加强法医调查:通过ATR-FTIR光谱学结合机器学习算法来识别各种基板上的血迹

科学领域:

• 法医科学 法医科学 法医科学
• 分析化学 分析化学
• 化学测量 化学测量 化学测量

背景情况:

• 对血迹的法医分析对于刑事调查至关重要.
• 由于主观的光谱解释,传统方法在区分各种体液方面面临挑战.
• 减弱总反射度里埃变换红外光谱学 (ATR-FTIR) 提供了与最小的样本准备进行非破坏性分析.

研究的目的:

• 利用ATR-FTIR光谱学和机器学习开发和评估一种用于客观血迹识别的新方法.
• 在常见的法医基板上区分人类和猪血.
• 为了比较各种机器学习算法的血污分类性能.

主要方法:

• 采用ATR-FTIR光谱法对血迹进行非破坏性分析.
• 数据预处理涉及主要组件分析 (PCA) 以减少维度.
• 训练了六个机器学习算法 (PLS-DA,DT,LR,NBC,SVM,NN) 并对分类准确性进行了比较.

主要成果:

• PCA-NN模型在大多数测试基板上证明了血液污点识别的最佳性能.
• 机器学习算法提供了血液样本的客观表征和差异化.
• 模型性能因基板类型而异,凸显了基板特定优化的需要.

结论:

• ATR-FTIR光谱与机器学习相结合,为血液污点分析提供了一种快速,选择性和非破坏性的方法.
• 这种数据驱动的方法显著提高了法医调查的客观性和效率.
• 该技术有助于法医科学家准确识别关键的血迹证据.