公开(公告)号：CN118604104A

公开(公告)日：2024-09-06

申请号：CN202410592758.2

申请日：2024-05-14

Applicant: 复旦大学

Inventor： 乔亮 ,  李丹丹 ,  陈晓军 ,  吴鹏飞 ,  吕巧英

IPC: G01N27/626 ,  G16B40/00 ,  G16B45/00

Abstract: 本发明属于医疗检测技术领域，具体为基于多模块机器学习的子宫内膜癌检测用质谱分析系统。本发明系统利用MALDI‑TOF质谱系统获取检测样本的代谢和多肽分子指纹图谱信息，结合多种机器学习方法发现与癌症相关的特征信息；基于特征信息和多种机器学习方法构建分类器用于子宫内膜癌的鉴定；最终对多个独立模型的判断结果进行整合，得到最终鉴定结果；具体包括样本采集模块，样本预处理模块，质谱分析分析仪，质谱数据处理和转化模块，机器学习算法模块，综合分析模块；本发明突破了传统的局限于单一生物标志物或者单一样本或者单一组学模块的思路，有效提升了子宫内膜癌的诊断性能。

公开(公告)号：CN118465040A

公开(公告)日：2024-08-09

申请号：CN202410591985.3

申请日：2024-05-13

Applicant: 复旦大学附属妇产科医院

Inventor： 陈晓军 ,  吴鹏飞 ,  乔亮 ,  李丹丹

IPC: G01N27/626 ,  G16B40/00 ,  G16B45/00

Abstract: 本发明涉及医疗检测技术领域，且公开了一种基于原位宫腔分泌液检测子宫内膜癌的质谱分析方法，S1：收集宫腔分泌物样本，提取其中的代谢物用于基质辅助激光解析电离飞行时间质谱分析；S2：采集样本的代谢指纹图谱，对质谱原始数据进行处理和转化。该基于原位宫腔分泌液检测子宫内膜癌的质谱分析方法，通过采集子宫内膜癌患者和正常内膜对照组的宫腔分泌物，之后利用MALD I‑TOF质谱技术获取上述样本的代谢分子指纹信息，结合多种机器学习方法发现与癌症相关的特征信息；基于上述特征信息和多种机器学习方法构建分类器用于子宫内膜癌的鉴定，得到癌症诊断结果，具有微创的优点，可减轻患者身体、心理及经济负担。