一种基于右心静脉血的溺死辅助判别方法及系统
本发明属于法医光谱分析与化学计量学交叉,具体涉及一种利用右心静脉血atr-ftir光谱进行溺死辅助判别的方法及系统。
背景技术:
1、水中发现尸体,不能据此直接认定为生前溺死。死亡后落水、死后抛尸以及单纯死后浸泡等情况,仍需结合其他证据排除。腐败程度和浸泡时长会改变检材状态;水体环境的不同,也会影响光谱表现和传统尸体征象。上述因素相互叠加后,辅助检验结果的稳定性会受到影响。
2、现有研究曾将肺组织atr-ftir光谱与主成分分析、偏最小二乘判别分析结合,用于区分溺死和死后浸泡,并设置淡水、盐水等动物模型。中国专利cn113341044b以心血代谢组学标志物配合随机森林判别早期水中尸体是否溺死,cn110161151b则利用心血或骨骼肌中的肌酐、1-甲基海因推断浸没时间。前一类方法依赖肺组织,后一类方法的检测目标是代谢物或浸没时间,均未解决右心静脉血红外光谱在多液滴条件下如何保留制样重复信息并完成死因外推的问题。
3、现有的右心静脉血atr-ftir流程,通常将同一样本的多条技术重复光谱求平均,再用所得样本级光谱训练线性支持向量机。该方式能够减弱单次扫描的波动,但液滴之间在干燥过程、晶体接触和沉积形态方面的差别,也会在平均处理时被合并。分类时无法再分别考察这些差异,液滴间重复性的评价也缺少独立依据。
4、建模数据包含多种非溺死死因时,普通随机五折或分层五折可能把同一种非溺死机制的动物同时分入训练集和验证集。此类划分所得指标,主要反映模型对已出现机制的识别能力。对于验证阶段才出现的非溺死机制,模型能否维持原有分类边界,仍无法由该验证方式单独确定。
5、光谱分类领域还存在多预处理、多模型投票或设置不匹配类别的方案。例如,cn115481664b通过多个近红外模型的一致结果形成高置信度结果,cn110084261a设置不匹配类别以降低误报风险。但这些方案没有同时处理右心静脉血的多液滴输入、跨死后时相的稳定波段、按非溺死机制完整留出验证以及两个固定异构分支之间的冲突,不能直接解决本技术所针对的判别问题。
6、本技术需要解决的主要问题是:右心静脉血光谱在分类前被过早合并,死后时相的影响难以控制,以及不同非溺死机制在验证阶段相互混杂。围绕这些问题,建立保留液滴信息的光谱判别流程,并设置机制留一交叉验证,考察模型面对训练阶段未出现的非溺死机制时的分类表现。
技术实现思路
1、本技术要解决的主要问题包括右心静脉血光谱的过早合并、死后时相影响难以控制以及非溺死机制在验证阶段相互混杂。针对上述问题,提供一种基于右心静脉血的溺死辅助判别方法及系统。
2、具体技术方案如下:
3、一种基于右心静脉血的溺死辅助判别方法,包括:
4、s1,将离体右心静脉血样本制备为至少3个微量液滴,并分别采集每个液滴的至少2条衰减全反射傅里叶变换红外光谱,保留扫描光谱与液滴之间的分组关系;
5、s2,先对原始扫描光谱逐条执行标准正态变量变换,再在各微量液滴内部对扫描光谱求均值并进行第二次标准正态变量变换,形成至少3条滴级光谱;不同液滴的滴级光谱在分类前保持独立,不合并成单条样本平均光谱;
6、s3,将滴级光谱输入稳定波段线性支持向量机分支,得到每个液滴的第一分支得分,再取其中位数作为样本级第一分支得分。时相稳定波段,是指在至少两个死后时相中,溺死类别与多个非溺死类别之间效应方向保持一致的连续波数点。波段筛选及两个分支的参数确定均置于机制留一交叉验证中;验证按动物分组,每一折完整留出一种非溺死死因,该折的筛选和模型拟合仅使用训练动物数据;
7、s4,将滴级光谱在900~1800cm⁻¹及2800~3500cm⁻¹范围内的变量输入具有预设潜变量数的偏最小二乘判别分析分支,以各液滴预测值得到第二分支得分,并取其中位数作为样本级第二分支得分;
8、s5,两个样本级分支得分均位于相应分类阈值的溺死侧时,输出溺死光谱类别指示;均位于非溺死侧时,输出非溺死后入水光谱类别指示;得分位于不同侧时,输出分支不一致及复检指示,不输出二分类类别;
9、s6,输出类别指示或复检指示,并记录两个样本级分支得分、液滴来源层级及分支一致性标识。
10、优选地:所述s1步骤中,获取包含至少两个死后时相、溺死类别和至少三种非溺死死因类别的右心静脉血atr-ftir建模数据,每一动物包含至少3个微量液滴,每个微量液滴包含至少2条扫描光谱;以动物为最小分组单位执行机制留一交叉验证;在每一折内重新确定时相稳定波段并拟合两个分类分支;根据机制留一交叉验证的平衡准确率和受试者工作特征曲线下面积确定稳定波段变量数、线性支持向量机参数和偏最小二乘潜变量数;固定参数后,使用全部建模动物重新确定时相稳定波段并拟合最终两个分类分支
