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
Infrared Spectral Characteristics of Electrical Injuries on Swine Skin Caused by Different Voltages Based on Machine Learning Algorithms作者机构:司法鉴定科学研究院上海市法医学重点实验室上海市司法鉴定专业技术服务平台上海200063 铁道警察学院公安技术系河南郑州450053 北京市公安局司法鉴定中心北京100192 西安交通大学医学部法医学院陕西西安710061
出 版 物:《法医学杂志》 (Journal of Forensic Medicine)
年 卷 期:2018年第34卷第6期
页 面:619-624页
学科分类:0301[法学-法学] 03[法学] 1001[医学-基础医学(可授医学、理学学位)] 030106[法学-诉讼法学]
基 金:"十三五"国家重点研发计划资助项目(2016YFC0800702) 国家自然科学基金资助项目(81722027 81671869) 上海市法医学重点实验室资助项目(17DZ2273200) 上海市司法鉴定专业技术服务平台资助项目(16DZ2290900)
主 题:法医病理学 谱学,傅里叶变换红外 电击伤 机器学习算法 皮肤 猪
摘 要:目的通过傅里叶变换红外显微光谱(Fourier transform infrared-microspectroscopy,FTIR-MSP)成像技术结合机器学习算法,对不同电压所致猪皮肤电流损伤红外光谱特征进行分析,旨在为不同电压所致皮肤电流损伤的鉴别提供参考。方法建立猪皮肤电流损伤模型,分为110 V、220 V、380 V电击组及对照组,电击组电击30 s后取电击部位皮肤,对照组取对应部位正常皮肤组织。结合连续切片HE染色结果,应用FTIR-MSP成像技术采集对应区域的光谱数据,结合机器学习算法(主成分分析、偏最小二乘法-判别分析),选取不同光谱波段(全波段4 000~1 000 cm^(-1)和分波段4 000~3 600 cm^(-1)、3 600~2 800 cm^(-1)、2 800~1 800 cm^(-1)、1 800~1 000 cm-1)及预处理方式(正交信号校正、标准正态变量、多元散射校正、归一化、平滑)对模型进行优化,比较所建模型的分类效果。结果相较于单纯谱图分析,主成分分析法能很好地区分电击组和对照组,但难以区分不同电压组。基于3 600~2 800 cm^(-1)波段的偏最小二乘法-判别分析实现了对不同电压触电所致皮肤损伤的鉴别,且采用正交信号校正能进一步优化3 600~2 800 cm^(-1)波段模型的效能。结论应用FTIR-MSP成像技术结合机器学习算法对不同电压所致猪皮肤电流损伤的鉴别具有可行性。