[發明專利]一種基于拉曼檢測光譜數據深度學習的口腔癌分類系統

在審

• 申請號: 202011409383.X
• 申請日: 2020-12-03
• 公開（公告）號: CN112716447A
• 公開（公告）日: 2021-04-30
• 發明（設計）人: 祝連慶;閆昊;于明鑫;董明利;何巍;莊煒;張旭
• 申請（專利權）人: 北京信息科技大學
• 主分類號: A61B5/00
• 分類號: A61B5/00
• 代理公司: 北京律恒立業知識產權代理事務所(特殊普通合伙) 11416
• 代理人: 王琦;龐立巖

本發明公開了一種基于拉曼檢測光譜數據深度學習的口腔癌分類系統，該分類系統通過以下步驟：1)拉曼光譜數據的采集與預處理；2)構建并訓練卷積神經網絡模型；3)評價卷積神經網絡模型；4)測試樣本，進行分類，采集已知種類的口腔癌樣本的拉曼光譜數據并構建模型，并對模型進行訓練、評價成為成熟的卷積神經網絡模型，然后采集未知種類口腔癌樣品數據，輸入卷積神經網絡模型進行識別分類，本發明提供的基于拉曼檢測光譜數據深度學習的口腔癌分類系統可以準確的識別口腔癌樣本的生化特征達到對口腔癌進行準確分類的目的。

技術領域

本發明涉及數據處理分析技術領域，具體涉及一種基于拉曼檢測光譜數據深度學習的口腔癌分類系統。

背景技術

拉曼光譜是一種能夠對生物樣品進行無創無損分析的光學方法之一，使人們能夠從不同類型的人體組織、細胞和人血清白蛋白中獲得有關生物化學成分的精確信息。拉曼光譜是通過激光激發薩姆中的分子來獲得的。非彈性散射光導致拉曼光譜的頻移。一旦這些頻移取決于摩爾分子的類型，拉曼光譜就掌握了關于不同生化化合物的重要信息。通過分析正常組織和病理組織的拉曼光譜差異，可以檢測到蛋白質、酶和激素等生化腫瘤標志物。

在臨床上，口腔的各種病變表現出不同的方面，產生了不確定或可疑的診斷，目前，口腔損傷的診斷是通過活檢組織病理學分析得到，該方法屬于入侵性治療方法，不會立即產生結果，根據報告，口腔癌的存活率約為55％，盡管在手術和治療方式方面取得了進展，但是死亡率很高，這是由于發現疾病較晚。因此，早期診斷和治療對于提高口腔癌的生存率至關重要。

發明內容

本發明為了解決現有技術中口腔癌種類分類不準確的問題，提供了一種基于拉曼檢測光譜數據深度學習的口腔癌分類系統，具體如下：

本發明提供一種基于拉曼檢測光譜數據深度學習的口腔癌分類系統，包括以下步驟：

一種基于拉曼檢測光譜數據深度學習的口腔癌分類系統，包括以下步驟：

1)拉曼光譜數據的采集與預處理；

2)構建并訓練卷積神經網絡模型；

3)評價卷積神經網絡模型；

4)測試樣本，進行分類。

進一步地，所述拉曼光譜數據的采集包括以下步驟：

1)打開激光，保持5-10min

2)對每個口腔癌組織樣本的三個不同位置進行測定，每個光譜的采集時間為20s，截取600cm^-1至1800cm^-1的拉曼光譜數據。

進一步地，所述拉曼光譜數據的預處理包括：平滑處理、歸一化處理和熒光背景消除；

所述平滑處理為使用Savitzky-Golay濾波擬合法提高光譜的平滑性，并降低噪音的干擾，采用最小二乘法，包括以下步驟：

A、對多項式進行擬合，用以減小平滑對有效的光譜信息造成干擾，最小二乘擬合通過以下公式進行計算：

其中，p為經Savitzky-Golay擬合后的擬合值，x為拉曼光譜數據，a_k為多項式方程系數；

B、采用最小二乘法求得a_k，根據以下公式進行計算：

當可得到多項式方程系數a_k，其中，ε表示誤差平方和，n表示數據范圍，a_k為多項式方程系數，M表示數據中的某一點，N為多項式系數個數；

所述歸一化處理通過以下公式進行計算處理：