11、获取步骤具体包括:从右心腔取得0.1ml离体血液,低温保存,检测前解冻并涡旋混匀;取3个1μl微量液滴置于金刚石衰减全反射晶体表面,在室温非加热气流下干燥;在4000~900cm⁻¹范围、4cm⁻¹分辨率和32次累加扫描条件下,对每个微量液滴采集3条原始扫描光谱。
12、优选地:所述s2步骤中,标准正态变量变换按照单条扫描光谱独立计算全波数均值和标准差;同一微量液滴的各扫描光谱经所述标准正态变量变换后求均值,再对所得均值光谱独立执行第二次标准正态变量变换,使训练数据和待测数据在进入两个分类分支前采用相同的尺度变换。
13、优选地:所述s3步骤中,时相稳定波段的确定包括:对每个训练样本的全部原始扫描光谱求均值并执行标准正态变量变换,形成样本级参考光谱;在每一死后时相内,对各波数点计算溺死类别与非溺死类别之间的标准化效应值;保留不同死后时相中标准化效应值符号一致的波数点,以各死后时相标准化效应值绝对值的最小值作为稳定性得分;对稳定性得分进行局部平滑,并围绕按稳定性得分排序的波数点扩展相邻点,形成连续波段。
14、优选地:所述标准化效应值e(t,k)等于死后时相t内溺死类别在波数点k的均值与非溺死类别在所述波数点k的均值之差除以两类组内方差的合并标准差;波数点k的稳定性得分h(k)满足h(k)=i×min_t|e(t,k)|,其中i在不同死后时相的e(t,k)符号一致时取1,否则取0。
15、优选地:所述s3步骤中,稳定波段线性支持向量机分支采用由训练数据拟合的标准化器和线性支持向量分类器,惩罚参数c为0.01;偏最小二乘判别分析分支采用由训练数据拟合的标准化器和6个潜变量,并将预测值减去0.5作为第二分支得分;两个分支均以滴级光谱作为训练观测。
16、优选地:所述s3步骤中,两个分类分支的参数和时相稳定波段通过机制留一交叉验证确定;每一验证折将一种非溺死死因对应的全部训练动物留作验证阴性,同时从溺死类别中按死后时相分层留出验证阳性;同一动物的全部微量液滴和全部扫描光谱位于同一数据折,稳定波段筛选、标准化器拟合和分类模型拟合仅使用该折的训练动物;
17、使用全部训练数据拟合最终模型时,所述时相稳定波段包括2964.053~3498.238cm⁻¹、2800.134~2890.771cm⁻¹、1648.839~1745.262cm⁻¹、1571.700~1635.340cm⁻¹、1409.709~1562.058cm⁻¹、1340.284~1403.924cm⁻¹、1076.084~1290.144cm⁻¹和900.594~1060.657cm⁻¹,共720个波数变量。
18、优选地:分别计算各分支至少3个液滴得分的样本标准差,作为滴间离散度;当两个分支不一致、任一滴间离散度超过由机制留一交叉验证折外得分分布确定的预设分位阈值,或者两个分支的归一化最小边距低于预设边距阈值时,输出低置信度或复检指示信息。
19、一种基于右心静脉血光谱生成溺死辅助类别指示信息的系统,其特征在于,包括衰减全反射傅里叶变换红外光谱采集装置、存储器和处理器;所述存储器存储按微量液滴分组的扫描光谱、时相稳定波段参数、稳定波段线性支持向量机分支参数、偏最小二乘判别分析分支参数及计算机程序;所述处理器执行所述计算机程序时,实现基于右心静脉血的溺死辅助判别方法。
20、一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时,实现基于右心静脉血的溺死辅助判别方法中的扫描级标准正态变量变换、滴级光谱形成、时相稳定波段提取、异构双分支滴级分类、中位数聚合和分支不一致转复检。
21、本技术能够取得的技术效果包括以下内容:
22、1. 分类输入保留至液滴层级。不同液滴在建模前不合并,因此干燥形态、晶体接触状态和技术重复性造成的差异仍可分别用于分类;各液滴得分还可用于计算滴间离散度,为质量评价提供依据。
23、2. 稳定波段的确定同时考察至少两个死后时相,并保留溺死与非溺死类别之间效应方向一致的连续波数点。该处理减少单一时相特征对模型的影响,使所选波段在腐败程度或浸泡时长变化时仍具有判别依据。
24、3. 机制留一交叉验证以动物为分组单位。每一验证折完整留出一种非溺死死因,稳定波段筛选、标准化器拟合和分类分支拟合均不使用该机制对应的动物数据。由此可以单独观察模型对训练阶段未出现机制的分类能力。
25、4. 两个固定分支分别采用稳定波段线性支持向量机和偏最小二乘判别分析,并以液滴得分中位数形成样本级结果。两分支方向一致时输出类别指示;方向不一致时保留冲突状态并转入复检,从而避免对边界样本作出强制性二分类结论。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com