基于卟啉傳感器陣列系統的肺癌標志物識別算法*

羅小剛， 張承丹， 侯長軍, 霍丹群, 楊 眉, 雷靳燦

(重慶大學 生物工程學院，重慶 400030)

計算與測試

基于卟啉傳感器陣列系統的肺癌標志物識別算法*

羅小剛， 張承丹， 侯長軍, 霍丹群, 楊 眉, 雷靳燦

(重慶大學 生物工程學院，重慶 400030)

卟啉傳感器陣列系統可以檢測肺癌呼出氣體中特定的標志性氣體，不同標志性氣體檢測輸出的差值圖譜不一樣。介紹了一種結合反向傳播(BP)神經網絡和主成分分析(PCA)的肺癌標志性氣體種類識別算法，并將其應用在卟啉傳感器陣列系統中。通過計算卟啉傳感器陣列中各點的主成分得分選出敏感點，保留各氣體敏感點的值,并組成識別模板作為BP神經網絡的輸入層，達到去除冗余數據的目的。通過實驗對比聚類分析結果、未降維數據的BP神經網絡識別結果及已經PCA降維后的數據作為輸入的BP神經網絡識別結果，證明提出的算法可以更加精確地識別不同的肺癌標志性氣體。

卟啉傳感器陣列； 肺癌呼出標志物； 氣體識別； 神經網絡； 主成分得分

0 引 言

隨著空氣環境的不斷惡化，沙塵暴、霧霾天氣出現增多，肺癌已經成為一種常見的癌癥疾病[1]。肺癌在早期階段被確診并積極進行切除治療可以提高患者的生存機率，而目前臨床上缺乏無創、低成本、快速的肺癌檢測設備[2]。由卟啉及其衍生物等氣敏材料構建的陣列傳感器可以實現氣體可視化檢測，這種檢測技術在通過呼吸氣體篩查早期肺癌的研究中得到了成功的應用[3]。

氣體傳感器陣列系統中的識別算法有：聚類分析、判別分析、主元分析(PCA)、人工神經網絡等。其中，聚類分析[4,5]是卟啉傳感陣列系統中常用氣體種類識別算法。由于肺癌標志性氣體與卟啉傳感器陣列之間的交叉性響應，輸出的差值圖譜數據維數較高，簡單的數據分類方法并不能很好地識別不同肺癌標志性氣體。需要設計一種較為精確、智能的標志性氣體種類識別算法，以保證卟啉傳感陣列系統對肺癌標志性氣體具有較高的識別率。

本文提出了一種結合PCA與BP神經網絡的肺癌標志性氣體種類識別算法。BP神經網絡的分類精度高，對噪聲數據不敏感，但是過量冗余數據易造成神經網絡訓練過度，需要對其輸入數據進行去冗處理。本文通過分別計算3種肺癌標志性氣體多次平行實驗中所有卟啉點的PCA得分并排序，挑選出得分為正的點作為敏感點，只保留敏感點的特征值作為BP神經網絡的輸入，而非敏感點的值作為冗余數據舍去。這樣不僅減輕了網絡的訓練負擔，而且提高了識別的精度。

1 算法原理

PCA設法將原來眾多具有一定相關性的指標重新組合成一組新的互相無關的綜合指標，不僅在盡可能保留原有信息的基礎上代替原來的指標，且具有最大的方差[6]。PCA的數學模型

(1)

簡寫為

Fi=a1iZX1+…+apiZXp,i=1,2,…,p

(2)

對于原始變量的單個元素來說，每個主成分得分由式(2)計算得到，反映了它的所有指標與這個主成分的相關程度，得分越高則越相關。分值為正表示高于平均水平，分值為負表示低于平均水平。在所有主成分中，由于第一主成分保留的綜合信息最多，因此其得分最能體現單個元素在所有指標中的貢獻。

