發(fā)布時間：2022-07-20 15:46

　　目的基于傅里葉變換顯微紅外光譜結合機器學習算法分析豬皮膚電擊傷、燒傷及擦傷的差異,構建3種皮膚損傷鑒定模型,篩選電擊傷特征性標志物,為皮膚電流斑鑒定提供新方法。方法建立豬皮膚電擊傷、燒傷及擦傷的模型,使用傳統(tǒng)HE染色檢驗不同損傷的形態(tài)學改變。運用傅里葉變換顯微紅外技術檢測表皮細胞光譜,運用主成分、偏最小二乘法分析損傷的分類情況,運用線性判別和支持向量機構建分類模型,因子載荷篩選特征性標志物。結果與對照組相比,電擊傷、燒傷及擦傷組的表皮細胞均呈現(xiàn)出極化現(xiàn)象,以電擊傷、燒傷組更為明顯。通過主成分和偏最小二乘法分析可區(qū)分不同類型損傷,線性判別、支持向量機模型均能夠有效診斷不同損傷。2 923、2 854、1 623、1 535 cm-1吸收峰在不同損傷組顯示出明顯的差異,電擊傷的2 923 cm-1吸收峰峰強最高。結論傅里葉變換顯微紅外光譜結合機器學習算法為診斷皮膚電擊傷、鑒定電擊死提供了新技術。 

【文章頁數(shù)】：6 頁

【文章目錄】：
1 材料與方法
    1.1 動物模型制作及取材
    1.2 檢材處理與測量方法
    1.3 光譜預處理與機器學習算法
2 結果
    2.1 HE染色
    2.2 FTIR-MSP結果
    2.3 PCA、PLS和loading結果
    2.4 LDA和SVM判別分析
3 討論


【參考文獻】：
期刊論文
[1]基于機器學習算法研究不同電壓所致豬皮膚電流損傷紅外光譜特征[J]. 董賀文,李偉,黎世瑩,鄧愷飛,曹楠,羅儀文,孫其然,林漢成,黃景鋒,劉寧國,黃平.  法醫(yī)學雜志. 2018(06)
[2]紅外光譜結合主成分分析鑒別不同產(chǎn)地黃柏[J]. 袁玉峰,陶站華,劉軍賢,田昌海,王桂文,黎永青.  光譜學與光譜分析. 2011(05)



本文編號：3664275