文摘

急性呼吸窘迫综合征(ARDS)是一个更严重的疾病在人类肺部疾病。减少其发病率在当前临床研究是一个重要的任务。动态监测血清蛋白的病人将有助于实现ARDS的早期诊断和治疗。在这项研究中,一种蛋白质监测提出了基于人工神经网络模型。首先,表面增强激光解吸电离飞行时间质谱用于蛋白质检测,然后BP神经网络用于蛋白质的分类和内容分析。在实验分析中,急性呼吸窘迫综合征患者的血清样本在我们医院从2020年11月至2021年8月被选为实验测试。血清蛋白的实验结果表明,基于BP神经网络的监控模型误差较低和较高的收敛能力和可以监控单个蛋白质的监测、诊断性能和ROC曲线下的面积达到0.854。上述结果表明,人工神经网络具有良好的影响的动态监测血清蛋白在急性呼吸窘迫综合征,诊断绩效评估可以达到0.854,能显著改善急性呼吸窘迫综合征的临床诊断和治疗。

1。介绍

急性呼吸窘迫综合征(ARDS)是一种急性的炎症肺。严重ARDS患者的死亡率可高达50%。经过多年的临床研究和实践中,已知的严重急性呼吸窘迫综合症的原因是复杂多样的。在临床实践中,严重感染和创伤疾病的主要原因。因此,急性呼吸窘迫综合征是引起呼吸衰竭的主要因素1- - - - - -3]。急性呼吸窘迫综合征会迅速恶化在发病初期,病人及其恶化会造成严重的破坏。因此,它是一个重要的研究内容针对急性呼吸窘迫综合征在临床实践4,5]。具有重要意义治疗和阻止呼吸窘迫综合征疾病发展阶段。目前,急性生理和慢性健康状况评分工具通常用于呼吸窘迫综合征的临床诊断。然而,临床诊断的复杂性和影响的主观操作很难满足临床需求(6- - - - - -8]。在此基础上,与医疗技术的不断发展,对急性呼吸窘迫综合征患者,血清蛋白检测已逐渐成为临床诊断的主要手段的急性呼吸窘迫综合征(9]。

近年来,随着急性呼吸窘迫综合征的发病率增加,改善急性呼吸窘迫综合征的临床诊断效果已成为缓解疾病的重要手段。其中,血清蛋白监测通过蛋白质组学技术是一种更有效的方法(10,11]。临床蛋白质组学技术是医学技术研究人类蛋白质的变化。临床蛋白质组学技术、表面增强激光解吸电离技术可以直接检测血液、尿液和其他样品12,13]。在蛋白质检测、表面增强激光解析电离可以分析特异蛋白质的动态变化,显示测试样品的蛋白质含量和分子量信息,和比较蛋白质差异疾病样本和正常样本,以便获得早期疾病指标和症状(14,15]。为了提高临床诊断急性呼吸窘迫综合征的影响,大多数研究提出了血清蛋白监测方案对急性呼吸窘迫综合征患者。然而,从目前的应用现状,在信息时代,大量的血清蛋白监测方法稍微落后。如何实现智能监控是一个需要解决的问题在诊所16]。

信息时代的不断发展,智能医学已逐渐吸引了人们的注意力,和人工智能技术也被广泛应用于医学诊断和治疗。在人工智能技术的应用,深度学习尤为广泛使用,因为它可以不断提高故障的性能通过使用自适应学习能力在疾病诊断和疾病诊断能力大大提高智能医学(17- - - - - -19]。在医学诊断和治疗,作为一个先进的计算机网络算法、人工神经网络(ANN)可以有效地分析复杂的数据通过模拟生物智能处理能力(20.]。同时,在深入的学习的过程中,使用人工智能算法实现人类生理指标已逐渐成为一个重要的技术在当前智能医学(21]。然而,大多数人工智能算法的应用和效果在智能医疗仍然难以满足治疗的需要。因此,人工神经网络在医学诊断中的应用深入讨论研究。

在急性呼吸窘迫综合征的诊断,人工神经网络技术用于实现动态监测血清蛋白。为了准确、动态监测急性呼吸窘迫综合征,人工神经网络的BP神经网络用于实现血清蛋白的动态监测。BP神经网络处理信息的使用方向传播。方向传播的过程中,BP神经网络可以最小化误差和实际产出之间的期望值。因此,在这项研究中,动态监测血清蛋白是由表面增强激光解吸电离和急性呼吸窘迫综合征的诊断模型建立了通过使用低误差BP审计网络的能力。

