基于神经网络的电子鼻肺癌早期诊断系统

《电子技术应用》2006年第7期欢迎网上投稿 www.aetnet.cnwww.aetnet.com.cn (接上页) 应处理,并通过调用函数 UIP_APPCALL()访问 Web服务 器,在 Web服务器上判断是传送静态网页还是通过 CGI 对传感器/执行器进行操作。 主程序的 流程 快递问题件怎么处理流程河南自建厂房流程下载关于规范招聘需求审批流程制作流程表下载邮件下载流程设计 图如图 2所示。 经过实验证明,合理利用 AD!C831和 F206的片上 资源以及 !IP协议的接口函数,可以实现一个基于 IEEE1451.2标准的、功能较为完善的嵌入式 Web接口模 块。此模块适用于智能仪器仪表和远程控制系统,为建 立网络测控系统提供一种简便的实现 方案 气瓶 现场处置方案 .pdf气瓶 现场处置方案 .doc见习基地管理方案.doc关于群访事件的化解方案建筑工地扬尘治理专项方案下载 。 参考文献 1TheAD!C812asanIEEE1451.2STIM.MicroConverterTM TechnicalNote-uC003.www.analog.com/microconverter 2邓治国,张维新.!IPTCP/IP协议栈在 51系列单片机上的 应用.微计算机信息,2004;20(3):88～90 3!IP0.9.协议栈网络站点.http://dunkels.com/adam/uip/ (收稿日期:2006-01-26) 肺癌是目前全世界最常见的恶性肿瘤之一,其发病 率和死亡率不断上升。究其原因是肺癌病因不明,发病 时间短、转移快、恶性程度高,早期不易诊断,到中、晚 期失去了手术机会,患者五年生存率仅为 15%左右。早 期发现可使患者五年内生存率提高到 70%～80%。所以 早期发现、早期诊断、早期治疗是提高肺癌生存率和降 低死亡率的关键。肺癌早期通常无特殊症状,几乎不被 医生和病人警觉,并且常用诊断方法难以做到早期发 现、早期定性诊断。 目前,基于电子鼻的疾病诊断研究主要集中在有关 肾病、糖尿病的早期诊断和一些细菌的类型与生长阶段 的识别。电子鼻的疾病诊断作为医学诊断无损化的重要 方向之一,已经取得了很多成果,但目前还未有通过认证 的呼吸诊断仪器的报道。如何进一步改进肺癌的诊断技 术、提高各种治疗的疗效等,已经成为近期全世界肿瘤研 究领域的重中之重。我国也把肺癌列为全国重点攻关课 题。寻找一种更先进的仪器和技术在局部组织发生癌变 时即能发现和诊断,即是本电子鼻系统所要完成的工作。 本文从相关病理的呼吸气体的侦测和收集、气体传感器 阵列的选取及优化 设计 领导形象设计圆作业设计ao工艺污水处理厂设计附属工程施工组织设计清扫机器人结构设计 和模式识别技术的选择等方面对 电子鼻肺癌早期诊断系统进行了关键技术的设计,取得 了良好的效果。 1电子鼻肺癌早期诊断系统结构 电子鼻是利用气体传感器阵列的响应图案来识别 气体的电子系统。电子鼻主要由气体取样操作器、气体 传感器阵列和信号处理系统三种功能器件组成。电子鼻 基于神经网络的电子鼻肺癌早期诊断系统 赵景波,赵德安,蒋春彬 (江苏大学 电气信息工程学院,江苏 镇江 212013) 摘 要:从相关病理的呼吸气体的侦测和收集、气体传感器阵列的选取和优化设计及模式识别技 术的选择等方面进行关键技术的设计,研制基于神经网络的电子鼻肺癌早期诊断系统,取得了良好 的效果。 关键词:电子鼻 早期诊断 呼吸气体 气体传感器阵列 模式识别 !!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! 计算机技术 ● 应用系统 8 Administrator 注释 ..... 《电子技术应用》2006年第7期 本刊邮箱:eta@ncse.com.cn 识别气体的主要机理是在阵列中的每个传感器对被测 气体都有不同的灵敏度,整个传感器阵列对不同气体的 响应图案不同。正是这种区别,才使系统能根据传感器 的响应图案识别气味。 电子鼻典型的工作流程是:首先,利用呼吸气体收 集装置(经过呼吸气体净化和流量控制)把呼吸气体吸 取至装有电子传感器阵列的小容器室中;接着,把已初 始化的传感器阵列暴露到被测气体中,当挥发性化合物 (VOC)与传感器活性 材料 关于××同志的政审材料调查表环保先进个人材料国家普通话测试材料农民专业合作社注销四查四问剖析材料 表面接触时,产生瞬时响应,这 种响应被记录并传送到信号处理单元进行分析,与数据 库中存储的大量 VOC图案进行比较、鉴别,以确定气体 类型;最后,清洗气冲洗传感器活性材料表面以去除测 毕的气体混合物。