 238000003745 diagnosis Methods 0.000 description 7
- 238000002835 absorbance Methods 0.000 description 6
- 238000006243 chemical reaction Methods 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 102000004338 Transferrin Human genes 0.000 description 4
- 108090000901 Transferrin Proteins 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000002474 experimental method Methods 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 230000010365 information processing Effects 0.000 description 3
- 230000002265 prevention Effects 0.000 description 3
- 239000012581 transferrin Substances 0.000 description 3
- 238000011282 treatment Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 239000003153 chemical reaction reagent Substances 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011010 flushing procedure Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 201000001178 Bacterial Pneumonia Diseases 0.000 description 1
- 208000035473 Communicable disease Diseases 0.000 description 1
- 206010059866 Drug resistance Diseases 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000003149 assay kit Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000012631 diagnostic technique Methods 0.000 description 1
- 229940127121 immunoconjugate Drugs 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 208000033353 latent tuberculosis infection Diseases 0.000 description 1
- 230000002503 metabolic effect Effects 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 102000039446 nucleic acids Human genes 0.000 description 1
- 108020004707 nucleic acids Proteins 0.000 description 1
- 150000007523 nucleic acids Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 210000005259 peripheral blood Anatomy 0.000 description 1
- 239000011886 peripheral blood Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- RXNXLAHQOVLMIE-UHFFFAOYSA-N phenyl 10-methylacridin-10-ium-9-carboxylate Chemical compound C12=CC=CC=C2[N+](C)=C2C=CC=CC2=C1C(=O)OC1=CC=CC=C1 RXNXLAHQOVLMIE-UHFFFAOYSA-N 0.000 description 1
- 238000011321 prophylaxis Methods 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 239000002994 raw material Substances 0.000 description 1
- 239000011541 reaction mixture Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000004879 turbidimetry Methods 0.000 description 1
