發(fā)布時間：2021-04-30 00:57

　　拉曼光譜是一種基于非彈性散射的無損、高靈敏度的光學(xué)檢測技術(shù)。每種分子或樣品都會有其特有的光譜“指紋”信息,該技術(shù)已經(jīng)在生物醫(yī)學(xué)領(lǐng)域得到了廣泛的應(yīng)用。本研究將人體血清拉曼光譜信號作為研究對象,并結(jié)合模式識別方法,分別建立了高腎素型高血壓疾病和甲狀腺功能障礙疾病的篩查模型。本研究主要做了以下兩方面的工作:1.將拉曼光譜技術(shù)結(jié)合不同的分類算法首次用于高腎素型高血壓疾病的篩查。對采集到的原始血清拉曼光譜數(shù)據(jù)用多項式擬合扣除熒光背景噪聲,并用主成分分析（PCA）方法對高維的光譜數(shù)據(jù)進(jìn)行特征提取。最后分別建立了支持向量機（SVM）、線性判別分析（LDA）和K最近鄰（KNN）分類模型。這三種模型的分類準(zhǔn)確率分別為93.5%、93.5%和89.1%。結(jié)果表明血清拉曼光譜技術(shù)結(jié)合多元數(shù)據(jù)分析方法在高腎素型高血壓疾病篩查上的可行性。2.提出了人工魚群耦合均勻設(shè)計（AFUD）尋優(yōu)算法,并將其用在了SVM的超參數(shù)優(yōu)化上。SVM的超參數(shù)選擇對其分類準(zhǔn)確率有一定影響,為了解決SVM的超參數(shù)優(yōu)化問題,本文首次提出了AFUD算法并用在了SVM的超參數(shù)優(yōu)化上。并結(jié)合血清拉曼光譜數(shù)據(jù)建立了甲狀腺功能障礙疾病的診斷模型。研... 

【文章來源】：新疆大學(xué)新疆維吾爾自治區(qū) 211工程院校

【文章頁數(shù)】：52 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
一、緒論
    (一)研究背景與選題意義
    (二)國內(nèi)外研究現(xiàn)狀
    (三)本論文的主要工作與各章節(jié)安排
二、光譜信號預(yù)處理與分類識別算法
    (一)光譜信號預(yù)處理算法
        1、歸一化(Normalization)
        2、多元散射校正(Multiple Scatter Correction,MSC)
        3、標(biāo)準(zhǔn)正態(tài)變換方法(Standard Normal Variable,SNV)
        4、信號平滑(Signal smoothing)
        5、背景扣除算法(Background subtraction algorithm)
    (二)光譜信號特征提取算法
        1、主成分分析(Principal Component Analysis,PCA)
        2、核主成分分析(Kernel Principal Component Analysis,KPCA)
        3、偏最小二乘法(Partial Least Squares,PLS)
    (三)光譜信號分類識別算法
        1、支持向量機(Support Vector Machine,SVM)
        2、線性判別分析(Linear Discriminant Analysis,LDA)
        3、K最近鄰(k-Nearest Neighbor,KNN)
    (四)分類器模型評價準(zhǔn)則
    (五)本章小結(jié)
三、拉曼光譜信號結(jié)合不同的分類算法在高腎素型高血壓疾病篩查中的應(yīng)用
    (一)實驗過程與結(jié)果分析
        1、實驗樣本及光譜檢測設(shè)備
        2、光譜信號的預(yù)處理
        3、光譜信號的分析
        4、光譜信號的特征提取和分類識別算法
    (二)本章小結(jié)
四、超參數(shù)優(yōu)化的支持向量機算法及其在甲狀腺功能障礙疾病篩查中的應(yīng)用
    (一)人工魚群耦合均勻設(shè)計(artificial fish coupled with uniform design, AFUD)算法
        1、人工魚群算法(Artificial fish swarm algorithm,AFSA)的改進(jìn)思想
        2、AFUD算法優(yōu)化SVM超參數(shù)
    (二)實驗過程與結(jié)果分析
        1、光譜信號的采集和預(yù)處理
        2、光譜信號的分析和特征提取
        3、SVM分類模型
    (三)本章小結(jié)
五、總結(jié)和展望
    (一)總結(jié)
    (二)展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間學(xué)術(shù)研究成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]表面增強拉曼光譜:應(yīng)用和發(fā)展[J]. 朱越洲,張月皎,李劍鋒,任斌,田中群.  應(yīng)用化學(xué). 2018(09)
[2]基于KPCA和近紅外光譜的鑒別玉米單倍體方法研究[J]. 劉文杰,李衛(wèi)軍,李浩光,覃鴻,寧欣.  光譜學(xué)與光譜分析. 2017(07)
[3]Study on the echinococcosis blood serum detection based on Raman spectroscopy combined with neural network[J]. 程金盈,許亮,呂國棟,唐軍,莫家慶,呂小毅,高志賢.  Optoelectronics Letters. 2017(01)
[4]果蠅耦合均勻設(shè)計算法及其優(yōu)化SVM參數(shù)[J]. 高雷阜,趙世杰,于冬梅,徒君.  計算機工程與科學(xué). 2016(05)
[5]BP神經(jīng)網(wǎng)絡(luò)在拉曼光譜判別中的應(yīng)用[J]. 況愛農(nóng),孫麗,周靜.  激光雜志. 2016(04)
[6]耦合人工魚群算法在支持向量機參數(shù)優(yōu)化中的應(yīng)用[J]. 高雷阜,趙世杰,高鼎.  小型微型計算機系統(tǒng). 2015(01)
[7]基于網(wǎng)格搜索和支持向量機的灰熔點預(yù)測[J]. 李清毅,周昊,林阿平,邱坤贊,岑可法.  浙江大學(xué)學(xué)報(工學(xué)版). 2011(12)
[8]中國高血壓防治指南2010[J]. 劉力生.  中華高血壓雜志. 2011(08)
[9]基于SERS技術(shù)結(jié)合多變量統(tǒng)計分析胃癌患者血漿拉曼光譜[J]. 馮尚源,潘建基,伍嚴(yán)安,林多,陳燕坪,席剛琴,林居強,陳榮.  中國科學(xué):生命科學(xué). 2011(07)
[10]L-精氨酸對高血壓的防治作用[J]. 吳潔,文格波,孫明,楊和平,楊永宗.  國外醫(yī)學(xué).心血管疾病分冊. 1996(02)

博士論文
[1]拉曼光譜的數(shù)學(xué)解析及其在定量分析中的應(yīng)用[D]. 李津蓉.浙江大學(xué) 2013
[2]一種新型的智能優(yōu)化方法-人工魚群算法[D]. 李曉磊.浙江大學(xué) 2003

碩士論文
[1]拉曼散射信號的預(yù)處理及其應(yīng)用于醫(yī)學(xué)篩查技術(shù)的統(tǒng)計模式識別研究[D]. 田大勇.新疆大學(xué) 2018
[2]基于拉曼光譜的乳腺良惡性腫瘤識別模型研究[D]. 賈致真.東北師范大學(xué) 2017
[3]基于支持向量機算法的癌癥組織拉曼光譜數(shù)據(jù)分析[D]. 郭利斌.福建師范大學(xué) 2015
[4]支持向量機參數(shù)選擇的研究[D]. 宋永東.華中師范大學(xué) 2013
[5]拉曼光譜背景扣除算法及其應(yīng)用研究[D]. 陳珊.中南大學(xué) 2011



本文編號：3168526