差值圖譜的差值向量是進行肺癌標志性氣體種類識別的數據根據。從理論上說，只有敏感點的RGB差值是決定標志性氣體種類的關鍵。只保留敏感點的RGB差值，差值向量的維度將會大幅度下降。在實驗樣本的平行樣本中差值圖譜敏感點出現差異，很難直接通過觀察差值圖譜確定所有敏感點的位置。本文利用PCA方法，將每種氣體的特征向量數據混合起來，以每個卟啉點在所有樣本中的RGB差值作為指標進行主成分提取，并計算第一主成分得分。以得分的高低來衡量每個卟啉點在每個樣本中的貢獻。由于敏感點的RGB值變化比其他點大，其主成分綜合得分往往較大。

PCA的步驟如下：1)計算協方差矩陣；2)求解協方差矩陣的方程，得到p個特征根；3)計算方差貢獻率，得到第一主成分；4)根據式(2)計算第一主成分得分；5)將得分按降序排列，選擇得分高的卟啉點作為敏感點。

2 實 驗

2.1 實驗裝置

卟啉傳感陣列系統的核心是6×6的傳感器陣列，該傳感陣列由實驗篩選出的36種金屬卟啉或卟啉衍生物等氣敏材料構成，金屬卟啉與不同肺癌標志性氣體接觸時會產生不一樣的顏色變化[7]，而與同一種肺癌標志性氣體的產生的顏色變化相同。卟啉傳感陣列系統流程框圖如圖1所示。

圖1 氣體檢測系統框圖

系統上電后，肺癌標志性氣體在氣泵的作用下傳送到反應氣室內，氣體在反應氣室中與卟啉傳感陣列接觸反應，打開LED燈，圖像傳感器采集反應前后陣列圖像，同時溫濕度傳感器檢測反應條件。圖像傳感器將采集的圖像上傳到PC中的上位機軟件中，經過圖像處理后得到卟啉陣列單元與氣體接觸前后的顏色變化信息，生成差值圖譜。

一幅差值圖譜表示傳感陣列中各個卟啉單元與氣體反應后的顏色變化信息，即36個陣列點的RGB分量的差值。

ΔRGB=ΔR1,ΔG1,ΔB1,…,ΔRi,ΔGi,ΔBi,…,ΔR36,

ΔG36,ΔB36

(3)

式中 ΔRGB為差值圖譜的數據向量，ΔRi，ΔGi，ΔBi分別為第i個卟啉點的紅色、綠色、藍色分量變化差值，i=1,2,…,36。

2.2 實驗氣體

本文通過卟啉傳感陣列系統對3種呼出氣體中肺癌標志性氣體[8.9]進行檢測，3種氣體分別為苯乙烯、乙二胺和對二甲苯，每種氣體進行4次實驗。圖2中 (a)～(d)為苯乙烯平行實驗的差值圖譜，(c)～(h)為乙二胺平行實驗的差值圖譜，(i)～(m)為對二甲苯平行實驗的差值圖譜。

圖2 3種肺癌標志性氣體差值圖譜

3 識別結果與討論

3.1 聚類分析

本次實驗中，選擇3組肺癌標志性氣體共12個樣本差值圖譜數據作為聚類分析的數據源，差值圖譜中的原始數據是每個卟啉單元的顏色變化值，由ΔR，ΔG，ΔB三個分量表示。本文利用式(4)計算得到每個陣列點的三個顏色分量的歐氏距離d，綜合陣列單元的顏色變化信息

(4)

差值圖譜原始數據經過式(4)數據預處理后，組成一個12×36的向量，作為歐氏距離聚類的輸入。為了方便區分，對3種標志性氣體的每個樣本進行編號，分別以氣體英文名稱的簡寫和樣本序號的格式命名，比如苯乙烯的第一個樣本命名為Sty1，乙二胺的第一個樣本命名為Eth1，對二甲苯的第一個樣本命名為Par1。本文利用SPSSInc18.0軟件的系統聚類功能對12個樣本數據進行歐氏距離聚類。

