一种基于卷积神经网络的癌症边界智能识别方法技术

本发明专利技术提供了一种基于卷积神经网络的癌症边界智能识别方法，包括以下步骤：获取已知癌症组织的拉曼光谱并进行预处理、构建并训练基于卷积神经网络的模型、采集癌症区域的拉曼光谱数据，判断癌症边界，该方法有效的解决的癌症组织边界判断不准确导致的癌症组织切除不完全，或是过度切除破坏正常组织结构的问题。

【技术实现步骤摘要】
一种基于卷积神经网络的癌症边界智能识别方法
本专利技术涉及数据处理分析
，具体涉及一种基于卷积神经网络的癌症边界智能识别方法。
技术介绍
目前，对于癌症边界的判断主要依赖于窥镜呈像，通过观察组织状态判断组织器官癌症边界，这样的判断方式极容易导致经过后续的治疗后，无法彻底清除癌细胞组织，癌症复发，或是过多的切除了正常组织，导致身体机能受影响。
技术实现思路
为了解决现有技术中癌症边界定位不准的问题，本专利技术提供一种基于卷积神经网络的癌症边界智能识别方法，包括以下步骤：(1)采集已知癌症组织的拉曼光谱并进行预处理；(2)构建并训练基于卷积神经网络的模型；(3)采集癌症区域的拉曼光谱数据，判断癌症边界。进一步地，步骤(1)中所述采集已知癌症的光谱的方法为，采集每个已知样品三个不同位置的拉曼光谱数据，每次采集20s。进一步地，步骤(1)中所述预处理包括数据截取、平滑处理、荧光背景消除和归一化处理；所述数据截取的范围是600cm-1至1800cm-1。进一步地，步骤(2)本文档来自技高网...

【技术保护点】
1.一种基于卷积神经网络的癌症边界智能识别方法，其特征在于，包括以下步骤：/n(1)采集已知癌症组织的拉曼光谱并进行预处理；/n(2)构建并训练基于卷积神经网络的模型；/n(3)采集癌症区域的拉曼光谱数据，判断癌症边界。/n

【技术特征摘要】
1.一种基于卷积神经网络的癌症边界智能识别方法，其特征在于，包括以下步骤：
(1)采集已知癌症组织的拉曼光谱并进行预处理；
(2)构建并训练基于卷积神经网络的模型；
(3)采集癌症区域的拉曼光谱数据，判断癌症边界。


2.根据权利要求1所述的一种基于卷积神经网络的癌症边界智能识别方法，其特征在于，步骤(1)中所述采集已知癌症的光谱的方法为，采集每个已知样品三个不同位置的拉曼光谱数据，每次采集20s。


3.根据权利要求1所述的一种基于卷积神经网络的癌症边界智能识别方法，其特征在于，步骤(1)中所述预处理包括数据截取、平滑处理、荧光背景消除和归一化处理；
所述数据截取的范围是600cm-1至1800cm-1。


4.根据权利要求3所述的一种基于卷积神经网络的癌症边界智能识别方法，其特征在于，所述平滑处理为使用Savitzky-Golay滤波拟合法提高光谱的平滑性，并降低噪音的干扰，采用最小二乘法，包括以下步骤：
A、采用最小二乘法，用于多项式拟合，用以减小平滑对有效的光谱信息造成干扰，最小二乘拟合的表达式如下：



式中是Savitzky-Golay用于拟合Xi后得到的拟合值，Xi表示一组数据。
a0，a1，a2是二项方程系数。
B、为了求得ai的值，采用最小二乘法，如下所示：

当时可得到二项式系数；
其中，ε表示误差平方和，i表示数据中的某一个点，j表示当前的数据，n表示数据范围。
所述归一化处理为：



其中，n为总波长数，xnormal表示归一化。xi表示一组数据...

【专利技术属性】
技术研发人员：祝连庆，闫昊，于明鑫，董明利，何巍，庄炜，张旭，
申请(专利权)人：北京信息科技大学，
类型：发明
国别省市：北京;11