Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种体表无创肿瘤检测方法、装置及介质 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:北京航空航天大学

摘要:本申请公开一种体表无创肿瘤检测方法、装置及介质,涉及生物医学工程技术领域,方法包括:获取待检测组织多个待检波段的混合模态光谱;对各混合模态光谱进行荧光模态光谱初始拟合,得到对应的初始荧光模态拟合光谱;初始化所有待检波段的权重;对权重和荧光模态拟合光谱、加权算子和拟合噪声进行更新迭代;基于各迭代次数下的荧光模态拟合光谱、加权算子、混合模态光谱以及拟合噪声确定多模态特征向量;将多模态特征向量分别输入至k个第一阶预测模型中,输出肿瘤性质向量的初始预测值;将各肿瘤性质向量的初始预测值拼接,得到间接特征向量;将间接特征向量输入至第二阶预测模型中,得到肿瘤性质向量的最终预测值。本申请提高了肿瘤检测的精度。

主权项:1.一种体表无创肿瘤检测方法,其特征在于,所述体表无创肿瘤检测方法包括:采用光纤拉曼光谱仪获取待检测组织的多个待检波段的混合模态光谱;对各待检波段的混合模态光谱进行荧光模态光谱初始拟合,得到对应待检波段的初始荧光模态拟合光谱;初始化所有待检波段的权重;利用权重自适应模态分解,基于各待检波段的初始权重、混合模态光谱和初始待检荧光模态拟合光谱,对对应待检波段的权重和荧光模态拟合光谱、加权算子和拟合噪声进行更新迭代,得到对应待检波段的各迭代次数下的权重和荧光模态拟合光谱、各迭代次数下的加权算子以及所述待检测组织的各迭代次数下的拟合噪声;基于各待检波段的各迭代次数下的荧光模态拟合光谱、各迭代次数下的加权算子、各待检波段的混合模态光谱以及所述待检测组织的各迭代次数下的拟合噪声,确定对应待检波段的归一化拉曼模态光谱和归一化荧光模态光谱;基于所有待检波段的归一化拉曼模态光谱,确定所述待检测组织的拉曼特征向量;基于所有待检波段的归一化荧光模态光谱,确定所述待检测组织的荧光特征向量;将所述待检测组织的拉曼特征向量和荧光特征向量进行拼接融合,得到所述待检测组织的多模态特征向量;将所述待检测组织的多模态特征向量分别输入至k个第一阶预测模型中,输出对应的肿瘤性质向量的初始预测值;k个第一阶预测模型分别为通过第一阶训练样本集对k个初始模型进行训练得到的模型,所述第一阶训练样本集包括多个训练用组织的多模态特征向量和对应的肿瘤性质向量的实际值;所述肿瘤性质向量用于表征肿瘤性质,所述肿瘤性质为:恶性肿瘤、良性肿瘤或正常组织;k个初始模型从支持向量机、模糊信息熵加权近邻算法、随机森林算法、极端梯度提升算法、卷积神经网络、逻辑回归算法、朴素贝叶斯分类算法、线性判别分析、决策树、K最近邻算法和自适应增强算法共11个初始模型中选取,k≤11;将所有第一阶预测模型输出的肿瘤性质向量的初始预测值进行拼接,得到所述待检测组织的间接特征向量;将所述待检测组织的间接特征向量输入至第二阶预测模型中,得到所述待检测组织的肿瘤性质向量的最终预测值;所述第二阶预测模型是通过第二阶训练样本集对自适应增强算法进行训练得到的;所述第二阶训练样本集包括:多个训练用组织的间接特征向量和对应的肿瘤性质向量的实际值。

全文数据:

权利要求:

百度查询: 北京航空航天大学 一种体表无创肿瘤检测方法、装置及介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。