当前位置:主页 > 医学论文 > 妇产科论文 >

改进降维方法提高拉曼光谱医疗诊断模型准确率的研究

发布时间:2020-12-07 04:51
  拉曼光谱技术可以从分子水平上对人体组织成分的改变进行表征和解释,对疾病的诊断具有一定的临床参考价值。与常规医学诊断方法相比,拉曼光谱技术具有快速、准确、简便、无损等优点。但运用拉曼技术得到的拉曼光谱数据维数较大,且存在噪声,如果直接用来鉴别疾病有一定的难度。针对这一问题,必须完成数据预处理才能建立医疗诊断模型,建立的诊断模型可辅助临床进行有针对性的治疗。本研究的主要内容为建立拉曼光谱数据库,改进降维方法提高分类模型的准确率。本研究整理了吉林大学第一医院乳腺外科和妇产科提供的510例乳腺样本和443例羊水样本的拉曼光谱数据。数据存在噪声,对数据进行平滑预处理。预处理后的拉曼光谱数据形态复杂,依然存在数据维度大,样本量少的问题,为了避免过拟合,本文提出改进的局部降维方法(LPR),应用LPR方法完成数据降维,最后,分别应用支持向量机(SVM)、极限学习机(ELM)和K近邻(KNN)算法建立分类模型来预测疾病类型。为了验证LPR算法的有效性,在乳腺癌数据集和羊水数据集上进行了大量的实验,并与其他单一特征提取或选择算法进行对比。实验结果表明:改进的降维方法LPR和SVM分类算法结合构建的模型(... 

【文章来源】:东北师范大学吉林省 211工程院校 教育部直属院校

【文章页数】:45 页

【学位级别】:硕士

【部分图文】:

改进降维方法提高拉曼光谱医疗诊断模型准确率的研究


原始数据光谱图

谱图,预处理,谱图,数据集


5图 2.2 预处理后光谱图2.3 建立数据库预处理后的每一条数据代表一个样本,每条数据的拉曼光谱强度代表其特征。数据进行数据预处理后,总结归纳和整理得到实验数据库,如表 2.1 医疗诊断建立据库可知实验涉及两个数据集分别为:乳腺癌数据集和羊水数据集。乳腺癌数据集

乳腺癌,数据集,算法流程图,降维


Normal Benign Malignant 归属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]改进的局部降维方法(LPR)流程如图 3.2 所示,在乳腺癌数据集上进行了实用分层过滤思想来处理高维数据,分块的依据是表 3.2 所提到的已经归属好的特征本文在光谱数据研究的基础上提出一种改进的降维方法 LPR,下面从两个阶段进行述。

【参考文献】:
期刊论文
[1]维数约简算法简述[J]. 马发民,张林,王锦彪.  软件工程. 2017(08)
[2]便携式拉曼光谱仪在食品检测中的应用[J]. 胡玉兰,黄亚伟,王若兰,李换,任芳.  食品工业科技. 2017(17)
[3]基于聚类改进的KNN文本分类算法[J]. 周庆平,谭长庚,王宏君,湛淼湘.  计算机应用研究. 2016(11)
[4]Kappa检验比较2种猪伪狂犬病gE抗体ELISA检测试剂盒[J]. 杨涛,李谓娟.  福建畜牧兽医. 2015(06)
[5]抽象网格工作流中数据集划分方法的研究[J]. 于万钧,冯鹏飞.  化工自动化及仪表. 2013(08)
[6]基于多标签ReliefF的特征选择算法[J]. 黄莉莉,汤进,孙登第,罗斌.  计算机应用. 2012(10)
[7]基于支持向量机的乳腺癌预后状态预测和疗效评估[J]. 袁前飞,蔡从中,肖汉光,刘兴华,孔春阳.  北京生物医学工程. 2007(04)
[8]基于混淆矩阵和Fisher准则构造层次化分类器[J]. 张静,宋锐,郁文贤,夏胜平,胡卫东.  软件学报. 2005(09)
[9]拉曼光谱技术的应用及研究进展[J]. 伍林,欧阳兆辉,曹淑超,易德莲,孙少学,刘峡.  光散射学报. 2005(02)

硕士论文
[1]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
[2]人脸识别中的特征提取与分类算法研究[D]. 陆晶.中国计量学院 2014
[3]图像检索中的相关反馈和分类算法研究[D]. 刘琳.湖南大学 2009
[4]基于K近邻的分类算法研究[D]. 桑应宾.重庆大学 2009



本文编号:2902657

资料下载
论文发表

本文链接:https://www.wllwen.com/yixuelunwen/fuchankeerkelunwen/2902657.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户efcd7***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com