基于CAGA与SVM的近红外光谱的烧伤深度预测系统技术方案
【技术实现步骤摘要】
基于CAGA与SVM的近红外光谱的烧伤深度预测系统
本专利技术具体涉及基于CAGA与SVM的近红外光谱的烧伤深度预测系统。
技术介绍
每年全球约有1100万烧伤患者，仅我国每年新增的烧伤患者就有上百万人。伤后早期对烧伤创面深度进行快速和准确的判断和评价，不仅为医生尽早选择治疗手段提供辅助依据,而且最大程度地避免过度瘫痕增生、功能障碍和治疗费用增加等问题，是提高诊疗质量的必要前提。而烧伤深度的精确探测可为临床治疗提供重要参考依据，但至今为止，烧伤深度诊断依然依靠临床医生的经验判断，缺乏客观性、稳定性、定量性、简便性等。烧伤程度一般采常用的三度四分法表示，通常将烧伤程度分为一度烧伤、浅二度烧伤、深二度烧伤及三度烧伤。烧伤程度和烧伤深度、烧伤面积和烧伤性质等多种因素决定。即使最有经验的临床医生按照该划分方式，判断深度的准确率也只能达到65％-70％，并且在判断浅二度烧伤与深二度烧伤判断时，准确率只能达到40％左右。因此，研究一种能准确探测烧伤深度的方法具有重要的现实意义。近红外光谱作为一种无创、非接触、快速检测的光谱检测工具。由于在不同的波长，有机物分子对近红外光的吸收...
【技术保护点】
基于CAGA与SVM的近红外光谱的烧伤深度预测系统，其特征在于，包括近红外光谱采集器、模型建立器和预测装置；其中，近红外光谱采集器采集待预测样本中的近红外光谱信号，并对近红外光谱信号进行预处理和特征提取，传输给预测装置；预测装置根据近红外光谱采集器上传的数据，利用建立的CAGA‑SVM集成检测模型对待预测样本的烧伤深度进行预测；模型建立器包括估计装置和优化装置，估计装置采集多个烧伤训练样本，采用支持向量机建立近红外光谱信号与烧伤深度的回归模型；优化装置采用链式智能体遗传算法对回归模型的核函数参数和特征子集进行全局优化，得到所述CAGA‑SVM集成检测模型。
【技术特征摘要】
1.基于CAGA与SVM的近红外光谱的烧伤深度预测系统，其特征在于，包括近红外光谱采集器、模型建立器和预测装置；其中，近红外光谱采集器采集待预测样本中的近红外光谱信号，并对近红外光谱信号进行预处理和特征提取，传输给预测装置；预测装置根据近红外光谱采集器上传的数据，利用建立的CAGA-SVM集成检测模型对待预测样本的烧伤深度进行预测；模型建立器包括估计装置和优化装置，估计装置采集多个烧伤训练样本，采用支持向量机建立近红外光谱信号与烧伤深度的回归模型；优化装置采用链式智能体遗传算法对回归模型的核函数参数和特征子集进行全局优化，得到所述CAGA-SVM集成检测模型。2.根据权利要求1所述的基于CAGA与SVM的近红外光谱的烧伤深度预测系统，其特征在于，所述估计装置利用控温烫伤仪的烫头，在猪皮的不同区域上分别以不同深度进行烫伤，其中每个区域上每个时间点烫伤后的猪皮形成一类烫伤深度训练样本；利用近红外光谱仪对每类烧伤深度训练样本采集近红外光谱信号形成所述烧伤训练样本。3.根据权利要求1所述的基于CAGA与SVM的近红外光谱的烧伤深度预测系统，其特征在于，所述估计装置采用支持向量机建立近红外光谱信号与烧伤深度的回归模型为：其中，烧伤训练样本为{xl,yl}，l＝1,2…m，m为样本容量，xl为近红外光谱信号的强度值；yl为烧伤深度；K(x,xl)为支持向量机的核函数；b为常数；拉格朗日因子al，最大化函数的约束条件为：其中，C为核函数参数。4.根据权利要求3所述的基于CAGA与SVM的近红外光谱的烧伤深度预测系统，其特征在于，所述支持向量机的核函数为线性内核，表达式为：K(x,xl)＝(x·xl)(3)。5.根据权利要求3所述的基于CAGA与SVM的近红外光谱的烧伤深度预测系统，其特征在于，所述支持向量机的核函数为径向基内核，表达式为：K(x,xl)＝exp(-γ||x-xl||2)(4)其中，γ为核函数参数。6.根据权利要求5所述的基于CAGA与SVM的近红外光谱的烧伤深度预测系统，其特征在于，所述优化装置，首先，设定C优化选择区间为[1，2000]，γ优化选择区间为[0.001，2]；然后，设定初始种群：每个种群个体用一个二进制编码标识，二进制编码中不同的二进制位表示...
【专利技术属性】
技术研发人员：王品，吴烨，李勇明，尹美芳，吴军，
申请(专利权)人：吴军，
类型：发明
国别省市：重庆,50
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。