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了一种基于铁代谢指标的结核病发病风险预测模型的建立方法，包括以下步骤：(1)样本的收集与处理；(2)从样本中测定铁代谢指标，具体包括三种血清铁的数据，即血清铁、转铁蛋白和铁蛋白；(3)使用神经网络的方法拟合训练集进行模型的构建，记录最优模型参数；同时根据ROC曲线使用验证集计算模型分类的阈值，构建得到结核病发病风险评估模型。本发明测定了样本人血清中铁代谢指标的数据，利用神经网络模型对这三个指标进行建模分析，利用算法和铁代谢指标，建立了一种结核病发病风险预测的模型，该模型具有高敏感性、特异性，可用于结核病发病的风险评估。
Description
技术领域
本发明涉及模型的构建方法，具体涉及一种基于铁代谢指标的结核病风险预测模型的构建方法和系统。
背景技术
结核病是严重危害人类健康的慢性传染性疾病。据世界卫生组织2016年报道，全球新发1040万人，死亡140万人，耐药48万人。我国是全球结核病高负担第二的国家，如何提高结核病防治效果是国家布局的重大攻关课题。及时发现和诊断结核病患者，是当前提高治疗成功率，减少疾病传播的结核病防治主要策略。然而，由于结核病的复杂性和特殊性，当前的结核病诊断技术远远不能满足临床的需求。病原学诊断，也就是从患者来源的标本中找到结核菌存在的直接证据，是当前确诊结核病的金标准，具体包括微生物学显微镜检查(分枝杆菌抗酸染色涂片)和分枝杆菌培养，以及近年来发展的核酸检测诊断技术。遗憾的是，这些技术存在敏感性严重不足的缺点，即便联合应用上述三项检测技术的敏感性也不足50％：另外，结核菌培养还存在耗时长(1到2个月)，对生物安全要求高等缺点。这些现实问题，不仅容易造成临床上的误诊和漏诊，延误治疗机会，而且从结核病预防控制的角度，显著增加了结核在社区播散的机会，增加结核病防控的难度。
人工神经网络是由大量处理单元互联组成的非线性、自适应信息处理系统。它是在现代神经科学研究成果的基础上提出的，试图通过模拟大脑神经网络处理、记忆信息的方式进行信息处理。它的构筑理念是受到生物(人或其他动物)神经网络功能的运作启发而产生的。人工神经网络通常是通过一个基于数学统计学类型的学习方法(LearningMethod)得以优化，所以人工神经网络也是数学统计学方法的一种实际应用，通过统计学的标准数学方法我们能够得到大量的可以用函数来表达的局部结构空间，另一方面在人工智能学的人工感知领域，我们通过数学统计学的应用可以来做人工感知方面的决定问题(也就是说通过统计学的方法，人工神经网络能够类似人一样具有简单的决定能力和简单的判断能力)，这种方法比起正式的逻辑学推理演算更具有优势。
铁是维持结核菌和宿主基本代谢的重要微量元素，铁代谢与结核病发生发展关系密切。临床上通过络合法、化学发光法和免疫比浊法来检测人血清样本中铁代谢相关指标：血清铁serum iron、铁蛋白ferritin和转铁蛋白transferrin。我们测定了样本人血清中铁代谢指标的数据，利用神经网络模型(NNET，Neural Network)对这三个指标进行建模分析，该模型是把已知的足够多的系统输入、输出值做为训练样本，按给定的规则训练网络，使该网络的输出误差控制在预定范围内的一种算法。NNET具有大规模并行、分布式存储和处理、自组织、自适应和自学能力，特别适合处理需要同时考虑许多因素和条件的、不精确和模糊的信息处理问题；我们利用该算法和铁代谢指标，建立了一种结核病发病风险预测的模型，该模型具有高敏感性、特异性，可用于结核病发病的风险评估。
发明内容
本发明的目的在于提供一种基于铁代谢指标的结核病风险预测模型的构建方法，利用神经网络算法，构建用于评估结核病发病风险模型。
为实现上述目的，本发明提供了一种基于铁代谢指标的结核病风险预测模型的构建方法，包括以下步骤：
(1)样本的收集与处理；
(2)从样本中测定铁代谢指标，具体包括三种代谢相关指标的数据，即血清铁、转铁蛋白和铁蛋白；
(3)使用神经网络的方法拟合训练集进行模型的构建，记录最优模型参数；同时根据ROC曲线使用验证集计算模型分类的阈值，构建得到结核病发病风险评估模型。
进一步地，所述步骤(1)中样本的收集与处理的具体方法为：每位受试者空腹12h，使用含有分离胶的真空管采集静脉血5mL，血标本室温放置30min～45min后，1000g离心5分钟，分离血清，置洁净试管加盖低温保存。
进一步地，所述步骤(2)中血清铁的检测方法为络合法，转铁蛋白的检测方法为免疫比浊法，铁蛋白的检测方法为化学发光法。
进一步地，所述步骤(3)中模型建立及优化的具体方法为：纳入肺结核患者、健康对照者、结核菌潜伏感染、结核病治愈、非结核菌肺炎病人，将纳入者按照3：1比例完全随机分为训练组和测试组，所有血清铁、转铁蛋白和铁蛋白含量值均取log2(x)，采用神经网络模型，通过5次随机抽样、10倍交叉验证后，最终选择网络层数为5，权重衰减值为0.1，诊断阈值为0.3823。
基于这种构建方法的构建系统，包括：
数据采集模块，至少用于数据采集，获取样本数据集；
数据处理模块，至少用于从样本数据集中提取可用于构建评估模型的有效样本；
模型构建模块，至少用于将所述有效样本的不完整数据集随机分割为训练集和验证集，并使用神经网络的方法拟合训练集，记录最优模型参数；
阈值计算模块，至少用于根据ROC曲线使用验证集计算模型分类阈值。
本发明的优点在于：
本发明测定了样本人血清中铁代谢指标的数据，利用神经网络模型(NNET，NeuralNetwork)对这三个指标进行建模分析，该模型是把已知的足够多的系统输入、输出值做为训练样本，按给定的规则训练网络，使该网络的输出误差控制在预定范围内；利用该算法和铁代谢指标，建立了一种结核病发病风险预测的模型，该模型具有高敏感性、特异性，可用于结核病发病的风险评估。
附图说明
图1(A)是本发明实施例中标本血清铁的含量值的比较图；
图1(B)是本发明实施例中标本铁蛋白的含量值的比较图；
