基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
生物组织质谱成像技术不仅能够展示组织的生物分子信息,而且能直观地显示分子空间分布,是当今生物质谱的研究热点.如何对生物组织质谱成像的数据进行基于生物分子的有效分类与识别是该领域关注的重要问题,特别对于病变组织与其邻近非病变组织的区分与识别和生物组织功能区域的划分与鉴定具有重要的意义.本研究开发出一种新的分类与识别方法.其流程是,首先进行质谱成像数据预处理,应用无监督的自组织特征映射网络区分组织样品区与非组织区域,提取组织区域的质谱数据,应用有监督的学习向量量化网络对已知类别数据进行学习训练,建立模型;应用模型对未知样品进行识别.应用本方法对6个膀胱癌患者的膀胱癌变组织与邻近非癌变组织的质谱成像数据进行分类与识别,结果显示,癌变组织判错率低于23.38%,而非癌变组织判错率低于9.08%,表现出较高的准确度;对3片邻近的小鼠大脑切片质谱成像数据进行白质与灰质区域划分,将中间的1片用于训练,两边的2片用于验证,结果显示,自组织特征映射网络的分类结果与学习向量量化网络的预测结果不一致率低于4%.本方法基于生物分子的质谱成像组织区域分类与识别,具有较高准确度和操作简便等优点,在临床医学研究领域有大规模的应用潜能.
推荐文章
基于卷积神经网络的钣金件表面缺陷分类识别方法
卷积神经网络
缺陷检测
缺陷分割提取
窗口滑移检测
基于卷积神经网络的μ子散射成像材料识别方法研究
宇宙射线μ子
卷积神经网络
散射密度
材料识别
基于卷积神经网络的ECG信号识别方法
ECG信号识别
短时傅里叶变换
卷积神经网络
支持向量机
基于卷积神经网络的未知协议识别方法
深度学习
机器学习
卷积神经网络
未知协议识别
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于人工神经网络的生物组织质谱成像分类与识别方法
来源期刊 分析化学 学科 医学
关键词 质谱成像 分类与识别 自组织特征映射网络 学习向量量化网络
年,卷(期) 2012,(1) 所属期刊栏目 特约来搞
研究方向 页码范围 43-49
页数 分类号 R318.0
字数 4700字 语种 中文
DOI 10.3724/SP.J.1096.2012.10527
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄泽建 19 80 5.0 8.0
2 江游 23 92 5.0 9.0
3 熊行创 北京理工大学生命科学与技术学院 19 74 5.0 8.0
5 方向 51 244 9.0 14.0
6 张玉奎 北京理工大学生命科学与技术学院 6 34 3.0 5.0
9 欧阳证 美国普渡大学韦尔登生物医学工程学院 2 10 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (9)
同被引文献  (36)
二级引证文献  (16)
1994(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2008(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(3)
  • 引证文献(3)
  • 二级引证文献(0)
2018(4)
  • 引证文献(1)
  • 二级引证文献(3)
2019(10)
  • 引证文献(1)
  • 二级引证文献(9)
2020(2)
  • 引证文献(0)
  • 二级引证文献(2)
研究主题发展历程
节点文献
质谱成像
分类与识别
自组织特征映射网络
学习向量量化网络
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
分析化学
月刊
0253-3820
22-1125/O6
大16开
长春人民大街5625号
12-6
1972
chi
出版文献量(篇)
9636
总下载数(次)
16
论文1v1指导