基于激光诱导荧光的常见机油快速识别方法

基于激光诱导荧光光谱原理,提出一种常见机油的快速识别方法。利用激光器发射波长为355 nm的紫外激光,诱导九种常见机油样品发射荧光,共采集450组荧光光谱数据,其中360组数据用于分类训练,90组数据用于识别。分析发现不同机油的荧光光谱特征有明显差异,利用主成分分析结合聚类分析法实现了对90组待识别光谱数据的快速识别,识别率可达97.8%。实验证明,激光诱导荧光光谱结合多元分析可以实现不同机油的快速识别与检测。     

基于叶绿素荧光光谱分析的黄瓜霜霉病害预测模型

为了实现对黄瓜病害的快速无损准确预测,基于激光诱导叶绿素荧光光谱分析技术,建立了温室黄瓜霜霉病害的预测模型.通过测定健康叶片、病菌接种3d叶片和接种6d叶片的光谱曲线,采用一阶导数光谱预处理方法,结合主成分分析数据降维方法对三组光谱数据进行特征信息提取后,建立主成分得分散点图,依据累积贡献率选取10个主成分代替导数光谱...     

基于液芯光纤的激光诱导荧光食用油种类鉴别研究

组建了一套基于液芯光纤的激光诱导荧光食用油鉴别装置。研究了不同液芯光纤长度对食用油激光诱导荧光光谱的影响,分析了不同种类食用油激光诱导荧光光谱之间的差异。八种食用油共320份样本荧光数据在1 m长液芯光纤内采集,采用主成分分析方法对食用油荧光数据进行降维处理,利用偏最小二乘判别分析(PLS-DA)方法建立食用油种类的鉴别模型。结果表明,使用液芯光纤后,食用油荧光强度得到较大的增强。随着液芯光纤长度增加,食用油荧光特征峰逐渐增加并且食用油的激光诱导荧光光谱会产生红移现象,当液芯光纤长度超过80 cm后,红移趋于饱和。不同食用油的荧光光谱形状差异较大,可用于区分不同种类食用油。利用主成分1和主成分2绘制的主成分得分图显示,不同种类食用油呈现很好的聚集。当选用主成分数为10时,建立的PLS-DA食用油种类鉴别模型对训练集和预测集样本识别率均达到100%。说明本装置用于食用油种类的快速鉴别具有较高的准确性。     

常见食用油和煎炸食用油的激光诱导荧光光谱特性

为了实现地沟油的快速检测,利用激光诱导荧光探测技术搭建了食用油类快速检测系统。对多种食用油和煎炸食用油(地沟油的一种)进行了光谱采集,建立了多种食用油和煎炸食用油的荧光光谱数据库,发现煎炸食用油的特征荧光光谱与常见食用油之间存在较大差异,在此基础上利用主成分分析法和BP神经网络实现了油类识别、地沟油的快速检测,总体识别率高达97.5%。实验证明激光诱导荧光光谱技术具有快速非接触和灵敏度高等优点,与BP神经网络相结合能够实现油类的快速识别,成为地沟油快速检测的一种新方法。     

基于径向基函数网络的激光诱导荧光特征光谱分离算法

应用激光诱导荧光技术测量水中溶解有机物(DOM)含量，具有灵敏度高、检测速度快、可遥测等优点，其中特征荧光光谱的分离在系统中占有十分重要的地位.在分析激光诱导荧光光谱特征的基础上，提出了采用径向基函数网络(RBFN)分析荧光光谱数据的数学模型，应用这种模型从荧光光谱中恢复出了激光、拉曼和DOM的荧光等光谱分量成分，从而得到了水中DOM的浓度. 关键词： 径向基函数网络 激光诱导荧光 溶解有机物     

荧光光谱成像技术结合聚类分析及主成分分析的藻类鉴别研究

为探讨快速、实时藻类检测方法,实验通过荧光光谱成像技术结合模式识别方法对不同藻类进行鉴别研究。发现藻类样本存在着显著的荧光特性,通过采集40个藻类样品的荧光光谱图像,对图像进行去噪、二值化处理,确定有效像素后,根据光谱立方体绘制每个样本的光谱曲线,将所得400～720 nm区段范围内的光谱数据作鉴别分析,再利用系统聚类分析及主成分分析两种不同的模式识别法对光谱数据进行处理。系统聚类分析结果表明： 采用欧氏距离法及平均加权法计算样本间的聚类距离,在距离L=2.452以上水平处可将样本正确分类,准确率为100%;主成分分析结果表明： 通过对原始光谱数据进行一阶微分、二阶微分、多元散射校正、变量标准化等预处理后,再对数据进行主成分分析,其中二阶微分预处理后鉴别效果最佳,八种藻类样品在主成分特征空间中独立分布。因此,利用荧光光谱成像技术结合聚类分析法及主成分分析法对藻类进行鉴别是可行的,操作简便、快速、无损。     