图1(C)是本发明实施例中标本转铁蛋白的含量值的比较图；
图2是本发明实施例中基于神经网络算法的结核病发病风险评估模型的预测值；
图3是本发明实施例中基于神经网络算法的结核病风险评估模型的ROC曲线图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步说明，以下实施例旨在说明本发明而不是对本发明的进一步限定。
本发明所采用的原料均能够从市场上购买或按照现有技术合成。
实施例
一种基于铁代谢指标的结核病风险预测模型的构建方法，包括以下步骤：
(1)样本的收集与处理；
本实施例纳入人群空腹12h，使用含有分离胶的真空管采集静脉血5mL，血标本室温放置30min～45min后，1000g离心5分钟，分离血清，置洁净试管加盖低温保存；血清样本可在2-8℃储存一周。
(2)从样本中测定铁代谢指标，具体包括三种代谢相关指标的数据，即血清铁、转铁蛋白和铁蛋白；血清铁的检测方法为络合法，转铁蛋白的检测方法为免疫比浊法，铁蛋白的检测方法为化学发光法；检测的具体步骤如下：
步骤一：络合法检测血清铁含量
全自动生化仪器(西门子SIEMENS ADVIA2400)检测标本前需要采用血清铁标准品进行校正，按照仪器使用SOP输入正确的实验参数，仪器自动向反应杯中加入100μl样本、1000μl R1，室温孵育5分钟，记录595nm处吸光度A1，然后加入250μl R2，其中R1和R2均来源于铁测定试剂盒，室温反应5分钟，记录吸光度A2，计算样本的吸光度差值(A2-A1)，并建立标准液吸光度－浓度对应关系的工作曲线，在工作曲线上读取对应的浓度值(μg/dl)；
步骤二：免疫比浊法检测转铁蛋白含量
使用西门子SIEMENS ADVIA2400进行检测，检测标本前需采用转铁蛋白标准品进行校正，按照仪器使用SOP输入正确的实验参数，仪器自动向反应杯中加入100μl样本、1000μl R1，室温孵育5分钟，记录340nm处吸光度A1，然后加入5μl R2，其中R1和R2均来源于转铁蛋白测定试剂盒，室温反应5分钟，记录吸光度A2，计算样本的吸光度差值(A2-A1)，并建立标准液吸光度－浓度对应关系的工作曲线，在工作曲线上读取对应的浓度值(g/l)；
步骤三：化学发光法检测血清铁蛋白含量
免疫化学发光检测系统(雅培I2000SR)检测标本前需要采用不同浓度铁蛋白标准品进行校正，按照仪器使用SOP输入正确的实验参数，仪器将标本自动加入反应杯中，同时加入微粒子R1，孵育10min，样本中的铁蛋白和铁蛋白抗体包被的微粒子结合；冲洗后，加入吖啶酯标记的铁蛋白抗体结合物R2，形成混合物之后，再次冲洗，将预激发液和激发液加入到反应混合物中，其中R1和R2均来源于铁蛋白测定试剂盒。测定产生的化学发光反应，以相对发光单位表示；样本中的铁蛋白含量和光学系统检测到的相对发光单位值之间成正比；即可建立标准品浓度相对发光单位－浓度对应关系的工作曲线，在工作曲线上读取样本对应的浓度值(pmol/L)。
上述过程中使用的标准品和检测试剂具体信息如下表1所示：
表1：
(3)使用神经网络的方法拟合训练集进行模型的构建，记录最优模型参数；同时根据ROC曲线使用验证集计算模型分类的阈值，构建得到结核病发病风险评估模型；
为了简明易懂，在本发明中使用了一些简单缩写，具体如下表所示：
本实施例将人群分为五组：健康对照HC 200例、结核病TB 316例、结核菌潜伏感染LTBI 167例、结核病治愈RxTB 100例和非结核性细菌性肺炎PN 100例，通过检测每例外周血血清铁、铁蛋白和转铁蛋白的含量，绘制得到图1(A)为标本血清铁的含量值的比较，图1(B)为标本铁蛋白的含量值的比较和图1(C)为标本转铁蛋白的含量值的比较，将全部实施例按照4:1比例完全随机分为训练组和测试组，其中训练组包括152HC，237TB，132LTBI，63RxTB和79PN；测试组包括48HC，79TB，35LTBI，37RxTB和21PN；将所有标本血清铁、铁蛋白和转铁蛋白含量值均取log2(x)，本实施例NNET模型采用权重衰减(weight decay)，尽量减少分类误差，避免模型过度拟合(over-fitting)；将训练组数据输入NNET模型，通过5次随机抽样、10倍交叉验证(cross validation)后，最终选择网络层数为5，权重衰减值为0.1；训练组样本经过NNET模型换算后(NNET值)，通过ROC曲线判断NNET值用于预测结核病发病风险的的效能，具体包括AUC、准确性、灵敏度和特异性；为提供结核病发病预测方法，通过调整阈值(cut-off)使特异性接近90％，尽可能选择较高灵敏度；当阈值为0.3823时，训练组及测试组结核病人相对应换算值(NNET值)均明显高于其余四组人群，具体结果如图2所示，图2是本发明实施例中基于铁代谢指标的神经网络算法用于结核病发病风险评估模型的分析结果,可用于结核病风险评估。
图3表示本发明实施例基于神经网络算法的结核病风险评估模型的ROC曲线图；用于获取评估结核病发病分险的最佳阈值，通过ROC曲线，在阈值为0.3823时，灵敏度和特异性为表2所示；
表2
| 参数 | 训练组 | 测试组 |
| AUC | 0.91(0.89，0.94) | 0.90(0.86，0.94) |
| 准确性 | 0.85(0.82，0.88) | 0.84(0.79，0.89) |
| 灵敏度 | 0.83(0.77，0.87) | 0.70(0.58，0.79) |
| 特异性 | 0.86(0.83，0.89) | 0.92(0.86，0.96) |
