山东大学学报(医学版)

作者：陈炳荣,施勇旺,李嘉浩,翟吉良,刘梁,刘文勇,胡磊,赵宇

单位：1. 中国医学科学院北京协和医学院北京协和医院骨科, 北京 100730;2. 中国医学科学院北京协和医学院, 北京 100730;3. 中国航天员科研训练中心, 北京 100094;4. 北京航空航天大学生物与医学工程学院, 北京 100083;5. 北京航空航天大学机械工程及自动化学院, 北京 100083

关键词：生物电阻抗,组织识别,支持向量机,主成分分析,集成学习,

基金：国家重点研发计划(2018YFB1307603);北京市自然科学基金-海淀原始创新联合基金(L192061)

目的 测量不同脊柱组织的电阻抗,基于支持向量机建立电阻抗数据的组织分类算法并验证算法的准确性,寻找不同组织电阻抗分类阈值。 方法 取离体脊柱组织,应用电化学分析仪采集10~100 kHz频率范围内皮质骨、松质骨、脊髓、肌肉、髓核的电阻抗。将两只猪采集的数据集分别作为训练集和测试集,应用主成分分析降维至二维数据,训练和验证基于支持向量机(SVM)建立的分类算法,应用集成学习的方法计算不同组织分类的电阻抗阈值。 结果 5种组织在10~100 kHz的测量频率内,电阻抗值差异有统计学意义(P<0.001)。应用主成分分析降维的数据集建立的支持向量机分类算法识别不同组织的准确率为100%。应用集成学习建立的多个分类器计算出了不同组织的电阻抗分类阈值。 结论 基于支持向量机可以实现脊柱术区组织电阻抗的准确识别,有望应用于临床协助医生提升组织识别准确率。

来源：2023年第3期

《山东大学学报(医学版)》期刊编辑部

查看山东大学学报(医学版)杂志2023年第3期