激光诱导击穿光谱技术结合神经网络和支持向量机算法的人参产地快速识别研究

利用激光诱导击穿光谱技术结合机器学习算法,对东北5个产地(大兴安岭、集安、恒仁、石柱、抚松)的人参进行产地识别,建立了主成分分析算法分别结合反向传播(BP)神经网络和支持向量机算法的人参产地识别模型.实验采集了5个产地人参共657组在200-975 nm的激光诱导击穿光谱,经光谱数据预处理后,对C,Mg,Ca,Fe,H,N,O等元素的8条特征谱线进行主成分分析,原光谱数据的前3个主成分累积贡献率达到92.50%,且样品在主成分空间中呈现良好的聚集分类.降维后的前3个主成分以2∶1进行随机抽取,分别作为分类算法的训练集和测试集.实验结果表明主成分分析结合BP神经网络及支持向量机的平均识别率分别为99.08%和99.5%.发生误判的原因是集安和石柱两地地理环境的接近而导致的H,O两元素在Ca元素离子发射谱线下的归一化强度相似.本研究为激光诱导击穿光谱技术在人参产地的快速识别提供了方法和参考.     

基于反向传播神经网络的激光诱导荧光光谱塑料分类识别方法研究

塑料具有成本低、质量好,可塑性强等优点被广泛用于生产生活等领域,但废弃塑料处置不当容易引发二次污染。回收再利用有望成为解决废弃塑料污染问题的关键手段,其前提是对废料的准确分选。传统分选手段耗费时间,效率低下,难以实现废弃塑料的快速、经济、有效分类。激光诱导荧光技术是一种快速灵敏的光谱检测技术。具有操作简便,检测效率高,样品使用量小等优点常被应用于水体、土壤中油类,多环芳烃等有机污染物的快速识别与定量分析。利用激光诱导荧光技术可以快速采集不同塑料的荧光光谱,结合相应的模式识别算法,可实现塑料材质的快速准确识别。实验采集了8种塑料（ABS,HDPE,PA66,PLA,PP,PET,PS,PVC）共358组激光诱导荧光光谱,依据特征峰信息构建358×10的光谱矩阵。利用主成份分析法削减原光谱矩阵中的线性相关量,提高数据精度。结果显示前3个主成分的累计方差贡献值达98.085%,足以表征原光谱矩阵的主要信息。将降维的主成分PC1, PC2, PC3作为输入进行光谱分类,其中同种塑料光谱聚合度高,元素构成不同的塑料如PA66,PLA,HDPE和PVC的光谱分离度较好,而元素构成相同的塑料如PET和PLA的光谱分离度较差。PCA算法并不能准确的对未知塑料进行识别。BP-神经网络具有收敛速度快,预测精度高等特点被广泛用于模式识别和分类研究。将经PCA算法得到的简化特征矩阵作为BP-神经网络算法的输入集,其中随机抽取256组数据作为BP-神经网络算法模型的训练集,剩余的102组数据作为模型检测集。BP神经网络的隐藏层设定值为1,激活函数选择双极性Sigmoid函数,输出层为8种塑料样品。识别结果显示,102组数据中只有一组HDPE光谱数据被错识为PS,其余101组数据全部正确识别。8种塑料荧光光谱的综合识别准确率达到99%。研究结果表明激光诱导荧光技术结合BP-神经网络算法可实现不同材质塑料的快速准确识别。为实现废弃塑料的自动化智能分选,降低回收成本,减少废弃塑料危害提供新的参考。     

