关于肝癌的激光荧光光谱数据的模式识别分析

中国医学物理学杂志 1999年第2期第16卷 激光医学

作者：孙飞　曲凤玉　王旭

单位：孙飞（佳木斯医学院 物理教研室）；曲凤玉　王旭　（化学教研室，黑龙江 佳木斯　154002）

关键词：激光荧光光谱；模式识别；肝癌

　　摘要：本文以肝组织的激光荧光光谱测得的六项数据为客观指标，用模式识别方法，对其进行综合分类分析，为鉴别诊断肝脏疾病提供了简单而准确的手段。

　　中图分类号：R730.57

　　 　　文献标识码：A

　　 　　文章编号：1005-202X(1999)02-0082-02

The analysis of patter recognition of indexes of

　　laser fluorescence spectrum to liver cancer.

SUN Fei, QU Feng-yu, WANG Xu

　　(Department of Physics and Chemistry JiaMuSi Medical College, Jiamusi 154002, China)

　　Abstract:To judge liver cancer six indexes of laser fluorescence were determined and pattern recognition was for discriminate analysis.

　　Key words:laser fluorescence spectrum ;pattern recognition; liver cancer.

　　八十年代世界许多国家开展了用激光荧光光谱技术进行癌诊断。本文在文献［1］的基础上，对人体肝癌组织与正常肝组织切片测得的六项激光荧光光谱指标(激光波长、峰值波长、峰半高宽、左半峰宽度、右半峰宽度、峰不对称因子)用模式识别对其进行了综合分类分析，用留一法^［2］评估预报能力分类结果优于文献的结论。

　　模式识别是60年代初迅速发展起来的一门学科，它所研究的理论和方法在很多科学和技术领域中得到了广泛的重视和推动了人工智能系统的发展，扩大了计算机应用的可能性。三十多年来取得了大量的研究成果，在很多地方得到了成功的应用。但至今尚未见在肝癌诊断方面应用的报道。因此，我们作了这部分的研究探讨。

　　模式识别系统由训练和识别两个过程组成，即设计和实现。设计(训练过程)是指用一定数量的已知分类的样本进行分类器的设计。实现(识别过程)是指用所设计的分类器对待识别的样本进行分类决策。统计模式识别系统主要由四个部分组成：数据获取、预处理、特征提取选择和分类决策。

　　在做组织测查样本中，将文献［1］的肝癌组织取11例，正常肝脏组织(对照组)取6例，作为训练样本点集，分别用1、2表示之。将每个样本测得的6个指标(激光波长、峰值波长、峰半高宽、左半峰宽度、右半峰宽度、峰不对称因子)用模式识别方法对训练点集进行分类，将样本数据输入微机进行数据归一化，主成分提取等预处理，综合使用聚类分析，判断分析和映照分析。将由测得的6项指标所张开的六维特征空间映照到二维空间，继而在二维空间映照图上绘制分类结果。

1给出将样本分为二类的线性映照，从图中可看出肝癌组织和对照组大致可以分为二处，其间有明显分界线。用留一法对其预报能力进行评估，平均预报能力可达95%以上。

图1　二类线性照射图

　　1.肝癌　2.对照

　　在应用中，直接使用这些分类器识别未知样本。例如用激光荧光光谱图测得的某样本六项指标分别为488.0、547、67.0、39.5、27.5、1.44。作为未知样本输入微机后，在图中用x表示。在二类映照图2中可知其为肝癌。

图2　肝癌1对照组2两类分类器中对未知样本X的差别分类

　　对此判别模型可不断接受新的病例资料，并随病例资料的增加，不断修改诊断模型，以提高分类效果的质量。模式识别判断结果说明，用这种方法以激光荧光光谱测得的数据为指标判别肝癌更有其临床意义。

　　参考文献

　　［1］　赵箭光，等.肝癌与正常肝组织激光荧光光谱的比较研究［J］.中国医学物理学杂志，1996，13(4)：220-222.

　　［2］　陈念贴，许志宏，刘洪霖.计算机化学及应用［M］.上海：科学技术出版社，1987.

　　［3］　[联邦德国]H.尼曼.模式分类［M］.科学出版社.

　　［4］　王积分，张新荣.计算机图像识别［M］.中国铁道出版社.

收稿日期：1998-09-15