基于5-氨基乙酰丙酸的SD大鼠结肠组织荧光光谱多变量统计分析方法研究

探讨用多变量统计分析方法对激光诱导的SD大鼠结肠组织5-ALA-PpⅨ荧光光谱进行分类,以诊断结肠早癌。对20只DMH诱导的SD大鼠,12只诱导鼠的第二代鼠,8只正常SD大鼠,按25 mg·kg-1体重剂量尾静脉注射5-ALA,150 min后进行活体激光检测,钛宝石激光器激发波长370 nm。将343条3类组织谱线分为训练组和预测组,经预处理,再采用主成分分析法提取4个主成分变量。利用训练组建立逐步多变量Logistic回归模型,并对预测组预测。3类组织病理类型两两结合,共构建3个回归方程。正常组织与早癌及进展期癌识别的特异性分别为100%, 98.4%,敏感性分别为96%, 100%,准确率分别为98%, 99.2%。在光敏剂5-ALA的辅助作用下,对370 nm激光诱导的结肠组织荧光光谱,采用主成分变量压缩与逐步多变量Logistic回归分析方法相结合,可以获得较高的正常组织对早癌及进展期癌组织识别特异性和敏感性,是一种较有潜力的结肠早癌无损诊断方法。     

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。     

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。     

PCA-BP模型在判别基于LIF技术煤矿突水水源的应用

防治煤矿突水时需迅速精准地判别突水水源,激光诱导荧光(LIF)光谱技术具有灵敏度高、快速准确监测特点,为检测突水水源提供了一种新的方法。该研究引入该技术以获取突水荧光光谱数据。采用卷积(SG)平滑和多元散射校正(MSC)方法对光谱图进行预处理,以消除光谱采集过程中噪声干扰。采用主成分分析(PCA)方法提取特征信息,针对SG预处理后的数据,当主成分个数为3时,累积贡献率可达到99.76%,已基本保留原数据的全信息。选择3层结构BP神经网络建立分类判别模型,通过不同方式构造训练集和测试集,SG预处理数据构建的分类模型可以达到精准判别,而对于MSC预处理和原始数据出现很少的误判。实验结果表明SG预处理结果要优于MSC预处理。研究结果表明,将PCA和BP神经网络结合建立分类模型,能有效判别煤矿突水水源,且具有较强的自组织、自学习能力。     

PCA-BP模型在判别基于LIF技术煤矿突水水源的应用（英文）

防治煤矿突水时需迅速精准地判别突水水源,激光诱导荧光(LIF)光谱技术具有灵敏度高、快速准确监测特点,为检测突水水源提供了一种新的方法。该研究引入该技术以获取突水荧光光谱数据。采用卷积(SG)平滑和多元散射校正(MSC)方法对光谱图进行预处理,以消除光谱采集过程中噪声干扰。采用主成分分析(PCA)方法提取特征信息,针对SG预处理后的数据,当主成分个数为3时,累积贡献率可达到99.76%,已基本保留原数据的全信息。选择3层结构BP神经网络建立分类判别模型,通过不同方式构造训练集和测试集,SG预处理数据构建的分类模型可以达到精准判别,而对于MSC预处理和原始数据出现很少的误判。实验结果表明SG预处理结果要优于MSC预处理。研究结果表明,将PCA和BP神经网络结合建立分类模型,能有效判别煤矿突水水源,且具有较强的自组织、自学习能力。     

