一种基于SVM模型结合图像对肺癌组织的精确定位方法技术

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。本发明专利技术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。

A precise localization method for lung cancer tissue based on SVM model and image

【技术实现步骤摘要】
一种基于SVM模型结合图像对肺癌组织的精确定位方法
本专利技术属于计算机视觉和模式识别领域，特别涉及一种基于SVM模型结合图像对肺癌组织的精确定位方法。
技术介绍
识别并定位物体是计算机视觉与模式识别领域重要的研究内容，作为物体检测的分支，癌细胞的分类是一种特殊情况的物体检测。细胞是一类特殊的物质，其不但具有普遍性而且具有多样化的特殊性。因此，生物识别检测具有广阔的科研价值与应用前景，并且在医学方面有很重要的研究意义。目前，荧光标记法由于其特异性，主要用于鉴定细胞的类型。荧光标记是基于抗原和抗体的特异性结合，这种方法易对细胞的原始生理活性造成损伤且容易产生特异性结合蛋白的假阳性结果，不利于进一步的分析和研究。此外，由于样品处理复杂、成本高、效率低，因此在临床应用中存在许多缺陷。拉曼光谱技术是一种分子非弹性散射指纹谱技术，它是非接触式的技术，可以在物理层面上特异性地识别癌细胞，它不仅可以保持完整性、细胞活性，还能有效地解决生物样品预处理效率的复杂性和效率。拉曼光谱具有很强的特异性，反映了水溶液中活细胞生化成分的变化，没有任何标记和固定。因此，拉曼光谱技术已被广泛应用于临床诊断、毒理检测本文档来自技高网...

【技术保护点】
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...

【技术特征摘要】
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ProjectFOUR4.1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、1.1...

【专利技术属性】
技术研发人员：赵萌，闫静，石凡，陈胜勇，
申请(专利权)人：天津理工大学，
类型：发明
国别省市：天津,12