在进入下一轮新的测量之前,传感器 仍需再次初始化(即工作之前,每个传感器都需用干燥 气或某些其他参考气体清洗,以达到基准状态)。电子鼻 肺癌早期诊断系统结构如图 1所示。 2电子鼻肺癌早期诊断系统的设计 本文从肺癌患者的呼吸气体中与疾病有较大相关 性的有病理意义的气体的侦测、呼吸气体收集装置的设 计、气体传感器阵列的选取及优化设计和模式识别技术 的选择等方面进行了关键技术的设计。 2.1呼吸气体的侦测 大约有 200种以上的化合物已在人类的呼气中被 侦测出,其中某些气体与肺癌相关,因此利用呼气检 测疾病是可行的方法。其优点是非侵入式、简单、快 速,故具有极高的应用发展潜力。与医院结合,选取合 适的气敏传感器与检测方法,检测肺癌患者的呼出气 体中苯乙烯、癸烷、十一烷等 22种有机挥发性(VOCs) 特征气体的浓度是很有前景的肺癌无创伤诊断与监护 方法。 2.2呼吸气体收集装置的设计 由于呼气中所产生与肺癌相关的气体浓度很低 (通 常在 ppb层级),而传统的呼气检测方式是根据标准的 呼气采样程序后,再以气相色谱质谱分析仪判定化合物 种类,其分析过程必须将大量的呼气样品(约需 3L的呼 气样品)浓缩后,才可达到仪器能侦测的极限值。此方法 不仅仪器昂贵、耗时且需大量的样品检体。而电子鼻所 需的分析成本不高,且所需呼气样品量仅 10ml左右,操 作简单、反应快速(数分钟)。呼吸气体的收集在电子鼻 的肺癌早期诊断系统中占有极其重要的地位,气体收集 装置的结构如图 2所示。 图 2中箭头表示清洗气和呼吸气体的流动方向。整 个气体收集装置经过气体清洗后,通过吹气口将测试者 的呼吸气体呼入。经过一系列的水分和无关气体的清除 后,通过流量计控制气体的流速和微处理器的定时采 集,再经过加热器除去非活性气体。 2.3气体传感器阵列的选取和优化设计 在该电子鼻系统中,气体传感器阵列是关键因素。 影响气敏传感器性能的主要因素有材料及成模技术、应 用溶凝胶技术制备敏感模、工作状态及工作环境等。此 外,还要考虑初始过程响应和氧分压对气敏传感器特性 的影响。 气体传感器阵列的性能直接决定了系统的识别能 力、识别范围、使用寿命等,因而如何构成阵列以提高电 子鼻系统的性能成为重要的研究课题。传感器阵列的参 数选择主要是:阵列规模、传感器类型及其选择性、稳定 性、噪声水平以及热敏特性等。 电子鼻系统中的传感器阵列可以是单片集成阵列, 也可以由多个分立元件构成。当使用的阵列单元较多 时,单片集成的阵列显示出尺寸小、功耗低的优点;另一 方面,分立器件的性能也在不断得到提高。不论采用哪 种阵列,阵列的规模和尺寸都非常重要。适当增加阵列 单元数目,会得到更好的系统识别能力,但有时阵列单 元的增加并不能改善系统的识别效果,并且较大规模的 阵列,其功耗也较大,单元之间的热干扰也比较严重,这 将增加系统集成的难度。构成阵列时,还要考虑阵列各 单元的选择性。如果各单元对于特定气体具有较好的选 择性,则阵列对这些气体及其混合气体的识别能力就比 较强,但其能够识别的气体种类就会减少,对于更多成 分的复杂混合气体的识别能力就比较弱。在构造传感器 阵列时可以采用选择性不强、具有较宽的响应范围的传 感器件,通过模式识别技术提升系统选择性和精度,同 计算机技术 ● 应用系统 9 《电子技术应用》2006年第7期欢迎网上投稿 www.aetnet.cnwww.aetnet.com.cn 表 1 RBF神经网络判别正确率 患病(60个样本) 正常(60个样本) 患病(20个样本) 正常(20个样本) 患病(60个样本) 正常(60个样本) 患病(20个样本) 正常(20个样本) 患病(60个样本) 正常(60个样本) 患病(20个样本) 正常(20个样本) 0 56 0 18 0 58 0 19 2 59 1 20 60 4 20 2 60 2 20 1 58 1 19 0 100 93.3 100 90 100 96.7 100 95 96.7 98.3 95 100 0 6.7 0 10 0 3.3 0 5 3.3 1.7 5 0 训练集实 验 一 正常 个数 患病 个数 正确率 (%) 误判率 (%) 样 本 测试集 测试集 测试集 训练集 训练集 实 验 二 实 验 三 时针对不同的识别对象,加入个别选择性较好的单元, 以简化阵列。在阵列单元选择方面,有采用测试结果的 正态分布特性、相对标准方差分析、相关系数分析等方 法。本系统中,交叉响应特性、阵列稳定性是传感器阵列 单元选择的主要目标。 