学习向量量化神经网络用于胃癌组织样品分类识别的研究

摘要：

将lvq神经网络(Learning Vector Quantization Neural Networks)用于胃癌组织样品的分类识别,根据胃癌组织及相应正常组织的FTIR光谱的主要特征吸收峰值(包括Vas(CH3)、Vs(CH2)、δ(CH2)、V(C-O)、Vs(PO2-)、Vas(PO2-)和Vs(核酸,细胞蛋白及膜脂))全部或部分作为网络输入向量,对未知的胃组织样品进行分类识别,结果显示:i)以上述全部七个谱峰为输入向量时,网络经训练学习后,其平均识别正确率最高(达89.3%),表明该网络对胃癌组织样品的分类识别是满意的,完全可作为临床医学的辅助诊断手段;ii)总体上,当作为输入向量的FTIR特征谱峰越多时,则网络的平均分类识别正确率越高;iii)作为输入的FTIR特征谱峰不同时,则网络的平均分类识别正确率也不同.

关键词：人工神经网络、学习向量量化、胃癌、傅里叶变换红外光谱、识别

所属期刊栏目：18

分类号：O652.9(分析化学)

在线出版日期：2006-05-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：365-367