基于呼吸气体肺癌检测系统的识别算法研究

发布时间：2017-10-13 23:03

  本文关键词：基于呼吸气体肺癌检测系统的识别算法研究

  更多相关文章： 肺癌标志性气体 差值图谱 模式识别 嵌入式系统

【摘要】：近年来,肺癌已经是一种常见的癌症疾病,威胁着人的生命健康。随着国内空气环境的不断恶化,沙尘暴、雾霾天气出现增多,肺癌发病人数也明显增加。肺癌在早期阶段被确诊并积极进行手术切除治疗可以提高患者的生存率,而目前临床上缺乏无创、低成本、快速的肺癌检测设备。基于卟啉传感器的呼吸气体肺癌检测系统,能够通过患者的呼出气体与传感器阵列响应的差值图谱实现肺癌的无创、快速筛查。差值图谱是判别不同肺癌标志性气体种类和浓度的关键,因此能够设计一种以差值图谱为依据实现不同肺癌标志性气体定性和定量的模式识别算法,具有肺癌早期临床筛查的潜在应用前景。本文基于呼吸气体肺癌检测系统输出的差值图谱,结合模糊评判准则与模板匹配识别,设计实现了对不同肺癌标志性气体的种类识别算法,并加载到嵌入式肺癌检测设备中应用。在定性识别后,提取差值图谱中敏感点上颜色属性相关的特征分量对气体浓度定量识别进行探索,分析特征量与浓度之间的关系,采用不同的识别方法进行肺癌标志性气体浓度的识别。具体研究工作如下:(1)结合模糊隶属理论与模板匹配,利用传感器阵列中卟啉单元的动态响应曲线确定不同肺癌标志性气体响应的敏感点个数及位置,生成模板图谱,然后将待测图谱与模板图谱逐点进行加权模板匹配,通过相似度量,确定待测气体的种类。(2)对不同肺癌标志性气体及肺癌患者呼出气体实例进行识别,并与传统的聚类分析识别结果进行对比,结果表明,本文设计的定性识别算法具有较好的识别效果,较低的检测限,并实现了肺癌患者呼出气体与健康人的呼出气体的区分。(3)基于嵌入式呼吸气体肺癌检测系统搭建了以Linux为操作系统,以Qt-Creator为集成开发平台实现了定性识别软件,将算法加载到软件的图像处理部分实现肺癌标志性气体种类识别及显示。并成功移植到嵌入式设备并运行。(4)在确定气体种类以后,提取肺癌标志性气体响应敏感点上与颜色属性相关的特征分量,对浓度定量识别进行探索。对阵列图像进行图像预处理、二值图像投影、网格划分等处理,提取敏感点上与颜色属性相关的色调和饱和度特征分量。分析浓度与特征量的关系,采用判别分析、支持向量机、BP神经网络对特征量进行识别。识别结果显示支持向量机具有较好的识别效果,且该算法优于判别分析,BP神经网络分析结果表明提取的特征量对浓度的识别误差在可以允许的范围内。
【关键词】：肺癌标志性气体 差值图谱 模式识别 嵌入式系统
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R734.2
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-18
• 1.1 引言8
• 1.2 呼吸气体检测肺癌概述8-11
• 1.3 气体检测模式识别现状11-15
• 1.3.1 统计模式识别算法12-14
• 1.3.2 人工神经网络算法的模式识别14-15
• 1.4 课题的研究目的和内容15-18
• 1.4.1 研究目的15
• 1.4.2 研究意义15-16
• 1.4.3 研究内容16-18
• 2 呼吸气体肺癌检测系统18-25
• 2.1 卟啉阵列传感器检测原理18-19
• 2.2 呼吸气体肺癌检测系统的构建19-23
• 2.2.1 系统整体的设计19-20
• 2.2.2 系统的检测流程20-21
• 2.2.3 系统软件功能图21-23
• 2.3 系统用于肺癌标志性气体检测的实验方法23-25
• 3 基于模糊隶属和加权模板匹配的定性识别25-49
• 3.1 模糊理论25-26
• 3.1.1 隶属函数的确定方法25-26
• 3.1.2 常用隶属度函数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 模板匹配的关键要素28
• 3.3 整体算法流程28-34
• 3.3.1 数据预处理28-29
• 3.3.2 生成模板图谱29-32
• 3.3.3 加权模板匹配32-34
• 3.3.4 基于模糊隶属的评判准则34
• 3.4 算法的实现与测试34-43
• 3.4.1 代码设计流程34-36
• 3.4.2 肺癌标志物气体的识别测试36-37
• 3.4.3 不同浓度肺癌标志物气体的识别测试37-39
• 3.4.4 聚类分析对肺癌标志物的识别对比39-40
• 3.4.5 肺癌患者呼出气体的识别测试40-43
• 3.5 算法在嵌入式系统的实现43-47
• 3.5.1 识别程序的实现43-45
• 3.5.2 算法程序移植45-47
• 3.6 本章小结47-49
• 4 基于肺癌呼气检测系统的定量识别49-64
• 4.1 卟啉传感器阵列点颜色特征提取49-56
• 4.1.1 HSI色彩模型50-51
• 4.1.2 卟啉传感图像HSI特征提取51-53
• 4.1.3 特征提取结果及分析53
• 4.1.4 对不同浓度丙酮气体响应HSI特征分析53-56
• 4.2 基于支持向量机的不同浓度丙酮气体识别56-59
• 4.2.1 支持向量机的概述56-57
• 4.2.2 识别结果57-59
• 4.3 基于BP神经网络不同浓度丙酮气体识别59-62
• 4.3.1 BP神经网络59-61
• 4.3.2 识别结果61-62
• 4.4 本章小结62-64
• 5 总结与展望64-66
• 5.1 全文总结64-65
• 5.2 展望65-66
• 致谢66-67
• 参考文献67-71

