您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览439 | 下载57

目的 探讨支持向量机-递归特征消去法(SVM-RFE)分析拉曼光谱在乳腺良恶性疾病鉴别诊断中的价值.方法 收集168例手术患者的新鲜乳腺组织标本,其中正常组织51例,良性病变组织66例,恶性病变组织51例,均进行拉曼光谱检测,SVM-RFE方法处理数据,构建模型,马氏距离法判断数据处理方法的优劣.结果 共得到1 800个拉曼光谱,良性和恶性乳腺组织的特征峰出现在1 281、1 341、1 381、1 417、1 465、1 530和1 637 cm-1处,而正常乳腺组织的特征峰出现在1 078、1 267、1 301、1 437、1 653和1 743 cm-1处.良性和恶性乳腺组织的主要不同集中在1 340和1 480cm-1处.SVM-RFE判断正常和恶性乳腺组织的正确率分别为100.0%和95.0%,判断良性乳腺组织的正确率为93.0%.结论 正常、良性与恶性病变组织的拉曼光谱存在显著差异,SVM-RFE可以用来构建鉴别乳腺病变性质的模型.

作者:张海鹏;付彤;张志茹;范志民;郑超;韩冰

来源:中华肿瘤杂志 2014 年 36卷 8期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:439 | 下载:57
作者:
张海鹏;付彤;张志茹;范志民;郑超;韩冰
来源:
中华肿瘤杂志 2014 年 36卷 8期
标签:
乳腺肿瘤 光谱分析,拉曼 支持向量机-递归特征消去法 诊断,鉴别 Breast neoplasms Spectrum analysis,raman Support vector machine-recursive feature elimination Diagnosis,differential
目的 探讨支持向量机-递归特征消去法(SVM-RFE)分析拉曼光谱在乳腺良恶性疾病鉴别诊断中的价值.方法 收集168例手术患者的新鲜乳腺组织标本,其中正常组织51例,良性病变组织66例,恶性病变组织51例,均进行拉曼光谱检测,SVM-RFE方法处理数据,构建模型,马氏距离法判断数据处理方法的优劣.结果 共得到1 800个拉曼光谱,良性和恶性乳腺组织的特征峰出现在1 281、1 341、1 381、1 417、1 465、1 530和1 637 cm-1处,而正常乳腺组织的特征峰出现在1 078、1 267、1 301、1 437、1 653和1 743 cm-1处.良性和恶性乳腺组织的主要不同集中在1 340和1 480cm-1处.SVM-RFE判断正常和恶性乳腺组织的正确率分别为100.0%和95.0%,判断良性乳腺组织的正确率为93.0%.结论 正常、良性与恶性病变组织的拉曼光谱存在显著差异,SVM-RFE可以用来构建鉴别乳腺病变性质的模型.