[0001] 本发明涉及数据监测技术领域，更具体地说，本发明涉及一种基于大数据的类器官异常监测系统。

[0002] 类器官（organoids）是由干细胞或诱导多能干细胞（iPSCs）在体外三维培养条件下自发形成的结构，具有类似于体内器官的功能和结构特征。类器官异常监测涉及对这些体外培养的类器官进行观察和分析，以检测其生长、发育或功能上的异常。这项技术在疾病研究、药物筛选和再生医学等领域具有重要意义。

[0003] 类器官技术作为生物医学研究的前沿领域，正在迅速发展并展现出巨大的潜力。通过不断优化和创新，类器官已实现多种类器官的成功培育，在疾病研究、药物筛选、个性化医疗和再生医学等方面将发挥越来越重要的作用。随着技术的成熟和应用的扩大，类器官有望在未来的医学研究和临床应用中带来革命性的变化。

[0004] 除此之外，类器官虽然可以模拟一些器官的基本结构，但仍然无法实现体内器官的复杂多细胞结构和功能，并且缺乏完整的血管网络，限制了其营养供应和废物排除，使得类器官在体外培养中无法完全模拟体内器官的发育和成熟过程，这些问题的存在使得类器官的异常监测具有相当的价值。

[0041] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0042] 本发明为基于对目标类器官的形态异常信息、功能异常信息和基因表达信息进行分析评估，评估目标类器官的异常程度，当判断异常程度高时，构建异常影响评估模型，获取类器官移植后对患者的异常影响评估指数，再构建卷积神经网络模型，从而实现对类器官的异常实时监测，合理分配医疗资源，确保及时发现并处理异常情况。实施例

[0043] 如图1所示，一种基于大数据的类器官异常监测系统模块如下：

[0044] 数据采集模块，对目标类器官进行监测，采集形态异常信息、功能异常信息和基因表达信息以及细胞水平信息、临床影响信息和成本信息和移植后的实时数据；

[0045] 类器官异常评估模块，构建类器官异常评估模型，对目标类器官异常程度进行评估；

[0046] 异常影响评估模块，对于类器官异常程度高的区域，结合细胞水平信息、临床影响信息和成本信息构建异常影响评估模型，获取目标类器官对患者的异常影响指数；

[0047] 算法处理模块，以类器官异常评估指数、异常影响评估指数和移植后的实时数据作为因素建立卷积神经网络模型，对卷积神经网络模型进行类器官异常实时监测，并根据监测结果决定是否发出报警。

[0048] 具体的，在数据采集模块中，类器官（Organoids）的研究最终目的是为实现更有效和更安全的人体器官移植提供重要的科学基础和技术支持，在实际应用过程中，由于患者疾病的突发性和排异反应以及考虑到医疗成本，难以一直培养出完全无异常的类器官，所以快速筛选出异常程度小，对患者不良影响低的类器官，并根据需求构建异常监测系统是可行而实用的方法。在实际使用中，由于设备成本和实时监测的复杂性等因素，本发明建立在类器官培育长时间正常运行且移植后人体环境相对稳定的情况，持续监测类器官实时数据的前提下进行的，从而可能会导致某一监测时刻风险性变更的现象。

[0049] 在类器官异常评估模块中，构建类器官异常评估模型，具体过程为采集目标类器官的形态异常信息、功能异常信息和基因表达信息，其中形态异常信息包括形态异常系数，标定为 ，功能异常信息包括功能异常系数，标定为 ，基因表达信息包括基因表达系数，标定为 ；

[0050] 形态异常系数 通过采集目标类器官周长和面积，分别标定为 和 ，则目标类器官的圆度为 ,获取数据库中同一类型类器官圆度平均值，标定为，则形态异常系数 ;

[0051] 功能异常系数 通过采集目标类器官对应的分泌物，包括激素、酶或代谢产物，将类器官中的分泌物浓度标定为 ，获取数据库中的同一类型类器官同种分泌物浓度，并标定为 ，x为数据库中的类器官编号，x=1、2、3、4、……、u，u为正整数，则功能异常系数;

