期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
支持向量机-递归特征消去法分析拉曼光谱在乳腺良恶性疾病鉴别诊断中的应用
1
作者 张海鹏 付彤 +3 位作者 张志茹 范志民 郑超 韩冰 《中华肿瘤杂志》 CAS CSCD 北大核心 2014年第8期582-586,共5页
目的探讨支持向量机-递归特征消去法（SVM-RFE）分析拉曼光谱在乳腺良恶性疾病鉴别诊断中的价值。方法收集168例手术患者的新鲜乳腺组织标本，其中正常组织51例，良性病变组织66例，恶性病变组织51例，均进行拉曼光谱检测，SVM-RFE方法... 目的探讨支持向量机-递归特征消去法（SVM-RFE）分析拉曼光谱在乳腺良恶性疾病鉴别诊断中的价值。方法收集168例手术患者的新鲜乳腺组织标本，其中正常组织51例，良性病变组织66例，恶性病变组织51例，均进行拉曼光谱检测，SVM-RFE方法处理数据，构建模型，马氏距离法判断数据处理方法的优劣。结果共得到1800个拉曼光谱，良性和恶性乳腺组织的特征峰出现在1281、1341、1381、1417、1465、1530和1637cm“处，而正常乳腺组织的特征峰出现在1078、1267、1301、1437、1653和1743cm。处。良性和恶性乳腺组织的主要不同集中在1340和1480cm“处。SVM-RFE判断正常和恶性乳腺组织的正确率分别为100．O％和95．0％，判断良性乳腺组织的正确率为93．0％。结论正常、良性与恶性病变组织的拉曼光谱存在显著差异，SVM-RFE可以用来构建鉴别乳腺病变性质的模型。 展开更多
关键词 乳腺肿瘤 光谱分析 拉曼 支持向量机 递归特征消去法 诊断 鉴别
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部