【参考文献】

中国期刊全文数据库 前10条

1 王海东;罗娇;李鹏辉;祝兰兰;张伟;邬小萍;曾倩;丁健桦;;慢性乙型肝炎患者呼出气体的电喷雾萃取电离质谱分析[J];分析化学;2015年04期

2 徐永红;霍丹群;法焕宝;杨眉;侯长军;;纳米金-卟啉复合传感阵列快速识别肺癌患者呼气中的有机小分子[J];高等学校化学学报;2015年02期

3 陈景林;曹小安;刘永慧;曾嘉仪;任柯柯;;提取多维催化发光信号鉴别有害气体的传感器[J];高等学校化学学报;2014年06期

4 章永来;史海波;周晓锋;杨秀锋;;基于统计学习理论的支持向量机预测模型[J];统计与决策;2014年05期

5 赵飞翔;罗小刚;徐峰;;可视化阵列传感器对糖尿病标志物的检测研究[J];传感器与微系统;2013年10期

6 穆丽君;黄星奕;姚丽娅;戴煌;;基于可视传感器阵列的鳊鱼新鲜度评价模型研究[J];食品安全质量检测学报;2012年06期

7 王怡珊;王镝;余凯;王林;赵聪;邹莹畅;王平;胡艳捷;应可净;;基于MOS和SAW传感器呼吸诊断肺癌的复合识别算法研究[J];中国生物医学工程学报;2012年01期

8 丁世飞;齐丙娟;谭红艳;;支持向量机理论与算法研究综述[J];电子科技大学学报;2011年01期

9 李小胜;陈珍珍;;如何正确应用SPSS软件做主成分分析[J];统计研究;2010年08期

10 耿志广;王希武;王寅龙;神鹏飞;;基于人工神经网络的电子鼻对混合气体检测研究[J];现代计算机(专业版);2010年05期

中国硕士学位论文全文数据库 前1条

1 王玮;基于气体传感器阵列的混合气体检测系统[D];西北工业大学;2002年

，

本文编号：1027563