基于卟啉传感器阵列系统的肺癌标志物识别算法*
2017-04-12罗小刚张承丹侯长军霍丹群雷靳灿
传感器与微系统 2017年4期
关键词:肺癌
罗小刚, 张承丹, 侯长军, 霍丹群, 杨 眉, 雷靳灿
(重庆大学 生物工程学院,重庆 400030)
计算与测试
基于卟啉传感器阵列系统的肺癌标志物识别算法*
罗小刚, 张承丹, 侯长军, 霍丹群, 杨 眉, 雷靳灿
(重庆大学 生物工程学院,重庆 400030)
卟啉传感器阵列系统可以检测肺癌呼出气体中特定的标志性气体,不同标志性气体检测输出的差值图谱不一样。介绍了一种结合反向传播(BP)神经网络和主成分分析(PCA)的肺癌标志性气体种类识别算法,并将其应用在卟啉传感器阵列系统中。通过计算卟啉传感器阵列中各点的主成分得分选出敏感点,保留各气体敏感点的值,并组成识别模板作为BP神经网络的输入层,达到去除冗余数据的目的。通过实验对比聚类分析结果、未降维数据的BP神经网络识别结果及已经PCA降维后的数据作为输入的BP神经网络识别结果,证明提出的算法可以更加精确地识别不同的肺癌标志性气体。
卟啉传感器阵列; 肺癌呼出标志物; 气体识别; 神经网络; 主成分得分
0 引 言
随着空气环境的不断恶化,沙尘暴、雾霾天气出现增多,肺癌已经成为一种常见的癌症疾病[1]。肺癌在早期阶段被确诊并积极进行切除治疗可以提高患者的生存机率,而目前临床上缺乏无创、低成本、快速的肺癌检测设备[2]。由卟啉及其衍生物等气敏材料构建的阵列传感器可以实现气体可视化检测,这种检测技术在通过呼吸气体筛查早期肺癌的研究中得到了成功的应用[3]。……
登录APP查看全文