基于深层信念网络的太赫兹光谱识别

特征提取和分类是太赫兹光谱识别的关键。部分物质在太赫兹波段内没有明显的吸收峰,难以人工定义、提取特征及分类识别,为此,结合深度信念网络(deep belief network,DBN)和K-Nearest Neighbors (KNN)分类器的优点,提出了一种基于DBN的太赫兹光谱识别方法。首先利用S-G滤波和三次样条插值对ATP,acetylcholine_bromide,bifenthrin,buprofezin,carbazole,bleomycin,buckminster和cylotriphosphazene在0.9～6 THz内的太赫兹透射光谱进行归一化处理;然后由两层受限波尔兹曼机(restricted Boltzmann machine, RBM)构建DBN模型,并采用逐层无监督的方法训练模型,以自动提取太赫兹光谱特征;最后用KNN分类器对8种物质的太赫兹透射光谱进行分类。结果表明,使用DBN自动提取的光谱特征,KNN分类器、BP神经网络、SOM神经网络和RBF神经网络的分类准确率达到了90%以上,且KNN分类器的识别率优于其他三种分类器;采用DBN自动提取物质的太赫兹光谱特征大大减少了工作量,在海量光谱数据识别中具有广阔的应用前景。     

基于概率神经网络的荧光光谱法识别高甘油三脂血清

针对因正常和高甘油三脂血清荧光光谱混叠致使其识别率不高的问题,首先测量了正常和高甘油三脂血清样品在260,370,580 nm激发光下产生的荧光光谱,并以荧光强度作为样品的初始特征;其次,采用主成分分析法对初始特征进行分析和提取,获得了样品的特征向量;最后,构建了4层概率神经网络,并对正常和高甘油三脂血清样品进行了识别。对采用不同荧光光谱进行血清样品识别的效果进行了对比,结果表明,采用260 nm和370 nm荧光光谱识别正常和高甘油三脂血清的正确率分别为100%和95%。实验验证了研究方案的可行性和效果,对发展荧光光谱技术在识别高甘油三脂血症中的应用具有重要的意义和价值。     

基于深度学习的气溶胶荧光光谱识别应用研究

空气中的高危病原微生物对人类社会存在着极大威胁,而传统的监测方法无法对空气中的微生物实现准确的识别与分类。因此采用激光诱导荧光技术原理,以单光子探测器为核心器件,设计并搭建了一种高效的荧光光谱仪用于空气中高危病原微生物的识别与分类,并且该光谱仪可以实现对微生物浓度的预测,其对于环境安全具有重要意义。对于该光谱仪采集的数据,探索了以一维向量和二维矩阵2种输入形式来实现荧光光谱的识别与分类,并研究对比了主成分分析网络、卷积神经网络和全卷积网络等深度学习网络的识别与分类效果。实验结果表明以矩阵形式输入的卷积神经网络模型在测试集中识别分类准确率达到98.05%。采用矩阵形式输入的全卷积网络模型在测试集中微生物浓度预测准确率达到98.97%。     

AdaBoost算法在矿井突水水源的荧光光谱识别中的研究

矿井突水是影响矿井安全生产的重要因素之一,如果矿井发生突水,能够快速、准确地判别突水水源类型是治理矿井突水灾害保证生产安全的重要环节,因此,建立一个能够快速识别矿井突水水源的模型具有重要的意义。水化学分析法作为在传统的矿井突水水源类型识别方法里应用最为广泛的识别方法,通过获得相应的pH值、离子浓度、电导率等参数,然后利用这些参数来建立突水水源的类型识别模型对矿井突水的类型进行判别。针对这种传统矿井突水水源识别方法在判别时间上耗时长和识别准确率低等不足,鉴于LIF技术具有分析速度快、灵敏度高等优点,提出了将线性判别分析（LDA）算法作为弱分类器的自适应提升（AdaBoost）算法用于激光诱导荧光（LIF）光谱识别矿井突水水源的新方法。用于实验的九种水样（每种水样各取50个样本）由淮南地区某矿的老空水、灰岩水以及按不同比例混合的老空水与灰岩水的七种混合水构成。将405 nm激光器发射的激光打入被测水体并采集荧光光谱数据,然后对采集到450组荧光光谱数据进行分析,取其中360组光谱数据（每种水样各40组）用作训练集,取剩余90组光谱数据用作测试集。分别选取三种算法针对水样的激光诱导荧光光谱的分类进行了建模并将三种结果进行对比。首先利用决策树算法对光谱进行分类识别,在节点个数为8时决策树对测试集的分类效果最好,分类准确率达到91.11%。然后针对决策树算法分类效果的不足,利用决策树算法作为弱分类器的AdaBoost算法,当选取节点个数为9的决策树作为弱分类器的时,对训练集的分类准确率为97.78%。最后针对基于决策树的AdaBoost算法的泛化性能不足和为了获得更好的分类效果,提出了基于LDA算法作为弱分类器的AdaBoost算法,在设置迭代次数为150后对水样光谱数据分类准确率可以达到100%。通过实验结果可以发现,集成学习算法的分类能力比传统的分类算法对水样的光谱的分类识别能力更强,相较于同为九个节点的决策树算法,采用节点数为9的决策树作为弱学习器的AdaBoost算法对测试集的分类准确率从88.89%提升到了97.78%,对训练集的分类准确率从99.72%提升到了100%;然后可以发现相对于使用决策树作为弱分类器的AdaBoost算法,采用LDA算法作为AdaBoost算法的弱分类器对水样的光谱的测试集的分类准确率从97.78%提升到了100%,对训练集的分类准确率达到100%,具有更好的识别效果,并且具有更好的泛化性能。实验结果证明采用Adaboost-LDA算法为激光荧光光谱的模式分类用于矿井突水水源的判别和预警是可行且有效的。     

