基于MOS和SAW传感器呼吸诊断肺癌的复合识别算法研究

作     者：王怡珊 王镝 余凯 王林 赵聪 邹莹畅 王平 胡艳捷 应可净 WANG Yi-Shan;WANG Di;YU Kai;WANG Lin;ZHAO Cong;ZHOU Yin-Chang;WANG Ping;HU Yan-Jie;YING Ke-Jing

作者机构：浙江大学生物传感器国家专业实验室生物医学工程教育部重点实验室生物医学工程系杭州310027 浙江大学医学院附属邵逸夫医院杭州310027 

出 版 物：《中国生物医学工程学报》 (Chinese Journal of Biomedical Engineering)

年 卷 期：2012年第31卷第1期

页      面：110-116页

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 1004[医学-公共卫生与预防医学(可授医学、理学学位)] 07[理学] 08[工学] 0836[工学-生物工程] 0702[理学-物理学] 

基　　金：国家自然科学基金重点项目仪器专项(81027003) 教育部博士点基金(20100101110079) 浙江大学基本科研业务费专项资助 

主　　题：电子鼻 呼出气体标志物 肺癌 呼吸诊断方法 模式识别 

摘      要：目前国际上有关肺癌的呼吸检测诊断方法越来越受到关注,其具有简便、快速、无创伤、无标记以及非接触等显著特点。在前期大量肺癌呼出气体挥发性有机物(VOCs)标志物研究的基础上,采用基于MOS-SAW传感器联用的电子鼻技术,分析27例肺癌患者和27例健康人呼出气体样本,并对数据进行处理和识别,设计PCA、PLS、LDA以及ANN等多种诊断方法,比较不同算法的识别结果。实验结果表明,采用的人工神经网络复合模型对肺癌和健康人群的识别灵敏度和特异性分别达到92.59%和88.89%。所提出的复合识别方法对于电子鼻快速诊断肺癌患者是有效的。通过呼出气体中冷凝物标志物的检测和复合诊断算法,将进一步提高通过呼吸气体标志物诊断的新型电子鼻仪器在临床诊断中的广泛应用。