拉曼光谱结合偏最小二乘法测定血清胆固醇含量

以日常体检用血清样品为分析对象,采集了其拉曼光谱,波数范围为250～2 400cm-1,并对信号进行归属,与临床传统生化法测定得到的胆固醇含量对比,结合偏最小二乘法建立了血清胆固醇拉曼光谱定量模型(n=73)。结果表明,拉曼光谱能够表征血清中主要化学基团的信息。所建立的血清胆固醇定量校正模型的相关系数R为0.909 6,交叉验证校正标准差(RMSECV)为0.24;检验集(n=17)预测标准差(RMSEP)为0.69,相关系数r为0.926 2。证明了应用拉曼光谱技术结合偏最小二乘法建立血清胆固醇定量模型,用于未知血清样品胆固醇含量无损快速检测是可行的。     

红外光谱法和主成分分析法用于胃组织癌变的检测

研究了 2 1例胃组织光谱 ,根据病理检测结果 ,其中 11例为癌变组织 ,10例为正常组织。根据已有的红外光谱判别方法得到的结果和病理分析结果基本一致 ,只有 1例 (第 10号样品 )为过渡态 ,非典型癌症。同时对 2 1条被测光谱进行了主成分分析 (PCA)。主成分分析结果表明第一主成分可以用来区别胃正常组织和癌变组织光谱。图 4明确地显示了第 10号样品处于过渡态 ,PCA方法的判别结果与红外光谱解析结果基本一致。研究结果表明傅里叶变换红外光谱法与主成分分析方法都可以对良性和恶性胃组织进行鉴别诊断 ,如果两种方法相结合可以提高检测准确率 ,有望发展成为一种肿瘤临床诊断新方法     

基于拉曼光谱技术的甲状腺疾病检测的研究

基于光学成像与光谱技术的无损检测是生物医学光学交叉领域研究的重要发展方向。其中拉曼光谱技术可获得检测对象的生化成分的“指纹信息”,被广泛应用于面向生物分子,细胞以及生物组织的检测诊断研究。甲状腺疾病尤其肿瘤的临床检测往往涉及多方法和技术手段的结合,且存在一定的诊断难度,因此发展新的检测技术方法具有重要的意义。首先综述了拉曼光谱技术在甲状腺细胞系的单细胞拉曼光谱检测与分析,然后介绍甲状腺病理组织和甲状腺正常组织的拉曼光谱鉴别诊断(特别介绍了本研究小组开展以银纳米粒子为增强基底的甲状腺离体组织SERS光谱研究情况),以及拉曼光谱技术在甲状腺激素等方面的研究概况。最后简要探讨了拉曼光谱技术在该领域的研究应用前景和发展方向。     

拉曼光谱技术在病理诊断中的研究进展

拉曼光谱技术能够提供与物质特定分子结构相关的光谱信息,可用于识别生物组织微小的生化变异,具有快速、实时、无损、无需样本预处理等优点,在临床病理诊断领域极具应用前景。与常规组织病理学分析相比,拉曼光谱技术能够直接检测活体组织,简化了分析程序,缩短了诊断时间。人体病变组织的细胞分子组成和结构可能发生变化,这为拉曼光谱技术在组织病理诊断中的应用提供了检测依据。基于组织分子组成与结构的差异,结合机器学习和化学计量学方法,拉曼光谱技术可以提供客观的诊断信息,实现快速、低侵入的病理诊断。回顾了近十年来拉曼光谱技术在组织病理诊断中的研究进展,对取得的关键成果进行了总结,阐述了当前离体和活体应用拉曼光谱技术的一些关键问题。针对离体拉曼光谱检测,重点评估福尔马林固定石蜡包埋样本、冷冻样本和新鲜组织样本等离体样本的适用情况;阐述拉曼光谱数据收集的关键技术,包括适用光源、光谱范围,以及病理样本光谱采集的方式等。对于活体拉曼光谱检测,重点介绍了活体检测研究中拉曼光谱技术应用的两种形式：结合医用内窥镜进行体内检测,以及开放手术中的直接检测;综述了临床适用的拉曼系统,重点介绍了当前活体拉曼研究中应用的光纤探头。同时,文章也讨论了拉曼光谱数据的处理与分析方法,通过光谱预处理,特征提取与分类识别,构建拉曼光谱病理诊断模型,在小样本范围能够获得较好的诊断结果。考虑临床实际应用,仍需要不断优化分析方法,实现拉曼光谱与生化信息的关联,将样本个体差异的影响纳入分类模型中,以提升模型性能。文章对拉曼光谱应用于病理诊断中的关键问题进行了讨论,为进一步开展研究提供参考。未来需要更深入和广泛地开展离体和活体研究,以促进拉曼光谱技术在临床中的应用。     

