發(fā)布時(shí)間：2017-10-15 14:00

  本文關(guān)鍵詞：用于傷口感染細(xì)菌檢測的醫(yī)用電子鼻研究

  更多相關(guān)文章： 電子鼻系統(tǒng) 核方法 支持向量機(jī) 隨機(jī)森林

【摘要】：電子鼻用于傷口感染檢測具有快速、無創(chuàng)、高效、對(duì)環(huán)境要求度不高等特點(diǎn),具有廣闊的應(yīng)用前景。通過設(shè)計(jì)用于檢測傷口細(xì)菌感染的醫(yī)用電子鼻系統(tǒng),針對(duì)常見傷口感染細(xì)菌生長過程中的代謝產(chǎn)物的氣味,實(shí)現(xiàn)對(duì)傷口感染病原菌的檢測。具有非常重要的臨床實(shí)用價(jià)值。本文旨在構(gòu)建一種電子鼻氣味采集平臺(tái),能夠?qū)崿F(xiàn)對(duì)細(xì)菌代謝產(chǎn)物的信息采集、數(shù)據(jù)處理和分析,達(dá)到快速篩查病人傷口感染病原菌種類的目的。同時(shí),根據(jù)采集到的數(shù)據(jù)設(shè)計(jì)合適的算法,利用智能算法構(gòu)建模式識(shí)別模型,可有效提高識(shí)別率和訓(xùn)練速度。論文的主要研究成果包括：①完成氣味采集平臺(tái)的構(gòu)建,主要包括傳感器選型、傳感器陣列構(gòu)建、進(jìn)樣系統(tǒng)以及數(shù)據(jù)采集模塊的構(gòu)建。在該平臺(tái)上完成了基于肉湯培養(yǎng)基的金黃色葡萄球菌、銅綠假單胞菌、大腸桿菌以及細(xì)菌的兩兩混合樣本的氣味采集。為了提高樣本之間的差異程度,部分樣本使用蒸餾水對(duì)原始培養(yǎng)液進(jìn)行稀釋,以保證氣味特征提取的準(zhǔn)確度。②針對(duì)采集到的數(shù)據(jù)的特點(diǎn),選取合理的預(yù)處理方法和特征提取方法,以構(gòu)建適合訓(xùn)練分類器的樣本矩陣。同時(shí),文章介紹了常見的電子鼻的算法,包括使用PCA/KPCA對(duì)特征進(jìn)行選擇,LDA/KDA對(duì)特征進(jìn)行降維,以及支持向量機(jī)和隨機(jī)森林方法對(duì)樣本進(jìn)行分類,并使用QPSO算法對(duì)需要進(jìn)行尋優(yōu)的分類器進(jìn)行尋優(yōu)。③采用多種方法組合驗(yàn)證的手段,驗(yàn)證分類器對(duì)樣本集的分類效果,包括針對(duì)感染和未感染的二分類模型以及細(xì)菌感染類型的多分類模型。實(shí)驗(yàn)顯示,不依賴于參數(shù)選擇的隨機(jī)森林方法,在分類性能上優(yōu)于依賴于參數(shù)選擇的智能算法。利用優(yōu)化算法可以一定程度上彌補(bǔ)依賴于參數(shù)選擇的智能算法的不足,但是受限于驗(yàn)證集樣本和測試集樣本之間的差異,優(yōu)化算法結(jié)合多種需要參數(shù)選擇的算法始終無法在性能上超過隨機(jī)森林。作為一種新興的分類算法,隨機(jī)森林在針對(duì)傷口感染細(xì)菌檢測的電子鼻上具有廣闊的應(yīng)用前景和實(shí)用價(jià)值。
【關(guān)鍵詞】：電子鼻系統(tǒng) 核方法 支持向量機(jī) 隨機(jī)森林
【學(xué)位授予單位】：重慶大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TH77
【目錄】：

