留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于近红外光谱的舌诊疾病识别的研究

严文娟 李刚 林凌

严文娟, 李刚, 林凌. 基于近红外光谱的舌诊疾病识别的研究[J]. 红外技术, 2010, 32(8): 487-490,494. doi: 10.3969/j.issn.1001-8891.2010.08.013
引用本文: 严文娟, 李刚, 林凌. 基于近红外光谱的舌诊疾病识别的研究[J]. 红外技术, 2010, 32(8): 487-490,494. doi: 10.3969/j.issn.1001-8891.2010.08.013
YAN Wen-juan, LI Gang, LIN Ling. Research on Discrimination of Tongue Diseases with Near Infrared Spectroscopy[J]. Infrared Technology , 2010, 32(8): 487-490,494. doi: 10.3969/j.issn.1001-8891.2010.08.013
Citation: YAN Wen-juan, LI Gang, LIN Ling. Research on Discrimination of Tongue Diseases with Near Infrared Spectroscopy[J]. Infrared Technology , 2010, 32(8): 487-490,494. doi: 10.3969/j.issn.1001-8891.2010.08.013

基于近红外光谱的舌诊疾病识别的研究

doi: 10.3969/j.issn.1001-8891.2010.08.013
基金项目: 国家自然科学基金(30973964)
详细信息
  • 中图分类号: O433.4

Research on Discrimination of Tongue Diseases with Near Infrared Spectroscopy

  • 摘要: 为了对中医舌诊的客观化研究,提出了应用近红外光谱分析技术快速无创的对健康人、冠心病、糖尿病和肝炎患者的不同人群的舌诊近红外光谱进行识别的新方法.首先对98个样本光谱数据进行归一化处理,用主成分分析(PCA)方法得出的累计贡献率达99.88%的前8个主成分作为广义回归神经网络(GRNN)的输入变量,建立了舌诊近红外光谱的识别模型.利用该模型分别选取了18个不同人群的近红外光谱数据共72个样本用于神经网络的训练,余下的26个用于预测,当光滑因子为5/8时预测的最大误差为0.17342,最小误差为0,获得了较理想的预测精度.实验结果表明用PCA和GRNN相结合的方法对舌诊近红外光谱与疾病之间建立了较好的关联,对加强中医舌诊的客观化起到了很好的促进作用,为疾病的诊断提供了一种新的方法.
  • 加载中
计量
  • 文章访问数:  60
  • HTML全文浏览量:  12
  • PDF下载量:  5
  • 被引次数: 0
出版历程

目录

    /

    返回文章
    返回