基于拉曼光谱技术结合机器学习算法分析创伤后应激障碍
本文采用血清拉曼光谱方法探究了创伤后应激障碍(PTSD)的发病率与创伤环境中暴露时间长短相关联的原因与机理分析.在本实验中以大鼠为研究对象,测试了28例延长创伤环境暴露时间和27例非延长创伤环境暴露时间的大鼠血清样品.在被测大鼠血清拉曼光谱中特征峰的暂定分配表明各组之间的特定生物分子具有一定的差异性.采用主成分分析提取特征,用以减少高维光谱的维数,来提高判别模型的速率,并对提取后的特征分别采用BPNN,ELM和SVM进行分类,其中SVM算法又分别用线性核函数、多项式核函数和RBF核函数(高斯核函数)三种不同的核函数来建立模式识别模型.PCA-RBF-SVM取得的结果最好,准确率为94.5%.研究结果表明,不同创伤环境暴露时长的血清拉曼光谱存在明显的差异性,暴露时长使其化学或分子物质发生了改变,继而可能导致创伤后应激障碍的发病率发生变化.
创伤后应激障碍、血清、拉曼光谱、PCA、SVM
31
O433.4(光学)
新疆维吾尔自治区自然科学基金面上项目2015211A008
2020-11-18(万方平台首次上网日期,不代表论文的发表时间)
共6页
767-772