拉曼光谱是一种与物质结构有关的非弹性散射光谱,能在分子层面唯一的区分物质,因此被称为物质的指纹光谱。模式识别技术能将不同物质的拉曼光谱区分开来,近年来模式识别技术结合拉曼光谱技术被广泛用于疾病的诊断研究,但还没有针对子宫颈腺癌与子宫颈鳞癌的鉴别研究。本文通过实验证明,子宫颈腺癌与鳞癌组织的拉曼光谱存在差异,并采用不同的光信号预处理算法、模式识别算法建立了子宫颈腺癌与子宫颈鳞癌的鉴别模型,取得了较好的鉴别效果。本文所做的主要研究工作如下:其中属于本文所做的创新性研究工作为:1.对宫颈腺癌与宫颈鳞癌组织的拉曼光谱进行了详细分析,指出了两类组织的归一化平均拉曼光谱图中的主要峰的归属,与主要差异。2.采用模式识别算法结合拉曼光谱对宫颈腺癌与宫颈鳞癌组织做鉴别研究,研究了多种降维方式与多种模式识别算法相结合的分类模型,提出了适合于两类宫颈癌组织拉曼光谱分类识别的高正确率的分类模型建立方法。3.验证了air PLS算法针对于实际的宫颈腺癌与鳞癌组织拉曼光谱来说,是一种有效的背景扣除算法。其它研究工作为:4.对拉曼光谱预处理算法进行了研究:信号去噪算法、信号平滑算法、数据归一化算法、特征提取算法。5.对模式识别算法用于不平衡的子宫颈腺癌与鳞癌组织拉曼光谱数据的二分类问题进行了研究,分类正确率最高的两个模型分别为:采用PCA-RFA所建立的宫颈腺、鳞癌组织拉曼光谱不平衡数据的分类模型,分类正确率达到了94.45%,采用LDA-RFA建立的分类模型,其分类正确率高达100%。本文的研究结果表明模式识别算法结合拉曼光谱技术可用于子宫颈腺癌与子宫颈鳞癌的鉴别,并且随机森林算法是一种在医学信号模式识别应用领域具有很大潜力的算法。本文的研究成果对将来研发出新型的客观、无创、经济、高正确率的宫颈疾病诊疗系统具有意义。