KNN结合PCA在激光诱导荧光光谱识别矿井突水中的应用

矿井突水的迅速识别与分类对于井下水灾防治工作有着重要的意义。提出一种KNN结合PCA运用在激光诱导荧光光谱快速识别矿井突水水源中的新方法。利用激光器发射激光通过可浸入式探头射入水样,得到四种突水水样共80组荧光光谱数据,再分别对每组数据进行预处理,处理后的数据中每种水样取15组数据作为训练集,共60组,其余20组作为预测集。利用主成分分析(PCA)对数据进行处理,之后在主成分分析的基础上利用KNN算法进行分类识别。实验过程中,各预处理方法在主成分个数为2的情况下,进行KNN算法分类的正确率都达到100%。     

荧光光谱成像技术结合主成分分析与Fisher判别快速鉴别肉苁蓉

为探究一种快速、可靠的肉苁蓉属中药材检测方法,实验采用荧光光谱成像技术结合模式识别方法对肉苁蓉属三种中药材：荒漠肉苁蓉、管花肉苁蓉和沙苁蓉进行鉴别研究。实验中发现肉苁蓉样品存在较显著的荧光特性,采集来自不同产地、不同批次以及不同超市购买的三种肉苁蓉属药材的40个样品的荧光光谱图像,对图像进行去噪、二值化处理后,根据光谱立方体绘制每个样本的光谱曲线,将所得450～680 nm波段范围内的光谱数据作为鉴别分析的研究对象,应用主成分分析法(PCA)对三种肉苁蓉的光谱数据进行降维处理,再结合Fisher判别方法对三种肉苁蓉进行鉴别。分别比较多元散射校正(MSC)、标准正态变量校正变换(SNV)以及一阶微分(FD)三种数据预处理方法对鉴别模型的影响,并根据主成分的累积贡献率和主成分因子数对判别模型效果的影响对主成分因子数进行优化。分析结果表明：一阶微分预处理后提取前四个主成分进行Fisher判别的鉴别效果最佳,PCA结合Fisher判别建立肉苁蓉属三种药材的判别模型原始判别的准确率达到100%,交叉验证的准确率达到95%。由此可见,利用荧光光谱成像技术结合主成分分析及Fisher判别对肉苁蓉属三种药材的鉴别分析是可行的,而且具有操作简便、快速、可靠等优点。     

血清自体荧光光谱联合肿瘤标志物群在肺癌诊断中的价值

血清自体荧光光谱可以反映血清中癌细胞在代谢过程中发生的异常改变而导致的血清中荧光物质的成分、含量及微环境的变化,可作为癌症辅助诊断的一种新方法。利用荧光光谱分析技术,探讨了肺癌、肺良性疾病以及正常人血清的荧光光谱的异同,建立了血清荧光光谱检测的方法。同时联合肿瘤标志物群CEA, NSE, SCC-Ag, CYFRA21-1和p16甲基化,并运用人工神经网络技术和Fisher线性判别分析法分别建立了肺癌的诊断预测模型,并用ROC判别法对其预测结果进行比较。结果表明,荧光光谱联合肿瘤标志物建立的人工神经网络模型的预测效果优于单纯的荧光光谱神经网络模型,判别效果优于Fisher线性判别分析。     

正常人和结直肠癌患者血清的拉曼光谱探测与区别

本文对比分析了正常人和结直肠癌患者的血清的拉曼光谱.选择拉曼峰信息和荧光背景信息作为参数进行统计分析.用主成分回归(Principal component regression,PCR)和线性辨别分析(linear discriminant analysis,LDA)对所选参数进行分析以观察这些参数对光谱的代表性,得到...     

Studies on Cancer Diagnosis by Using Spectroscopy Combined with ChemometricsSCIEI北大核心CSCD

Studies on cancer diagnosis using various spectroscopic methods combined with chemometrics are briefly reviewed. Elemental contents in serum samples were determined by inductively coupled plasma atomic emission spectroscopy (ICP-AFS), bidirectional associative memory (BAM) networks were used to establish diagnosis models for the relationships between elemental contents and lung cancer, liver cancer, and stomach cancer, respectively. Near infrared spectroscopy (NIRS) is a non-destructive detection technology. Near infrared spectra of endometrial carcinoma samples were determined and spectral features were extracted by chemoometric methods, a fuzzy rule-based expert system (FuRES) was used for establishing diagnosis model, satisfactory results were obtained. We also proposed a novel variable selection method based on particle swarm optimization (PSO) for near infrared spectra of endometrial carcinoma samples. Spectra with optimized variable were then modeled by support victor machine (SVM). Terahertz technology is an emerging technology for non-destructive detection, which has some unique characteristics. Terahertz time domain spectroscopy (THz-TDS) was used for cervical carcinoma measurement. Absorption coefficients. were calculated from the measured time domain spectra and then processed with derivative, orthogonal signal correction (PC-OSC) to reduce interference components, and then fuzzy rule-based expert system (FuRES), fuzzy optimal associative memory (FOAM), support victor machine (SVM), and partial least squares discriminant analysis (PLS-DA) were used for diagnosis model establishment. The above results provide useful information for cancer occurring and development, and provide novel approaches for early stage diagnosis of various cancers.     