基于神经网络的拉曼光谱波长选择方法

血液鉴别对于检验检疫、刑侦以及动物保护领域具有非常重要的意义,传统的的血液鉴别方法在鉴别的过程中存在分析周期长、对血液样本造成损害等缺点。而拉曼光谱可以通过分析与入射光频率不同的散射光谱得到分子振动、转动方面的信息,进而得到物质的组成成分,并且具有零污染非接触的特点,为血液的无损鉴别提供了可能,但是在拉曼光谱中,各个波长点之间存在严重的多重共线性,直接使用全光谱进行建模会增加模型的复杂性和降低模型的稳定性。针对拉曼光谱的特点,提出了一种基于神经网络的波长选择方法。该方法利用神经网络学习到各个波长点对校正模型的贡献权重,并将权重的均值作为阈值,去除权重低于阈值的波长点,以达到波长选择的目的。为了更容易确定筛选的阈值,在权重学习的过程中加入了稀疏约束,极大的减少了用于筛选的波长点。利用动物与人血清的拉曼光谱数据集对所提方法进行了验证,实验结果表明,利用该方法得到的光谱建立的校正模型,相比于全光谱数据在分类准确率和AUC值都有一定的提升,人工神经网络(NN)的准确率达到了94.495%, AUC值达到了0.9850,偏最小二乘(PLS-DA)的准确率达到了92.661%, AUC值达到了0.9760。与传统的波长选择方法UVE相比,该方法选择的波长点更少,仅选择了42个波长点用于建模,而且得到的校正模型的分类准确率和AUC值更高,证明该波长选择方法能有效的筛选出对建模有贡献的波长点,提高了模型的分类准确率和稳定性,为血液的无损鉴别提供了可能,具有一定的实用价值。     

基于拉曼光谱的卵巢癌诊断研究

卵巢癌是一种发病率和致死率极高的女性妇科疾病。目前卵巢癌的临床诊断主要依靠病理学检测,超声法以及检测血液中肿瘤标志物CA125,但是上述几种方法都存在其固有的缺陷。本研究提出应用拉曼光谱结合偏最小二乘-判别分析(PLS-DA)模型,实现在分子水平上判别诊断卵巢癌。拉曼光谱在正常组织与癌组织之间存在反映其癌变过程物质结构变化的微小差异。因此,通过结合PLS-DA数据模型分析拉曼光谱信息,能够将微小差异放大化,捕获生物分子的显著特征。在研究中,模型的变量数目选择其分类错误率最小时的数值,即隐变量的数目为5,能够捕获大量的官能团特征性信息,通过分析隐变量的p值大小可知5个隐变量均可实现对正常组织与癌组织的有效区分,并且第一个隐变量具有最明显的区分结果。通过模型运算结果可知,该模型对卵巢癌判别的准确性达到85.2%(其中灵敏性为86.2%,特异性为85.4%)。研究结果表明,拉曼光谱技术,通过与PLS-DA模型相结合,可作为卵巢癌临床诊断中的辅助诊断方法,从分子水平上实现对卵巢癌的诊断判别。     

基于唾液的拉曼光谱检测进行肝癌诊断的研究

表面增强拉曼光谱技术是近年来快速发展的一种痕量特征标记性物质检测技术, 达到了分子识别水平, 具有很高的灵敏度, 能够精确地分析和了解物质结构和成分。人体唾液中含有大量体征相关的特异性蛋白质和分泌物质。唾液检测具有无创、获取方便、适合开展大规模普查等优点。表面增强拉曼光谱检测技术可以快速地对唾液进行检测, 二者的结合, 有可能成为一种癌症诊断的新方法。本文利用表面增强光谱技术对肝癌患者进行实验研究, 通过对肝癌患者唾液的采集、样品的处理、光谱的采集及光谱分析, 肝癌特异性标记物AFP(alpha fetoprotein)的检测及分析等过程得到肝癌相关特征信息, 表明肝癌患者与正常人的唾液样本分类良好, 灵敏度及特异性较好; 进一步验证了AFP抗原的分子组成, 且AFP抗原的拉曼强度基本随浓度的递增呈递减趋势; 对肝癌患者的唾液样本及AFP抗原的拉曼光谱进行比对分析, 提示利用表面增强拉曼光谱检测唾液有可能诊断早期癌症。     

