本文關鍵詞：基于呼吸氣體肺癌檢測系統(tǒng)的識別算法研究

  更多相關文章： 肺癌標志性氣體 差值圖譜 模式識別 嵌入式系統(tǒng)

【摘要】：近年來,肺癌已經(jīng)是一種常見的癌癥疾病,威脅著人的生命健康。隨著國內空氣環(huán)境的不斷惡化,沙塵暴、霧霾天氣出現(xiàn)增多,肺癌發(fā)病人數(shù)也明顯增加。肺癌在早期階段被確診并積極進行手術切除治療可以提高患者的生存率,而目前臨床上缺乏無創(chuàng)、低成本、快速的肺癌檢測設備�；谶策鴤鞲衅鞯暮粑鼩怏w肺癌檢測系統(tǒng),能夠通過患者的呼出氣體與傳感器陣列響應的差值圖譜實現(xiàn)肺癌的無創(chuàng)、快速篩查。差值圖譜是判別不同肺癌標志性氣體種類和濃度的關鍵,因此能夠設計一種以差值圖譜為依據(jù)實現(xiàn)不同肺癌標志性氣體定性和定量的模式識別算法,具有肺癌早期臨床篩查的潛在應用前景。本文基于呼吸氣體肺癌檢測系統(tǒng)輸出的差值圖譜,結合模糊評判準則與模板匹配識別,設計實現(xiàn)了對不同肺癌標志性氣體的種類識別算法,并加載到嵌入式肺癌檢測設備中應用。在定性識別后,提取差值圖譜中敏感點上顏色屬性相關的特征分量對氣體濃度定量識別進行探索,分析特征量與濃度之間的關系,采用不同的識別方法進行肺癌標志性氣體濃度的識別。具體研究工作如下:(1)結合模糊隸屬理論與模板匹配,利用傳感器陣列中卟啉單元的動態(tài)響應曲線確定不同肺癌標志性氣體響應的敏感點個數(shù)及位置,生成模板圖譜,然后將待測圖譜與模板圖譜逐點進行加權模板匹配,通過相似度量,確定待測氣體的種類。(2)對不同肺癌標志性氣體及肺癌患者呼出氣體實例進行識別,并與傳統(tǒng)的聚類分析識別結果進行對比,結果表明,本文設計的定性識別算法具有較好的識別效果,較低的檢測限,并實現(xiàn)了肺癌患者呼出氣體與健康人的呼出氣體的區(qū)分。(3)基于嵌入式呼吸氣體肺癌檢測系統(tǒng)搭建了以Linux為操作系統(tǒng),以Qt-Creator為集成開發(fā)平臺實現(xiàn)了定性識別軟件,將算法加載到軟件的圖像處理部分實現(xiàn)肺癌標志性氣體種類識別及顯示。并成功移植到嵌入式設備并運行。(4)在確定氣體種類以后,提取肺癌標志性氣體響應敏感點上與顏色屬性相關的特征分量,對濃度定量識別進行探索。對陣列圖像進行圖像預處理、二值圖像投影、網(wǎng)格劃分等處理,提取敏感點上與顏色屬性相關的色調和飽和度特征分量。分析濃度與特征量的關系,采用判別分析、支持向量機、BP神經(jīng)網(wǎng)絡對特征量進行識別。識別結果顯示支持向量機具有較好的識別效果,且該算法優(yōu)于判別分析,BP神經(jīng)網(wǎng)絡分析結果表明提取的特征量對濃度的識別誤差在可以允許的范圍內。
【關鍵詞】：肺癌標志性氣體 差值圖譜 模式識別 嵌入式系統(tǒng)
【學位授予單位】：重慶大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：R734.2
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-18
• 1.1 引言8
• 1.2 呼吸氣體檢測肺癌概述8-11
• 1.3 氣體檢測模式識別現(xiàn)狀11-15
• 1.3.1 統(tǒng)計模式識別算法12-14
• 1.3.2 人工神經(jīng)網(wǎng)絡算法的模式識別14-15
• 1.4 課題的研究目的和內容15-18
• 1.4.1 研究目的15
• 1.4.2 研究意義15-16
• 1.4.3 研究內容16-18
• 2 呼吸氣體肺癌檢測系統(tǒng)18-25
• 2.1 卟啉陣列傳感器檢測原理18-19
• 2.2 呼吸氣體肺癌檢測系統(tǒng)的構建19-23
• 2.2.1 系統(tǒng)整體的設計19-20
• 2.2.2 系統(tǒng)的檢測流程20-21
• 2.2.3 系統(tǒng)軟件功能圖21-23
• 2.3 系統(tǒng)用于肺癌標志性氣體檢測的實驗方法23-25
• 3 基于模糊隸屬和加權模板匹配的定性識別25-49
• 3.1 模糊理論25-26
• 3.1.1 隸屬函數(shù)的確定方法25-26
• 3.1.2 常用隸屬度函數(shù)26
• 3.2 模板匹配的基本原理26-28
• 3.2.1 模板匹配27-28
• 3.2.2 模板匹配的關鍵要素28
• 3.3 整體算法流程28-34
• 3.3.1 數(shù)據(jù)預處理28-29
• 3.3.2 生成模板圖譜29-32
• 3.3.3 加權模板匹配32-34
• 3.3.4 基于模糊隸屬的評判準則34
• 3.4 算法的實現(xiàn)與測試34-43
• 3.4.1 代碼設計流程34-36
• 3.4.2 肺癌標志物氣體的識別測試36-37
• 3.4.3 不同濃度肺癌標志物氣體的識別測試37-39
• 3.4.4 聚類分析對肺癌標志物的識別對比39-40
• 3.4.5 肺癌患者呼出氣體的識別測試40-43
• 3.5 算法在嵌入式系統(tǒng)的實現(xiàn)43-47
• 3.5.1 識別程序的實現(xiàn)43-45
• 3.5.2 算法程序移植45-47
• 3.6 本章小結47-49
• 4 基于肺癌呼氣檢測系統(tǒng)的定量識別49-64
• 4.1 卟啉傳感器陣列點顏色特征提取49-56
• 4.1.1 HSI色彩模型50-51
• 4.1.2 卟啉傳感圖像HSI特征提取51-53
• 4.1.3 特征提取結果及分析53
• 4.1.4 對不同濃度丙酮氣體響應HSI特征分析53-56
• 4.2 基于支持向量機的不同濃度丙酮氣體識別56-59
• 4.2.1 支持向量機的概述56-57
• 4.2.2 識別結果57-59
• 4.3 基于BP神經(jīng)網(wǎng)絡不同濃度丙酮氣體識別59-62
• 4.3.1 BP神經(jīng)網(wǎng)絡59-61
• 4.3.2 識別結果61-62
• 4.4 本章小結62-64
• 5 總結與展望64-66
• 5.1 全文總結64-65
• 5.2 展望65-66
• 致謝66-67
• 參考文獻67-71

