基于FTIR-SVM的正常甲状腺及甲状腺癌组织的分类研究

摘要：

支持向量机(SVM)是根据统计理论提出的一种新的学习算法.为了进行临床中经常出现的正常甲状腺组织与甲状腺癌组织分类,文章以82对正常甲状腺组织与甲状腺癌组织为实验材料,通过FTIR-SVM建立了正常甲状腺组织与甲状腺癌组织识别的模型.试验结果显示,对学习训练集中的70个样品模型识别率为100％,对94个预测样品的识别准确率为98.9％.研究结果表明,FTIR-SVM可以用于正常甲状腺组织与甲状腺癌组织的区别.

关键词： 傅里叶变换红外光谱法 支持向量机 甲状腺组织 甲状腺癌组织 组织分类

作者: 成则丰 程路遥 金文英 程存归

作者单位: 浙江师范大学,浙江省固体表面反应化学重点实验室,浙江,金华,321004 长春理工大学,计算机科学技术学院,吉林,长春,130022 义乌工商职业技术学院计算机工程系,浙江,义乌,322000

会议类型: 国内会议

会议名称: 第十六届中国神经网络大会(CNNC2006)暨首届中国人工免疫系统专题会议(CAISC06)

会议地点: 哈尔滨

会议语种:中文

页码: 366-369

在线出版日期: 2006-08-05（万方平台首次上网日期，不代表论文的发表时间）