基于近红外光谱图像特征学习的烧伤深度检测方法研究

发布时间：2021-01-28 04:35

　　在烧伤学科中,对病人烧伤创面的深度进行精确的检测是一个非常重要的研究方向,其诊断结果关系到后续创面的感染和增生性疤痕产生的机率。目前,烧伤深度的诊断主要由临床医生的主观经验判断而来,然而其诊断准确率仅有65%-70%。因此,迫切需要一种无创高效的烧伤深度检测的方法。近红外光谱成像（Near Infrared Spectrum Imaging,NIRSI）作为一种无创、非接触的光谱检测技术,能对烧伤皮肤组织结构变化进行检测,因此可用于对皮肤的烧伤深度进行诊断分析。但目前该方法在烧伤深度检测领域研究较少,限制了NIRSI技术在烧伤深度检测中的应用。针对上述问题,本文重点研究了如何利用特征学习方法结合近红外光谱图像对皮肤烧伤深度进行高精度的预测,提出了基于近红外光谱图像特征学习的烧伤深度检测的方法。本文工作的主要内容如下:（1）针对烧伤深度的全场定量探测,基于近红外光谱图像的RSER-KNN集成回归模型实现烧伤深度检测。首先利用NIRSI仪器采集猪皮全场光谱图像,对数据预处理后,将主成分分析（Principal Component Analysis,PCA）和线性判别分析（Linear Di... 

【文章来源】：重庆大学重庆市 211工程院校 985工程院校 教育部直属院校

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

烧伤创面图

重庆大学硕士学位论文3基于近红外光谱图像和集成回归模型的全场烧伤深度检测17间区域的平均结果表示。用于烧伤深度的H&E染色切面的代表性实例可以如图3.3所示。10s30s40s60s5s20s图3.3烧伤创面的H&E染色切面的代表性实例Fig.3.3RepresentativeexampleofH&Estainedsectionsofburnwounds实验样本及数据采集由第三军医大学西南医院提供。采集的数据做了归一化处理，去除背景和光源的不均匀性带来的影响。为直观的对各类烧伤创面的深度进行分析，显示出不同烧伤时间点下代表性样本的光谱曲线图，如图3.4所示。图3.4各类烧伤创面的原始归一化光谱曲线Fig.3.4Originalnormalizedspectralcurvesofeachburnwound

重庆大学硕士学位论文3基于近红外光谱图像和集成回归模型的全场烧伤深度检测18从图3.4可以看出，不同烧伤时间点的样本光谱曲线存在着很严重的混叠现象，而且每一类时间点下的光谱曲线存在着严重的毛刺、不平滑。因此有必要对采集到的光谱信号做滤波处理，使得特征数据变得“干净”和稳定，并对滤波后的数据进行特征学习，挖掘有效信息，使得建立的回归模型更加稳定和精确。3.1.3光谱数据滤波处理由于噪声和仪器分辨率过低的原因使得原始采集到的光谱曲线非常不平滑，具有毛刺。为了使实验模型具有良好的稳定性，需要用Savitzky-Golay滤波器对数据进行滤波平滑处理。即：mMMmMmMyhmRhmRm+====(3.1)式(3.1)中的R表示待处理的光强信号，表示光的波长，hm代表滤波函数，该方法会对数据的每一个点进行局部的窗口加权平均处理，使得曲线变得平滑。各类烧伤创面代表数据的滤波后光谱曲线如图3.5所示。图3.5不同烧伤创面滤波后的光谱曲线Fig.3.5Filteredspectralcurveofdifferentburnwounds由图3.5可以看出，通过利用Savitzky-Golay滤波器对光谱信号进行滤波后，其毛刺部分变少，曲线变得更加平滑，也保持了原始信号的趋势，这能增强所建立的回归模型的鲁棒性。3.2烧伤组织光学特性参数分析近红外光谱利用不同生物组织结构对不同波段光照下产生的合频和倍频吸收振动不同的现象，可作为一种无创非接触的光谱检测工具，用于检测碳氢元素较多


本文编号：3004367