動(dòng)物組織激光誘導(dǎo)擊穿光譜分類方法及核心算法研究.pdf

1、動(dòng)物組織類別繁多，對(duì)其進(jìn)行分類識(shí)別具有重要的意義。傳統(tǒng)動(dòng)物組織分類檢測(cè)通常采用基于DNA和蛋白質(zhì)檢測(cè)的方法。然而此類方法需進(jìn)行樣本處理、且DNA或蛋白質(zhì)的萃取往往需要專業(yè)的人員操作，過(guò)程復(fù)雜、耗時(shí)，不適合實(shí)時(shí)原位檢測(cè)。激光誘導(dǎo)擊穿光譜（Laser-induced Breakdown Spectroscopy，簡(jiǎn)稱LIBS）技術(shù)的出現(xiàn)為動(dòng)物組織實(shí)時(shí)、在線診斷提供了一種可能，它可以通過(guò)結(jié)合化學(xué)計(jì)量學(xué)方法分析物質(zhì)的成分組成來(lái)對(duì)不同組織進(jìn)行快速

2、識(shí)別?；诖?，本論文以常見(jiàn)肉類組織和人體腫瘤組織為實(shí)驗(yàn)對(duì)象，探索采用 LIBS技術(shù)對(duì)動(dòng)物組織進(jìn)行分類識(shí)別。具體研究?jī)?nèi)容如下：
　　首先對(duì)鮮肉組織的制樣和采集方式進(jìn)行了研究。以常見(jiàn)4種豬肉組織為研究對(duì)象，對(duì)其分別進(jìn)行了不同的預(yù)處理和光譜采集：石蠟包埋處理（定點(diǎn)采集）、玻璃壓制（定點(diǎn)采集）、玻璃壓制（掃描采集）、自動(dòng)切片（掃描采集）。使用基于徑向基映射核函數(shù)的支持向量機(jī)算法（Support Vector Machine，SVM）對(duì)4種

3、組織進(jìn)行了分類研究，對(duì)比分析了4種不同的預(yù)處理方法和光譜采集方式對(duì)分類結(jié)果的影響。研究發(fā)現(xiàn)玻璃壓制（掃描采集）的樣品處理方式可獲得最佳的動(dòng)物組織識(shí)別效果，其平均預(yù)測(cè)識(shí)別率可達(dá)93％。
　　其次對(duì)不同的分類識(shí)別算法進(jìn)行了對(duì)比研究。使用玻璃壓制和掃描采集方式對(duì)6種不同的鮮肉組織（豬肉、牛肉、雞肉等）進(jìn)行簡(jiǎn)單的樣品處理和 LIBS光譜數(shù)據(jù)采集，分別使用常見(jiàn)有監(jiān)督算法（支持向量機(jī)、隨機(jī)森林、偏最小二乘判別分析、線性判別分析、樸素貝葉斯分類

4、器和神經(jīng)網(wǎng)絡(luò)、K近鄰）和無(wú)監(jiān)督算法（主成分分析和K均值）對(duì)6種鮮肉組織進(jìn)行了分類識(shí)別，對(duì)比了采用不同算法的識(shí)別結(jié)果。結(jié)果表明，采用支持向量機(jī)算法可以獲得最佳的識(shí)別精度，其平均預(yù)測(cè)識(shí)別率為88.44%。
　　然后以 SVM算法為研究對(duì)象，通過(guò)與其他算法組合以及內(nèi)核優(yōu)化進(jìn)一步改進(jìn)算法以提高識(shí)別精度。以6種鮮肉組織研究對(duì)象，使用SVM與主成分分析相結(jié)合的算法對(duì)組織進(jìn)行了分類識(shí)別。通過(guò)主成分的降維、降噪，提高了 SVM模型的建模效率和算法

5、識(shí)別率，建模時(shí)間從94.63 s降至57.00 s，平均預(yù)測(cè)識(shí)別率從88.44%提高至89.11%。并通過(guò)優(yōu)化SVM的映射內(nèi)核，進(jìn)一步提高識(shí)別率至90.22%。另外，為了解決分類過(guò)程中人工選線耗時(shí)的困擾，使用小波變換結(jié)合信背比、信噪比閾值自動(dòng)對(duì)譜峰進(jìn)行挑選，使得分類算法更加自動(dòng)智能化。
　　最后將研究的模型和算法運(yùn)用到醫(yī)學(xué)腫瘤組織的識(shí)別中。結(jié)果表明，使用SVM以及與主成分分析相結(jié)合的算法對(duì)正常組織和腫瘤組織的光譜平均預(yù)測(cè)識(shí)別率分別