圖3 聚類分析結果

由聚類的結果可以看出：乙二胺的第一個樣本(Eth1)與苯乙烯歸為一類，對二甲苯的第二個樣本(Par2)與乙二胺歸為一類，只有苯乙烯的4個平行樣本正確歸為一類。聚類分析以樣本差值圖譜中各個顏色變量的距離進行分類，對肺癌標志性氣體的區分效果不是很理想。

3.2 BP神經網絡訓練與識別

BP神經網絡具有強大的自組織、自適應和分類計算功能，采用BP神經網絡對肺癌標志性氣體進行識別，首先需要設定網絡結構、隱含層節點數的選擇、激勵函數的選取、權值的優化、網絡誤差等。本文設計BP神經網絡的輸入節點數為36(即差值圖譜經過預處理后的向量值)，輸出節點數為1(即每種氣體的分類號)。根據文獻[10]中所提的隱含層數經驗公式，選擇隱含層數為8。訓練網絡結構如圖4。

圖4 BP訓練網絡結構

本文選擇3種肺癌標志性氣體的8個差值圖譜樣本，組成一個24×36的向量作為訓練樣本。輸出為每種氣體的分類號，苯乙烯為1，乙二胺為2，對二甲苯為3。以Matlab 2010為算法實現平臺，對設計的網絡進行訓練識別。本次訓練的學習率為0.01，訓練誤差為0.000 04。在經過6次迭代后BP神經網絡達到訓練誤差如圖5。

圖5 BP訓練網絡訓練性能曲線

采用設計訓練好的神經網絡對圖2中所示的3種氣體的12個樣本進行識別，識別結果如圖6所示。

圖6 BP網絡輸出結果

BP的識別結果可以看出，BP神經網絡能區分12個肺癌標志性氣體樣本的種類，但是苯乙烯的第二個樣本的識別差異最大。對比聚類分析的結果，BP神經網絡識別優于聚類分析對肺癌標志性氣體的識別。

3.3 PCA計算主成分得分

本文根據前述的PCA步驟和式(2)計算得到每個卟啉點的第一主成分得分。首先對卟啉點進行編號，編號序列按照卟啉傳感器陣列排列，自左向右，自下向上分別為1～36號。苯乙烯乙二胺和對二甲苯根據同樣的步驟進行處理。3種氣體的各卟啉點得分如圖7所示。

圖7 3種氣體的各卟啉點得分

卟啉點的得分越高，表示其對綜合信息(即在每個樣本中的顏色變化)的貢獻越大。

同樣選擇前述24個樣本作為BP網絡的訓練向量，24個氣體樣本只保留表1所示相應氣體的敏感點編號的RGB差值，以苯乙烯為例，BP網絡的訓練向量的維度從24×36降為24×8。12個識別樣本的數據也按照氣體PCA降維后敏感點的RGB差值作為識別向量。識別結果圖8。

本文將PCA降維前后BP神經網絡的識別結果與期望輸出的差值稱為識別誤差，它可以體現識別效果的好壞。輸出誤差越小，表示識別的準確度越高，對肺癌標志性氣體種類的誤識別可能性就會相應減小。由表2可知，輸入數據未降維時BP網絡輸出的識別誤差平均值為0.073 99，最大誤差為0.165 0；降維后的BP網絡輸出的識別誤差是0.025 5，最大誤差為0.061 9。可見，利用PCA得分結合BP神經網絡的氣體種類識別算法篩除了冗余數據，提高了識別精度。

表1 3種氣體的敏感點模板

圖8 PCA數據降維后BP網絡輸出結果

表2 數據降維前后的BP網絡識別輸出與預期輸出對比

4 結 論

通過對本文的實驗結果進行分析， BP神經網絡對肺癌標志性氣體的識別效果優于聚類分析，BP神經網絡具有更高的準確性。通過計算PCA得分選出敏感點，只保留敏感點的RGB差值作為輸入，篩除了冗余數據，降低了BP神經網絡的計算量，從而降低了BP神經網絡的識別誤差，提高了識別精度。對于卟啉傳感陣列系統對標志性氣體的檢測結果，本文提出的算法，可以很好地區分不同肺癌標志性氣體的種類。

[1] Dales R,Liu L,Wheeler A J,et al.Quality of indoor resi-dential air and health[J].Canadian Medical Association Journal,2008,179(2):147-52.