基于拉曼光谱快速鉴别新陈大米的方法研究

利用拉曼光谱技术结合化学判别方法建立新陈大米拉曼光谱判别模型。选取合适的样品预处理方式,使用拉曼光谱仪对新陈大米共计60组样品进行检测,在785nm波长的激光下,获取样品200~2 400cm-1的拉曼光谱信息,并对原始拉曼光谱进行基线校正、平滑、滤波等处理。应用主成分分析法(PCA)对光谱数据进行降维处理及粗分类鉴别;基于偏最小二乘分析法(PLS),建立新陈大米快速鉴别模型,该模型对建模训练集鉴别正确率为100%,模型验证集鉴别正确率为95%。结果表明:该模型判断新陈大米是可行的,为稻谷新陈度的快速判别提供了一种新的方法。     

拉曼光谱检测生物大分子损伤的研究进展

拉曼光谱是基于拉曼散射效应而发展起来的一种光谱分析技术,体现的是分子的振动或转动信息。由于拉曼光谱技术与常规化学分析技术相比,具有对样品无损、样品制备简单和所需样品量少等特点,广泛用于生物大分子结构变化的研究。拉曼光谱不仅可以用于蛋白质、核酸和脂类等生物大分子损伤的快速检测,而且可以用于癌症的诊断与手术治疗。通过对比正常组织与癌变组织的拉曼光谱,可以找到两种组织特征吸收峰的差异,从而为癌症的最终确诊和确定肿瘤切除范围提供重要信息。文章综述了拉曼光谱检测生物大分子损伤的研究进展,介绍了利用表面增强拉曼光谱、傅里叶变换拉曼光谱和紫外共振拉曼光谱等技术在检测蛋白质二级结构、膜脂及DNA损伤中的应用,并展望了未来拉曼光谱技术的发展前景。     

基于拉曼光谱技术鉴别新陈大米的方法研究

基于拉曼光谱检测技术结合化学判别方法,建立新陈大米拉曼光谱判别模型;建立适当的样品预处理方法,确保样品制备的均一性,使用拉曼光谱仪对新陈大米共计60组样品进行检测,在785 nm波长激光激发下,获取样品200～2 400 cm-1的拉曼光谱信息;对原始拉曼光谱进行基线校正、平滑、滤波等处理。利用主成分分析法（PCA）对拉曼光谱进行降维处理及粗分类鉴别;基于偏最小二乘分析法（PLS）,建立新陈大米快速鉴别模型,该模型对建模训练集鉴别正确率为100%,模型验证集鉴别正确率为95%。结果表明：该模型判断新陈大米是可行的,为大米新陈度的快速判别提供了一种新的方法。     

基于拉曼光谱技术鉴别ABS废旧塑胶原料的方法研究

塑胶微粒原料已渗透到人类衣食住行的方方面面,并广泛应用于能源、工业、农业、交通乃至航空航天和海洋开发等各重要领域不可或缺的材料。在利益的诱惑下,废旧塑胶的走私现象屡禁不止。我国作为塑胶原料进口大国,现有检测方法耗时长,难以实现现场检测,因此,开发一种用于现场的废旧塑胶微粒判别方法,对快速通关和海关缉私有重要意义。拉曼光谱技术具有快速、无损、样品用量小、无需前处理且适应性强等优点,已在现场快速鉴别领域得到广泛应用。在研究塑胶废旧机理的基础上,将拉曼光谱技术结合化学判别方法,应用于废旧塑胶原料识别。选取两类成分相似的实际通关塑胶原料样品,包含标准品及废旧品各160份,并对样品的拉曼光谱信息进行了采集。对比分析了两种塑胶原料的原始拉曼光谱,并对样品的拉曼光谱特征峰进行了归属分析。选取1 603 cm-1作为归一化参照峰位,进一步探究废旧塑胶的成分变化,对比统计了废旧塑胶原料及标准塑胶原料的相对峰强变化,结果表明废旧塑胶原料发生了化学老化。基于主成分分析法（PCA）对原始拉曼光谱及预处理拉曼光谱进行降维处理,结果表面预处理拉曼光谱的前2主成分空间分离度较好,通过对原始拉曼光谱数据进行背景扣除及平滑预处理,可减少荧光背景及噪声对鉴别的影响,提高鉴别的准确度。将样品一半划分为校正集用于模型建立,另一半划分为预测集用于模型验证,基于偏最小二乘判别分析（PLS-DA）,建废旧塑胶原料鉴别模型,该模型对建模训练集鉴别正确率为100％,模型验证集鉴别正确率为99.06％。研究表明,基于拉曼光谱技术,结合测试数据预处理及偏最小二乘判别分析方法,可以有效地实现塑胶原料的现场、快速、准确鉴别,为开发现场检测装备及方法提供理论参考。     