基于coif2小波的浮游植物活体三维荧光光谱识别技术研究

小波分析技术是提取不同门类以及种属水平上浮游植物的三维荧光光谱特征的有效手段,利用coif2小波函数对分属于7个门,30个属的37种我国近海常见的浮游植物的三维荧光光谱进行小波分解,小波分量和尺度分量作为浮游植物备选荧光特征谱,通过Bayes分析确定第3层尺度分量作为浮游植物门类特征光谱,第3层尺度分量和第2和第3层小波分量的组合作为浮游植物属特征谱。对获得的浮游植物荧光特征谱进行系统聚类分析,得到37种浮游植物门类水平上的107条和属水平上的155条浮游植物荧光标准谱,组成浮游植物荧光标准谱库。在此标准谱库的基础上,利用非负最小二乘法解析的多元线性回归建立浮游植物三维荧光光谱识别技术。该技术对1 776个单种藻样品和384个混合藻样品进行识别分析,单种浮游植物样品在门类水平上的识别正确率为98.1%,属水平上的识别正确率为97.0%;浮游植物混合样品中的优势种在门水平上的识别正确率分别为94.8%,在属水平上的识别正确率为92.7%。     

基于PCA和PNN的高甘油三脂血清荧光光谱识别

基于主成分分析和概率神经网络,提出了一种有效识别高甘油三脂血清荧光光谱的新方法.研究测量了正常和高甘油三脂血清在290 nm和350 nm激发光下产生的荧光光谱,并分别以3种采样间隔(1 nm、2 nm和5 nm)提取荧光强度作为样品的初始特征;利用主成分分析法对初始特征进行分析,以累积可信度大于95%的主成分作为样品特征;构建了4层概率神经网络,并分析了平滑系数和采样间隔对识别效果的影响.实验结果表明,当采样间隔采用5 nm,平滑系数位于0.26~0.92区间时,正常和高甘油三脂血清样品的识别率可达到95%和100%.     

