[发明专利]一种发炎血清LIBS光谱诊断模型的建立方法

说明书

本发明涉及一种发炎血清LIBS光谱诊断模型的建立方法，属于光谱探测技术领域。本发明解决在发炎血清诊断过程中速度慢、流程繁琐、技术要求高的难题，使用激光诱导击穿光谱(LIBS)技术首次实现发炎血清的准确、快速检测。按照每个个体划分训练‑测试集的LIBS光谱，使用Wilcoxon检验排除差异显著的训练‑测试集，从其余训练‑测试集中随机选择若干组，建立反向传播神经网络(BPNN)模型，并评估发炎血清的识别效果。针对识别效果最好的训练‑测试集，使用多元散射校正(MSC)对光谱数据进行预处理。将最优特征应用于其他训练‑测试集，重新建立MSC‑MIV‑BPNN模型，并验证模型的血清识别效果。

技术领域

本发明涉及一种发炎血清LIBS光谱诊断模型的建立方法，属于光谱探测技术领域。

背景技术

炎症是对血管组织有害刺激引起的生物防御反应的一部分。当免疫系统功能失调时，炎症反应可导致细胞凋亡或坏死，死亡细胞的产物进一步传播炎症，导致组织死亡或器官衰竭。目前，炎症是许多常见疾病的主要诱因，包括结肠炎、糖尿病、肺炎、肝脓肿、败血症、癌症等，这些疾病在世界范围内具有较高的发病率和死亡率。炎症检测对于临床诊断和治疗至关重要。传统的炎症初步诊断通常基于血液常规指标和生物标志物，如白细胞数量、中性粒细胞百分比、淋巴细胞百分比、C反应蛋白浓度、降钙素原浓度等。具体指标需要依据医生经验来确认，并在多个设备中完成检测。有了这些指标，最终的诊断结果需要通过综合评估甚至进一步的检查(如血液细菌培养和超声检测)来确定。虽然传统的炎症诊断准确率很高，但由于存在耗时、操作繁琐、技术要求高等缺点，使得急症患者需要长时间等待甚至耽误病情。因此，寻找一种快速、准确、便携、稳定的炎症识别技术非常重要。

激光诱导击穿光谱(LIBS)是一种可靠的原子发射光谱分析技术，具有速度快、预处理简单和实时原位等优点。LIBS已应用于医学领域，如元素成像、细菌检测和组织识别等。近年来，LIBS已被用于血液检测，根据元素含量的差异诊断癌症，但现有研究的训练-测试集划分是依据不同个体的混合光谱随机划分的，这种划分方法在很大程度上会导致来自同一个人的光谱同时出现在训练集和测试集中，这与实际医疗应用中的未知情况有很大不同。然而，由于受到个体差异、光谱波动和光谱冗余信息的影响，按照每个个体划分训练-测试集的方法可能会导致训练集与测试集之间存在显著差异，致使所建立模型的识别精度和泛化能力较差，不能达预期诊断效果。因此，合理划分训练-测试集，排除差异显著的训练-测试集，建立能准确识别发炎血清的模型具有重要意义。

发明内容

本发明的目的是为了提供一种发炎血清LIBS光谱诊断模型的建立方法，旨在快速、准确、稳定地识别发炎血清。

本发明的技术方案是：

一种发炎血清LIBS光谱诊断模型的建立方法，该方法的步骤包括：

第一步，在载玻片上制备m个正常血清样本和n个发炎血清样本，发炎血清样本中包括s种炎症类型；

第二步，收集载玻片上的m个正常血清样本的若干个LIBS光谱和n个发炎血清样本的若干个LIBS光谱；

第三步，选择光谱强度高于设定阈值的具有物理含义的元素特征谱线，元素特征谱线的数量为k个；

第四步，将第二步中收集的LIBS光谱按照正常和发炎个体，分别划分训练-测试集，正常和发炎类别分别得到多种训练-测试集的划分组合；

划分训练-测试集时，正常和发炎血清样本按照一定比例分别划分，发炎血清样本的训练集须包括s种炎症类型；

第五步，使用Wilcoxon检验对第四步得到的训练-测试集组合进行显著性检验，输入为每个样本第三步所选择的k个元素特征谱线强度的平均值，输出为正常或发炎类别每个训练-测试集组合的p值，排除掉p值低于设定值的组合，剩余的两个类别的训练-测试集组合可随机结合作为训练-测试集；