用多元分析方法研究乳腺癌血清的表面增强拉曼光谱

借用两种化学计量学分析方法——主成分分析方法(PCA)和判别分析方法(LDA),进行联合运用,分析了乳腺癌血清的表面增强拉曼光谱(SERS)。首先从分子角度上讨论了蛋白质主侧链在乳腺癌血清中变化,结果发现:主链空间结构遭到破坏。侧链的有序性下降、糖质环境也发生了改变;其次采用上述两种计量学的多元分析方法对18例临床确诊为乳腺癌患者和20例健康人的血清样本进行了表面增强拉曼光谱分析。发现主成分分析方法对于样本区分未能达到80%,进而再用判别分析法,准确率达到100%,所得结果令人满意。     

主成分分析排序和模糊线性判别分析的生菜近红外光谱分类

贮存时间是影响生菜品质的一项重要因素,传统的贮存时间鉴别方法主要依靠人工经验,但是这种方法的准确率和可信度并不高。研究的目标是建立一种基于模糊识别的模型进行生菜光谱分析以实现生菜贮存时间的鉴别,并与其他鉴别方法作比较。为此,在当地超市购买60份新鲜生菜样品,存放于冰箱中待用。首先,通过Antaris Ⅱ近红外光谱检测仪采集生菜样品的近红外光谱数据,每隔12小时检测一次,每个样本检测重复三次,并取三次平均值作为实验数据。其次,利用多元散射校正（MSC）减少近红外光谱中的冗余信息。为了进一步去除近红外光谱中的无用信息以及简化随后的数据分类过程,分别运用主成分分析（PCA）和排序主成分分析 (PCA Sort)。其中,PCA Sort通过改进对主成分的排序方法能提高分类准确率,同时便于模糊线性鉴别分析（FLDA）进一步提取特征。PCA和PCA Sort的计算仅运用了前15个主成分（能充分反映光谱的主要信息）。最后,利用模糊线性鉴别分析算法（FLDA）和K近邻算法（KNN）进一步分类所得的低维数据。基于PCA和KNN算法的模型鉴别准确率达到43%,而基于PCA,FLDA和KNN算法的模型鉴别准确率可达83%。上述结果说明基于PCA,FLDA和KNN算法的模型鉴别准确率已经得到较大程度提高。当用PCA Sort替代了模型中的PCA算法后,结合FLDA和KNN算法则鉴别准确率达到98.33%。实验结果表明PCA Sort结合FLDA和KNN所建立的模型是有效的生菜贮存时间鉴别模型。     

应用Hilbert变换提取拉曼光谱相位信息进行血液识别分类方法的研究

将拉曼光谱技术和化学计量学方法相结合实现了对人血和动物血种属的区分,并提出了一种基于Hilbert变换的拉曼光谱相位提取方法,提高了人血与动物血区分的准确度。分别对血液光谱数据和它所对应的相位信息进行主成分分析(PCA),通过主成分得分图比较两者对人与动物血液的区分程度,并建立偏最小二乘判别分析(PLS-DA)模型,通过设置合适的分类阈值y,可以实现人与动物血液的有效区分。结果表明在选取第一、第二主成分分析时,利用光谱数据相位信息建立的PCA模型,识别率更高,人与动物血液明显区分开来。其所对应的PLS-DA模型最优主成分数为3,预测标准误差(RMSEP)和决定系数(R2)分别为0.044 3和0.993 2。而用血液原始光谱建立的PLS-DA模型最优主成分数为6,RMSEP和R2分别为0.053 7和0.990 1。说明利用拉曼光谱相位信息建立的PLS-DA模型可以拟合较少的主成分数来获得误差更小的预测结果。进一步观察PLS-DA模型拟合不同主成分数的预测标准误差曲线图,当选取同样多的拟合主成分数时,利用血液拉曼光谱相位信息建立的PLS-DA模型其所对应的预测标准误差均低于原始血液光谱数据。所以,通过提取血液拉曼光谱数据的相位信息,可以降低模型的复杂程度,提高识别准确度。     

