傅里叶变换显微红外光谱结合机器学习算法鉴定电击伤

发布时间：2022-07-20 15:46

　　目的基于傅里叶变换显微红外光谱结合机器学习算法分析猪皮肤电击伤、烧伤及擦伤的差异,构建3种皮肤损伤鉴定模型,筛选电击伤特征性标志物,为皮肤电流斑鉴定提供新方法。方法建立猪皮肤电击伤、烧伤及擦伤的模型,使用传统HE染色检验不同损伤的形态学改变。运用傅里叶变换显微红外技术检测表皮细胞光谱,运用主成分、偏最小二乘法分析损伤的分类情况,运用线性判别和支持向量机构建分类模型,因子载荷筛选特征性标志物。结果与对照组相比,电击伤、烧伤及擦伤组的表皮细胞均呈现出极化现象,以电击伤、烧伤组更为明显。通过主成分和偏最小二乘法分析可区分不同类型损伤,线性判别、支持向量机模型均能够有效诊断不同损伤。2 923、2 854、1 623、1 535 cm-1吸收峰在不同损伤组显示出明显的差异,电击伤的2 923 cm-1吸收峰峰强最高。结论傅里叶变换显微红外光谱结合机器学习算法为诊断皮肤电击伤、鉴定电击死提供了新技术。 

【文章页数】：6 页

【文章目录】：
1 材料与方法
    1.1 动物模型制作及取材
    1.2 检材处理与测量方法
    1.3 光谱预处理与机器学习算法
2 结果
    2.1 HE染色
    2.2 FTIR-MSP结果
    2.3 PCA、PLS和loading结果
    2.4 LDA和SVM判别分析
3 讨论


【参考文献】：
期刊论文
[1]基于机器学习算法研究不同电压所致猪皮肤电流损伤红外光谱特征[J]. 董贺文,李伟,黎世莹,邓恺飞,曹楠,罗仪文,孙其然,林汉成,黄景锋,刘宁国,黄平.  法医学杂志. 2018(06)
[2]红外光谱结合主成分分析鉴别不同产地黄柏[J]. 袁玉峰,陶站华,刘军贤,田昌海,王桂文,黎永青.  光谱学与光谱分析. 2011(05)



本文编号：3664275