基于血清SERS光谱与特征波长提取的肺癌识别方法

作     者：王子林 金尚忠 窦婷婷 WANG Zilin;JIN Shangzhong;DOU Tingting

作者机构：中国计量大学光学与电子科技学院浙江杭州310018 浙江省现代计量测试技术与仪器重点实验室浙江杭州310018 

出 版 物：《中国计量大学学报》 (Journal of China University of Metrology)

年 卷 期：2023年第34卷第4期

页      面：533-540页

学科分类：07[理学] 070302[理学-分析化学] 0703[理学-化学] 

基　　金：浙江省自然科学基金项目(No.LZ22F050004) 浙江省省级重点研发计划项目(No.2020C03095) 

主　　题：肺癌筛查 表面增强拉曼光谱 光谱特征提取 分类算法 

摘      要：目的:提高肺癌患者和健康人血清表面增强拉曼光谱(SERS)分类模型的稳定性和分类精度。方法:利用递归特征选择、连续投影算法、竞争性自适应重加权算法与主成分分析对血清SERS光谱进行特征波长提取,并结合深度神经网络、偏最小二乘判别分析以及支持向量机算法建立分类模型。结果:递归特征选择以及竞争性自适应重加权算法提高分类模型的稳定性的效果较为明显,对于竞争性自适应重加权算法,深度神经网络分类模型的训练集交叉验证准确率为94.55%,测试集准确率为93.75%,敏感性为87.5%,特异性为100%,优于其余两种模型。结论:通过特征波长提取方法建立分类模型实现了对肺癌患者与健康人血清SERS光谱的有效识别。