本發(fā)明屬于生物醫(yī)學工程與人工智能交叉，具體涉及一種結合非線性機器學習模型（神經(jīng)網(wǎng)絡）與可解釋性分析（shapley?additive?explanations,?shap）的肺癌生物標志物篩選方法及系統(tǒng)，用于提高肺癌早期診斷的準確性和模型可解釋性。

背景技術：

1、肺癌是全球死亡率最高的惡性腫瘤之一，早期診斷對提高治愈率至關重要?，F(xiàn)有技術中，低劑量ct（ldct）和肺活檢存在輻射風險、高成本或侵入性等問題，難以推廣。基于代謝物（如呼出氣）的非侵入性檢測方法成為研究熱點，但傳統(tǒng)統(tǒng)計模型（如火山圖）和傳統(tǒng)機器學習方法（如主成分分析，pca）在篩選生物標志物時存在以下缺陷：

2、線性假設限制：傳統(tǒng)統(tǒng)計模型無法捕捉復雜的非線性關系，導致標志物篩選不全面；

3、黑箱問題：機器學習模型（如神經(jīng)網(wǎng)絡）缺乏可解釋性，難以驗證標志物的生物學意義；

4、性能瓶頸：現(xiàn)有方法篩選的標志物組合在分類模型中準確率（auc?<?0.99）和穩(wěn)定性（方差?>?0.01）不足。

技術實現(xiàn)思路

1、為解決現(xiàn)有技術中存在的問題，本申請?zhí)峁┮环N基于神經(jīng)網(wǎng)絡與shapley解釋的肺癌生物標志物篩選方法，以滿足目前對肺癌生物標志物篩選方法的需求，該方法高精度、高可解釋性且適用于復雜生物數(shù)據(jù)的肺癌標志物篩選，具有很強的應用價值和實用性。

2、本發(fā)明采用的技術方案為：

3、本發(fā)明提供一種肺癌生物標志物篩選方法，包括以下步驟：

4、數(shù)據(jù)采集與預處理：通過熱脫附氣相色譜-質(zhì)譜（td-gc-ms）技術獲取肺癌患者與健康志愿者的呼出氣代謝物數(shù)據(jù)，并對數(shù)據(jù)進行歸一化處理；

5、構建多層感知機（mlp）神經(jīng)網(wǎng)絡，輸入全部代謝物數(shù)據(jù)，通過交叉熵損失函數(shù)和adam優(yōu)化器訓練模型；

6、采用shap方法解析神經(jīng)網(wǎng)絡輸出，計算各代謝物對分類結果的貢獻度，篩選貢獻度前10%的代謝物作為候選標志物；

7、模型驗證與優(yōu)化：基于篩選的標志物組合，訓練相同架構的神經(jīng)網(wǎng)絡模型，通過比對roc曲線下面積（auc）、靈敏度、特異性評估不同標志物組合的性能。

8、本發(fā)明的有益效果為：

9、高精度：通過神經(jīng)網(wǎng)絡擬合非線性關系，結合shap解釋篩選的標志物組合，使分類模型平均auc達0.991，方差低至0.007；

10、可解釋性：shap方法量化代謝物對診斷結果的影響，明確各個標志物的重要性程度；

11、高效性：篩選的標志物數(shù)量（36種）顯著少于傳統(tǒng)方法（69種），降低臨床檢測成本。

技術特征：

1.一種肺癌生物標志物篩選方法，其特征在于，包括以下步驟：

2.根據(jù)權利要求1所述的一種肺癌生物標志物篩選方法，其特征在于：所述步驟s2具體為：

3.根據(jù)權利要求2所述的一種肺癌生物標志物篩選方法，其特征在于：所述多層感知機神經(jīng)網(wǎng)絡，隱藏層激活函數(shù)為relu，輸出層激活函數(shù)為softmax，損失函數(shù)為交叉熵，優(yōu)化器為adam。

4.根據(jù)權利要求3所述的一種肺癌生物標志物篩選方法，其特征在于：所述多層感知機神經(jīng)網(wǎng)絡：

技術總結
一種基于神經(jīng)網(wǎng)絡與SHAP解釋的肺癌生物標志物篩選方法，其屬于標志物篩選的技術領域。該方法主要使用到了多層感知機（MLP）和Shapley可解釋性算法，通過TD?GC?MS技術獲取呼出氣代謝物數(shù)據(jù)，使用神經(jīng)網(wǎng)絡擬合數(shù)據(jù)，并利用SHAP方法篩選高貢獻度標志物。相比較于傳統(tǒng)方法，顯著提升了分類模型的預測準確率。本發(fā)明為非侵入性肺癌早期診斷提供了高精度、高穩(wěn)定性的解決方案，具有顯著的臨床價值。

技術研發(fā)人員：余雋,徐培柏,劉子匯,孟繁潤,李月,汪家奇
受保護的技術使用者：大連理工大學
技術研發(fā)日：
技術公布日：2025/6/12