醫(yī)學無創(chuàng)光譜檢測中若干關(guān)鍵技術(shù)的研究.pdf

1、光譜檢測技術(shù)以其無創(chuàng)、便捷、高效等優(yōu)點已成為生物醫(yī)學領(lǐng)域的先進研究手段。隨著光譜分辨率的不斷提高以及波段范圍的拓展,生物組織的測量光譜蘊含著更為豐富的反映組織細胞生理、病理變化的微觀結(jié)構(gòu)及成分信息,使醫(yī)學活體無創(chuàng)光譜檢測技術(shù)具有很高的可行性。然而個體差異及各組分診斷光譜的大量交疊使得組織的光譜信息與待測目標間關(guān)系存在著很強的模糊性及復雜的非線性,以致于對這些高維、強相關(guān)的光譜數(shù)據(jù)分析及處理面臨著嚴峻挑戰(zhàn)。亟需借助并構(gòu)建合適的數(shù)據(jù)挖掘智能

2、算法用以提取客觀表征測量目標的光學特性,以期能揭示組織生理、病理變化與光譜信息之間隱含的客觀規(guī)律。
　　舌是觀察體內(nèi)功能變化及疾病信息的重要窗口,是人體醫(yī)學無創(chuàng)檢測的最佳測量點之一?；谏嗖刻卣餍畔⑦M行臨床診斷是無創(chuàng)醫(yī)學檢測的重要命題之一。本文以光譜技術(shù)用于舌診客觀化為研究背景,將血清多種蛋白含量定量檢測作為研究載體,針對光譜數(shù)據(jù)與血清蛋白含量間的復雜模糊的非線性映射,致力于對高維醫(yī)學光譜數(shù)據(jù)智能分析方法的若干關(guān)鍵技術(shù)進行研究,以

3、為推動此類醫(yī)學無創(chuàng)光譜檢測進一步的探索及發(fā)展提供思路、方法及技術(shù)支持。
　　1.鑒于舌與生理病理信息之間存在著復雜且模糊的映射關(guān)系,針對當前舌診客觀化信息采集的局限性及處理模式存在將混合信息體割裂提取以致重要內(nèi)涵丟失的缺陷,提出了采集攜帶組織微觀結(jié)構(gòu)變化的舌象高光譜信息來改善信息獲取方式,將舌體交疊混合的圖譜信息作為一個整體進行分析,結(jié)合多種線性與非線性數(shù)據(jù)挖掘算法以黑箱模式關(guān)聯(lián)生化、生理或病理信息,提取特異性光譜指標群的新模式;

4、所提取的光譜指標群有望作為病因病機分析的客觀依據(jù)。該模式為后續(xù)相關(guān)研究提供了可借鑒的思路。
　　2.探討了一種基于舌近紅外光譜的人體血清白蛋白、球蛋白和總蛋白三種生化指標的無創(chuàng)檢測方法。并以此為載體分析了不同建模算法的擬合非線性映射的能力。運用不同的數(shù)據(jù)挖掘方法建立了蛋白成分的定量預測模型,通過實驗分析證明了基于舌的近紅外光譜進行血清蛋白含量檢測具有較高的可行性,將有望為臨床蛋白成分檢測提供一種便捷、無創(chuàng)的先進手段。同時也驗證了支

5、持向量機可有效抵抗活體檢測定量分析中存在的非線性因素,提高模型的魯棒性,進一步地能夠作為最佳波長選擇的評判依據(jù)。
　　3.針對體內(nèi)各組分的特征譜峰存在嚴重混疊現(xiàn)象,從而導致診斷光譜信號微弱且存在不確定性,提出了一種對非線性映射敏感的波段組合提取方案。該方案以支持向量機交叉驗證預測精度作為各波長或波長組合的非線性映射辨識能力的評判標準,分別設(shè)計了非線性區(qū)間選擇法和自適應(yīng)遺傳尋優(yōu)算法,其中前者針對高維光譜數(shù)據(jù)進行粗選以鎖定特征波長所在

6、區(qū)間,后者則在這些區(qū)間內(nèi)通過全局尋優(yōu)搜索策略精選最佳波段組合。將該方案用于舌的近紅外光譜數(shù)據(jù)的波長挑選,在降低了三種血清蛋白含量檢測模型復雜度的同時,有效的提高了非線性模型的預測能力,進一步克服了因譜峰混疊及個體差異等引起的非線性因素。
　　4.提高模型泛化能力及普適性需要對大動態(tài)范圍的大規(guī)模樣本集進行深度挖掘?；谶@個前提,針對智能分析算法中最耗時的支持向量機交叉驗證的計算效率問題,選擇性價比高的GPU并行平臺,提出且開發(fā)了支持

7、向量機交叉驗證的細粒度并行算法。通過對不同中、大尺度基準集的測試,該算法充分調(diào)度了并行資源,有效并發(fā)交叉驗證計算任務(wù),在保證計算精度的前提下,顯著的提升了計算效率,特別對高維光譜等此類稠密數(shù)據(jù)性能提升更為明顯。這對將智能分析算法推廣到中大尺度光譜數(shù)據(jù)中進行深度挖掘提供了技術(shù)支持。此外,針對該方案對小樣本數(shù)據(jù)集加速不顯著問題,進一步擴展并提出了一種基于GPU支持向量機網(wǎng)格搜索并行策略,在對58例近紅外光譜數(shù)據(jù)的參數(shù)選擇測試中獲得了36.0