一种结合FTIR与机器学习技术鉴别肺部结节的方法

本发明涉及医疗诊断技术领域，具体公开了一种结合FTIR与机器学习技术鉴别肺部结节的方法，收集来自医院临床确诊的肺部结节患者样本；对样本预处理，将预处理完毕的样本放置于FTIR光谱仪内，采集样本的FTIR光谱；对采集所得的FTIR光谱数据进行基线校正，将光谱数据归一至相同尺度，进行平滑处理；从预处理后的FTIR光谱中提取特征，对原始光谱数据进行降维处理；构建SVM分类模型，利用测试集数据对训练好的SVM模型进行评估，评估SVM模型对肺部结节良恶性的鉴别能力；将优化后的SVM模型投入应用。本发明通过对肺部结节的FTIR光谱进行深度分析，并借助SVM模型实现分类，精准判断肺部结节的良恶性，提升诊断的精准度与效率，为患者带来更优质、安全的医疗服务。