基于電子鼻技術(shù)的人體傷口感染檢測(cè)系統(tǒng)構(gòu)建及算法研究.pdf

1、用于傷口感染檢測(cè)的電子鼻系統(tǒng)，利用不同傷口病原菌代謝產(chǎn)物的種類及其濃度不同，通過(guò)識(shí)別傷口頂空氣體來(lái)實(shí)現(xiàn)對(duì)傷口感染病原菌類型的檢測(cè)。電子鼻用于傷口感染診斷具有無(wú)創(chuàng)、快速、高效、便捷等優(yōu)點(diǎn)，是一種新型的具有吸引力的診斷方法。本文以傷口感染檢測(cè)為應(yīng)用背景，構(gòu)建了傷口感染檢測(cè)電子鼻硬件系統(tǒng)并對(duì)電子鼻信號(hào)的分析處理和模式識(shí)別算法展開研究。論文的主要研究?jī)?nèi)容和貢獻(xiàn)包括：
　　 ①以人體常見的傷口感染病原菌和SD(Sprague-Dawley

2、)雄性大鼠為實(shí)驗(yàn)對(duì)象，根據(jù)病原菌代謝產(chǎn)物和氣體傳感器敏感特性設(shè)計(jì)并實(shí)現(xiàn)了針對(duì)人體傷口感染病原菌檢測(cè)的電子鼻硬件實(shí)驗(yàn)系統(tǒng)。該系統(tǒng)由氣體傳感器陣列、數(shù)據(jù)采集系統(tǒng)和流速控制系統(tǒng)幾個(gè)部分構(gòu)成。在硬件實(shí)驗(yàn)系統(tǒng)的基礎(chǔ)上進(jìn)行了七種人體常見傷口感染病原菌培養(yǎng)液檢測(cè)和四種感染不同病原菌的大鼠傷口檢測(cè)的實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果顯示，氣體傳感器陣列對(duì)人體常見七種病原菌培養(yǎng)液頂空氣體和四種感染不同病原病菌的大鼠傷口頂空氣體都有顯著響應(yīng)，且響應(yīng)模式不同，為后續(xù)進(jìn)行電子鼻信

3、號(hào)分析處理與模式分類提供了基礎(chǔ)。
　　 ②特征提取是電子鼻信號(hào)模式分類的關(guān)鍵環(huán)節(jié)，特征的好壞嚴(yán)重影響后續(xù)模式分類的效果。傳統(tǒng)的電子鼻信號(hào)特征提取方法是提取穩(wěn)態(tài)響應(yīng)(最大值)作為特征，而沒(méi)有考慮傳感器整條響應(yīng)曲線上的其它信息。針對(duì)最大值特征所含分類信息有限，對(duì)傷口感染檢測(cè)數(shù)據(jù)分類效果不佳的問(wèn)題，研究了傷口感染檢測(cè)電子鼻信號(hào)的常見預(yù)處理方法和不同的特征提取方法對(duì)后續(xù)模式識(shí)別效果的影響。比較了差分、分?jǐn)?shù)差分、相對(duì)差分、對(duì)數(shù)差分和歸一化

4、五種預(yù)處理方法對(duì)最大值特征的效果，分析了基于原始響應(yīng)曲線、曲線擬合和變換域等10種動(dòng)態(tài)響應(yīng)特征對(duì)電子鼻模式識(shí)別算法準(zhǔn)確性的影響，并通過(guò)實(shí)驗(yàn)證實(shí)了基于傅里葉變換和小波變換的特征提取等方法可以極大提高傷口感染檢測(cè)電子鼻系統(tǒng)的判別能力。
　　 ③針對(duì)傷口感染檢測(cè)電子鼻模式識(shí)別本質(zhì)上是一個(gè)高維、小樣本、不等距、非線性可分模式識(shí)別系統(tǒng)，傳統(tǒng)的基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小的分類器應(yīng)用效果欠佳，論文將基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化的支持向量機(jī)應(yīng)用于傷口感染檢測(cè)電子鼻

5、的模式識(shí)別中，解決了傳統(tǒng)基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化的神經(jīng)網(wǎng)絡(luò)的過(guò)擬合問(wèn)題。分析了統(tǒng)計(jì)學(xué)習(xí)理論的基本原理，證明了支持向量機(jī)在處理高維小樣本非線性可分?jǐn)?shù)據(jù)方面的優(yōu)勢(shì)，探討了支持向量機(jī)模型參數(shù)對(duì)泛化性能的影響，分別用網(wǎng)格搜索法和遺傳算法對(duì)分類器參數(shù)進(jìn)行尋優(yōu)。通過(guò)實(shí)驗(yàn)表明，相較于神經(jīng)網(wǎng)絡(luò)，支持向量機(jī)分類器對(duì)傷口感染檢測(cè)電子鼻模式分類不僅在識(shí)別率，而且在運(yùn)行時(shí)間方面都具有巨大的優(yōu)勢(shì)。
　　 ④針對(duì)支持向量機(jī)模型參數(shù)以及各個(gè)傳感器的重要性不同會(huì)嚴(yán)重

6、影響分類器識(shí)別效果的問(wèn)題，論文將粒子群優(yōu)化算法引入到支持向量機(jī)模型參數(shù)和傳感器陣列優(yōu)化中，提出了一種基于小波變換特征提取和基于粒子群算法的支持向量機(jī)模型參數(shù)和傳感器陣列同步優(yōu)化相結(jié)合的大鼠傷口感染檢測(cè)數(shù)據(jù)分類方法。首先提取傳感器原始響應(yīng)的小波近似系數(shù)作為特征，通過(guò)粒子群優(yōu)化算法尋找特征的重要性系數(shù)和分離器模型參數(shù)，用重要性系數(shù)對(duì)特征進(jìn)行加權(quán)，實(shí)現(xiàn)支持向量機(jī)模型參數(shù)和傳感器陣列同步優(yōu)化的目的。對(duì)大鼠傷口檢測(cè)的分類結(jié)果表明，與神經(jīng)網(wǎng)絡(luò)分類器

7、和最大值特征相比，該方法在大鼠傷口感染檢測(cè)電子鼻模式識(shí)別中無(wú)論是識(shí)別率還是運(yùn)行時(shí)間都具有潛在優(yōu)勢(shì)。
　　 ⑤針對(duì)大鼠傷口感染檢測(cè)中存在的實(shí)驗(yàn)大鼠本身體味和采樣環(huán)境氣味帶來(lái)強(qiáng)背景干擾的問(wèn)題，論文進(jìn)一步分析了背景干擾對(duì)識(shí)別效果的影響，提出了基于帶參考向量的獨(dú)立分量分析去除背景干擾算法，并結(jié)合人工神經(jīng)網(wǎng)絡(luò)，實(shí)現(xiàn)傷口感染檢測(cè)的識(shí)別。根據(jù)帶噪聲的獨(dú)立分量分析模型，將背景干擾信號(hào)看作源信號(hào)中的一個(gè)獨(dú)立分量，利用獨(dú)立分量分析對(duì)原始響應(yīng)進(jìn)行分解