光谱学与光谱分析
光譜學與光譜分析
광보학여광보분석
SPECTROSCOPY AND SPECTRAL ANALYSIS
2011年
4期
932-936
,共5页
翟玮%相玉红%代荫梅%张家进%张卓勇
翟瑋%相玉紅%代蔭梅%張傢進%張卓勇
적위%상옥홍%대음매%장가진%장탁용
近红外光谱%子宫内膜癌%支持向量机
近紅外光譜%子宮內膜癌%支持嚮量機
근홍외광보%자궁내막암%지지향량궤
近红外光谱结合化学计量学方法对癌症的辅助诊断已有了文献报道.该文测定了77例不同生理阶段的子官内膜组织病理切片的近红外光谱,对其分别进行多元散射校正(MSC)、正交信号校正(OSC)以及二者联用的预处理方法,采用拉丁配分法选择3/4样本作为训练集,1/4样本作测试集,建立支持向量机(SVM)模型进行分类,并与基于同样预处理方法建立的偏最小二乘(PLS)模型分类结果进行了比较.SVM对正常、增生和癌变三类不同的组织样品分类结果较好,总分类正确率约92%,好于PLS模型的结果(最高正确率90%).研究结果表明,光谱数据的预处理和建模方法对分类结果有重要影响,SVM结合子宫内膜组织的近红外光谱有望发展成为一种新型的肿瘤诊断方法.
近紅外光譜結閤化學計量學方法對癌癥的輔助診斷已有瞭文獻報道.該文測定瞭77例不同生理階段的子官內膜組織病理切片的近紅外光譜,對其分彆進行多元散射校正(MSC)、正交信號校正(OSC)以及二者聯用的預處理方法,採用拉丁配分法選擇3/4樣本作為訓練集,1/4樣本作測試集,建立支持嚮量機(SVM)模型進行分類,併與基于同樣預處理方法建立的偏最小二乘(PLS)模型分類結果進行瞭比較.SVM對正常、增生和癌變三類不同的組織樣品分類結果較好,總分類正確率約92%,好于PLS模型的結果(最高正確率90%).研究結果錶明,光譜數據的預處理和建模方法對分類結果有重要影響,SVM結閤子宮內膜組織的近紅外光譜有望髮展成為一種新型的腫瘤診斷方法.
근홍외광보결합화학계량학방법대암증적보조진단이유료문헌보도.해문측정료77례불동생리계단적자관내막조직병리절편적근홍외광보,대기분별진행다원산사교정(MSC)、정교신호교정(OSC)이급이자련용적예처리방법,채용랍정배분법선택3/4양본작위훈련집,1/4양본작측시집,건립지지향량궤(SVM)모형진행분류,병여기우동양예처리방법건립적편최소이승(PLS)모형분류결과진행료비교.SVM대정상、증생화암변삼류불동적조직양품분류결과교호,총분류정학솔약92%,호우PLS모형적결과(최고정학솔90%).연구결과표명,광보수거적예처리화건모방법대분류결과유중요영향,SVM결합자궁내막조직적근홍외광보유망발전성위일충신형적종류진단방법.
