论文部分内容阅读
人体酮体水平在临床上具有重要意义,特别是对于糖尿病患者来说,它能为医生提供有效的诊断依据并能及时地遏制病情的进一步恶化,因此长期且频繁的酮体水平监测更是必须的。伴随着当前POCT技术以及医疗仪器家用化的持续发展,人们迫切需要一种无创、直观简便的酮体检测方法。呼吸酮作为反映人体酮体水平的重要标志物,为酮体无创检测带来了新的思路。立足于无创、直观简便等检测需求,本文总结并对比了现有的酮体检测技术,结合比色传感器阵列的颜色特征响应机制和分析化学中颜色空间的广泛应用,设计了一种基于HSI颜色空间的呼吸酮检测系统,主要针对该系统的特征提取和特征分析等内容进行了深入研究,其主要研究内容主要包括以下几点:(1)基于比色传感器阵列的交叉响应机制,结合当前基于颜色信息的分析化学仪器的基本要求,完成了呼吸酮检测系统的整体方案设计。(2)结合比色传感器阵列图像的特点和主要噪声来源,设计了一种基于HSI颜色空间的图像特征提取算法,有效、准确地实现了比色传感器阵列的颜色信息的提取。整个图像特征提取过程中,在传统模糊C均值(FCM)聚类算法基础上,提出了一种H&I加权分量的FCM图像分割算法。相比于阵列图像在RGB颜色空间下常用的Otsu算法和传统的FCM图像分割算法,该分割算法在不同类型阵列点图像分割中展示了96.54%的整体最优分割精度。(3)基于Qt+OpenCV的开发环境下,根据算法设计流程,实现了本文所提出的图像特征提取算法,完成了算法设计到实际工程应用的转化。(4)以本文所设计的检测系统为实验平台,实现了不同浓度丙酮气体的检测。针对不同浓度丙酮气体的HSI差值特征进行了动态响应分析、层次聚类分析以及BP神经网络识别等。通过以上特征分析,可以得知丙酮气体的浓度与比色传感器阵列的HSI特征响应存在非线性关系,BP神经网络能够实现不同浓度丙酮气体的HSI差值特征识别,识别结果的整体相对误差为6.67%。此外,本文还针对检测系统所获取的颜色信息与光谱信息的相关性进行了初步探索。