肺炎检测电子鼻装置及算法研究
| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 引言 | 第7-15页 |
| 1.1 研究背景 | 第7-8页 |
| 1.1.1 呼吸器肺炎的概念 | 第7页 |
| 1.1.2 呼吸器肺炎的社会影响 | 第7页 |
| 1.1.3 呼吸器肺炎临床诊断存在问题 | 第7-8页 |
| 1.2 研究动机 | 第8-10页 |
| 1.3 国内外呼吸器肺炎检测的发展情况 | 第10-13页 |
| 1.3.1 国外呼吸器肺炎检测发展现状 | 第10-11页 |
| 1.3.2 国内呼吸器肺炎检测发展现状 | 第11-12页 |
| 1.3.3 呼吸器肺炎检测的发展趋势 | 第12-13页 |
| 1.4 课题来源及研究内容 | 第13-14页 |
| 1.4.1 课题来源 | 第13页 |
| 1.4.2 研究目标 | 第13页 |
| 1.4.3 研究内容 | 第13-14页 |
| 1.5 本章小结 | 第14-15页 |
| 第2章 电子鼻系统设计 | 第15-29页 |
| 2.1 生物嗅觉机制 | 第15-16页 |
| 2.2 电子鼻系统介绍 | 第16-17页 |
| 2.2.1 电子鼻的结构 | 第16页 |
| 2.2.2 电子鼻的工作原理 | 第16-17页 |
| 2.3 电子鼻数据分析方法 | 第17-24页 |
| 2.3.1 人工神经网络 | 第18-20页 |
| 2.3.2 整体算法 | 第20-22页 |
| 2.3.3 支持向量机 | 第22-23页 |
| 2.3.4 受试者工作特征曲线分析 | 第23-24页 |
| 2.4 电子鼻系统设计 | 第24-28页 |
| 2.4.1 纳米材料传感器设计 | 第24-25页 |
| 2.4.2 模式识别系统设计 | 第25-26页 |
| 2.4.3 Cyranose320型电子鼻介绍 | 第26-28页 |
| 2.5 本章小结 | 第28-29页 |
| 第3章 实验条件与方法 | 第29-37页 |
| 3.1 数据来源 | 第29-30页 |
| 3.2 肺炎气体GC-MS分析 | 第30-31页 |
| 3.3 数据预处理 | 第31-33页 |
| 3.3.1 数据集Flag选择 | 第31-32页 |
| 3.3.2 基线操纵 | 第32-33页 |
| 3.3.3 数据正规化处理 | 第33页 |
| 3.4 传感器阵列灵敏度分析 | 第33-35页 |
| 3.5 本章小结 | 第35-37页 |
| 第4章 数据分析方法与流程 | 第37-47页 |
| 4.1 人工神经网络演算方法与流程 | 第37-41页 |
| 4.2 支持向量机演算方法与流程 | 第41-43页 |
| 4.3 交叉验证演算方法与流程 | 第43-44页 |
| 4.4 整体人工神经网络演算方法与流程 | 第44-46页 |
| 4.5 受试者工作特征曲线分析方法与流程 | 第46页 |
| 4.6 本章小结 | 第46-47页 |
| 第5章 实验分析与结果 | 第47-59页 |
| 5.1 传感器灵敏度分析结果 | 第47-50页 |
| 5.2 人工神经网络分析结果 | 第50-52页 |
| 5.3 支持向量机分析结果 | 第52-54页 |
| 5.4 模型交叉验证分析结果 | 第54-55页 |
| 5.4.1 人工神经网络交叉验证分析结果 | 第54页 |
| 5.4.2 支持向量机交叉验证分析结果 | 第54-55页 |
| 5.5 整体人工神经网络分析结果 | 第55-56页 |
| 5.6 ANN、SVM、ENN模型分析结果对比 | 第56-57页 |
| 5.7 受试者工作特征曲线分析结果 | 第57-58页 |
| 5.8 本章小结 | 第58-59页 |
| 第6章 结论与展望 | 第59-61页 |
| 6.1 结论 | 第59页 |
| 6.2 展望 | 第59-61页 |
| 致谢 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 附录 | 第66-77页 |