利用拉曼光谱检测丙烯共聚物的性质

采用拉曼光谱检测了7个丙烯共聚物样品,并详细分析了谱图中所有特征峰来源;最终选择2 700～3 100 cm-1作为特征谱段,采用偏最小二乘(PLS)回归的方法分别建立了样品中二甲苯可溶物、乙烯含量及可溶物中乙烯含量与拉曼特征峰相对强度的关联模型。通过预测模型求得的预测含量与真实含量的相关系数(r)均大于0.94,平均相对误差(ARE)均小于5%。还对2 700～3 100 cm-1区域拉曼光谱的第二项PLS成分进行了研究,发现采用PLS回归能够准确、有效地提取出样品的原有信息。为采用拉曼光谱在线检测共聚聚丙烯中的二甲苯可溶物量、乙烯含量及可溶物中的乙烯含量提供了可能性。     

利用多光程光谱法检测血液多种成分含量的研究

为研究利用血清多光程光谱信息检测血液成分含量的可行性,通过设计自动微位移测量装置实现了对200份血清样品0～4.0 mm(间隔0.2 mm)近红外多光程光谱的测量。利用多光程光谱的非线性特性,使用血清多光程光谱共同参与建模的方法,对血清样品的葡萄糖(GLU)、总胆固醇(TC)、总蛋白(TP)和白蛋白(ALB)四种成分含量进行定量分析。采用偏最小二乘法(PLS)对160个血清样本的多光程近红外吸收谱与全自动生化分析仪得到的生化分析结果建立校正模型,并对预测集40个样本进行预测。４种血液成分预测值与生化分析结果的相关系数(r)分别为0.932 0,0.971 2,0.946 2和0.948 3。研究结果证明多光程光谱法建模方法用于血液成分含量分析的可行性,为利用多光程光谱法实现方便、快捷的检测血液以及其他液体成分含量奠定了基础。     

基于XGBoost的糖尿病血液拉曼光谱定量分析法

血液中包含着大量的生物信息,如激素、酶、血糖等成分,而血糖偏高将引发糖尿病。糖尿病有很多并发症,比如脑梗塞,脑出血,肾脏损害,眼底损害,周围神经病变等一系列疾病。目前,血液常规成分检测分析周期较长,结果反馈较慢,难以实现快速连续检测。光学检测技术能够根据待测物质的光谱鉴别物质化学成分和相对含量,因其灵敏度高、适用性强、分析速度快等优势,在血液无创检测领域逐渐发挥其优势。随着激光技术的不断进步,拉曼光谱技术作为一种非线性散射光谱技术,在血液检测技术中得到了广泛应用。为提高拉曼光谱的预测精度,首次将XGBoost算法应用到拉曼光谱血液血糖浓度中进行预测精度的提升。实验中106组血液样本及试验标准值为河北省秦皇岛市第一医院提供,选用布鲁克的MultiRAM光谱仪进行血液的拉曼光谱数据测量,实验中1 064 nm激发光源功率为400 mW,光谱分辨率为6 cm-1,扫描速率为10 kHz,扫描范围为400～4 000 cm-1,对每个样本重复采集10次并计算平均值作为原始光谱数据,以保证实验的准确性和可重复性。该方法无需对数据进行预处理,首先将光谱数据随机划分为训练集和测试集,比例为7∶3,训练集用于训练模型并确定模型参数,测试集用于测试模型的稳定性和预测精度。建立XGBoost模型后,用网格搜索法和k折交叉验证优化模型参数;引入模型评估指标和克拉克网格误差分析图对XGBoost模型血糖浓度的预测进行分析;最后将XGBoost模型与决策树(DT)、随机森林(RF)和支持向量机回归(SVR)模型进行对比。实验结果表明通过XGBoost建立的定量回归模型效果最佳,模型的决定系数为0.999 99,校正集均方误差为0.007 49,预测集均方误差为0.007 17,相对分析误差为331.973 18,预测点均落在克拉克网格误差分析图的A区。结果证明,将XGBoost算法应用到拉曼光谱血液成分定量分析中具有较高的预测精度,并且数据未经过预处理,可以有效缩短程序运行时间,其在拉曼光谱以及近红外光谱定量分析领域具有广阔的发展前景。     

