[发明专利]一种基于拉曼检测光谱数据深度学习的口腔癌分类系统

说明书

本发明公开了一种基于拉曼检测光谱数据深度学习的口腔癌分类系统，该分类系统通过以下步骤：1)拉曼光谱数据的采集与预处理；2)构建并训练卷积神经网络模型；3)评价卷积神经网络模型；4)测试样本，进行分类，采集已知种类的口腔癌样本的拉曼光谱数据并构建模型，并对模型进行训练、评价成为成熟的卷积神经网络模型，然后采集未知种类口腔癌样品数据，输入卷积神经网络模型进行识别分类，本发明提供的基于拉曼检测光谱数据深度学习的口腔癌分类系统可以准确的识别口腔癌样本的生化特征达到对口腔癌进行准确分类的目的。

技术领域

本发明涉及数据处理分析技术领域，具体涉及一种基于拉曼检测光谱数据深度学习的口腔癌分类系统。

背景技术

拉曼光谱是一种能够对生物样品进行无创无损分析的光学方法之一，使人们能够从不同类型的人体组织、细胞和人血清白蛋白中获得有关生物化学成分的精确信息。拉曼光谱是通过激光激发萨姆中的分子来获得的。非弹性散射光导致拉曼光谱的频移。一旦这些频移取决于摩尔分子的类型，拉曼光谱就掌握了关于不同生化化合物的重要信息。通过分析正常组织和病理组织的拉曼光谱差异，可以检测到蛋白质、酶和激素等生化肿瘤标志物。

在临床上，口腔的各种病变表现出不同的方面，产生了不确定或可疑的诊断，目前，口腔损伤的诊断是通过活检组织病理学分析得到，该方法属于入侵性治疗方法，不会立即产生结果，根据报告，口腔癌的存活率约为55％，尽管在手术和治疗方式方面取得了进展，但是死亡率很高，这是由于发现疾病较晚。因此，早期诊断和治疗对于提高口腔癌的生存率至关重要。

发明内容

本发明为了解决现有技术中口腔癌种类分类不准确的问题，提供了一种基于拉曼检测光谱数据深度学习的口腔癌分类系统，具体如下：

本发明提供一种基于拉曼检测光谱数据深度学习的口腔癌分类系统，包括以下步骤：

一种基于拉曼检测光谱数据深度学习的口腔癌分类系统，包括以下步骤：

1)拉曼光谱数据的采集与预处理；

2)构建并训练卷积神经网络模型；

3)评价卷积神经网络模型；

4)测试样本，进行分类。

进一步地，所述拉曼光谱数据的采集包括以下步骤：

1)打开激光，保持5-10min

2)对每个口腔癌组织样本的三个不同位置进行测定，每个光谱的采集时间为20s，截取600cm^-1至1800cm^-1的拉曼光谱数据。

进一步地，所述拉曼光谱数据的预处理包括：平滑处理、归一化处理和荧光背景消除；

所述平滑处理为使用Savitzky-Golay滤波拟合法提高光谱的平滑性，并降低噪音的干扰，采用最小二乘法，包括以下步骤：

A、对多项式进行拟合，用以减小平滑对有效的光谱信息造成干扰，最小二乘拟合通过以下公式进行计算：

其中，p为经Savitzky-Golay拟合后的拟合值，x为拉曼光谱数据，a_k为多项式方程系数；

B、采用最小二乘法求得a_k，根据以下公式进行计算：

当可得到多项式方程系数a_k，其中，ε表示误差平方和，n表示数据范围，a_k为多项式方程系数，M表示数据中的某一点，N为多项式系数个数；

所述归一化处理通过以下公式进行计算处理：