基于近紅外光譜數(shù)據(jù)集成學習的燒傷深度檢測系統(tǒng).pdf

1、每年全球燒傷患者眾多，而燒傷深度的診斷一直是燒傷學中的重要組成部分，其精確診斷可為臨床治療提供重要參考依據(jù)。目前臨床燒傷深度診斷依靠臨床醫(yī)生的經驗判斷，但是即使最有經驗的臨床醫(yī)生按照傳統(tǒng)分度，判斷深度的準確率也只能達到65％-70%。這種不精確的診斷可能帶來嚴重的后果，如產生不必要的感染、疼痛甚至會導致死亡。近紅外光譜作為一種無創(chuàng)、非接觸、快速檢測的光譜檢測工具，非常適合用于燒傷深度檢測。但是，目前缺乏公開研究報道如何針對近紅外光譜數(shù)據(jù)

2、分析從而實現(xiàn)燒傷深度檢測，因此極大的限制了近紅外光譜技術在燒傷深度檢測中的應用。
　　本文針對這一問題，研究并提出了基于近紅外光譜數(shù)據(jù)集成學習的燒傷深度檢測系統(tǒng)，旨在推動近紅外光譜技術在燒傷深度檢測中應用，奠定其理論和方法基礎。本文的主要研究工作如下：
　?、倩诮t外光譜儀采集的光強信號，分別提出了鏈式智能體遺傳算法優(yōu)化的支持向量回歸機（CAGA-SVR）集成回歸模型和隨機森林回歸模型，從而形成兩種燒傷深度檢測系統(tǒng)。首先利

3、用光纖光譜儀采集近紅外光譜儀光強信號，并通過支持向量回歸機訓練生成燒傷深度檢測模型，然后通過CAGA對模型進行優(yōu)化以實現(xiàn)基于光強信號的CAGA-SVR集成學習的燒傷深度檢測系統(tǒng)。此外，基于近紅外光譜信號構建RF集成學習的燒傷深度檢測系統(tǒng)。
　?、诨诮t外光譜儀系統(tǒng)采集的光譜信號，提取能反映燒傷組織結構變化的多類型光學特性參數(shù)，結合形成基于CAGA-SVR集成學習和光譜特性參數(shù)的燒傷深度檢測系統(tǒng)。首先，采集近紅外光譜光強信號，再通

4、過漫反射理論提取光學特性參數(shù)，基于該參數(shù)結合SVR構建集成燒傷深度檢測模型，最后通過CAGA對該模型進行參數(shù)優(yōu)化以提高其性能。
　?、刍诠庾V成像儀系統(tǒng)采集光譜圖像信號，提取能反映燒傷組織結構變化的多類型光學特性參數(shù)，構建基于光強和隨機森林的集成燒傷深度檢測系統(tǒng)。首先，采集光譜成像儀光譜圖像信號，通過漫射理論提取光學特性參數(shù)，然后分析該參數(shù)與燒傷程度的相關關系。結合光強信號和RF，構建光譜成像儀集成燒傷深度檢測系統(tǒng)。
　　本