拉曼光谱技术在病原微生物检测中的应用

病原微生物是指可侵犯人体,引起感染的微生物,临床上由病原微生物感染引发的疾病极为常见。传统的临床病原菌诊断主要依赖于细菌培养,但此方法耗时长,往往需要2～5 d才能得到检测结果,并且存在部分细菌培养困难甚至无法培养的问题。在无法鉴别菌种以及药物敏感性的情况下医生凭借经验使用广谱抗生素,加速了细菌耐药性的产生。因此,病原微生物的高灵敏快速检测方法研究成为重要研究方向。拉曼光谱技术是一种对待测样品进行原位、非侵入性检测的技术,可在单细胞水平上提供微生物细胞中不同生物分子的指纹图谱信息,通过这些信息可以确定微生物的种类、生理特征和突变表型等,实现对微生物样品的快速检测。随着激光光谱学的快速发展以及临床需求的不断增加,促使了以拉曼光谱检测技术为核心的亚技术诞生（如：表面增强拉曼光谱技术、傅里叶变换拉曼光谱技术、激光共振拉曼光谱技术、共聚焦显微拉曼光谱技术、相干反斯托克斯拉曼光谱以及受激拉曼光谱等相关技术）,同时改善了以往拉曼光谱技术信号强度弱的不足,以实现对微生物高精度的快速检测分析。凭借着其具有对样本的状态没有限制以及能够检测物质成分微小变化的优势,近年来对拉曼光谱在病原微生物领域的研究日渐增多。对微生物检测的研究现状进行了调查和分析,围绕着拉曼光谱技术原理对其在微生物检测中的应用进行了具体阐述,其中主要对该技术在病原微生物鉴定以及药敏检测中的研究进展展开讨论,并就其与传统检测技术之间的差别和优势进行分析,展示了拉曼光谱技术作为病原微生物的快速检测新方法的前景。     

部分临床药物的拉曼光谱研究

针对目前临床药物拉曼光谱的缺乏和药物检测领域的现状,利用拉曼光谱技术对抗生素、抗组织胺、血凝酶和止吐剂等几类常用临床药物进行了拉曼光谱的测量和研究。通过观测上述具有良好拉曼活性的药物样品拉曼光谱,不仅确定了样品拉曼峰的位移、强度和线宽,还探索了其包络的线形等光谱特性。通过分析和比较拉曼光谱图,找出各药物间的异同; 对于那些由于拉曼活性低或拉曼光谱的复杂样品,虽然暂时无法识别,但也进行了尝试性的测量或提出了测量建议。研究表明: 小分子药物的光谱特征很明显,拉曼峰分布较广, 对其进行光谱识别简单易行; 而大分子都表现出较弱的光谱特征峰, 常常伴随复杂的包络,不仅导致了对其光谱识别的困难, 也很难准确确定特征峰位置。对于不同药物,提出了用拉曼光谱测量和分析其药物成分的可行性,并通过分析其拉曼光谱的特性, 为医学工作者识别和分析药物成分提供了实验证据。不仅为建立药物的拉曼光谱数据库奠定了基础。还使业界看到了快速识别和检测药物的前景,从而促进拉曼光谱技术在药物检测上的运用。     

应用血红蛋白的拉曼光谱进行食管癌诊断的研究

早期诊断对食管癌患者的治疗具有重要意义。通过对21例食管癌患者和20例健康人的血红蛋白溶液进行拉曼光谱的检测和研究,发现食管癌患者与健康人血红蛋白的拉曼光谱有较明显的区别。与健康人相比,食管癌患者血红蛋白中处于低自旋态的铁离子增多,而处于高自旋态的铁离子减少,说明癌变导致食管癌患者血红蛋白中部分处于高自旋态的铁离子转移到了低自旋态,这与癌症患者血样较易溶血的现象相吻合。采用主成分分析(PCA)方法,对所得拉曼光谱建立多元统计模型进行计算,得到的光谱峰值的PCA得分三维散点图可以良好的区分食管癌患者与健康人。利用判别分析方法得出该算法诊断食管癌的灵敏度和特异性分别为90.5%和95%,总判别正确率为92.7%。结果表明,对血红蛋白的拉曼光谱进行检测和分析有可能成为食管癌早期诊断的有效工具之一。