基于PCA和SVM算法的肝癌细胞显微后向散射光谱分类

为了实现对肝癌的早期实时和在体探测,基于前期搭建的光纤共聚焦后向散射(FCBS)光谱仪获取肝癌细胞的显微后向散射光谱,分别使用主成分分析(PCA)和支持向量机(SVM)两种算法,对获得的正常肝细胞株(L02)、低转移潜能肝癌细胞株(MHCC97-L)和高转移潜能肝癌细胞株(HCCLM3)三种细胞的后向散射光谱进行分类。使用PCA对获得的三种细胞光谱数据进行降维分析,得到的前两个主成分综合了全部信息的95.4%,由主成分1和主成分2的得分图可以观察到,三种细胞在直观上有明显的区分;对同一数据集选取69例对象通过SVM机器学习算法训练分类模型,随机抽取50例作为训练集,19例作为预测集,最终分类的准确度达到了94.7%。实验结果表明:使用光纤共聚焦后向散射(FCBS)光谱仪获取的细胞显微后向散射光谱可以分别通过PCA和SVM对不同转移潜能的肝癌细胞进行自动分类,这将为研究活检提供必要的检测手段。