基于呼气中多种挥发性有机物检测的肺癌无创诊断方法和装置研究

作     者：秦立山 

作者单位：浙江大学 

学位级别：硕士

导师姓名：王飞;祝子逸

授予年度：2024年

学科分类：1002[医学-临床医学] 100214[医学-肿瘤学] 10[医学] 

主      题：肺癌 无创诊断 挥发性有机物 神经网络 传感器阵列 

摘      要：肺癌是我国增长率最快的恶性肿瘤,目前主要通过低剂量螺旋CT进行筛查,但频繁的检测会增加患者的辐射暴露风险。基于人体呼气检测具有无创、高效、精准度高等特点,本研究筛选了肺癌的呼气标志物,结合人工神经网络算法建立肺癌呼气诊断模型。基于传感器阵列,搭建多通道呼气检测装置。本文的主要研究成果如下: (1)建立了呼气采样标准流程,研究了肺癌呼气标志物的筛选方法。研究了采样方式、采样环境对呼气挥发性有机物(VOCs)含量影响,建立了标准的离线呼气采样方法。通过气相色谱质谱仪检测了75名肺癌患者及50名健康受试者呼气中丙酮、异丙醇等108种VOCs含量。探究了相关性分析、ROC曲线、正交偏最小二乘判别分析三种方法筛选标志物的诊断性能差异,选取三个方法中性能最优的VOCs得到乙醇、丙酮、异丙醇、乙酸乙酯、1,2-二氯乙烷五种挥发性有机物,将其作为肺癌的呼气标志物。 (2)研究不同算法模型性能差异,探究了模型参数、受试者特征对诊断性能的影响。基于随机森林、支持向量机、决策树、人工神经网络四种机器学习算法建立了诊断模型,其中人工神经网络模型性能最佳,精确度为76.4%。为提高模型精确度,对模型参数进行调优,精准度提高到88.8%。将与标志物显著相关的年龄、性别纳入模型精确度达到93.1%,高于大部分已发表肺癌诊断模型性能。 (3)为了实现快速检测和临床实用化,搭建多通道传感器阵列呼气检测装置。选用六款MOS传感器和一款光学传感器搭建传感器阵列,完成了气体样本信号采集模块、测试腔及进出气模块、数字信号转换模块、上位机软件开发模块、蓝牙及数据传输模块的开发。使用该系统对呼气样本进行检测,每个样本采集21个特征值,通过斯皮尔曼相关性分析筛选出与肺癌相关的10个特征向量,联合温湿度、年龄、性别建立诊断模型,整体准确度为81%。 本文筛查了肺癌的特征生物标志物,基于人工神经网络建立了高精准度的诊断模型。基于传感器阵列,搭建多通道呼气检测装置,提供了一种精准度高、检测速度快、检测成本低的肺癌筛选方法,有助于推进肺癌呼气诊断的临床应用。