[0052] 基因表达系数 通过qPCR、RNA测序或单细胞RNA测序技术分析类器官内基因的表达谱，通过对比数据库中的同一类型类器官基因表达，获取基因重合度，标定为 ，通过Western Blot、ELISA或质谱技术检测类器官内蛋白质的表达水平和修饰状态，通过对比数据库中的同一类型类器官蛋白质的表达水平和修饰状态，获取蛋白质表达重合度，标定为，则基因表达系数 ;

[0053] 类器官异常评估模型分别由目标类器官的形态异常信息、功能异常信息和基因表达信息三方面加权构建而成，生成类器官异常评估指数 ，对应的系数分别为形态异常系数 、功能异常系数 、基因表达系数 ，构成的公式为;

[0054] 同时， 均大于0，并根据实际情况进行设定，例如，采用专家赋权法，即邀请相关领域的专家通过专业的意见调查和综合评估来确定各项指标的权重，以确保权重系数能够准确地反映类器官异常评估中各项指标的重要性。此外，还可以考虑采用层次分析法、模糊综合评价法等多种方法来确定权重系数，以保证权重系数的客观性和科学性。在此不作赘述。

[0055] 在类器官异常评估模块中，由类器官异常评估模型中获得的类器官异常评估指数用于体现目标类器官的异常程度，它的值越大表示目标类器官与正常类器官形态差距越大，功能异常程度越高，基因和蛋白质的表达越罕见，整体异常程度越高。

[0056] 在类器官异常评估模块中，当类器官异常评估指数 大于设定的异常阈值时，说明目标类器官异常程度高，与正常类器官差距大，输出高异常数据信号，进行后续评估；

[0057] 当类器官异常评估指数 小于等于设定的异常阈值时，说明目标类器官异常程度低，与正常类器官差距不大，直接输出评估结果，不再进行后续步骤。

[0058] 在异常影响评估模块中，在接收到高异常数据信号后，构建异常影响评估模型，具体过程为采集目标类器官的细胞水平信息、临床影响信息和成本信息，其中细胞水平信息包括细胞水平系数，标定为 ，临床影响信息包括临床影响系数，标定为 ，成本信息包括成本系数，标定为 ；

[0059] 细胞水平系数 通过采集目标类器官移植人体一周内的细胞存活数量，标定为，获取人体移植目标异常类器官前一周的细胞存活数量，标定为 ，则细胞水平系数；

[0060] 临床影响系数 通过采集目标类器官移植后患者正常生活的时间，标定为 ，获取同一病症下未进行类器官移植的患者正常生活的时间，标定为 ，w为未进行类器官移植的患者编号，w=1、2、3、4、……、v，v为正整数，则临床影响系数 ;

[0061] 成本系数 通过收集目标类器官培养和移植成本，标定为 ，统计患者家庭平均年收入，标定为 ，则成本系数 ；

[0062] 异常影响评估模型分别由目标类器官的细胞水平信息、临床影响信息和成本信息三方面加权构建而成，生成异常影响评估指数 ，对应的系数分别为细胞水平系数 、临床影响系数 、成本系数 ，构成的公式为;

[0063] 同时， 均大于0，并根据实际情况进行设定，例如，采用专家赋权法，即邀请相关领域的专家通过专业的意见调查和综合评估来确定各项指标的权重，以确保权重系数能够准确地反映类器官异常影响评估中各项指标的重要性。此外，还可以考虑采用层次分析法、模糊综合评价法等多种方法来确定权重系数，以保证权重系数的客观性和科学性。在此不作赘述。

[0064] 在异常影响评估模块中，由异常影响评估模型中获得的异常影响评估指数用于体现目标类器官异常造成的影响，它的值越大表示目标类器官移植后在细胞层面的存活率越低，移植后患者可以正常生活的时间越少，对患者家庭造成的负担越大，造成的不良影响越大。