2.4模式识别技术的选择 利用阵列中气体传感器的交叉选择性对被测介质 形成高维响应模式,结合模式识别技术,可以对单一气 体进行定性分析或确定混合气体中的特定分量。气体传 感器的响应通常具有较强的非线性,所以常规的模式识 别方法,如主成分分析法、偏最小二乘回归法、欧几里德 聚类分析法等受到限制(大多数常规分类法是线性方法, 假设响应向量位于欧几里德空间,被测对象的浓度与传 感器的响应呈线性关系。只有当气体和气味的浓度很低 时,情况才如此)。而人工神经网络能够处理非线性数 据,能够容忍传感器的漂移和噪声,鲁棒性好,预报正确 率也比常规方法高。 由于传感器的响应值与所测气体成分之间的关系 非常复杂,很难用明确的数学关系表达,因此采用神经 网络技术建立传感器阵列响应信号与测量气体之间的 映射关系。径向基函数 RBF(RadialBasisFunction)神经 网络在一定程度上可克服局部最小和效率低等问题,在 函数逼近方面与 BP神经网络相比有着明显的优势。综 合以上分析,本系统采用 RBF神经网络模式识别方法。 图 3是 RBF神经网络拓扑结构。 RBF神经网络由输入层、中间层(隐层)和输出层组 成。在此,输入层仅对数据信息进行传递,而不进行任 何变换。隐层神经元的核函数(或称作用函数)取为高斯 函数,对输入信息进行空间映射变换。输出层神经元的 作用函数为 Sigmoid函数,对隐层神经元输出的信息进 行线性加权后输出,作为网络的输出结果。采用监督学 习的方法训练神经网络,以确定网络的中心、宽度和调 节权重。从测试样本中,随机抽取 80个样本中的 60个 为训练集,其余 20个为测试集,在不同的温度和湿度条 件下,分别做三次实验。 网络训练参数动量因子 α=0.09,学习因子 η=10.12, 最大训练次数为 20000次,目标误差为 0.01,训练时间约 3min,网络达到目标误差要求。将训练好的网络对样本 进行测试,结果如表 1所示。对于三次实验,正确的判别 结果达到了 90%以上。这样的结果是令人满意的,说明 本应用可以及早发现肺癌患者。 本文建立了一套能快速准确地诊断肺癌的电子鼻 系统。该电子鼻系统由传感器阵列组成。在数据处理 中,对所得的传感器数据采用 RBF神经网络进行模式 识别处理,选取不同的温度和湿度条件,进行了三次 实验。整个测试过程除了样本放入时需要顶空气体稳 定 2min左右和采集传感器与样本气体反应数据需要 2min左右外,其他数据处理几乎不到半分钟,因此测 试一个样本的时间不超过 5min。但由于所研制的电 子鼻还处于实验室阶段,仍有许多需要进一步研究的 问题,如在装置上,如何改进现有装置、优化传感器阵 列;在数据处理方面,特征值的提取、模式识别算法的 改进等。 参考文献 1WangP,TanY,LiR.Anovelmethodfordiagnosisdiabetes usinganelectronicnose[J].BiosensorsandBioelectronics, 1997;12(9～10):1031～1036 2YuhJiuanLin,Hong-RuGuo,Yung-HsienChangetal. Applicationoftheeledtronicnoseforuremiadiagnosis[J]. SensorsandActuatorsB,2001;76(2001):177～180 3MichaelPhillips.Breathtestsinmedicine[J].ScientificAmeri- can,1992:74～79 4GaoDaqi,MiaoQin,NieGuiping.Simultaneousestimationof odorclassesandconcentrationsusinganelectronicnose[J]. IEEE,2004:1353～1358 5MichaelPhillips,ReneeN,Cataneo.Detectionoflungcancer withvolatilemarkersinthebreath[J].Chest,2003:2115～2123 6HaoYu,LiangXu,MingfuCaoetal.Detectionvolatile organiccompoundsinbreathasmarkersoflungcancer usinganovelelectronicnose[J].IEEE,2003:1333～1337 (收稿日期:2006-03-14) 计算机技术 ● 应用系统 10