基于荧光透射谱和高光谱图像纹理的茶叶病害预测研究

为了实现对茶叶病害的准确预测,避免病害特征提取过程中对茶叶的二次破坏,利用荧光透射技术对茶叶赤叶病叶片的荧光透射光谱特性展开研究。实验采集了健康茶叶叶片样本45个、赤叶病初期叶片样本60个及赤叶病中期叶片样本60个,并按照2∶1的比例划分成训练集和预测集样本数,通过荧光透射手段利用高光谱仪器采集这些叶片的原始荧光透射光谱。通过对这3组叶片样本平均光谱强度曲线的分析,证实了利用荧光透射光谱信息对这3种病害类型叶片进行分类的可行性。然后使用多项式平滑（savitzky-golay, S-G）方法对原始光谱进行平滑和降噪处理。最后采用竞争性自适应重加权抽样法（competitive adaptive reweighted sampling, CARS）对预处理后的光谱数据进行特征波长的选取。经过50次加权采样后,最终选取出4个特征波长,分别为：463,512,586和613 nm。为了最大化提取样本的病害特征信息,强化分类器输入病害特征值的典型性,使用高光谱反射技术,采集4个特征波长下的高光谱图像,分别使用2种不同的纹理提取算法提取病害叶片图像的纹理信息进行对比分析。首先利用灰度共生矩阵（GLCM）提取4幅图像的纹理信息,分别计算4个方向的灰度共生矩阵(0°,45°,90°及135°),然后计算5个共生矩阵的均值和方差。为了提高鲁棒性,取4幅图像纹理信息的平均值作为该叶片的纹理特征值,最终得到10个特征值。利用LBP（local binary patterns）算法获取特征波长下高光谱图像的纹理信息,并使用Uniform模式对LBP模型进行降维,最终每幅图像得到944个维度的LBP特征值,同样取4幅图像的平均值作为该叶片的LBP纹理特征值。最后通过极限学习机（ELM）分别建立特征光谱联合灰度共生矩阵纹理信息及LBP算子纹理信息的预测模型,由于模型的输入特征值不在一个量纲,首先对输入特征值进行归一化处理,然后再定义模型的输出标签,即健康叶片的预测模型输出为1,赤叶病早期为2,中期为3。实验测得基于CARS-GLCM-ELM模型的预测准确率为81.82%,基于CARS-LBP-ELM模型的预测准确率为85.45%,说明利用荧光透射光谱联合LBP算子纹理信息预测效果更好。由于没有达到预期效果,利用Softplus函数对ELM的隐含层激活函数进行了优化,替换掉原来的Sigmod函数,优化后的模型预测分类正确率达到92.73%,基本达到了预期效果。该研究将病害叶片的荧光光谱信息和对应特征波长下高光谱图像的纹理信息进行了融合,研究结果可为茶叶病害的快速、准确预测提供一定的参考价值。     

基于皮秒时间分辨的癌细胞荧光寿命研究

研究了用于癌症诊断与治疗的光敏剂血卟啉(hematoporphyrin derivative,HPD)的超快光动力学过程,采用超短脉冲激光光谱技术和皮秒时间相关单光子计数系统,测量了经血卟啉培养的活体癌细胞与正常细胞的皮秒时间分辨荧光光谱及荧光峰值强度随时间衰变曲线,观测到：癌细胞与正常细胞样品荧光寿命的快成分分别为150和300 ps;癌细胞与正常细胞的荧光峰值强度经12 h分别衰减10%和55%。经对测量所得的荧光衰减曲线进行分析,计算出癌细胞与正常细胞的荧光寿命分别为824和1798 ps;血卟啉在癌细胞与正常细胞样品中滞留时间分别为17天和6天。结果表明癌细胞与正常细胞对血卟啉亲和性及对血卟啉滞留的稳定性有显著差异,测量结果确认了荧光光谱技术诊断与治疗癌症的可行性,并对实时监测生物样品微弱超快荧光具有重要的指导意义和临床应用价值。     

Steady state and time-resolved autofluorescence studies of human colonic tissues

Steady state and time-resolved autofluorescence spectroscopies are employed to study the autofluorescence characteristics of human colonic tissues in vitro. The excitation wavelength varies from 260 to 540 nm, and the corresponding fluorescence emission spectra are acquired from 280 to 800 nm. Significant difference in fluorescence intensity of excitation-emission matrices (EEMs) is observed between normal and tumor colonic tissues. Compared with normal colonic tissue, low nicotinamide adenine dinucleotide (phosphate) (NAD(P)H) and flavin adenine dinucleotide (FAD), and high amino acids and protoporphyrin Ⅸ (PpⅨ) fluorescences characterize high-grade malignant tissue. Moreover, the autofluorescence lifetimes of normal and carcinomatous colonic tissues at 635 nm under 397-nm excitation are about 4.32±0.12 and 18.45±0.05 ns, respectively. The high accumulation of endogenous PpⅨ in colonic cancers is demonstrated in both steady state and time-resolved autofluorescence spectroscopies.     

