基于量子粒子群的電子鼻傷口感染檢測算法研究.pdf

1、醫(yī)用電子鼻特指用于醫(yī)療診斷的電子鼻系統(tǒng),檢測原理是根據(jù)患者呼出的氣體或者傷口頂空氣體的氣味特征,來實(shí)現(xiàn)疾病診斷以及傷口感染檢測。傳統(tǒng)的病理學(xué)細(xì)菌檢驗(yàn)方法耗時(shí)費(fèi)力(通常耗時(shí)48小時(shí)以上),而且檢測需要專業(yè)人員進(jìn)行操作,程序復(fù)雜。近年來,電子鼻作為一種新型的具有吸引力的方法受到了廣泛關(guān)注和應(yīng)用,并且其具有響應(yīng)時(shí)間短、檢測速度快,成本低、方便快捷、容易與人工智能結(jié)合的優(yōu)點(diǎn)。本論文主要以雄性大鼠作為實(shí)驗(yàn)對象,動物傷口病原菌感染檢測作為應(yīng)用背景,

2、對已建立的用于動物傷口檢測的醫(yī)用電子鼻實(shí)驗(yàn)系統(tǒng)進(jìn)行進(jìn)一步研究,論文的主要內(nèi)容如下:
　　特征提取是電子鼻數(shù)據(jù)處理中重要的一部分,原始特征的維數(shù)可能十分龐大,這很大程度影響了電子鼻后續(xù)的分類能力。針對傳統(tǒng)的特征提取方法,經(jīng)常是僅提取時(shí)域的響應(yīng)信號或者變換域的響應(yīng)信號作為特征,這樣并不能完全描述電子鼻數(shù)據(jù)的完整信息。為了建立能夠包含絕大部分傷口感染有用信息的數(shù)據(jù),論文主要介紹了傷口感染檢測電子鼻最常用的兩類特征提取方法用來提取數(shù)據(jù)關(guān)鍵

3、信息、提高后續(xù)分類器的識別精度,分別為基于時(shí)間域和基于變換域的特征提取方法,其中時(shí)域特征為提取穩(wěn)態(tài)響應(yīng)的最大值,變換域特征使用小波變換和傅里葉變換提取小波和傅里葉系數(shù)。最終通過實(shí)驗(yàn)表明不同的特征提取方法能對后續(xù)的分類器識別產(chǎn)生很大影響,本論文的混合特征矩陣構(gòu)建方法能夠包含更多的有用信息并且很大程度提高分類器的識別能力。
　　優(yōu)化算法近年來越來越廣泛地應(yīng)用于函數(shù)優(yōu)化、數(shù)據(jù)挖掘、模式識別等領(lǐng)域,本文電子鼻傷口感染檢測算法的研究中,優(yōu)化

4、算法將在特征選擇、分類器參數(shù)以及特征子集優(yōu)化等方面起巨大作用,因此本文著重研究了其中一種性能較好的優(yōu)化算法,即量子粒子群優(yōu)化算法(QPSO)。論文首先對該算法進(jìn)行了理論介紹以及數(shù)學(xué)分析,并對其性能與傳統(tǒng)粒子群算法和遺傳算法等優(yōu)化算法進(jìn)行了對比,得出 QPSO算法在搜索能力、收斂速度、解的精度和求解穩(wěn)健性等幾個(gè)方面有很大優(yōu)勢。然后針對混合特征矩陣仍具有高維度,并且在傳感器前期初始陣列的選型中必定出現(xiàn)一定冗余的特點(diǎn),需要在后期進(jìn)行傳感器的優(yōu)

5、化配置即對混合特征進(jìn)行特征選擇。論文提出了基于量子粒子群的特征選擇算法,該特征選擇以二分類為模型,能有效且準(zhǔn)確地從混合特征矩陣中提取有用的傳感器,克服了傳統(tǒng)特征選擇方法操作復(fù)雜,計(jì)算量大,針對傷口檢測數(shù)據(jù)效果不佳等缺陷。
　　另外,考慮到分類器模型參數(shù)以及各個(gè)傳感器的重要性不同會對分類器識別效果造成很大影響,論文將量子粒子群優(yōu)化算法引入到分類器模型參數(shù)和特征子集的同步優(yōu)化中。通過量子粒子群優(yōu)化算法尋找分類器參數(shù)和混合特征子集的重要