基于拉曼光谱的乙肝与丙肝鉴别技术的研究

摘要

本研究利用血清拉曼光谱结合模式识别技术直接对乙肝和丙肝进行分类。实验中测量了480名乙肝患者和346名丙肝患者的血清样本用于分析。通过基线校正对采集到的原始光谱进行预处理,然后使用主成分分析技术(PCA)降低光谱数据维度提取有效的光谱数据特征,最后使用支持向量机(SVM)等算法评估乙肝与丙肝之间的差异。本文研究了粒子群优化(PSO)和网格寻优(GS)两个不同寻优算法的支持向量机模型对乙肝患者和丙肝患者分类,此外还通过学习矢量量化(LVQ),极限学习机(ELM),线性判别分析(LDA)等模式识别算法对乙肝和丙肝分类与支持向量机模型进行了对比。在当前的研究中,PSO-SVM算法模型取得了最佳的分类性能,准确率达到96.74%。本研究结果表明,血清拉曼光谱技术结合PCA-PSO-SVM算法用于区分乙型肝炎和丙型肝炎具有很大的潜力,该技术可用于乙肝和丙肝的区分。