血清自体荧光光谱联合肿瘤标志物群在肺癌诊断中的价值

血清自体荧光光谱可以反映血清中癌细胞在代谢过程中发生的异常改变而导致的血清中荧光物质的成分、含量及微环境的变化,可作为癌症辅助诊断的一种新方法。利用荧光光谱分析技术,探讨了肺癌、肺良性疾病以及正常人血清的荧光光谱的异同,建立了血清荧光光谱检测的方法。同时联合肿瘤标志物群CEA,NSE,SCC-Ag,CYFRA21-1和p16甲基化,并运用人工神经网络技术和Fisher线性判别分析法分别建立了肺癌的诊断预测模型,并用ROC判别法对其预测结果进行比较。结果表明,荧光光谱联合肿瘤标志物建立的人工神经网络模型的预测效果优于单纯的荧光光谱神经网络模型,判别效果优于Fisher线性判别分析。

主成分分析用于肺癌患者血清自体荧光光谱特征参数的提取

目的对肺癌患者、肺良性疾病及正常者血清自体荧光光谱进行特征提取。方法采用主成分分析法提取有效的信息。结果荧光光谱的前3个主成分可以代表整个荧光光谱信息量的98．01％。结论通过主成分分析--y^x提取有效的信息，提高了应用全光谱识别肺癌的效率。