| 摘 要： | 利用物种间血液成分的差异来识别物种，对生物医学、医疗健康、海关、刑侦、食品安全、野生动物保护等工作十分重要。但目前的研究都是针对群体细胞展开，忽略了单细胞的异质性，开展基于单细胞的血液光谱分类方法研究非常迫切。在此提出了一种基于荧光光镊和机器学习的单细胞血液分类方法，利用光镊实现了单细胞捕获，通过荧光光谱检测系统获得了单细胞荧光光谱数据，并基于机器学习方法实现了准确分类。首先，设计并搭建了一套荧光光镊系统，实现了单细胞捕获和荧光光谱检测。然后，制备了马、猪、犬、鸡四种动物的红细胞稀释液，以440 nm激光作为荧光激发光源，获得了四个物种每种100条、共计400条荧光光谱数据，并进行了背景去除、平滑、归一化的预处理，消除了信号中的噪声干扰。随后，建立了随机森林分类模型，分析了当抽取特征数k=20时，模型中树的棵数与预测准确率之间的关系，当决策树m=500时，分类正确率趋于稳定，有很高的分类正确率和运行效率。进一步地，设定样本数据的30%作为测试集、 70%为训练集，计算不同波长与特征重要性之间的关系，得到了10个分类准确率，并取平均值作为模型分类的准确率，测试集最终准确率达到93.1%,...
|
