论文部分内容阅读
近年来,肺癌已经是一种常见的癌症疾病,威胁着人的生命健康。随着国内空气环境的不断恶化,沙尘暴、雾霾天气出现增多,肺癌发病人数也明显增加。肺癌在早期阶段被确诊并积极进行手术切除治疗可以提高患者的生存率,而目前临床上缺乏无创、低成本、快速的肺癌检测设备。基于卟啉传感器的呼吸气体肺癌检测系统,能够通过患者的呼出气体与传感器阵列响应的差值图谱实现肺癌的无创、快速筛查。差值图谱是判别不同肺癌标志性气体种类和浓度的关键,因此能够设计一种以差值图谱为依据实现不同肺癌标志性气体定性和定量的模式识别算法,具有肺癌早期临床筛查的潜在应用前景。本文基于呼吸气体肺癌检测系统输出的差值图谱,结合模糊评判准则与模板匹配识别,设计实现了对不同肺癌标志性气体的种类识别算法,并加载到嵌入式肺癌检测设备中应用。在定性识别后,提取差值图谱中敏感点上颜色属性相关的特征分量对气体浓度定量识别进行探索,分析特征量与浓度之间的关系,采用不同的识别方法进行肺癌标志性气体浓度的识别。具体研究工作如下:(1)结合模糊隶属理论与模板匹配,利用传感器阵列中卟啉单元的动态响应曲线确定不同肺癌标志性气体响应的敏感点个数及位置,生成模板图谱,然后将待测图谱与模板图谱逐点进行加权模板匹配,通过相似度量,确定待测气体的种类。(2)对不同肺癌标志性气体及肺癌患者呼出气体实例进行识别,并与传统的聚类分析识别结果进行对比,结果表明,本文设计的定性识别算法具有较好的识别效果,较低的检测限,并实现了肺癌患者呼出气体与健康人的呼出气体的区分。(3)基于嵌入式呼吸气体肺癌检测系统搭建了以Linux为操作系统,以Qt-Creator为集成开发平台实现了定性识别软件,将算法加载到软件的图像处理部分实现肺癌标志性气体种类识别及显示。并成功移植到嵌入式设备并运行。(4)在确定气体种类以后,提取肺癌标志性气体响应敏感点上与颜色属性相关的特征分量,对浓度定量识别进行探索。对阵列图像进行图像预处理、二值图像投影、网格划分等处理,提取敏感点上与颜色属性相关的色调和饱和度特征分量。分析浓度与特征量的关系,采用判别分析、支持向量机、BP神经网络对特征量进行识别。识别结果显示支持向量机具有较好的识别效果,且该算法优于判别分析,BP神经网络分析结果表明提取的特征量对浓度的识别误差在可以允许的范围内。