文献类型：期刊文章

作　　者：杨静[1] 王成[1] 谢成颖[2] 翁小阜[2] 魏勋斌[2]

机构地区：[1]上海理工大学医疗器械与食品学院生物医学光学研究所,上海200093 [2]上海交通大学生物医学工程学院Med-X研究院,上海200030

出　　处：《生物医学工程学杂志》

基　　金：教育部博士点基金(20123120120012)

年　　份：2017

卷　　号：34

期　　号：2

起止页码：246-252

语　　种：中文

收录情况：BDHX、BDHX2014、CAS、CSA、CSA-PROQEUST、CSCD、CSCD_E2017_2018、EI(收录号：20172103687806)、EMBASE、IC、JST、PUBMED、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为了实现血液中肝癌细胞的自动识别,本文基于主成分分析(PCA)和反向传播(BP)神经网络算法对三种细胞(小鼠的白细胞、红细胞和人体肝癌细胞Hep G2)进行了识别研究。利用光纤共聚焦后向散射(FCBS)光谱仪获取光谱数据后进行PCA,选取前两个主成分作为光谱的特征,建立一个具有2个输入层节点、11个隐层节点、3个输出节点的神经网络模式识别模型。选取195例对象数据训练该模型,随机抽取150组数据作为训练集,45组数据作为测试集,验证模型给出的细胞是否识别准确。结果显示三种细胞的整体识别准确率在90%以上,平均相对偏差只有4.36%。实验结果预示采用PCA+BP算法能够从红细胞和白细胞中自动识别肝癌细胞,这将为研究肝癌的转移与肝癌的生物代谢特性提供有利的工具。

关 键 词：显微光谱  肝癌细胞 主成分分析法 反向传播神经网络 细胞识别

分 类 号：R735.7]