支持向量回归在人体血红蛋白无创检测中应用.docVIP

支持向量回归在人体血红蛋白无创检测中应用 　　摘要采用线性渐变滤光片（Linear variable filter， LVF），优化设计高性能、便携式的人体血液成分近红外检测设备，研究了支持向量回归（Support vector regression， SVR）模型对人体血红蛋白（Hemoglobin， Hb）的预测能力及稳定性，以实现贫血疾病的无创诊断。无创采集100位志愿者食指前端光谱信息并划分定标集、验证集1和2。应用网格搜索方法优选惩罚参数与核函数参数c=5.28， g=0.33，用以建立稳健的SVR模型。随后，分别对验证集1和2中Hb水平进行定量分析。实验结果表明： 预测标准偏差（RMSEP） 分别为10.20 g/L和10.85 g/L，相对预测标准偏差（RRMSEP） 为6.85%和7.48%，测量精度较高且SVR模型对不同样品的适应性较强，基本满足临床检测要求。基于SVR算法自行设计的LVF型近红外光谱检测设备在贫血症的无创诊断中有着良好的应用前景。 　　关键词无创检测； 人血红蛋白； 近红外光谱； 支持向量回归； 便携式仪器 　　1引 言 　　人血红蛋白（Hemoglobin， Hb）水平是临床上用于贫血、失血等疾病诊断和分类的重要指标[1～3]。全球约有15亿人患有不同程度贫血，每年因患贫血引发各类疾病而导致死亡的人数过千万，贫血症已成为全球性的公共卫生问题[4]。在贫血症患者中，孕妇贫血会导致免疫力下降、产后感染风险增大；易造成胎儿慢性缺氧，引发早产、死胎等严重后果。妊娠期间，新生儿无法从贫血母体中获取足够的生血物质是新生儿罹患贫血症的主要原因。贫血症将严重影响新生儿全身器官、骨骼的发育，引发智力发育迟缓、免疫力低下等问题。因此，对于孕妇及新生儿的早期贫血症的及时诊断及预防十分必要。 　　目前，常规Hb检测方法存在诸多缺点，如需抽血，有创伤，尤其对于新生儿患者，血管细窄、血液含量低，抽血方法不便操作且可能加重病情；检测周期长，需要专业人员的操作。因此，传统检测方法不利于开展家庭或社区内的Hb检测工作，增加了贫血疾病早期诊断和预防的难度。而无创Hb检测方法可以避免上述问题，相关研究具有重要的理论及实际应用价值[5]。 　　Jbsis[6]在1977年首次报道了Hb在近红外光区的吸收特性。近红外光谱分析技术（Near infrared spectroscopy， NIRS）因其具有无损、快速、无需试剂、可多组分同时分析等优势，已成为无创Hb检测研究领域关注的热点之一[7～11]。Kumar等[12]应用近红外分光光度法，通过优选最佳波长测量动脉血中血红蛋白浓度，标准偏差低于12%； Frasca等[13] 通过应用Pulse COOximeter设备，实现对重症监护病人Hb含量的无创检测及实时监测。目前出现了商品化的专用型血液成分近红外检测仪器，美国Masimo公司生产的Radical7 和Pronto7全血血红蛋白监测仪可实现Hb浓度的无创连续监测，检测误差在10%左右[14，15]，但仪器价格较为昂贵，且测量精度有待提高。 　　为提高人体Hb无创检测精度，同时提高近红外光谱检测仪器的临床实用性，本研究组构建了以线性渐变滤光片（Linear variable filter， LVF）与16像元阵列式探测器为基础的高性能、便携式近红外光谱检测设备。LVF的通带中心波长在特定方向随着位置线性变化的滤光片，能够将入射复色光分成与滤光片位置相关的光谱。其结构简单、体积小巧、可靠性高，可有效简化仪器结构，制备便携式仪器。LVF分光光谱线性变化特性与线阵列式探测器匹配良好[16]。 　　作为间接分析方法， NIRS通过对人体光谱数据与标准方法测得的Hb化学指标建立特定的函数关系，即定标模型，实现对未知样品中Hb含量的预测。因此，定标模型的预测能力与稳定性，是决定NIRS分析精度的关键因素之一。支持向量回归方法（Support vector regression， SVR）用于近红外光谱分析，可提高定量分析的精密度[17]。 本研究将SVR用于近红外光谱无创检测人体血红蛋白，考察其在提高检测精度方面的作用。应用自行设计搭建的LVF型近红外光谱检测设备开展在体实验，无创采集志愿者右手食指前端光谱信号并划分为3组样品集， 即定标集、验证集1和2。应用基于交叉验证理论的网格搜索方法优选惩罚参数与核函数参数，用以建立稳健的SVR模型；通过对比分析SVR模型对两组验证集样品Hb含量的预测精度，验证便携式仪器与定标模型的适用性与稳定性。 　　2检测原理与实验 　　2.1支持向量回归方法的基本原理 　　SVR主要运算过程[18～20]如下： 　　y=w1x1+w2x2+…+wNxN（1） 　　将模型（1）简