Study of Blood Porphyrin Spectral Profile for Diagnosis of Tumor Progression

Renal cell carcinoma (RCC) accounts for approximately 3% of new cancer incidence and mortality in the United States. Unfortunately many RCC masses remain asymptomatic and nonpalpable until they are advanced. Diagnosis and localization of early carcinoma play an important role in the prevention and curative treatment of RCC. The autofluorescence of blood porphyrin of healthy and tumor induced in male SCID mice was analyzed using fluorescence and excitation spectroscopy. A significant contrast between normal and tumor blood could be established. Blood porphyrin fluorophore showed enhanced fluorescence band (around 630 nm) in function of the tumor growth. This indicates that either the autofluorescence intensity of the blood fluorescence may provide a good parameter for the “first approximation” characterization of the tumor stage.     

浮游植物群落组成的离散三维荧光光谱识别测定技术

从荧光分光光度计所测浮游植物三维荧光光谱中.选取12个激发波长点(400,430,450,460,470,490,500,510,525,550,570,590nm)组成离散三维荧光光游,采用db7小波技术及Bayes判别法对光谱进行特征提取,并利用多元线性回归辅以非负最小二乘建市识别技术,实现了浮游植物群落组成门、属...     

基于共聚焦拉曼光谱技术的油菜菌核病早期判别分析

油菜菌核病是一种真菌性病害,可造成油菜产量严重减少,而快速准确地进行病原物的早期侵染对于植物病害防治意义重大。采用共聚焦拉曼光谱(500～2 000 cm-1波数范围内)技术结合化学计量学方法对油菜菌核病早期侵染进行判别分析。采用共聚焦拉曼光谱仪采集健康和接种12 h核盘菌的油菜叶片表面拉曼光谱,应用小波变换(wavelet transform,WT)进行拉曼光谱预处理以去除荧光背景。并利用基于全谱范围的偏最小二乘判别分析(partial least squares-discriminant analysis,PLS-DA)的回归系数(regression coefficient,RC)进行特征峰的识别,选出983,1 001,1 205,1 521,1 527,1 658,1 670和1 758 cm-1共八个特征峰用于建立PLS-DA模型进行油菜菌核病的早期侵染判别,其识别准确率为100%。结果表明：拉曼光谱技术结合化学计量学方法能够实现油菜叶片中菌核病早期侵染的检测,这为后续探究核盘菌与油菜叶片互作过程以及为进一步的病害早期监测和预防提供理论参考。     

RO处理早期垃圾渗滤液中DOM的荧光光谱分析

利用荧光检测技术对某垃圾填埋场渗滤液反渗透(RO)膜深度处理时的进水、出水、浓缩液、酸洗液以及酸洗后碱洗液中水溶性有机物(DOM)的组成变化进行了研究。同步荧光光谱显示,预处理后的渗滤液膜进水在波长280,340,370 nm出现三个较强的荧光峰,反渗透膜对此有效拦截,酸洗和碱洗的组合清洗方式有效去除了波长范围在300~420 nm的有机污染物。三维荧光光谱显示,进水含有2个类富里酸和3个类蛋白质荧光峰,RO膜出水仅含有2个类蛋白峰,浓缩液中出现其余3个高强度的荧光峰;酸洗和碱洗对膜上污染物质分子结构影响显著,存在着明显的荧光峰位移。结果表明,RO膜有效拦截了早期渗滤液中的类富里酸,而对膜的污染物除类富里酸外,还有类蛋白成分:主要为低激发类酪氨酸;为膜污染控制提供了理论支持。