2.1。急性呼吸窘迫综合征蛋白监测

由于急性呼吸窘迫综合征的严重后果,为了了解其发病机制,大量的研究已经给监测结果过程中蛋白质的变化它的发病机理。崔等人的影响机制分析死亡相关蛋白激酶1在急性呼吸窘迫综合征,监测变化的死亡相关蛋白激酶1 5-Aza-2之下 - - - - - -脱氧胞苷,评估相关蛋白的影响变化对急性呼吸窘迫综合征(22]。食米鸟等人通过研究发现内皮细胞蛋白C受体的变化是一个重要的风险因素在急性呼吸窘迫综合征的发病机理。使用蛋白监测技术,他们发现内皮细胞蛋白C受体的变化会增加细胞粘附,提高细胞粘附是急性呼吸窘迫综合征的主要影响因素(23]。为了了解急性呼吸窘迫综合征的发病机制,达等人发现表面活性剂的增加蛋白D是一个相对具体的肺损伤指标通过蛋白质监测和证明的增加表面活性剂D是不良预后相关的急性呼吸衰竭患儿通过相关实验的设计24]。Svenja等人开发Luminex绑定实现高通量、快速分析急性呼吸窘迫综合征患者的血清蛋白监测和快速检测到循环冠状病毒抗体类型2 s蛋白在急性呼吸窘迫综合征患者,这有利于急性呼吸窘迫综合征的预后(25]。

在急性呼吸窘迫综合征的早期诊断,动态监测的蛋白质能有效预测急性呼吸窘迫综合征的发生。然而,它可以从现有的研究,很少有研究发现可以监视多个蛋白质动态监测的蛋白质,和现有研究的监测结果难以满足临床需求。

2.2。BP神经网络

作为一个传统的人工神经网络,BP神经网络具有良好的计算能力和分类能力。随着社会的发展,其应用领域正在逐步扩大。为了提高信息加工的影响和减少贷款和存储资源信息在传输过程中,杨等人提出了一个基于BP神经网络的图像压缩和加密算法,它利用BP神经网络的信息处理技术来压缩信息,增加信息的安全传输(26]。戈什等人利用人工神经网络诊断心血管疾病,估计病人心脏健康监测参数的特点,实现了筛查心脏疾病的前兆,并结合人工神经网络阻抗心动图检查个人心血管健康(27]。李等人提出了一个基于数据的小样本学习方法扩张和基于遗传算法的方法,高压共轨柴油机的故障诊断。BP神经网络的故障诊断方法,利用神经网络的数据处理能力用于故障诊断。结果表明,总体精度的基于改进的BP神经网络故障诊断模型高达98.3% (28]。为了实现智能分类的黄土沉积在隧道工程、张等人提出了一种基于BP神经网络的评价体系,应用于实际的分析,表明该模型输出结果与实际结果一致(29日]。

人工神经网络已经逐渐应用于许多领域,但却很少用于医疗援助。因此,人工神经网络的BP神经网络应用于蛋白质的动态监测急性呼吸窘迫综合征,以提高早期诊断急性呼吸窘迫综合征的效果。

3所示。方法

3.1。表面增强激光解析电离的动态监测技术

表面增强激光解吸电离是一个正在崛起的技术在蛋白质组学的发展。通常结合time-flight质谱的应用和良好的动态检测影响特定的血清样本中的蛋白质。整个技术过程的表面增强激光解吸电离time-flight质谱图所示1。


图1
工艺过程的表面增强激光解吸电离飞行时间质谱分析。

如图1、表面增强激光解吸电离飞行时间质谱是芯片技术和质谱技术的结合。其工艺过程包括选择蛋白质芯片载体,选择固定探针,血清样本的预处理,芯片检测和计算机数据处理(30.]。表面增强激光解吸电离飞行时间质谱具有很强的特异性和高分辨率的特点在蛋白质检测,可以检测低丰度和小分子量蛋白质,以及疾病相关蛋白的变化。

在肺部疾病的诊断和治疗,表面增强激光解吸电离飞行时间质谱已逐渐应用于分类和预测肺癌组织和肺癌的诊断。一些研究已经证实表面增强激光解吸电离飞行时间质谱能有效检测恶性肺上皮细胞和具有重要价值的蛋白质信号在肺癌的诊断和筛查31日,32]。然而,应用表面增强激光解吸电离飞行时间质谱仍需要改进。首先,表面增强激光解吸电离飞行时间质谱是一种半定量的技术,和蛋白质的不同属性和血清浓度检测中显示无法显示(33]。第二,不能分类和分析蛋白质序列,即蛋白质序列不能确定,导致无法获得重要信息,如蛋白质配置检测(34]。

