[发明专利]一种基于拉曼光谱和卷积神经网络的肿瘤检测方法

权利要求书

1.一种基于拉曼光谱和卷积神经网络的肿瘤检测方法，其特征在于包括以下步骤：

S1、数据集采集和构造，利用高分辨率CCD拉曼光谱检测设备对肿瘤患者的正常组织部位和肿瘤组织部位分别进行探测，以激发形成不同的拉曼光谱，对所述拉曼光谱按照8:2的比例分割为训练集和测试集；

S2、数据集标准化处理，采用z-score标准化对步骤S1所得到的训练集和测试集进行标准化处理，以将不同组织部位的拉曼光谱的强度放缩至统一尺度；

S3、数据集扩增，对步骤S2所得的训练集进行扩增，增强数据泛化性能；

S4、分类模型训练，建立以残差连接的一维卷积神经网络为基础模块的一维信号分类模型，并对步骤S3所得的训练集进行训练，调节模型参数至模型收敛并保存为最佳模型；

S5、肿瘤预测，将待预测的人体组织拉曼光谱数据输入步骤S4所得的最佳模型，输出待预测组织的取自于肿瘤组织的概率值，以该概率值判断是否为肿瘤组织。

2.根据权利要求1所述的一种基于拉曼光谱和卷积神经网络的肿瘤检测方法，其特征在于所述步骤S1中的探测采用拉曼光纤探针进行。

3.根据权利要求1所述的一种基于拉曼光谱和卷积神经网络的肿瘤检测方法，其特征在于所述步骤S1还包括：根据探测位置的病理切片活检结果对拉曼光谱数据进行分类标注，若为肿瘤组织，则标注标签为1，若为正常组织，则标注标签为0。

4.根据权利要求1所述的一种基于拉曼光谱和卷积神经网络的肿瘤检测方法，其特征在于所述步骤S3中训练集扩增采用平移、或裁剪、或加噪声、或乘算随机系数、或MIXUP中的一种或多种方法进行扩增。

5.根据权利要求3所述的一种基于拉曼光谱和卷积神经网络的肿瘤检测方法，其特征在于所述步骤S4还包括：当输入是步骤S1中已标注的拉曼光谱数据，则输出为其分类标注标签。

6.根据权利要求3所述的一种基于拉曼光谱和卷积神经网络的肿瘤检测方法，其特征在于所述步骤S5中，若所述概率值若大于0.5，则认定为待预测组织为肿瘤组织，否则则认定为待预测组织为正常组织。

7.根据权利要求1所述的一种基于拉曼光谱和卷积神经网络的肿瘤检测方法，其特征在于所述检测方法还包括方法验证，采集手术过程中的病理切片的拉曼光谱并输入到最佳模型中，将输出的预测结果与实际病例活检结果进行比对。