在生物电阻谱学中,根据前进神经网络对皮肤层进行分类

科学领域:

• 生物物理学的生物物理.
• 生物医学工程 生物医学工程
• 电气工程 电气工程

背景情况:

• 生物电阻谱法 (BIS) 传统上将皮肤作为一个散体来处理,限制了在单个层中的导电性变化的差异化.
• 皮肤层的准确分类对于诊断介电特性和理解导电率变化至关重要.
• 送神经网络 (FNN) 提供了一种有前途的方法来克服BIS中的批量分析的局限性.

研究的目的:

• 开发和验证FNN模型,用于对特定皮肤层的导电性变化进行分类.
• 为了提高皮肤层分化的准确性在BIS用于介电诊断.
• 根据阻抗参数和频率选择,研究FNN在预测导电性变化的有效性.

主要方法:

• 实施的FNN用于预测皮肤层导电性变化 (k=1-5).
• 使用四个阻抗输入 (大小,相角,电阻,反应电阻) 进行特征选择.
• 采用低频和高频对,通过放松时间 (DRT) 的分布来确定,以尽量减少噪音.
• 创建了10200个模拟案例的培训数据集,用于FNN培训.
• 使用不同NaCl度的猪皮实验验验证了FNN模型.

主要成果:

• 在猪皮肤皮层的导电性变化分类方面,FNN模型实现了90.6%的准确性.
• 对于特定频率的双极和四极电极设置,分类准确性是一致的.
• 基于特定频率的阻抗参数的特征提取有效地减少了测量噪声和系统错误.

结论:

• 在BIS中基于FNN的皮肤层分类是区分导电性变化的可行和准确方法.
• 这种方法增强了BIS对皮肤介电特性的诊断潜力.
• 拟议的方法为降低噪声和最小化阻抗测量的误差提供了可靠的解决方案.