摘要:
提出了一种利用粪便可见-近红外反射光谱进行高山麝慢性肠炎诊断的新方法。以FieldSpec？3地物光谱仪采集了125份高山麝粪便（正常粪样70份，慢性肠炎患者粪样55份）的光谱数据，将其随机分成训练集（95份）和检验集（30份）。光谱经S.Golay平滑与一阶导数处理后以主成分分析法（PCA）降维。以前6个主成分（含原始光谱95.16%的特征信息）作为新变量，利用训练集样本，分别以模糊模式识别、BP-神经网络、Fisher线性判别以及Bayes逐步判别四种方法建立高山麝慢性肠炎的诊断模型。对检验集30个未知样的预测表明，Fisher线性判别的准确率为86.7%，模糊模式识别与BP-神经网络模型判别的准确率为90%，Bayes逐步判别的准确率最高，达93.3%。进一步分析发现所有误诊都源于将正常样误判为病样，四种方法对病样的检出率均达100%。说明利用粪便的可见-近红外反射光谱进行高山麝慢性肠炎的快速、非接触性诊断是可行的，且PCA 结合Bayes逐步判别是一种优选方法。
