买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：复旦大学

摘要：本发明属于光学传感技术领域，具体为基于多层集成学习算法和非标记SERS的肺癌血清学诊断系统。本发明系统包括：SERS基底，多层集成学习算法模块，多层集成学习算法训练模块；SERS基底由铝微孔阵列与涂覆于铝微孔阵列中银纳米线组成，用于采集临床样本的拉曼光谱信号；多层集成学习算法模块包括多个学习算法模块，用于对SERS基底采集临床样本的拉曼光谱信号进行分类；经过训练的多层集成学习算法模块用于预测肺癌结果。本发明样本用量少、快速、高效、成本低，预测准确性高。

主权项：1.一种基于多层集成学习算法和非标记SERS的肺癌血清学诊断的系统，其特征在于，包括：SERS基底，多层集成学习算法模块，多层集成学习算法训练模块；其中：所述SERS基底，由铝微孔阵列与涂覆于铝微孔阵列中银纳米线AgNWs组成，微孔的深度为0.2-3毫米，直径为0.5-10毫米，微孔阵列由计算机数控钻孔制备得到；SERS基底构成SERS传感器，用于采集临床样本的拉曼光谱信号；所述多层集成学习算法模块，包括m个学习算法基础模型，3m20；m个基础模型构成一层基础层；共重复r层，形成一个包含m个基础模型、r层的基础结构；1r10；多层集成学习算法模块用于对SERS基底采集临床样本的拉曼光谱信号进行分类；所述集成学习算法训练模块，包括训练数据集的采集、预处理，学习算法模型的训练；所述训练数据集的采集、预处理，包括获取每个样品平均的拉曼光谱数据；通过基线校正、归一化、主成分提取等一个或多个操作，进行数据预处理；将数据按照一定比例划分为测试集和训练集；所述学习算法模型的训练，包括步骤一：选取m个基础模型，构成一层基础层；共重复r，形成一个包含m个基础模型，r层的基础结构；每一层的基础模型的超参相同；输入数据集的特征为拉曼光谱的强度值，每个样本拥有D维特征，64D4000；步骤二：对输入的数据集使用k-fold交叉验证方式反复划分训练集和验证集，对当前层的基础模型进行训练；当前层模型训练结束后，每个基础模型对每个样本输出相应的分类概率，该层的输出为每个样本的m个分类概率；步骤三：将上一层的输入数据集与输出数据集拼接，作为当前层的输入数据集；步骤四：重复步骤二和步骤三，迭代r-1次，每一层的输入数据的特征维度为D+r-1*m；步骤五：将最后一层的基础模型输出概率使用逻辑回归模型进行训练，综合预测最后一层的输出结果，得到每个样本最终的唯一分类结果。

全文数据：

权利要求：

百度查询： 复旦大学 基于多层集成学习算法结合非标记SERS的肺癌血清学诊断系统