3.2。基于BP神经网络诊断模型

蛋白质检测后表面增强激光解吸电离飞行时间质谱分析,建立了BP神经网络模型和训练使用检测结果。BP神经网络的每个节点代表一个特定的函数,和两个节点之间的连接代表了重量。值得注意的是,BP神经网络将不断调整重量在长期学习优化模型的数据处理性能(35,36]。为了提高BP神经网络的数据处理性能,一个三层BP神经网络模型,如图2。


图2
BP神经网络的原理图。

从图可以看出2输入神经元的数量和输出神经元的三层BP神经网络模型用于研究设置为 和 反过来,隐层神经元的数目 。此时, - - - - - -th现有表示为输入层神经元 ,和 - - - - - -在隐藏层神经元和 - - - - - -在输出层神经元都表示为 和 反过来。 代表了连接从输入层到隐层重量,和 代表了连接体重从隐层到输出层。隐层神经元的选择如下公式所示。

方程(1)选择参考的经验公式在隐藏层神经元的数目 ,在哪里 代表输入层节点的数目, 表示在输出层节点的数目,和 代表任何常数区间(0,10)。第二,乙状结肠函数分析了BP神经网络,如以下公式所示。

方程(2)是乙状结肠非线性函数类型 作用于每个神经元 是输入函数的值。通过隐层BP神经网络的输出,如以下公式所示。

在公式(3), 代表神经元之间的连接权值 和上层神经元 ; 代表神经元的输出 。输入值,输出值,以及神经元的阈值 由 , ,和 反过来。当使用BP神经网络作为一个弱学习模型,和损失函数 同时,残留误差 ,在哪里 模型拟合值。继续符合剩余工资,下一个BP神经网络训练沿着下行方向的梯度。

方程(4)是模型的计算公式的拟合值测试数据, 代表了最佳还原步骤, 代表了弱学习模型, 代表了模型参数 代表的迭代次数。

3.3。实验设计

研究中所有的数据来自2020年11月至2021年8月,所有样品在我们医院住院病人。入选标准:(1)符合急性呼吸窘迫综合征的诊断标准;(2)完整的临床资料。排除标准:(1)慢性阻塞性肺疾病患者;(2)肝脏和肾脏功能障碍;(3)使用糖皮质激素。

收集3毫升的受试者的空腹静脉血,将血清样本存储在4°C冰箱、离心机的血清样本5分钟后站1 h。5分钟的离心机血清又离心机,和血清subpacked并存储在一个冰箱-80°C。与此同时,正常人的血清收集和混合。他们作为对照组和存储在冰箱在-80°C。

血清样本的检测到芯片表面增强激光解吸电离飞行时间质谱。急性呼吸窘迫综合征的血清蛋白质质谱检测到和正常对照组,分别。血清蛋白表面的血清蛋白芯片检测。芯片进行优化的质量费用比范围为2000 ~ 20000 m / z,和激光强度是210年。基线降低和均化预处理获得的血清蛋白质质谱。BP神经网络是用来构建诊断模型。在诊断模型中,节点的输入层、隐藏层和输出层的BP神经网络模型设置为5,4,分别和1。切s型传递函数中使用BP神经网络的操作,操作结果中随机初始化计算。在输入节点,筛选差异蛋白的峰值强度作为输入。

4所示。结果

4.1。重复性试验结果

获得的血清蛋白质质谱数据如图3。从图可以看出3为了避免矩阵的干扰峰的重复性测试结果,下面的山峰2000 m / z是过滤。血清蛋白表达的质谱数据,有强表达的蛋白质峰2735 m / z 4080 m / z 6970 m / z,分别和7010 m / z。四个山峰的平均变异系数为13.64%,低于15%,表明高重复性。同时,可以看出2735 m / z出现在每一个地图,平均变异系数为14.32%,小于15%。


图3
检测血清样本的蛋白质指纹。
4.2。发现差异蛋白峰

急性呼吸窘迫综合征患者的血清和对照组分析表面增强激光解吸电离飞行时间质谱分析。共有794个蛋白峰被检测到,如图4。从图可以看出4在两组之间的差异分析,统计分析结果表明,118年有显著差异蛋白峰在两组之间,和测试结果表明,差异具有统计学意义( )。可以看出峰的血清蛋白质量费用比急性呼吸窘迫综合征患者和对照组之间主要分布2000 ~ 15000 m / z。


图4
微分表达式的血清蛋白指纹在急性呼吸窘迫综合征患者和对照组。

从图可以看出4在血清差异的比较急性呼吸窘迫综合征患者和对照组,15个蛋白峰分布在2000 - 8000年间m / z。通过统计分析,可以发现,在血清蛋白的表达对急性呼吸窘迫综合征患者和对照组,分类集群中的15个蛋白峰的差异尤为明显。对比结果如图5。


