基于电子鼻的呼气无创肝癌检测方法研究

发布时间：2021-06-20 18:51

　　介绍了一种基于电子鼻的呼气无创肝癌检测方法。人体的呼出气体中包括上百种成分,如果某些器官出现病变或异常,呼出气体也会有变化。利用电子鼻,采集了34例肝癌患者和52例对照者的呼出气体。提取信号特征,并利用线性判别法（LDA）和支持向量机（SVM）构建预测模型。利用随机法和交叉验证法分别评价分类精度。结果表明:SVM的分类精度超过85%,可有效区分肝癌患者和对照组。研究表明电子鼻系统可有助于无创检测肝癌,方法方便、安全,成本低廉。 

【文章来源】：传感器与微系统. 2020,39(04)CSCD

【文章页数】：3 页

【部分图文】：

呼气检测肝癌疾病的诊断系统构建

数据采集系统完成对呼出气体的采集，记录了温度变化和三层传感器敏感层在同一时间段对气体的电阻响应变化曲线。如图2，整个测量过程包括5步，其中P1和P2为先后两次测试者呼出气体后，测得的传感器波形数据。数据分析系统负责对采集到的传感器信号处理，包括提取有效信号，特征挖掘和信号分类，并将结果输出。具体内容在数据处理部分介绍。

然而，信号不仅与时间有关，还与频率、相位等信息有关，这就需要进一步分析信号的频率结构。文中提取的频谱特征主要包括各种方法求得的功率谱(Welch方法、平均周期图法、窗函数法)。以S2敏感层为例，图3和图4是其两种功率谱特征。图4 频谱特征二———平均周期图

【参考文献】：
期刊论文
[1]基于流速调制的电子鼻及其在啤酒分类中的应用[J]. 王雨,邢建国,傅均,钱曙.  传感器与微系统. 2018(11)
[2]基于PCA与BP混合神经网络算法的电子鼻系统[J]. 王巍巍,张赛男.  传感器与微系统. 2014(04)

硕士论文
[1]基于电子鼻的特征提取及模式分类方法研究[D]. 崔瑶.北京化工大学 2011



本文编号：3239739