论文部分内容阅读
本文旨在探索利用气味感知技术实现伤口感染辅助诊断的方法。在当前的伤口感染气味感知系统中，存在两个亟待研究的关键问题：一是气味传感技术单一，缺乏融合多种气味传感技术的传感方法研究；二是气味检测算法较为简单、检测精度低，缺乏针对气味检测特点的专用算法研究。本文有针对性地设计了伤口感染气味感知系统和伤口感染气味实验，对电子鼻传感器阵列优化问题，高场不对称离子迁移谱（FAIMS）的生物样本识别问题，双路气味感知系统的信息融合问题开展了深入研究，主要研究成果和创新点如下：
①研制了基于电子鼻技术和FAIMS技术联用的双路气味传感系统
伤口感染气味极高的生物复杂性和微弱的气味差别导致人们对其实现有效气味感知检测十分困难。对此，传统的电子鼻技术检测限高（ppm级）和抗干扰能力差的缺点显得尤为突出。FAIMS是一种新型的快速质谱技术，具有极低的检测限（ppb级）和较好的气味特异性。因此，本文基于电子鼻和FAIMS联用的系统架构，研制出了面向伤口感染检测的双路气味感知系统。当检测时，该系统两个检测单元以设定的周期对样本气味进行连续捕捉，感知数据经处理后自动保存在上位机中。初步测试表明：该系统设计合理，运行稳定，能够有效感知检测大肠杆菌、铜绿假单胞菌，金黄色葡萄球菌感染的和未感染的大鼠伤口气味，其设备性能指标（工作温湿度和信号分辨率等）通过了重庆市计量质量检测研究院的相关测试。
②提出了基于特征组选择的电子鼻传感器阵列优化算法
现有的电子鼻阵列优化工作普遍直接使用机器学习领域的特征选择方法来完成。然而，这种做法忽视了电子鼻工作原理的特点，即：电子鼻通过一组协同工作的、具有交叉敏感性和广谱选择性的传感器建立气味响应模式来辨别气味。因此，本文提出了基于特征组选择的阵列优化算法——特征组进化算法（FGE）。该方法先对单个特征按照相关性排序，然后以特征组为单位进行评估，通过特征组竞争、交叉、选择和变异，逐级选择出优秀的特征组合。算法实验表明：该算法具有稳定性强的特点。在2个培养皿细菌液气味数据集和6个特征选择基准数据集上均能够有效完成优化任务，其整体识别准确率明显优于8种流行的比对方法。
③提出了基于动态图谱分析策略的FAIMS空域信息集成识别算法
当前，FAIMS数据分析普遍采用稳态图谱分析策略，即：对一个检测样本仅使用几幅稳定的图谱作为分析数据；另外，只对整张图谱或者特定谱线提取特征。这样虽然可以避免因生物样本衰减而带来的干扰，但同时也会丢失有效的识别信
息。本文提出了基于动态图谱分析策略的FAIMS空域信息集成识别算法——局部警报和全局特征集成（LWGF）。该方法分别在全局和特定局部空域上对动态图谱进行分析，然后通过对空域特征的融合进行算法模型的建立。算法实验表明：该方法在临床人体感染气味数据集（6个未感染者，20个感染者）中的最佳识别准确率和AUC（Area Under the Curve）指标分别达到96.15%和0.98，比采用稳态分析策略的传统方法分别高22.3%和0.30。
④设计了有效的信息融合框架并提出基于模型可信度估计的决策融合算法
基于本系统中两路检测原理不同及其数据异构性的考虑，本文设计了一套完整的信息融合算法框架：首先分别对两路感知数据独立地提取特征和进行特征选择，以尽可能提取其有效信息；然后分别建立单路识别模型（基估计器）；最后将基估计器进行模型融合。其中，本文提出了一种非线性、非参和数据驱动的模型融合方法——基于模型表达聚类和近距性的模型可信度估计（CMEP-MRE）。该方法首先在各个基估计器的模型表达空间中聚类，然后测量预测样本与各模型的近距性并估计出模型的可信度，然后将各模型表达融合，最后用融合表达训练出融合模型。实验表明：该算法框架能够有效融合两个检测单元感知的气味信息，其在大鼠伤口感染气味数据集中的24小时和48小数据上分别达到了94.63%和88.05%的分类准确率，两路系统融合的性能高于单路系统独立工作的性能，成功实现了两个气味检测单元的联用。
