發(fā)布時間：2018-09-03 08:48

【摘要】：目的探討使用近紅外光譜結(jié)合支持向量機法區(qū)分耐甲氧西林金葡菌(MR SA)和甲氧西林敏感金葡菌(MSSA)的可行性。方法制作MRSA和MSSA的濃度標(biāo)準(zhǔn)曲線。擴增待測細(xì)菌,并根據(jù)公式制備相同濃度菌液。采集菌液樣本近紅外光譜數(shù)據(jù),并對數(shù)據(jù)進行一階求導(dǎo)、平滑去噪、歸一化和基線校正等預(yù)處理。根據(jù)兩種細(xì)菌光譜曲線的相關(guān)性,對900~2200nm波段數(shù)據(jù)進行主成分分析。依據(jù)累計貢獻率結(jié)果,選擇前三個主成分作為支持向量機的輸入向量,分別使用線性、多項式、徑向基3種核函數(shù)進行建模,比較不同模型區(qū)分MSSA和MRSA的準(zhǔn)確性。結(jié)果 MRSA和MSSA預(yù)處理后的光譜曲線相關(guān)系數(shù)為1.000,兩者高度相似。使用主成分處理并采用3種支持向量機核函數(shù)建模后,模型的訓(xùn)練和測試準(zhǔn)確率均高于95%,其中采用徑向基核函數(shù)分類結(jié)果最好,訓(xùn)練準(zhǔn)確率為99.72%±0.21%,測試準(zhǔn)確率為99.47%±0.00%。結(jié)論使用近紅外光譜結(jié)合支持向量機的分析方法具有精確區(qū)分MRSA和MSSA的能力。
[Abstract]:Objective to study the feasibility of using near infrared spectroscopy (NIR) combined with support vector machine (SVM) to distinguish methicillin-resistant Staphylococcus aureus (MR SA) from methicillin-sensitive Staphylococcus aureus (MSSA). Methods the standard concentration curves of MRSA and MSSA were made. The bacteria to be tested were amplified and the same concentration of bacteria was prepared according to the formula. The near infrared spectrum data of bacterial liquid samples were collected, and the data were preprocessed by first order derivation, smooth denoising, normalization and baseline correction. According to the correlation of two bacterial spectral curves, principal component analysis (PCA) of 900~2200nm band data was carried out. According to the result of cumulative contribution rate, the first three principal components are selected as input vectors of support vector machine, and three kernel functions, linear, polynomial and radial basis function, are used to model and compare the accuracy of different models to distinguish MSSA from MRSA. Results the correlation coefficient of spectral curve between MRSA and MSSA was 1.000, and they were highly similar. The training and testing accuracy of the model is higher than that of 95% by using principal component processing and using three kinds of kernel function of support vector machine. The classification result of radial basis kernel function is the best, the training accuracy is 99.72% 鹵0.21, and the test accuracy is 99.47% 鹵0.00. Conclusion the method of near infrared spectroscopy combined with support vector machine has the ability to distinguish MRSA from MSSA accurately.
【作者單位】： 第三軍醫(yī)大學(xué)西南醫(yī)院全軍燒傷研究所 創(chuàng)傷、燒傷與復(fù)合傷國家重點實驗室;重慶大學(xué)通信工程學(xué)院通信工程系;中國工程物理研究院流體物理研究所;
【分類號】：R446.5

【相似文獻】

相關(guān)期刊論文 前10條

1 張向東,畢韶丹,關(guān)宏宇;拮抗藥化合物活性的支持向量機研究[J];遼寧大學(xué)學(xué)報(自然科學(xué)版);2005年03期

2 羅萬春;;基于支持向量機的凝血功能診斷模型[J];數(shù)學(xué)的實踐與認(rèn)識;2013年06期

3 謝洪波,王志中,黃海;表面肌電的支持向量機分類[J];北京生物醫(yī)學(xué)工程;2004年02期

4 陸強;馮敏;馬華;張西學(xué);;模糊聚類支持向量機在步態(tài)分類中的應(yīng)用[J];中國組織工程研究與臨床康復(fù);2011年09期

5 史鑫;羅述謙;;支持向量機在醫(yī)學(xué)圖像分割中的應(yīng)用[J];北京生物醫(yī)學(xué)工程;2007年03期

6 李磊;黃水平;;支持向量機原理及其在醫(yī)學(xué)分類中的應(yīng)用[J];中國衛(wèi)生統(tǒng)計;2009年01期

7 鄭莉麗;李曉強;李福鳳;閆西平;王憶勤;王真真;;基于支持向量機的中醫(yī)望診唇色自動分類[J];生物醫(yī)學(xué)工程學(xué)雜志;2011年01期

8 王浩軍,鄭崇勛,李映,朱華鋒,閆相國;支持向量機在血細(xì)胞分類中的應(yīng)用[J];生物醫(yī)學(xué)工程學(xué)雜志;2003年03期

9 周舒冬;張磊;葉小華;楊云升;;支持向量機技術(shù)在疾病預(yù)后中的應(yīng)用和比較[J];數(shù)理醫(yī)藥學(xué)雜志;2007年06期

10 胡康達(dá);符紅光;孔祥振;;分級聚類支持向量機在中醫(yī)舌像分類中的應(yīng)用[J];計算機應(yīng)用;2010年S2期

相關(guān)會議論文 前10條

1 余樂安;姚瀟;;基于中心化支持向量機的信用風(fēng)險評估模型[A];第六屆（2011）中國管理學(xué)年會——商務(wù)智能分會場論文集[C];2011年

2 劉希玉;徐志敏;段會川;;基于支持向量機的創(chuàng)新分類器[A];山東省計算機學(xué)會2005年信息技術(shù)與信息化研討會論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機學(xué)習(xí)方法[A];全國第19屆計算機技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會議論文集（下冊）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機的系統(tǒng)辨識方法研究及應(yīng)用[A];中國力學(xué)大會——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機方法的衢州降雪模型[A];第五屆長三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機方法預(yù)測膜蛋白類型[A];第十一次中國生物物理學(xué)術(shù)大會暨第九屆全國會員代表大會摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機綜述[A];全國第十五屆計算機科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機[A];2005年中國智能自動化會議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機算法[A];2006中國控制與決策學(xué)術(shù)年會論文集[C];2006年

10 侯澍e，

本文編號：2219480