基于信号处理方法的拉曼光谱疾病诊断算法研究

发布时间：2021-04-30 00:57

　　拉曼光谱是一种基于非弹性散射的无损、高灵敏度的光学检测技术。每种分子或样品都会有其特有的光谱“指纹”信息,该技术已经在生物医学领域得到了广泛的应用。本研究将人体血清拉曼光谱信号作为研究对象,并结合模式识别方法,分别建立了高肾素型高血压疾病和甲状腺功能障碍疾病的筛查模型。本研究主要做了以下两方面的工作:1.将拉曼光谱技术结合不同的分类算法首次用于高肾素型高血压疾病的筛查。对采集到的原始血清拉曼光谱数据用多项式拟合扣除荧光背景噪声,并用主成分分析（PCA）方法对高维的光谱数据进行特征提取。最后分别建立了支持向量机（SVM）、线性判别分析（LDA）和K最近邻（KNN）分类模型。这三种模型的分类准确率分别为93.5%、93.5%和89.1%。结果表明血清拉曼光谱技术结合多元数据分析方法在高肾素型高血压疾病筛查上的可行性。2.提出了人工鱼群耦合均匀设计（AFUD）寻优算法,并将其用在了SVM的超参数优化上。SVM的超参数选择对其分类准确率有一定影响,为了解决SVM的超参数优化问题,本文首次提出了AFUD算法并用在了SVM的超参数优化上。并结合血清拉曼光谱数据建立了甲状腺功能障碍疾病的诊断模型。研... 

【文章来源】：新疆大学新疆维吾尔自治区 211工程院校

【文章页数】：52 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
一、绪论
    (一)研究背景与选题意义
    (二)国内外研究现状
    (三)本论文的主要工作与各章节安排
二、光谱信号预处理与分类识别算法
    (一)光谱信号预处理算法
        1、归一化(Normalization)
        2、多元散射校正(Multiple Scatter Correction,MSC)
        3、标准正态变换方法(Standard Normal Variable,SNV)
        4、信号平滑(Signal smoothing)
        5、背景扣除算法(Background subtraction algorithm)
    (二)光谱信号特征提取算法
        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)光谱信号分类识别算法
        1、支持向量机(Support Vector Machine,SVM)
        2、线性判别分析(Linear Discriminant Analysis,LDA)
        3、K最近邻(k-Nearest Neighbor,KNN)
    (四)分类器模型评价准则
    (五)本章小结
三、拉曼光谱信号结合不同的分类算法在高肾素型高血压疾病筛查中的应用
    (一)实验过程与结果分析
        1、实验样本及光谱检测设备
        2、光谱信号的预处理
        3、光谱信号的分析
        4、光谱信号的特征提取和分类识别算法
    (二)本章小结
四、超参数优化的支持向量机算法及其在甲状腺功能障碍疾病筛查中的应用
    (一)人工鱼群耦合均匀设计(artificial fish coupled with uniform design, AFUD)算法
        1、人工鱼群算法(Artificial fish swarm algorithm,AFSA)的改进思想
        2、AFUD算法优化SVM超参数
    (二)实验过程与结果分析
        1、光谱信号的采集和预处理
        2、光谱信号的分析和特征提取
        3、SVM分类模型
    (三)本章小结
五、总结和展望
    (一)总结
    (二)展望
参考文献
攻读硕士学位期间学术研究成果
致谢


【参考文献】：
期刊论文
[1]表面增强拉曼光谱:应用和发展[J]. 朱越洲,张月皎,李剑锋,任斌,田中群.  应用化学. 2018(09)
[2]基于KPCA和近红外光谱的鉴别玉米单倍体方法研究[J]. 刘文杰,李卫军,李浩光,覃鸿,宁欣.  光谱学与光谱分析. 2017(07)
[3]Study on the echinococcosis blood serum detection based on Raman spectroscopy combined with neural network[J]. 程金盈,许亮,吕国栋,唐军,莫家庆,吕小毅,高志贤.  Optoelectronics Letters. 2017(01)
[4]果蝇耦合均匀设计算法及其优化SVM参数[J]. 高雷阜,赵世杰,于冬梅,徒君.  计算机工程与科学. 2016(05)
[5]BP神经网络在拉曼光谱判别中的应用[J]. 况爱农,孙丽,周静.  激光杂志. 2016(04)
[6]耦合人工鱼群算法在支持向量机参数优化中的应用[J]. 高雷阜,赵世杰,高鼎.  小型微型计算机系统. 2015(01)
[7]基于网格搜索和支持向量机的灰熔点预测[J]. 李清毅,周昊,林阿平,邱坤赞,岑可法.  浙江大学学报(工学版). 2011(12)
[8]中国高血压防治指南2010[J]. 刘力生.  中华高血压杂志. 2011(08)
[9]基于SERS技术结合多变量统计分析胃癌患者血浆拉曼光谱[J]. 冯尚源,潘建基,伍严安,林多,陈燕坪,席刚琴,林居强,陈荣.  中国科学:生命科学. 2011(07)
[10]L-精氨酸对高血压的防治作用[J]. 吴洁,文格波,孙明,杨和平,杨永宗.  国外医学.心血管疾病分册. 1996(02)

博士论文
[1]拉曼光谱的数学解析及其在定量分析中的应用[D]. 李津蓉.浙江大学 2013
[2]一种新型的智能优化方法-人工鱼群算法[D]. 李晓磊.浙江大学 2003

硕士论文
[1]拉曼散射信号的预处理及其应用于医学筛查技术的统计模式识别研究[D]. 田大勇.新疆大学 2018
[2]基于拉曼光谱的乳腺良恶性肿瘤识别模型研究[D]. 贾致真.东北师范大学 2017
[3]基于支持向量机算法的癌症组织拉曼光谱数据分析[D]. 郭利斌.福建师范大学 2015
[4]支持向量机参数选择的研究[D]. 宋永东.华中师范大学 2013
[5]拉曼光谱背景扣除算法及其应用研究[D]. 陈珊.中南大学 2011



本文编号：3168526