肺炎检测电子鼻装置及算法研究

发布时间：2020-04-06 19:52

【摘要】：重症监护室是现在医疗救助中的重要组成部分。但重症监护室病患在使用呼吸器插管治疗后,很容易感染肺炎。本研究针对重症监护室病人接受呼吸器插管治疗后,肺炎感染状况无法得到实时监控和诊断的问题,提出了一种基于机器学习算法模型的呼吸器肺炎检测方案。使用Cyranose 320型电子鼻装置采集病患呼出气体的数据资料。利用人工神经网络和支持向量机演算方法建立肺炎辨识模型,并利用交叉验证的方法对上述模型进行验证,以确定模型的稳定性,最后使用整体方法建立人工神经网络肺炎辨识模型。结果显示,人工神经网络和支持向量机模型对肺炎感染均具有很高的辨识率,其准确率(Accuracy,ACC)分别为0.9141±0.0313、0.8753±0.0389,灵敏度(Sensitivity,SEN)分别为0.9292±0.0553、0.8839±0.0585,阳性预测值(Positive Predictive Value,PPV)分别为0.8960±0.0242、0.8693±0.0240。人工神经网络相较支持向量机模型具有更好的肺炎辨识率。相较于传统的建模方法,整体方法下的人工神经网络模型具有更好的肺炎辨识率,ACC值为0.9277±0.0170,SEN值为0.9512±0.0451,PPV值为0.9110±0.0355。此研究主要希望通过人工神经网络、支持向量机以及整体人工神经网络建立有效预测肺炎感染辨识模型,为医师早期用药提供科学有效的参考。
【图文】：

工作界面,电子鼻,呼吸装置,挥发性有机化合物

图 1.1 呼吸分析系统及工作界面吸器肺炎检测发展现状施崇鸿[4]提出藉由病患身体发散出来的挥发性有机化合物作为诊断病患是否感染肺炎的依据。鉴于市售的电子鼻在呼吸装置上，为此，提出设计、研发、并整合一个低的电子系统芯片的计划项目。其研发设计的电子鼻系统

电子鼻,系统芯片

图 1.1 呼吸分析系统及工作界面器肺炎检测发展现状崇鸿[4]提出藉由病患身体发散出来的挥发性有机化合为诊断病患是否感染肺炎的依据。鉴于市售的电子呼吸装置上，为此，，提出设计、研发、并整合一个电子系统芯片的计划项目。其研发设计的电子鼻系
【学位授予单位】：贵州大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TH77

【参考文献】