图5
15蛋白质差异表达强度峰值。
4.3。BP神经网络的性能分析

15个蛋白峰与重要的微分表达式用于组合处理,蛋白质和BP神经网络监测模型。构建蛋白质的性能基于BP神经网络的监测模型进行了分析。首先,均方误差(MSE)的BP神经网络在训练过程中进行分析,如图6。从图可以看出6,越来越多的迭代,BP神经网络的均方误差蛋白监测模型显示一个下降的趋势。的迭代次数达到20后,曲线下降速度逐渐降低。的迭代次数达到80后,模型的均方误差接近目标值并开始保持稳定。


图6
训练BP神经网络的均方误差的结果。

图7显示的健身价值的变化结果BP神经网络蛋白监测模型。从图7可以看出,BP神经网络和卷积神经网络进行了比较和分析。随着迭代次数的增加,所需的迭代次数达到最优BP神经网络模型的适应性显著小于卷积神经网络。上述结果表明,与卷积神经网络相比,BP神经网络能达到最好的健身更快的数据处理和具有更好的收敛性。


图7
比较健康的不同的神经网络模型。
4.4。BP神经网络的蛋白质监测模型的影响分析

选择10急性呼吸窘迫综合征患者和正常人的BP模型监测、诊断和测试分析,如表所示1。从表可以看出1BP神经网络的蛋白质监测模型可以用来计算输出值为急性呼吸窘迫综合征患者和正常人群,和输出值之间的差异和目标输出值不明显,表明急性呼吸窘迫综合征的状态的测试人可以准确地判断。

表1
模型试验结果的比较。

BP神经网络是用来监控对象的蛋白质。在监测过程中,不同患者的血清蛋白温和,温和、中度急性呼吸窘迫综合征,与正常人群相比,如表所示2。从表可以看出2监控包括c反应蛋白(CRP)和白蛋白(铝青铜)。表2表明,在BP神经网络的蛋白质监控模式下,患者的血清蛋白质含量可以清楚地显示和急性呼吸窘迫综合征可以显著区别于正常的人口。

表2
摘要利用监测模型的蛋白质检测。

最后,BP神经网络的诊断性能蛋白在急性呼吸窘迫综合征的诊断监测模型进行了分析,如图8。从图可以看出8BP神经网络模型的离线面积为0.854,明显大于0.5,具有良好的诊断性能。


图8
摘要利用ROC曲线监控模型。

5。讨论

为了诊断急性呼吸窘迫综合征,根据变化的急性呼吸窘迫综合征患者的生理特点,人工神经网络是用来监测病人的血清蛋白。的蛋白质的研究,首先,研究对象是被表面增强激光解吸电离飞行时间质谱分析。第二,BP神经网络模型用于实现蛋白质分类和内容分析。最后,提出模型的有效性通过实验测试。

在这项研究中,针对应用效果的表面增强激光解吸电离飞行时间质谱分析的有效性,分析了表面增强激光解吸电离飞行时间质谱通过重复性试验和差异蛋白峰检测。重复性试验结果表明,多个芯片之间的平均变异系数为13.64%,重复性高;差异蛋白峰的检测表明,血清蛋白有显著差异表达急性呼吸窘迫综合征患者和正常人之间,和上面的结果与之前的研究结果一致(37]。

BP神经网络模型的性能分析表明,其误差值继续降低随着迭代次数的增加,可以达到减少迭代后的目标值,表明它具有较高的收敛性,可以提高诊断的效率模型。模型适应性的比较分析表明,与卷积神经网络相比,BP神经网络能达到最好的健身快,表明BP神经网络具有更好的收敛性和更高的适应性。当前的研究结果与之前的研究相一致38]。蛋白监测模型基于BP神经网络模型应用于临床实践。结果表明,BP神经网络的蛋白质监测模型可以清楚地显示数值的区别急性呼吸窘迫综合征患者和正常的人,也就是说,它可以准确区分两个,实现术前诊断的影响。BP神经网络诊断性能的分析蛋白质的监控模型,ROC曲线显示,曲线下的面积的BP神经网络的蛋白质高达0.854监控模型,表明该模型在诊断急性呼吸窘迫综合征有显著的影响通过监测血清蛋白质含量(39]。

总之,有效使用人工神经网络监测急性呼吸窘迫综合征患者的血清蛋白,它能使急性呼吸窘迫综合征的早期诊断。然而,仍然有一些限制。血清中的蛋白质组是复杂和多样化,和蛋白质类型监测研究仍然很少。在后续工作中,有必要监控其他血清蛋白类型。

数据可用性

数据集可以在访问请求。

的利益冲突

作者宣称没有利益冲突。