• 中文摘要3-4
• 英文摘要4-8
• 1 緒論8-14
• 1.1 電子鼻技術(shù)概述8-9
• 1.2 醫(yī)用電子鼻的研究意義和國內(nèi)外研究現(xiàn)狀9-12
• 1.2.1 電子鼻在醫(yī)學(xué)診斷中的研究進(jìn)展9-10
• 1.2.2 國際上現(xiàn)有的商業(yè)電子鼻10-11
• 1.2.3 論文的研究意義11-12
• 1.3 論文的結(jié)構(gòu)和安排12-14
• 2 醫(yī)用電子鼻系統(tǒng)原理介紹14-32
• 2.1 電子鼻系統(tǒng)原理14-15
• 2.2 醫(yī)用電子鼻氣路系統(tǒng)15-19
• 2.2.1 氣路系統(tǒng)框圖16-17
• 2.2.2 傳感器氣室17-18
• 2.2.3 氣路工作流程18-19
• 2.3 傳感器陣列設(shè)計(jì)19-27
• 2.3.1 常用氣敏傳感器種類19-23
• 2.3.2 傳感器選型23-26
• 2.3.3 傳感器信號(hào)采集26-27
• 2.4 實(shí)驗(yàn)設(shè)計(jì)27-29
• 2.5 本章小結(jié)29-32
• 3 電子鼻信號(hào)常用處理方法及算法32-56
• 3.1 電子鼻信號(hào)的預(yù)處理32-33
• 3.2 傳感器信號(hào)的特征提取33-36
• 3.2.1 傳感器特征提取的常用方法34
• 3.2.2 常用的基線處理方法34-35
• 3.2.3 數(shù)據(jù)的標(biāo)準(zhǔn)化處理35-36
• 3.3 電子鼻信號(hào)特征選擇36-41
• 3.3.1 主成分分析理論36-38
• 3.3.2 核方法原理38-40
• 3.3.3 基于核方法的主成分分析40-41
• 3.4 基于有監(jiān)督方法的數(shù)據(jù)降維算法41-46
• 3.4.1 引言41-42
• 3.4.2 LDA算法原理42-44
• 3.4.3 基于核函數(shù)的判別分析44-46
• 3.5 模式識(shí)別與參數(shù)優(yōu)化算法46-53
• 3.5.1 引言46
• 3.5.2 支持向量機(jī)理論46-49
• 3.5.3 隨機(jī)森林方法49-50
• 3.5.4 量子粒子群優(yōu)化算法50-53
• 3.6 本章小結(jié)53-56
• 4 面向傷口感染電子鼻的算法模型構(gòu)建56-62
• 4.1 結(jié)合驗(yàn)證集與優(yōu)化算法的模型構(gòu)建56-59
• 4.1.1 QPSO優(yōu)化SVM參數(shù)的算法設(shè)計(jì)56-57
• 4.1.2 QPSO優(yōu)化KPCA/PCA與SVM參數(shù)的算法設(shè)計(jì)57-58
• 4.1.3 QPSO優(yōu)化KPCA/PCA、LDA/KDA與SVM參數(shù)的算法設(shè)計(jì)58-59
• 4.2 隨機(jī)森林算法模型構(gòu)建59-60
• 4.3 本章小結(jié)60-62
• 5 實(shí)驗(yàn)結(jié)果與算法性能分析62-72
• 5.1 數(shù)據(jù)集構(gòu)成62-63
• 5.2 二分類問題性能分析63-65
• 5.2.1 QPSO優(yōu)化SVM參數(shù)的二分類模型性能63-64
• 5.2.2 隨機(jī)森林的二分類模型性能64-65
• 5.3 細(xì)菌感染類型的多分類模型構(gòu)建65-69
• 5.3.1 QPSO--PCA/KPCA---SVM的多分類模型66-67
• 5.3.2 QPSO--PCA/KPCA--LDA/KDA--SVM的多分類模型67-68
• 5.3.3 隨機(jī)森林的多分類模型68-69
• 5.4 本章小結(jié)69-72
• 6 總結(jié)與展望72-74
• 致謝74-76
• 參考文獻(xiàn)76-79

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 于化龍;;主成分分析應(yīng)用研究綜述[J];經(jīng)營管理者;2013年03期

2 蔡睿妍;;Arduino的原理及應(yīng)用[J];電子設(shè)計(jì)工程;2012年16期

3 韓青松;簡永利;涂宜強(qiáng);高永安;宋顯章;涂國眾;段龍川;;綠膿桿菌研究進(jìn)展[J];畜牧與飼料科學(xué);2012年01期

4 丁世飛;齊丙娟;譚紅艷;;支持向量機(jī)理論與算法研究綜述[J];電子科技大學(xué)學(xué)報(bào);2011年01期

5 王艷;曾建潮;;多目標(biāo)微粒群優(yōu)化算法綜述[J];智能系統(tǒng)學(xué)報(bào);2010年05期

6 馬小姝;李宇龍;嚴(yán)浪;;傳統(tǒng)多目標(biāo)優(yōu)化方法和多目標(biāo)遺傳算法的比較綜述[J];電氣傳動(dòng)自動(dòng)化;2010年03期

7 馬淑鳳;王周平;丁占生;王利強(qiáng);徐化能;;應(yīng)用電子鼻技術(shù)對(duì)水蜜桃儲(chǔ)藏期內(nèi)品質(zhì)變化的研究[J];食品與生物技術(shù)學(xué)報(bào);2010年03期

8 劉明;潘磊慶;屠康;劉鵬;;電子鼻檢測雞蛋貨架期新鮮度變化[J];農(nóng)業(yè)工程學(xué)報(bào);2010年04期

9 張覃軼,謝長生,黃永彬;氣體傳感器陣列常用模式識(shí)別算法[J];傳感器技術(shù);2005年05期

10 鄒小波,趙杰文,吳守一;氣體傳感器陣列中特征參數(shù)的提取與優(yōu)化[J];傳感技術(shù)學(xué)報(bào);2002年04期

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 樊澍;基于量子粒子群的電子鼻傷口感染檢測算法研究[D];重慶大學(xué);2014年

，

本文編號(hào)：1037497