基于FTIRSVM的正常甲状腺及甲状腺癌组织的分类研究.pdfVIP

第27卷增刊 哈尔滨工程大学学报 V01．27 Suppl． 2006年7月 JournalofHarbin Jul．2006 EngineeringUniversity l 基于FTR-SVM的正常甲状腺及 甲状腺癌组织的分类研究 成则丰1，程路遥2，金文英3，程存归1 (1．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；2．长春JE_v-大学计算机科学技术学院， 吉林长春130022；3．义乌工商职业技术学院计算机工程系，浙江义乌322000) 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；正常甲状腺组织；甲状腺癌组织 文献标识码：A 中图分类号：0675．3；TPl81；Q617 文章编号：1006—7043(2006)增一0366—04 Classificationofnormal tissuesand carcinomabasedon thyroid thyroid FTIR withSVM analysis 1 CHENG Ze—fen91．CHENGLu—yaoz,JINWen—ying’，CHENGCun—gui forReactive onSolid of andLife Chemistry Chemistry (1．ZhejiangKeyLaboratory Surfaces，College Science，Zhejiang Normal of Scienceand ofScience 321004，China；2．School University,Jinhua Computer Technology,ChangchunUniversity and of Scienceand Industrial＆ Technology,Changchun130022，China；3．DepartmentComputer Engineering，YivCu Commercial 322000，China) College，Yiwu Abstract：Thevector anew basedonthestatistical orderto supportmachine(SVM)islearningtechnique learningtheory．In classify normal tissuesand carcino