概率神经网络用于舌诊的近红外光谱分类

为了快速无创客观地检测舌体所携带的病理信息,提出了基于概率神经网络舌诊归一化反射率近红外光谱分类诊断模型。采集了健康人、脂肪肝患者、肝炎患者三类受试者舌尖的光谱数据,进行归一化反射率预处理,各获得32个样本数据,随机从三类受试者各抽取24个舌尖的光谱数据用于建模,其余的24个用于预测,并分析了径向基函数的扩展速度(SPREAD)对网络的影响。得出SPREAD在0.0065～0.0077之间取值时对网络模型的预测效果和泛化能力较好,用该模型对24个预测样本进行预测,其正确率为95.8%。实验结果表明利用概率神经网络对舌诊近红外光谱的分类是可行的,说明舌表面的光谱信息能客观的反映人体的病理信息,利用此方法对疾病的快速无创地进行初步的筛查成为可能。