استخراج ویژگی های بهینه برای تمایز طیفهای رامان بدست آمده از نمونه های مختلف پوستی با استفاده از روش های آماری و الگوریتم ژنتیک

طیف نگاری رامان یکی از روش های طیف نگاری مبتنی بر پراکندگی غیرالاستیک نور تک رنگ می باشد. این روش می تواند اطلاعات مفیدی درباره فرکانس ارتعاشات پیوندهای مولکولی نمونه بدست دهد. لذا با استفاده از این روش می توان به مطالعه تغییرات مولکولی نمونه پرداخت.

در این تحقیق 153 طیف رامان از نمونه های پوستی نرمال و پوست خشک شده در نتیجه شستشو با محلول شوینده سدیم لوریل سولفات به صورت درون تنی اخذ گردید. سپس پیش پردازشهایی شامل حذف خط زمینه، حذف نویز و نرمالسازی روی سیگنالها انجام شد. در ادامه با استفاده از آنالیز آماری و الگوریتم ژنتیک به جستجوی ویژگی های بهینه برای تمایز دو گروه نرمال و خشک پرداختیم. در انتخاب ویژگی با استفاده از آنالیز آماری، آمارگان T، فاصله باتاچاریا و آنتروپی در جداسازی دو گروه محاسبه شد و با توجه به این که آمارگان T در تمایز این دو گروه کارایی بهتری از خود نشان داد، لذا از این روش برای انتخاب ویژگی های بهینه استفاده گردید. بار دیگر با استفاده از الگوریتم ژنتیک ویژگی های بهینه انتخاب شده و در نهایت به منظور ارزیابی کارایی هر یک از این روش ها در انتخاب ویژگی های بهینه، با استفاده از طبقه بندهای LDA، KNN، SVMو شبکه عصبی به ارزیابی دسته ویژگی های انتخاب شده توسط هر یک از این دو روش (آماری و الگوریتم ژنتیک) پرداختیم.

در مقایسه نتایج طبقه بندی با روش های مختلف انتخاب ویژگی و نوع طبقه بندی کننده، بهترین نتایج در ترکیب انتخاب ویژگی با استفاده از الگوریتم ژنتیک و طبقه بندی با SVM حاصل شد.این ترکیب تفکیک دوکلاس را با دقت 90%، حساسیت 89% و قطعیت 91% امکانپذیر می سازد.

از بررسی های صورت گرفته و نتایج بدست آمده می توان چنین نتیجه گرفت که الگوریتم ژنتیک کارایی بیشتری در مقایسه با روش های آماری برای انتخاب ویژگی های متمایز کننده طیفهای رامان از خود نشان می دهد. همچنین نتایج حاصل از این تحقیق نشان دهنده پتانسیل طیف نگاری رامان در بررسی اثر مواد مختلف روی پوست و یا بیماری های پوستی مرتبط با خشکی پوست می باشد.