表2表示基于铁代谢指标的NNET模型在训练组和测试组中用于预测结核病发病风险的检验效能，NNET模型在训练组和测试组中的AUC、准确性、灵敏度、特异性分别为：0.91(95％CI 0.89-0.94)、85％(95％CI 82％-88％)、83％(95％CI 77％-87％)、86％(95％CI83％-89％)和0.90(95％CI 0.86-0.94)、84％(95％CI 79％-89％)、70％(95％CI 58％-79％)、92％(95％CI 86％-96％)。
本发明还提供了基于铁代谢指标的结核病风险预测模型的构建方法的构建系统，包括：
数据采集模块，至少用于数据采集，获取样本数据集；
数据处理模块，至少用于从样本数据集中提取可用于构建评估模型的有效样本；
模型构建模块，至少用于将所述有效样本的不完整数据集随机分割为训练集和验证集，并使用神经网络的方法拟合训练集，记录最优模型参数；
阈值计算模块，至少用于根据ROC曲线使用验证集计算模型分类阈值。
综上所述，本发明通过检测病人外周血清铁、铁蛋白和转铁蛋白含量指标，然后利用建立的运算公式模型，计算各个标本NNET值及诊断阈值，从而诊断病人是否患有活动性结核病。NNET值越高，则说明患结核的可能性高。
最后应说明的是：以上实施例仅用以说明本发明而并非限制本发明所描述的技术方案；本领域的普通技术人员应当理解，仍然可以对本发明进行修改或等同替换；而一切不脱离本发明的精神和范围的技术方案及其改进，其均应涵盖在本发明的权利要求范围中。
Claims (5)
1.一种基于铁代谢指标的结核病风险预测模型的构建方法，其特征在于，包括以下步骤：
(1)样本的收集与处理；
(2)从样本中测定铁代谢指标，具体包括三种代谢相关指标的数据，即血清铁、转铁蛋白和铁蛋白；
(3)使用神经网络的方法拟合训练集进行模型的构建，记录最优模型参数；同时根据ROC曲线使用验证集计算模型分类的阈值，构建得到结核病发病风险评估模型。
2.根据权利要求1所述的构建方法，其特征在于，所述步骤(1)中样本的收集与处理的具体方法为：每位受试者空腹12h，使用含有分离胶的真空管采集静脉血5mL，血标本室温放置30min～45min后，1000g离心5分钟，分离血清，置洁净试管加盖低温保存。
3.根据权利要求1所述的构建方法，其特征在于，所述步骤(2)中血清铁的检测方法为络合法，转铁蛋白的检测方法为免疫比浊法，铁蛋白的检测方法为化学发光法。
4.根据权利要求1所述的构建方法，其特征在于，所述步骤(3)中模型建立及优化的具体方法为：纳入肺结核患者、健康对照者、结核菌潜伏感染、结核病治愈、非结核菌肺炎病人，将纳入者按照3：1比例完全随机分为训练组和测试组，所有血清铁、转铁蛋白和铁蛋白含量值均取log2(x)，采用神经网络模型，通过5次随机抽样、10倍交叉验证后，最终选择网络层数为5，权重衰减值为0.1，诊断阈值为0.3823。
5.一种基于权利要求1-4中任一项所述的构建方法的构建系统，其特征在于，包括：
数据采集模块，至少用于数据采集，获取样本数据集；
数据处理模块，至少用于从样本数据集中提取可用于构建评估模型的有效样本；
模型构建模块，至少用于将所述有效样本的不完整数据集随机分割为训练集和验证集，并使用神经网络的方法拟合训练集，记录最优模型参数；
阈值计算模块，至少用于根据ROC曲线使用验证集计算模型分类阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910093522.3A CN109949942A (zh) | 2019-01-30 | 2019-01-30 | 基于铁代谢指标的结核病风险预测模型的构建方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910093522.3A CN109949942A (zh) | 2019-01-30 | 2019-01-30 | 基于铁代谢指标的结核病风险预测模型的构建方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109949942A true CN109949942A (zh) | 2019-06-28 |
Family
ID=67007489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910093522.3A Pending CN109949942A (zh) | 2019-01-30 | 2019-01-30 | 基于铁代谢指标的结核病风险预测模型的构建方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109949942A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113298360A (zh) * | 2021-04-30 | 2021-08-24 | 上海淇玥信息技术有限公司 | 一种用于资源分配的风险控制方法、装置和系统 |
| CN117551761A (zh) * | 2024-01-11 | 2024-02-13 | 深圳大学 | 用于诊断潜伏性结核感染队列中的高风险人群和低风险人群的生物标志物及其应用 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109243604A (zh) * | 2018-09-14 | 2019-01-18 | 苏州贝斯派生物科技有限公司 | 一种基于神经网络算法的川崎病风险评估模型的构建方法及构建系统 |
-
2019
- 2019-01-30 CN CN201910093522.3A patent/CN109949942A/zh active Pending