[2] 韓 瑤,王茂筠,梁宗安.呼出氣揮發性有機物檢測在肺癌診斷與治療中的研究與應用[J].中國呼吸與危重監護雜志,2015(2):222-224.

[3] Suslick B A,Feng L,Suslick K S.Discrimination of complex mixtures by a colorimetric sensor array:Coffee aromas[J].Analytical Chemistry,2010,82(5):2067-2073.

[4] Liang F,Christopher J M,Jonathan W K,et al.Colorimetric sensor array for determination and identification of toxic industrial chemicals[J].Anal Chem,2010,82(22):9433-9440.

[5] Sung H L,Liang F,Jonathan W K,et al.An optoelectronic nose for detection of toxic gases[J].Nat Chem,2009,13(1):562-567.

[6] Shirsat M D,Sarkar T,Kakoullis J,et al.Porphyrin functiona-lized single-walled carbon nanotube chemiresistive sensor arrays for VOCs[J].Journal of Physical Chemistry：C,2012,116(5):3845-3850.

[7] Herve Abdi,Lynne J Williams.Principal component analysis[J].Wiley Interdisciplinary Reviews:Computational Statistics,2010,4(2):433-459.

[8] Phillips M,Gleeson K,Hughes J M B,et al.Volatile organic compounds in breath as markers of lung cancer:A cross sectional study[J].Lancet,1999,353(9168):1930-1933.

[9] Michael P,Nasser A,Austin J H M,et al.Prediction of lung can-cer using volatile biomarkers in breath[J].Cancer Biomarkers,2007,3(2):95-109.

[10] 沈花玉,王兆霞,高成耀,等.BP神經網絡隱含層單元數的確定[J].天津理工大學學報,2008,24(5):13-15.

Recognition algorithm for lung cancer markers based on porphyrin sensor array system*

LUO Xiao-gang, ZHANG Cheng-dan, HOU Chang-jun, HUO Dan-qun, YANG Mei, LEI Jin-can

(School of Bioengineering，Chongqing University，Chongqing 400030，China)

Porphyrin sensor array system can detect lung cancer specific markers in exhaled gases,output vary from marker to marker.A pattern recognition algorithm based on backpropagation(BP)neural network and principal component analysis(PCA)is proposed and is applied in porphrin chemical sensor array integrated system.The sensitive points is selected by calculating principal component scores in porphyrin sensor array,and reserve value of each gas sensitive points，and template of recognition is formed as the input layer of the BP neural network to achieve the goal of removing redundant data.Comparing with the result of clustering analysis and BP neural network identification without reducing dimension and data after reducing dimension as input,the result of the proposed algorithm can identify precisely for lung cancer specific markers.

porphyrin sensor array; exhaled lung cancer markers; gas recognition; neural network; principal component scores

10.13873/J.1000—9787(2017)04—0134—04

2016—04—21

國家科技支撐計劃資助項目(2012BAI19B03)；國家自然科學基金資助項目(81271930,81171414)；中國博士后科學基金面上資助項目(2015M582522)；重慶市博士后科研項目特別資助項目(Xm2015051)；重慶大學大型儀器設備開放基金資助項目

TP 212

B

1000—9787(2017)04—0134—04

羅小剛(1974-),男，副教授，碩士生導師，主要從事生物醫學傳感器、生物醫學儀器方面的研究工作。