[发明专利]一种用于肺癌筛查的模式识别方法

说明书

本发明涉及的一种模式识别方法，主要用于早期肺癌筛查的电子鼻的数据处理、对原始数据进行分类识别。模式识别系统主要包括：S1数据预处理、S2特征提取并进行S3分类训练和S4分类识别，其对传感器阵列采集的数据进行处理。S1对原始的数据将进行数据解析、基线处理、滤波和数据标准化；S2采用拉布拉斯特征映射(LE)降维方法对预处理后的特征矩阵降维以提取主要特征；数据预处理和特征提取完成后，S3是使用Fuzzy k‑NN分类算法分类方法对数据进行训练并获得判别函数，S4是基于判别函数对原始数据进行识别并判断样本是否患有肺癌。

【技术领域】

本发明涉及数据的模式识别技术领域，特别涉及一种用于早期肺癌筛查的计算机模式识别方法，该方法是电子鼻系统的重要组成部分。

【背景技术】

癌症是全球人类发病和死亡的主要原因，其中肺癌占据导致死亡的所有癌症的第一位。能及早发现肺癌并进行积极有效地治疗，可极大提高患者生存率，如Ⅰ期肺癌患者比Ⅳ期肺癌患者1年生存率高4～5倍。研究发现，基于呼气的电子鼻系统可广泛用于早期肺癌的筛查，具有无创、便携、操作简单等优势。电子鼻系统是将采样气体与传感器阵列进行反应并经过信号处理模块，通讯接口将数据传入上位机进行模式识别并判断有无肺癌。

本发明涉及肺癌筛查中电子鼻系统的模式识别算法部分，模式识别是指对表达事物或现象的各种形式的(数值的、文字的和逻辑关系的)信息进行处理和分析，以对事物或现象进行描述、辨认、分类和解释的过程，是信息科学和人工智能的重要组成部分。模式识别又常称作模式分类，从处理问题的性质和解决问题的方法等角度，模式识别分为有监督的分类和无监督的分类两种。二者的主要差别在于各实验样本所属的类别是否预先已知。其应用领域广泛，在文字识别、语音识别、指纹识别、医学诊断等均有应用。

模式识别在电子鼻系统对早期肺癌诊断中尤为重要，采集大量的临床数据，对预处理和特征提取后的数据进行分类训练。新的原始数据可使用模式识别进行分类并判断有无肺癌。

【发明内容】

近年来，因电子鼻系统在早期肺癌的诊断方面具有无创、操作简单等优势，其发展速度迅猛。模式识别作为系统中重要的一部分，可直接影响电子鼻系统的灵敏度和特异性。模式识别系统由四部分组成，数据预处理、特征提取并进行分类训练和分类识别。

一种用于肺癌筛查的模式识别系统包括以下步骤：数据预处理和特征提取完成后，识别模块是基于分类模型对原始数据进行识别并判断样本是否患有肺癌。

S1对原始的数据将进行数据解析、基线处理、滤波和数据标准化；

S2采用拉布拉斯特征映射(LE)降维方法对预处理后的特征矩阵降维以提取主要特征；

数据预处理和特征提取完成后，S3是使用Fuzzy k-NN分类算法分类方法对数据进行训练并获得判别函数；

S4是基于判别函数对原始数据进行识别并判断样本是否患有肺癌。

在本发明所阐述的用于肺癌筛查的模式识别系统中，步骤S1数据预处理中首先对原始数据进行数据解析，以获取传感器响应数据，为了进行漂移补偿和对比增强，对解析后的数据进行基线处理。电子鼻系统在采样过程中对大量数据进行保存，有效周期截取是将传感器与采样气体反应的时间段进行截取，得到有价值的数据的同时使得样本的检测结果具有一致性。有些传感器对呼气的响应很小，由于自身灵敏度限制及其他干扰因素的存在，使得传感器响应波动，为避免噪声掩盖传感器对呼气的响应特性，需要对传感器进行滤波，滤波方法主要包括：小波滤波、中值滤波、移动平均滤波等。为了补偿气室中传感器测量结果的数值范围和/或单位差异，本发明采用标准差标准化方法。

在本发明所阐述的用于肺癌筛查的模式识别系统中，步骤S2特征提取中，