光谱学方法结合化学计量学用于癌诊断研究

对近年来采用多种光谱学方法对癌诊断研究工作进行了简要综述。利用电感耦合等离子体原子发射光谱分析(ICP-AES)法对人血清中微量元素含量进行了测定,将双向联想记忆神经网络(BAM)用于建立微量元素与肺癌、肝癌和胃癌之间的关系,建立了分类鉴定模型;利用近红外光谱技术非破坏无损检测的特性,采用化学计量学方法对子宫内膜癌组织的近红外光谱(NIRS)进行特征变量提取,用模糊规则专家系统建立诊断模型,取得了满意的结果;建立了一种基于粒子群优化(PSO)方法对近红外光谱变量进行选择,然后采用支持向量机(SVM)建立诊断模型;太赫兹时域光谱(THz-TDS)技术是近年来受到重视的一种非破坏无损检测方法,由于其辐射能量低,因此对于生物样品检测具有很好的发展前景。采用THz-TDS技术对子宫颈癌组织进行测试,对这些癌组织的THz光谱采用导数光谱、正交信号校正(OSC)等光谱预处理方法减少干扰成分和变量选择后,分别采用模糊规则专家系统(FuRES)、模糊优化联想记忆网络(FOAM)、支持向量机(SVM)和偏最小二乘判别分析(PLS-DA)等方法建立分类模型,均取得了较满意的结果。这些研究结果为研究癌的发生和发展提供了有用的信息,为癌的早期诊断提供了新的方法。     

基于表面增强拉曼光谱检测技术的肺癌早期诊断研究

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,以提高检测灵敏度为目的的表面增强拉曼光谱技术非常适合于生命科学研究。本文利用表面增强拉曼光谱技术对肺癌患者及正常人的唾液样本进行检测,并进行光谱分析,建立了肺癌患者唾液样本的实验模型,对该模型系统分析可为肺癌诊断提供辅助依据。统计学分析效果良好,并发现了分类比较明确的特异性波段1015cm-1～1070cm-1和1250cm-1～1280cm-1。在找出的12个特征峰的基础上应用K-均值方法验证了其判别准确性,结果提示提取的12个特征峰有一定的代表性,能够代表近2000个波数的拉曼光谱图,灵敏度较特异度高,说明该方法适合预防性筛查工作。     

Establishment and Clinical Application of a Highly Sensitive Time-Resolved Fluorescence Immunoassay for Tumor-Associated Trypsinogen-2

To establish a rapid and highly sensitive assay for tumor-associated trypsinogen-2 (TAT-2) based on the time-resolved fluorescence immunoassay (TRFIA) and evaluate its potential clinical value in patients with lung cancer. The double-antibody sandwich method was used in detecting TAT-2 antigen concentrations, and two types of TAT-2 antibodies (coating antibodies and Eu³⁺ labeled antibodies) were used. A TAT-2–TRFIA method was then established, evaluated, and used in detecting the serum TAT-2 levels of healthy subjects and patients with lung cancer. The linear range of the TAT-2–TRFIA method was 1.53–300 ng/mL, the intra-assay coefficient of variation (CV) were between 1.67% and 8.42%, and the inter-assay CV were between 4.29% and 11.44%. The recovery rates of TAT-2–TRFIA were between 99.17% and 107.06%. The cross-reactivities of trypsin and T-cell immunoglobulin mucin 3 were 0.02% and 0.82%, respectively. The serum TAT-2 levels of patients with lung cancer were higher than those of healthy subjects (P?<?0.001). Combined with TAT-2, the sensitivity and specificity of CEA and CA-125 for lung cancer improved significantly.

Conclusion: We successfully established a highly sensitive TAT-2–TRFIA method, which was able to facilitate the timely diagnosis of lung cancer.

