皮纹在人体胚胎发育的第12-13周左右形成,属于人类的一种遗传性状,皮纹与疾病尤其是与先天性、遗传性疾病以及肿瘤之间存在某种相关性,大多数遗传性疾病均表现出一定的掌纹纹理或某种指纹纹型的差异。目前,医学皮纹学的研究仍然停留在专家经验主观和定性的层次上,缺乏定量、全面的皮纹特征描述和指标评价,使疾病与皮纹相关性的研究进展较为缓慢。一个数字化、定量化的皮纹特征指标体系,能将医学皮纹学中主观的皮纹描述转换为精确的数学模型,定量地描述各种皮纹特征,不但为医学工作者提供一个统一的皮纹特征评价方法和工具,对医学皮纹学研究的发展也将起到重要的促进作用。本课题将定性、主观描述的多项皮纹特征指标进行定量的描述和分析,建立量化的皮纹特征指标体系,实现了皮纹特征在一定程度上的数字化描述。以肿瘤患者的皮纹特征作为临床应用实例,定量分析患者组与对照组之间的皮纹差异,建立肿瘤易患性与皮纹特征的Logistic回归模型,从数字角度反映皮纹与肿瘤易患性间的联系,从中发现内在规律和相关性,进而采用模式分类中的Fisher线性判别、BP神经网络和SVM方法,在患者组与对照组之间按皮纹特征进行分类,并对各种分类结果进行比较,得到适于所建皮纹特征指标体系的分类器模型。本课题在量化皮纹特征的基础上,用模式识别技术探索皮纹与肿瘤的相关性,所提出的指标体系在皮纹特征的数量上和量化程度上,国内外均未见相关报道。本论文的主要工作如下:1建立皮纹数据采集平台:构建的皮纹采集平台,能进行手掌和手指图像的实时采集和图像处理,得到相关的皮纹特征;2皮纹特征选择:在分析人类皮纹所有特征和总结已有专家知识经验的基础上,确定了与疾病判别有关的掌纹和指纹特征,构成皮纹特征集;3皮纹特征的量化:将特征集中的掌纹纹型和指纹纹型分别采用变量和矩阵形式进行描述;4对特征数据进行统计分析:采用统计学中的假设检验(χ2检验、独立样本t检验、独立样本非参数检验、方差分析)、正态性分析、相关性分析、多重共线性检测等,对特征集中的各个皮纹特征进行数据分布及患者组与对照组间差异的统计分析,得出二者有统计差异的皮纹特征共15个参数,构成对肿瘤判别有贡献的皮纹特征指标体系;5统计判别与回归分析:为验证皮纹特征指标的有效性,将有统计差异的特征在患者组与对照组间用Fisher判别分析进行二类判别,证明这些特征可以用于区分患者组与对照组。并就所选皮纹特征进行Logistic回归分析,得出患肿瘤的相对危险度与皮纹特征的回归方程数学模型;6分类器设计:采用BP神经网络和SVM技术,在患者组与对照组之间按皮纹特征进行分类,并将分类结果进行比较,确定对所选皮纹特征数据而言的最优分类器。结论:首先,肿瘤患者组与对照组的皮纹特征之间确实存在一定的差异,这为建立皮纹特征指标体系,将患者组与对照组按皮纹特征进行分类提供可靠的统计学依据;其次,在对皮纹特征的类型、特点进行科学分析的基础上,选用合适的变量和正确的数学工具,完全可以用数字方式对特征进行描述和表达,构成了建立量化皮纹特征指标体系的数学基础;第三,通过统计学分析和模式识别技术证明可以通过皮纹特征对肿瘤易患性进行初步预测,实现对肿瘤的早期筛查和早期预防。另外,利用建立的特征指标体系,在患者组与对照组之间采用BP神经网络和SVM分类器进行分类,结果表明SVM的分类效果较好,Logistic回归预分析在相对危险度角度上能够为肿瘤易患性做出较好预测,BP神经网络在本实验中分类效果不佳,推广能力较差。