基于電子鼻技術的人體傷口感染檢測系統(tǒng)構建及算法研究.pdf

1、用于傷口感染檢測的電子鼻系統(tǒng)，利用不同傷口病原菌代謝產物的種類及其濃度不同，通過識別傷口頂空氣體來實現對傷口感染病原菌類型的檢測。電子鼻用于傷口感染診斷具有無創(chuàng)、快速、高效、便捷等優(yōu)點，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為應用背景，構建了傷口感染檢測電子鼻硬件系統(tǒng)并對電子鼻信號的分析處理和模式識別算法展開研究。論文的主要研究內容和貢獻包括：
　　 ①以人體常見的傷口感染病原菌和SD(Sprague-Dawley

2、)雄性大鼠為實驗對象，根據病原菌代謝產物和氣體傳感器敏感特性設計并實現了針對人體傷口感染病原菌檢測的電子鼻硬件實驗系統(tǒng)。該系統(tǒng)由氣體傳感器陣列、數據采集系統(tǒng)和流速控制系統(tǒng)幾個部分構成。在硬件實驗系統(tǒng)的基礎上進行了七種人體常見傷口感染病原菌培養(yǎng)液檢測和四種感染不同病原菌的大鼠傷口檢測的實驗。實驗結果顯示，氣體傳感器陣列對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，且響應模式不同，為后續(xù)進行電子鼻信

3、號分析處理與模式分類提供了基礎。
　　 ②特征提取是電子鼻信號模式分類的關鍵環(huán)節(jié)，特征的好壞嚴重影響后續(xù)模式分類的效果。傳統(tǒng)的電子鼻信號特征提取方法是提取穩(wěn)態(tài)響應(最大值)作為特征，而沒有考慮傳感器整條響應曲線上的其它信息。針對最大值特征所含分類信息有限，對傷口感染檢測數據分類效果不佳的問題，研究了傷口感染檢測電子鼻信號的常見預處理方法和不同的特征提取方法對后續(xù)模式識別效果的影響。比較了差分、分數差分、相對差分、對數差分和歸一化

4、五種預處理方法對最大值特征的效果，分析了基于原始響應曲線、曲線擬合和變換域等10種動態(tài)響應特征對電子鼻模式識別算法準確性的影響，并通過實驗證實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電子鼻系統(tǒng)的判別能力。
　　 ③針對傷口感染檢測電子鼻模式識別本質上是一個高維、小樣本、不等距、非線性可分模式識別系統(tǒng)，傳統(tǒng)的基于經驗風險最小的分類器應用效果欠佳，論文將基于結構風險最小化的支持向量機應用于傷口感染檢測電子鼻

5、的模式識別中，解決了傳統(tǒng)基于經驗風險最小化的神經網絡的過擬合問題。分析了統(tǒng)計學習理論的基本原理，證明了支持向量機在處理高維小樣本非線性可分數據方面的優(yōu)勢，探討了支持向量機模型參數對泛化性能的影響，分別用網格搜索法和遺傳算法對分類器參數進行尋優(yōu)。通過實驗表明，相較于神經網絡，支持向量機分類器對傷口感染檢測電子鼻模式分類不僅在識別率，而且在運行時間方面都具有巨大的優(yōu)勢。
　　 ④針對支持向量機模型參數以及各個傳感器的重要性不同會嚴重

6、影響分類器識別效果的問題，論文將粒子群優(yōu)化算法引入到支持向量機模型參數和傳感器陣列優(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模型參數和傳感器陣列同步優(yōu)化相結合的大鼠傷口感染檢測數據分類方法。首先提取傳感器原始響應的小波近似系數作為特征，通過粒子群優(yōu)化算法尋找特征的重要性系數和分離器模型參數，用重要性系數對特征進行加權，實現支持向量機模型參數和傳感器陣列同步優(yōu)化的目的。對大鼠傷口檢測的分類結果表明，與神經網絡分類器

7、和最大值特征相比，該方法在大鼠傷口感染檢測電子鼻模式識別中無論是識別率還是運行時間都具有潛在優(yōu)勢。
　　 ⑤針對大鼠傷口感染檢測中存在的實驗大鼠本身體味和采樣環(huán)境氣味帶來強背景干擾的問題，論文進一步分析了背景干擾對識別效果的影響，提出了基于帶參考向量的獨立分量分析去除背景干擾算法，并結合人工神經網絡，實現傷口感染檢測的識別。根據帶噪聲的獨立分量分析模型，將背景干擾信號看作源信號中的一個獨立分量，利用獨立分量分析對原始響應進行分解