動物組織激光誘導(dǎo)擊穿光譜分類方法及核心算法研究.pdf

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

2、識別?；诖耍菊撐囊猿Ｒ娙忸惤M織和人體腫瘤組織為實驗對象，探索采用 LIBS技術(shù)對動物組織進行分類識別。具體研究內(nèi)容如下：
　　首先對鮮肉組織的制樣和采集方式進行了研究。以常見4種豬肉組織為研究對象，對其分別進行了不同的預(yù)處理和光譜采集：石蠟包埋處理（定點采集）、玻璃壓制（定點采集）、玻璃壓制（掃描采集）、自動切片（掃描采集）。使用基于徑向基映射核函數(shù)的支持向量機算法（Support Vector Machine，SVM）對4種

3、組織進行了分類研究，對比分析了4種不同的預(yù)處理方法和光譜采集方式對分類結(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物組織識別效果，其平均預(yù)測識別率可達93％。
　　其次對不同的分類識別算法進行了對比研究。使用玻璃壓制和掃描采集方式對6種不同的鮮肉組織（豬肉、牛肉、雞肉等）進行簡單的樣品處理和 LIBS光譜數(shù)據(jù)采集，分別使用常見有監(jiān)督算法（支持向量機、隨機森林、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）和無監(jiān)督算法（主成分分析和K均值）對6種鮮肉組織進行了分類識別，對比了采用不同算法的識別結(jié)果。結(jié)果表明，采用支持向量機算法可以獲得最佳的識別精度，其平均預(yù)測識別率為88.44%。
　　然后以 SVM算法為研究對象，通過與其他算法組合以及內(nèi)核優(yōu)化進一步改進算法以提高識別精度。以6種鮮肉組織研究對象，使用SVM與主成分分析相結(jié)合的算法對組織進行了分類識別。通過主成分的降維、降噪，提高了 SVM模型的建模效率和算法

5、識別率，建模時間從94.63 s降至57.00 s，平均預(yù)測識別率從88.44%提高至89.11%。并通過優(yōu)化SVM的映射內(nèi)核，進一步提高識別率至90.22%。另外，為了解決分類過程中人工選線耗時的困擾，使用小波變換結(jié)合信背比、信噪比閾值自動對譜峰進行挑選，使得分類算法更加自動智能化。
　　最后將研究的模型和算法運用到醫(yī)學(xué)腫瘤組織的識別中。結(jié)果表明，使用SVM以及與主成分分析相結(jié)合的算法對正常組織和腫瘤組織的光譜平均預(yù)測識別率分別