论文部分内容阅读
在创伤外科领域中,创面的细菌感染是一种重要的并发症,对伤者的治疗有较大的妨碍。创面感染的诊断能防止伤口的进一步恶化并减轻病人的痛苦。目前,临床创面细菌感染诊断主要依靠特定的微生物和生物化学鉴定。在这些方法中,细菌培养和菌落计数将花费大量的时间和精力,组织活检涉及切片,染色和显微镜评估,有创并过于复杂耗时。因此,迫切需要一种无创高效的创面细菌感染检测方法。近红外光谱作为一种无创、非接触、快速检测方法,非常适合用于创面细菌感染检测。但是,目前基于红外光谱的细菌检测主要是基于细菌培养液的原始近红外光强进行分析研究,提取的特征缺乏物理意义,缺乏针对在体创面细菌检测研究,限制了对感染创面组织结构成份变化的理解,制约了临床细菌检测的应用。本文针对上文提到的问题,提出了基于近红外光谱结合光学特性参数的细菌检方法。本文的主要研究工作如下:针对创面细菌培养液的信息检测问题,提出了基于光学特性参数结合支持向量机(Support Vector Machine,SVM)的分类模型。对同种浓度7种细菌,首先利用光纤光谱仪采集近红外光强信号。在采集的光强信号基础上通过漫反射原理提取光学特性参数,包括约化散射系数(?_s’)和吸收系数(?_a)。基于光学特性参数分别提出了SVM分类模型和粒子群优化(Particle Swarm Optimization,PSO)算法优化的支持向量机(PSO-SVM)分类模型,通过此分类模型实现对同种浓度7种细菌的鉴别分类。对不同浓度下2种细菌,基于光学特性参数结合SVM分类模型对细菌进行鉴别分类。针对在体创面细菌检测问题,提出了基于光学特性参数的两种检测方法,这两种方法对应两种数据采集方式。对光纤光谱仪的在体创面细菌检测,提出了基于光学特性参数结合集成分类模型对在体创面细菌检测的方法。首先,用近红外光纤光谱仪获取在体猪皮创面的光谱信号。基于光谱信号提取出能反映创面组织结构和成份的光学特性参数?’_s,?_a。结合光学特性参数,用链式智能体遗传算法(Chain Agent Genetic Algorithm,CAGA)优化的支持向量机(CAGA-SVM)分类模型对在体创面的细菌感染进行鉴别分析。对光谱成像仪的在体创面细菌检测,提出了基于光学特性参数分布图的创面细菌检测方法。首先用近红外光谱成像仪采集图像,再获取每个像素点的光谱信号。基于此光谱信号提取光学特性参数,获取特性参数的分布图后分析特性参数与在体创面细菌感染的相关关系,验证光学特性参数鉴别全场创面感染的可行性。本文为创面细菌的鉴别和分类提供了深入生物组织结构特性的思路和实现方法,为基于近红外光谱结合光学特性参数的创面细菌感染信息检测研究提供了理论基础和方法依据,具有一定的理论意义和实际意义。