详情

原文传递一种基于SVM模型结合图像对肺癌组织的精确定位方法

专利名称：	一种基于SVM模型结合图像对肺癌组织的精确定位方法
摘要：	一种基于SVM模型结合图像对肺癌组织的精确定位方法，其步骤为：①培养两种细胞系；②将培养后的两种细胞系放在载玻片上，用共聚焦拉曼光谱仪测量细胞的拉曼光谱；③将测量后得到的细胞的拉曼光谱进行预处理；④对预处理后的细胞拉曼光谱进行提取特征，提取的特征是特征峰位置以及这些特征峰位置的强度比值；⑤对提取的特征应用多变量间相关性分析；⑥对步骤④、⑤中提取的特征，再结合SVM分类器对光谱数据进行分类识别；⑦选取剩余样本进行测试，得到了细胞的精确度、敏感性、特异性，对于分类错误的样本，进一步利用染色图像或者拉曼成像进行区分。本发明可消除由于实验或者样品培养过程中的误差引起的识别较低率的现象。
专利类型：	发明专利
国家地区组织代码：	天津;12
申请人：	天津理工大学
发明人：	赵萌;闫静;石凡;陈胜勇
专利状态：	有效
申请日期：	2019-03-27T00:00:00+0800
发布日期：	2019-09-06T00:00:00+0800
申请号：	CN201910235612.1
公开号：	CN110208238A
代理机构：	天津盛理知识产权代理有限公司
代理人：	董一宁
分类号：	G01N21/65(2006.01);G;G01;G01N;G01N21
申请人地址：	300384 天津市西青区宾水西道391号
主权项：	1.一种基于SVM模型结合图像对肺癌组织的精确定位方法，其特征在于：包括如下步骤： ①培养两种细胞系； ②将培养后的两种细胞系放在载玻片上，用共聚焦拉曼光谱仪测量细胞的拉曼光谱； ③将测量后得到的细胞的拉曼光谱，通过Project FOUR 4.1软件对光谱进行预处理，即基线矫正和平滑处理； ④对预处理后的细胞拉曼光谱进行提取特征，提取的特征是特征峰位置以及这些特征峰位置的强度比值； ⑤对提取的特征应用多变量间相关性分析，消除特征之间的交叉敏感性； ⑥对步骤④、⑤中提取的特征，再结合SVM分类器对光谱数据进行分类识别； ⑦选取剩余样本进行测试，得到了细胞的精确度、敏感性、特异性，对于分类错误的样本，进一步利用染色图像或者拉曼成像进行区分。 2.根据权利要求1所述的一种基于SVM模型结合图像对肺癌组织的精确定位方法，其特征在于：所述步骤①的两种细胞系为肺腺癌细胞系A549和胸膜间皮细胞系Met-5A。 3.所根据权利要求1所述的一种基于SVM模型结合图像对肺癌组织的精确定位方法，其特征在于：述步骤④提取的特征是9个特征峰位置以及这9个特征峰位置的强度比值，9个特征峰的位置包括1080cm-1、1128cm-1、1258cm-1、1301cm-1、1342cm-1、1449cm-1、1578cm-1、1617cm-1、1659cm-1；这9个特征峰位置的8个强度比值分别为1.077、1.047、1.180、1.263、1.214、1.468、1.036、1.414。 4.根据权利要求1所述的一种基于SVM模型结合图像对肺癌组织的精确定位方法，其特征在于：所述SVM分类器采用LIBSVM。 5.根据权利要求1所述的一种基于SVM模型结合图像对肺癌组织的精确定位方法，其特征在于：所述共聚焦拉曼光谱仪是德国生产的WITec光谱仪。 6.根据权利要求1或2所述的一种基于SVM模型结合图像对肺癌组织的精确定位方法，其特征在于：所述肺腺癌细胞系A549和胸膜间皮细胞系Met-5A的培养条件是：肺腺癌细胞系A549使用DMEM基础培养基，胸膜间皮细胞系Met-5A使用DMEM高糖培养基DMEM-H，在30-50℃、5-10％CO2培养箱内培养后收集到无菌离心管内，经过缓冲液清洗和离心沉淀细胞后弃去全部上清液，将收集的细胞均匀铺在载玻片上，用于观察。 7.根据权利要求6所述的一种基于SVM模型结合图像对肺癌组织的精确定位方法，其特征在于：所述肺腺癌细胞系A549来自天津医科大学总医院肺癌研究中心，胸膜间皮细胞系Met-5A来自于苏州北纳生物有限公司。 8.根据权利要求6所述的一种基于SVM模型结合图像对肺癌组织的精确定位方法，其特征在于：所述DMEM基础培养基包含10％胎牛血清，1％青霉素-链霉素双抗，所述DMEM高糖培养基DMEM-H包含10％胎牛血清，均购买于北京Solarbio科技有限公司。
所属类别：	发明专利