     

Fluorescence lifetime-enhanced spectral characterization of human serum

Frequency-domain fluorescence lifetime techniques were used for the characterization of pooled human serum, including normal serum, hyperlipid serum, and sera that had been stripped of various components. Fluorescence lifetime measurements of normal human serum revealed lifetime components primarily in the regions of 10² ps, 1–2 ns, 4–7 ns, and 9–10 ns. Phase-resolved fluorescence spectroscopy (PRFS), a frequency-domain technique that combines spectral and lifetime information, in measurements of phase-resolved fluorescence intensity (PRFI), provided the basis for comparison of the various sera. Measurements of PRFI vs excitation wavelength and emission wavelength yield a phase-resolved excitation-emission matrix (PREEM) at a given modulation frequency. Multifrequency measurements yield a three-way excitation-emission-frequency array. The multifrequency PREEMs of the various sera were compared with each other and with the corresponding two-way excitation-emission matrices (EEMs) that are obtained using conventional, steady-state fluorescence spectroscopy. Application of matrix-based analysis techniques to the steady-state and PRFS data arrays allowed direct comparison between the two approaches. Results demonstrate the enhanced discrimination among samples that is achieved through the additional dimension of fluorescence lifetime in PRFS.     

Advances in fluorescence diagnosis to track footprints of cancer progression in vivo

Fluorescence spectroscopy and imaging have been widely used for in vivo cancer diagnosis and therapy monitoring in preclinical models, as well as clinical translation. Great attempts have been made to develop novel fluorescence techniques and improve on existing ones, which can now be used in conjunction with newly developed fluorescent probes for specific cancer imaging. In this review, a broad overview of fluorescence techniques is provided, including photodynamic diagnosis, laser confocal endomicroscopy and fluorescence lifetime imaging, coupled with endogenous and exogenous fluorophores. In particular, endogenous fluorophores, such as nicotinamide adenine dinucleotide (NADH) and flavin adenine dinucleotide (FAD), are highlighted as they are linked to cellular metabolism in precancer growth. The use of near‐infrared dyes, such as indocynanine green (ICG), for imaging deep‐tissue regions is also reviewed. In addition, diagnostic algorithms used for tissue classification and cancer detection will be discussed. Lastly, emerging technologies in fluorescence diagnosis will also be included.     

多光子皮肤成像技术及其应用

多光子成像技术是一种层析能力好、信噪比高的新型光学成像技术。在皮肤光学三维检测中,多光子技术已经应用于无创在体成像,且已得到产业化开发。本文将首先介绍多光子皮肤检测系统的若干核心技术,即双光子自发荧光技术、二次谐波成像技术、荧光寿命成像技术、相干反斯托克斯-拉曼成像技术等,然后简要介绍多光子成像系统在皮肤疾病成像检测上的应用,最后分析该系统的优势和未来可能的发展趋势。     

衰减全反射傅里叶变换红外光谱技术的临床应用研究进展

系统回顾了衰减全反射傅里叶变换红外光谱(attenuated total reflection Fourier transform infrared, ATR-FTIR)技术在临床医学领域中的应用研究进展。ATR-FTIR光谱技术具有实时、简单、无创扫描生物组织样品的优势,通过结合多模式识别统计学方法并对照临床及病理学诊断结果,可对生物组织样本进行判别分析。目前,对甲状腺、乳腺,以及肺组织等新鲜离体组织的光谱学检测中,ATR-FTIR技术可达到较高的判别敏感性、准确性与特异性;尤其在对甲状腺和乳腺疾病患者的前哨淋巴结活检的研究中,应用ATR-FTIR技术,可对良、恶性组织进行敏感性、准确性与特异性均较高的鉴别研究,对辅助临床诊断具有潜在的重要价值。此外,利用ATR-FTIR光谱技术对生物体液进行光谱分析并进一步诊断疾病的研究也在逐步开展。由于血清中所含成分的改变对于提示疾病状况具有重要价值,因而血清ATR-FTIR光谱学诊断方法成为研究热点,已有应用ATR-FTIR技术对脑胶质细胞瘤、心肌梗死、肾衰、阿尔茨海默病、卵巢癌与子宫内膜癌等多种疾病进行分析的研究报道。目前已可通过ATR-FTIR技术对卵巢癌进行疾病分期的判别诊断,该技术有望成为卵巢癌筛查的重要方法。由于血清ATR-FTIR光谱学技术具有检测快速、判别准确、性价比高等优势,有望成为今后生物医学发展的重要方向之一。