拉曼光譜技術(shù)可以從分子水平上對(duì)人體組織成分的改變進(jìn)行表征和解釋,對(duì)疾病的診斷具有一定的臨床參考價(jià)值。與常規(guī)醫(yī)學(xué)診斷方法相比,拉曼光譜技術(shù)具有快速、準(zhǔn)確、簡(jiǎn)便、無(wú)損等優(yōu)點(diǎn)。但運(yùn)用拉曼技術(shù)得到的拉曼光譜數(shù)據(jù)維數(shù)較大,且存在噪聲,如果直接用來(lái)鑒別疾病有一定的難度。針對(duì)這一問(wèn)題,必須完成數(shù)據(jù)預(yù)處理才能建立醫(yī)療診斷模型,建立的診斷模型可輔助臨床進(jìn)行有針對(duì)性的治療。本研究的主要內(nèi)容為建立拉曼光譜數(shù)據(jù)庫(kù),改進(jìn)降維方法提高分類模型的準(zhǔn)確率。本研究整理了吉林大學(xué)第一醫(yī)院乳腺外科和婦產(chǎn)科提供的510例乳腺樣本和443例羊水樣本的拉曼光譜數(shù)據(jù)。數(shù)據(jù)存在噪聲,對(duì)數(shù)據(jù)進(jìn)行平滑預(yù)處理。預(yù)處理后的拉曼光譜數(shù)據(jù)形態(tài)復(fù)雜,依然存在數(shù)據(jù)維度大,樣本量少的問(wèn)題,為了避免過(guò)擬合,本文提出改進(jìn)的局部降維方法(LPR),應(yīng)用LPR方法完成數(shù)據(jù)降維,最后,分別應(yīng)用支持向量機(jī)(SVM)、極限學(xué)習(xí)機(jī)(ELM)和K近鄰(KNN)算法建立分類模型來(lái)預(yù)測(cè)疾病類型。為了驗(yàn)證LPR算法的有效性,在乳腺癌數(shù)據(jù)集和羊水?dāng)?shù)據(jù)集上進(jìn)行了大量的實(shí)驗(yàn),并與其他單一特征提取或選擇算法進(jìn)行對(duì)比。實(shí)驗(yàn)結(jié)果表明:改進(jìn)的降維方法LPR和SVM分類算法結(jié)合構(gòu)建的模型(... 

【文章來(lái)源】：東北師范大學(xué)吉林省 211工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：45 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

原始數(shù)據(jù)光譜圖

5圖 2.2 預(yù)處理后光譜圖2.3 建立數(shù)據(jù)庫(kù)預(yù)處理后的每一條數(shù)據(jù)代表一個(gè)樣本，每條數(shù)據(jù)的拉曼光譜強(qiáng)度代表其特征。數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理后，總結(jié)歸納和整理得到實(shí)驗(yàn)數(shù)據(jù)庫(kù)，如表 2.1 醫(yī)療診斷建立據(jù)庫(kù)可知實(shí)驗(yàn)涉及兩個(gè)數(shù)據(jù)集分別為：乳腺癌數(shù)據(jù)集和羊水?dāng)?shù)據(jù)集。乳腺癌數(shù)據(jù)集

Normal Benign Malignant 歸屬190 192 192 C-C hypo[46]795 810 810 Beta carotene[47]1079 1081 1081 Amide III of proteins[48]1843 1841 1841 CH2and CH3symmetric deformation of proteins[49]2056 2056 2056 Amide III (α-helix) of proteins[50]2361 2359 2359 Lipids[48]2803 2801 2805 Lipids[46]改進(jìn)的局部降維方法（LPR）流程如圖 3.2 所示，在乳腺癌數(shù)據(jù)集上進(jìn)行了實(shí)用分層過(guò)濾思想來(lái)處理高維數(shù)據(jù)，分塊的依據(jù)是表 3.2 所提到的已經(jīng)歸屬好的特征本文在光譜數(shù)據(jù)研究的基礎(chǔ)上提出一種改進(jìn)的降維方法 LPR，下面從兩個(gè)階段進(jìn)行述。

【參考文獻(xiàn)】：
期刊論文
[1]維數(shù)約簡(jiǎn)算法簡(jiǎn)述[J]. 馬發(fā)民,張林,王錦彪.  軟件工程. 2017(08)
[2]便攜式拉曼光譜儀在食品檢測(cè)中的應(yīng)用[J]. 胡玉蘭,黃亞偉,王若蘭,李換,任芳.  食品工業(yè)科技. 2017(17)
[3]基于聚類改進(jìn)的KNN文本分類算法[J]. 周慶平,譚長(zhǎng)庚,王宏君,湛淼湘.  計(jì)算機(jī)應(yīng)用研究. 2016(11)
[4]Kappa檢驗(yàn)比較2種豬偽狂犬病gE抗體ELISA檢測(cè)試劑盒[J]. 楊濤,李謂娟.  福建畜牧獸醫(yī). 2015(06)
[5]抽象網(wǎng)格工作流中數(shù)據(jù)集劃分方法的研究[J]. 于萬(wàn)鈞,馮鵬飛.  化工自動(dòng)化及儀表. 2013(08)
[6]基于多標(biāo)簽ReliefF的特征選擇算法[J]. 黃莉莉,湯進(jìn),孫登第,羅斌.  計(jì)算機(jī)應(yīng)用. 2012(10)
[7]基于支持向量機(jī)的乳腺癌預(yù)后狀態(tài)預(yù)測(cè)和療效評(píng)估[J]. 袁前飛,蔡從中,肖漢光,劉興華,孔春陽(yáng).  北京生物醫(yī)學(xué)工程. 2007(04)
[8]基于混淆矩陣和Fisher準(zhǔn)則構(gòu)造層次化分類器[J]. 張靜,宋銳,郁文賢,夏勝平,胡衛(wèi)東.  軟件學(xué)報(bào). 2005(09)
[9]拉曼光譜技術(shù)的應(yīng)用及研究進(jìn)展[J]. 伍林,歐陽(yáng)兆輝,曹淑超,易德蓮,孫少學(xué),劉峽.  光散射學(xué)報(bào). 2005(02)

碩士論文
[1]基于拉曼光譜的乳腺良惡性腫瘤識(shí)別模型研究[D]. 賈致真.東北師范大學(xué) 2017
[2]人臉識(shí)別中的特征提取與分類算法研究[D]. 陸晶.中國(guó)計(jì)量學(xué)院 2014
[3]圖像檢索中的相關(guān)反饋和分類算法研究[D]. 劉琳.湖南大學(xué) 2009
[4]基于K近鄰的分類算法研究[D]. 桑應(yīng)賓.重慶大學(xué) 2009



本文編號(hào)：2902657