[0065] 在异常影响评估模块中，当异常影响评估指数 大于设定的影响阈值时，说明目标类器官对患者造成的不良影响程度高，输出检测数据信号，建议移植后配备类器官监测系统，并进行后续评估；

[0066] 当异常影响评估指数 小于等于设定的影响阈值时，说明目标类器官造成的影响程度低，直接输出评估结果，不再进行后续步骤。

[0067] 在算法处理模块中，以类器官异常评估指数、异常影响评估指数和类器官实时数据作为卷积神经网络模型的构建因素，建立卷积神经网络模型使得用户实现对移植后类器官异常的实时监测。

[0068] 进一步的，本发明卷积神经网络模型的构建方法如下：

[0069] 步骤S4.1，通过传感器采集已移植类器官的实时图像数据和相关的生理参数，并对采集到的图像数据进行预处理，包括去噪、标准化、数据增强，将预处理后的数据集划分为训练集、验证集和测试集，比例为70%训练集、15%验证集、15%测试集，保证模型的泛化能力，避免过拟合；

[0070] 步骤S4.2，定义卷积神经网络模型的结构，包括卷积层、激活函数、池化层、全连接层,输入层确定输入图像尺寸，然后添加若干卷积层，提取图像的空间特征，构建卷积层，数学表达为 ，其中，x是输入图像，w是卷积核，b是偏置，激活函数定义为 ，再添加池化层，从而减少特征图的尺寸，保留重要特征，
随后添加全连接层，将卷积层和池化层提取的特征用于分类，全连接运算公式为，其中，W是权重矩阵，b是偏置， 是激活函数，最后添加输出层，根据具
体任务设置输出节点数和激活函数： ；

[0071] 步骤S4.3，使用训练集对模型进行训练，通过前向传播计算模型输出：，其中， 是预测输出，x是输入图像， 是模型参数，再根据预测结果和真实
标签计算损失： ，然后以反向传播计
算损失对模型参数的梯度： ，其中， 是学习率， 是损失函
数对参数的梯度，根据获得的结果使用优化器更新模型参数；

[0072] 步骤S4.4，使用验证集对模型进行验证，调整模型参数和超参数，使用测试集评估模型的性能，计算准确率、精确率、召回率、F1分数指标，将训练好的模型部署在实时监测系统中，对类器官进行持续监测，在检测到异常时，及时发出报警。实施例

[0073] 如图2所示，一种基于大数据的类器官异常监测方法，包括如下步骤：

[0074] 步骤S1，对目标类器官进行监测，采集形态异常信息、功能异常信息和基因表达信息以及细胞水平信息、临床影响信息和成本信息和移植后的实时数据；

[0075] 步骤S2，构建类器官异常评估模型，对目标类器官异常程度进行评估；

[0076] 步骤S3，对于类器官异常程度高的区域，结合细胞水平信息、临床影响信息和成本信息构建异常影响评估模型，获取目标类器官对患者的异常影响指数；

[0077] 步骤S4，以类器官异常评估指数、异常影响评估指数和移植后的实时数据作为因素建立卷积神经网络模型，对卷积神经网络模型进行类器官异常实时监测，并根据监测结果决定是否发出报警。

[0078] 上述公式均是去量纲取其数值计算，具体去量纲可采用标准化等多种手段，在此不进行赘述，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

[0079] 上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络，或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线或无线（例如红外、无线、微波等）方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质（例如，软盘、ATA硬盘、磁带）、光介质（例如，DVD），或者半导体介质。半导体介质可以是固态ATA硬盘。

[0080] 应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

[0081] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件，或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

[0082] 在本申请所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其他的形式。

[0083] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，既可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

[0084] 另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。

[0085] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术作出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动ATA硬盘、只读存储器（read‑only memory，ROM）、随机存取存储器（random access memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。

[0086] 以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。