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109243604A (zh) * | 2018-09-14 | 2019-01-18 | 苏州贝斯派生物科技有限公司 | 一种基于神经网络算法的川崎病风险评估模型的构建方法及构建系统 |
Non-Patent Citations (1)
| Title |
|---|
| 贺晨艳等: "《贫血和血清镁水平在肺结核患者痰菌转阴临床研究》", 《陕西医学杂志》 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113298360A (zh) * | 2021-04-30 | 2021-08-24 | 上海淇玥信息技术有限公司 | 一种用于资源分配的风险控制方法、装置和系统 |
| CN113298360B (zh) * | 2021-04-30 | 2023-01-06 | 上海淇玥信息技术有限公司 | 一种用于资源分配的风险控制方法、装置和系统 |
| CN117551761A (zh) * | 2024-01-11 | 2024-02-13 | 深圳大学 | 用于诊断潜伏性结核感染队列中的高风险人群和低风险人群的生物标志物及其应用 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Louvet et al. | Combining data from liver disease scoring systems better predicts outcomes of patients with alcoholic hepatitis | |
| CN109943636A (zh) | 一种结直肠癌微生物标志物及其应用 | |
| CN108363908B (zh) | 用于检测生物分子的智谱系统 | |
| Senapati et al. | A prospective study of the Bedside Index for Severity in Acute Pancreatitis (BISAP) score in acute pancreatitis: an Indian perspective | |
| Schaff et al. | Novel centrifugal technology for measuring sperm concentration in the home | |
| WO2021179514A1 (zh) | 一种基于人工智能的新型冠状病毒患者病况分类系统 | |
| CN112635069A (zh) | 一种基于常规检验数据的肺结核智能识别方法 | |
| CN106202968A (zh) | 癌症的数据分析方法及装置 | |
| CN113327679A (zh) | 一种肺栓塞临床风险及预后评分方法与系统 | |
| CN109949942A (zh) | 基于铁代谢指标的结核病风险预测模型的构建方法和系统 | |
| US20130197811A1 (en) | Method for Diagnosis of an Infectious Disease Stage and Determination of Treatment | |
| CN115064215B (zh) | 一种通过相似度进行菌株溯源及属性鉴定的方法 | |
| CN112466402A (zh) | 一种使用血液标志物预测年龄的方法 | |
| Dimech et al. | A review of testing used in seroprevalence studies on measles and rubella | |
| CN103218537A (zh) | 遗传性眼病病例登记网络管理系统 | |
| CN114038501B (zh) | 一种基于机器学习的背景菌判定方法 | |
| CN115099331A (zh) | 基于可解释性机器学习算法的恶性胸腔积液辅助诊断系统 | |
| CN101539579A (zh) | 糖尿病自身抗体谱免疫印迹试剂盒 | |
| Chan et al. | Initial collection of an inadequate 24-hour urine sample in children does not predict subsequent inadequate collections | |
| CN113539473A (zh) | 一种仅使用血常规检验数据诊断布氏杆菌病的方法及系统 | |
| Fierz | Basic problems of serological laboratory diagnosis | |
| WO2015081267A1 (en) | Immune monitoring to predict and prevent infection | |
| CN106361289A (zh) | 一种慢性肾衰竭预警系统 | |
| CN103336127A (zh) | 一种早期肝病、肝纤维化和肝硬化指示剂与诊断剂 | |
| CN100580453C (zh) | 评价乙肝患者机体免疫力水平的检测试剂盒及其制备方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190628 |
|
| RJ01 | Rejection of invention patent application after publication |