①研制了基于电子鼻技术和FAIMS技术联用的双路气味传感系统
伤口感染气味极高的生物复杂性和微弱的气味差别导致人们对其实现有效气味感知检测十分困难。对此，传统的电子鼻技术检测限高（ppm级）和抗干扰能力差的缺点显得尤为突出。FAIMS是一种新型的快速质谱技术，具有极低的检测限（ppb级）和较好的气味特异性。因此，本文基于电子鼻和FAIMS联用的系统架构，研制出了面向伤口感染检测的双路气味感知系统。当检测时，该系统两个检测单元以设定的周期对样本气味进行连续捕捉，感知数据经处理后自动保存在上位机中。初步测试表明：该系统设计合理，运行稳定，能够有效感知检测大肠杆菌、铜绿假单胞菌，金黄色葡萄球菌感染的和未感染的大鼠伤口气味，其设备性能指标（工作温湿度和信号分辨率等）通过了重庆市计量质量检测研究院的相关测试。
②提出了基于特征组选择的电子鼻传感器阵列优化算法
现有的电子鼻阵列优化工作普遍直接使用机器学习领域的特征选择方法来完成。然而，这种做法忽视了电子鼻工作原理的特点，即：电子鼻通过一组协同工作的、具有交叉敏感性和广谱选择性的传感器建立气味响应模式来辨别气味。因此，本文提出了基于特征组选择的阵列优化算法——特征组进化算法（FGE）。该方法先对单个特征按照相关性排序，然后以特征组为单位进行评估，通过特征组竞争、交叉、选择和变异，逐级选择出优秀的特征组合。算法实验表明：该算法具有稳定性强的特点。在2个培养皿细菌液气味数据集和6个特征选择基准数据集上均能够有效完成优化任务，其整体识别准确率明显优于8种流行的比对方法。
③提出了基于动态图谱分析策略的FAIMS空域信息集成识别算法
当前，FAIMS数据分析普遍采用稳态图谱分析策略，即：对一个检测样本仅使用几幅稳定的图谱作为分析数据；另外，只对整张图谱或者特定谱线提取特征。这样虽然可以避免因生物样本衰减而带来的干扰，但同时也会丢失有效的识别信
息。本文提出了基于动态图谱分析策略的FAIMS空域信息集成识别算法——局部警报和全局特征集成（LWGF）。该方法分别在全局和特定局部空域上对动态图谱进行分析，然后通过对空域特征的融合进行算法模型的建立。算法实验表明：该方法在临床人体感染气味数据集（6个未感染者，20个感染者）中的最佳识别准确率和AUC（Area Under the Curve）指标分别达到96.15%和0.98，比采用稳态分析策略的传统方法分别高22.3%和0.30。
④设计了有效的信息融合框架并提出基于模型可信度估计的决策融合算法
基于本系统中两路检测原理不同及其数据异构性的考虑，本文设计了一套完整的信息融合算法框架：首先分别对两路感知数据独立地提取特征和进行特征选择，以尽可能提取其有效信息；然后分别建立单路识别模型（基估计器）；最后将基估计器进行模型融合。其中，本文提出了一种非线性、非参和数据驱动的模型融合方法——基于模型表达聚类和近距性的模型可信度估计（CMEP-MRE）。该方法首先在各个基估计器的模型表达空间中聚类，然后测量预测样本与各模型的近距性并估计出模型的可信度，然后将各模型表达融合，最后用融合表达训练出融合模型。实验表明：该算法框架能够有效融合两个检测单元感知的气味信息，其在大鼠伤口感染气味数据集中的24小时和48小数据上分别达到了94.63%和88.05%的分类准确率，两路系统融合的性能高于单路系统独立工作的性能，成功实现了两个气味检测单元的联用。