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王海東;羅嬌;李鵬輝;祝蘭蘭;張偉;鄔小萍;曾倩;丁健樺;;慢性乙型肝炎患者呼出氣體的電噴霧萃取電離質譜分析[J];分析化學;2015年04期

2 徐永紅;霍丹群;法煥寶;楊眉;侯長軍;;納米金-卟啉復合傳感陣列快速識別肺癌患者呼氣中的有機小分子[J];高等學�；瘜W學報;2015年02期

3 陳景林;曹小安;劉永慧;曾嘉儀;任柯柯;;提取多維催化發(fā)光信號鑒別有害氣體的傳感器[J];高等學�；瘜W學報;2014年06期

4 章永來;史海波;周曉鋒;楊秀鋒;;基于統(tǒng)計學習理論的支持向量機預測模型[J];統(tǒng)計與決策;2014年05期

5 趙飛翔;羅小剛;徐峰;;可視化陣列傳感器對糖尿病標志物的檢測研究[J];傳感器與微系統(tǒng);2013年10期

6 穆麗君;黃星奕;姚麗婭;戴煌;;基于可視傳感器陣列的鳊魚新鮮度評價模型研究[J];食品安全質量檢測學報;2012年06期

7 王怡珊;王鏑;余凱;王林;趙聰;鄒瑩暢;王平;胡艷捷;應可凈;;基于MOS和SAW傳感器呼吸診斷肺癌的復合識別算法研究[J];中國生物醫(yī)學工程學報;2012年01期

8 丁世飛;齊丙娟;譚紅艷;;支持向量機理論與算法研究綜述[J];電子科技大學學報;2011年01期

9 李小勝;陳珍珍;;如何正確應用SPSS軟件做主成分分析[J];統(tǒng)計研究;2010年08期

10 耿志廣;王希武;王寅龍;神鵬飛;;基于人工神經(jīng)網(wǎng)絡的電子鼻對混合氣體檢測研究[J];現(xiàn)代計算機(專業(yè)版);2010年05期

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 王瑋;基于氣體傳感器陣列的混合氣體檢測系統(tǒng)[D];西北工業(yè)大學;2002年

，

本文編號：1027563