基于FTIR-SVM的正常甲状腺及甲状腺癌组织的分类研究
  • 【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... 展开>>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. 收起<<

  • 【作者】

    成则丰  程路遥  金文英  程存归 

  • 【作者单位】

    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

  • 【会议名称】

    第十六届中国神经网络大会(CNNC2006)暨首届中国人工免疫系统专题会议(CAISC06)

  • 【会议时间】

    2006-08-05

  • 【会议地点】

    哈尔滨

  • 【主办单位】

    中国神经网络委员会   中国电子学会

  • 【语种】

    chi

  • 【关键词】

    傅里叶变换红外光谱法  支持向量机  甲状腺组织  甲状腺癌组织  组织分类