论文部分内容阅读
消化系统癌症的高发病率与高死亡率对人类健康造成重大威胁。亟需一种能够一次检测实现多种癌症筛查的常规体检项目。本文基于表面增强拉曼光谱(SERS)技术,并结合多种统计学分析方法,旨在发展一种能同时区分或筛查多种类型的消化系统癌症的诊断模型。主成分分析-线性判别分析(PCA-LDA)常被用作建立癌症检测的诊断模型(基于血清蛋白SERS光谱),本文创新性地引入了有监督的降维方法偏最小二乘法(PLS),以及6种非线性降维技术：核主成分分析法(KPCA)、等容特征映射(Isomap)、局部线性嵌入(LLE)、拉普拉斯特征映射(LEM)、扩散映射(DM)、多层自编码(Auc)用于血清蛋白SERS光谱的降维；还引入了4种能处理血清蛋白SERS光谱可能存在的非线性分布问题的分类器：最近邻分类器(KNN),随机森林(RF)、反向传播的人工神经网络(BP-ANN)以及支持向量机(SVM)用于训练诊断模型；另外本文还提出了基于谱峰面积的SERS光谱降维方法,并与SVM结合建立诊断模型。本文利用正反向膜电泳-SERS技术共测得593例SERS光谱,其中结肠癌(CC,109例),胃癌(GC,133例),和肝癌(LC,109例)是除肺癌以外对人类威胁最大的几种癌症,并且都属于消化系统范畴,是本文研究方法的主要筛查对象。另外,除采用常规的健康对照(Nor)85例外,还同时设计鼻咽癌(NC,128例)的非消化系统癌症对照。研究发现：1) KNN(10折交叉验证)诊断结果显示,有监督的PLS与非线性的LEE能够把高维度的SERS光谱投影到低维特征空间的同时,去除光谱中包含的冗余的或噪声变量,分类错误率低至15%左右,比PCA法低5个百分点,比无降维时的分类错误率低7个百分点。2) PLS-SVM所训练的诊断模型的效果最好,分类正确率达到92.5%、分别对应于Nor, NC, CC, GC, LC的灵敏度为：85.7%、96.4%、92.8%、91.4%、94.2%;特异性为97.6%、95.8%、99.1%、99.1%、99.1%；ROC曲线下面积(AUC)为0.91、0.96、0.97、0.96、0.97。3)线性本底法(TPA)能在对SERS光谱进行降维的同时保留血清蛋白SERS光谱的光谱特性,使得光谱的低维表示具有实际的物理意义,具有确定特定的化学键与癌症发生是否相关的潜力。另外实验结果表明TPA-SVM所训练的诊断模型效果仅次于PLS-SVM,分类正确率达到89.8%、分别对应于Nor, NC, CC, GC, LC的灵敏度为：88.9%、87.5%、81.3%、100%、90.6%；特异性为96.1%、96.5%、99.1%、100%、95.7%；ROC曲线下面积(AUC)为0.89、0.95、0.94、1、0.91。4)本文通过实验得出PLS-SVM, TPA-SVM在消化系统癌症的血清蛋白SERS光谱分析中有优势,并且论证了血清蛋白SERS具备作为一种能够经过一次检验同时筛查多种癌症的常规体检项目的潜力。