基于舌诊NIR反射光谱血清总蛋白含量的无创测量

采用舌诊近红外反射光谱对人体血清总蛋白(TP)含量进行无创检测。采集58例舌尖反射光谱进行反射率归一化并记录相对应的血清总蛋白生化分析值,将样本分为训练集和预测集,运用主成分分析结合BP神经网络法和偏最小二乘算法分别建立预测模型。主成分分析结合BP神经网络模型对预测集进行预测,平均相对误差为7.35%,均方根误差为3.069 1 g·L-1,相关系数为0.902 1。偏最小二乘模型对预测集进行预测,平均相对误差为4.77%,均方根误差为0.130 1 g·L-1,相关系数为0.971 8。实验结果证实了舌诊近红外反射光谱可以较为准确地用于总蛋白含量的无创检测。     

基于光谱法舌诊的脂肪肝快速诊断

提出了一种基于光谱技术的脂肪肝无创、快速诊断新方法。由于舌体能较客观的反映人体生理、病理变化,因此采集志愿者舌体舌尖部位的反射光谱,然后对数据进行分析,计算反射光谱的归一化反射率。建立3层BP网络模型,从采集来的115例样本中抽取32例健康人和44例脂肪肝患者的光谱归一化反射率作为神经网络的输入,再对未知的14例健康人样本和25例脂肪肝患者样本进行分类预测,分类正确率达到89.7%,实验结果表明了光谱法运用于脂肪肝快速无创诊断的可行性。同时,实验结果说明光谱法能更客观全面地反映人舌所携带的组织细胞、微循环等方面的信息,有可能为临床提供一种快速、简便的诊断手段,也为今后的中医证侯的度量提供借鉴。     

基于BP神经网络的人体血液中红细胞浓度无创检测

采用BP神经网络算法模型对人体血液红细胞浓度进行无创检测。对获取的动态光谱数据和红细胞实测值利用BP神经网络进行建模分析,校正集输出对期望值的跟踪较好,相关系数R达到了0.993,用建立起的BP神经网络模型去检验预测集输出值,得到预测集的相对误差最大为4.7%,平均相对误差为2.1%,预测能力较为理想。结果表明：用BP神经网络模型能够较准确的处理动态光谱数据和人体红细胞实际值的非线性关系,提高了血液成分无创测量在临床上应用的可行性,具有较高的应用价值。     

谐波分量提高动态光谱法无创血液成分检测精度

为增加动态光谱数据的信噪比,提高预测模型稳定性和预测精度,提出将多次谐波分量计入动态光谱数据频域数据处理的改进方法。对110名志愿者进行临床采集,依据其脉搏波信号质量和谐波分布状况,确定其中60例样本为研究对象。在提取样本动态光谱时,以是否加入谐波分量为标准分成实验组和对照组。分别建立两组动态光谱和人体血红蛋白含量的BP神经网络模型,结果显示实验组预测集相关系数为0.91,远大于对照组预测集相关系数0.80,其余各项指标均有明显改善。实验证明利用谐波分量可提高动态光谱数据信噪比,有利于推动基于动态光谱的无创血液成分检测技术的进一步发展。     

基于舌近红外反射光谱的人体血清多种蛋白含量无创测量

探讨一种基于近红外反射光谱的人体血清白蛋白、球蛋白和总蛋白三种生化指标的无创检测方法。采集58例志愿者舌尖处近红外反射光谱,考虑这些光谱数据与血清蛋白浓度间因个体差异等存在非线性映射关系,在计算归一化光谱反射率及分析样本蛋白含量统计分布上,采用支持向量机分别建立三种蛋白成分近红外光谱定量回归模型,并与传统的偏最小二乘法进行比较。实验结果表明,支持向量机校正模型的预测效果较好且明显优于偏最小二乘法校正模型,对白蛋白、球蛋白和总蛋白的预测相关系数分别达到0.894,0.931和0.863,预测的均方误差为2.19,1.93和4.38。因此,支持向量机可有效抵抗活体检测定量分析中存在的非线性因素,提高模型的鲁棒性。同时也表明舌的近红外光谱信息能够较客观的反映人体理化指标的变化,用于血清蛋白含量的快速无创检测具有较高的可行性。     

基于动态光谱法的人体血液胆固醇含量无创检测

为实现患者血液总胆固醇含量的无创检测,检测了80例临床志愿者的手指脉动血液的动态光谱,同时获取其血液内总胆固醇含量的临床化验结果。对动态光谱加入谐波分量的数据进行了主成分分析,提取数据中的重要有效成分。对提取后的数据和总胆固醇实测值进行BP神经网络的建模并预测,得到预测集相关系数为96.48%,预测集最大相对误差为25.44%,预测误差均方根为0.242 6mmol.L-1。由于在建模前对建模数据进行了主成分分析,建模速度得到大幅度提高。证明了动态光谱法结合主成分分析进行血液总胆固醇含量检测的可行性,是无创血液成分分析研究的又一进展。     

舌诊归一化反射光谱用于红细胞数无创测量

利用舌诊归一化反射光谱对人体血液中红细胞总数(RBC)进行了无创检测研究.采集240名志愿者舌尖反射光谱并进行反射率归一化同时用数码相机记录志愿者舌象.将样本分为两组:校正集和预测集,以血液成分含量生化分析值为参考,建立红细胞总数与光谱数据的偏最小二乘回归(PLSR)预测模型.所建模型的相关系数为0.991,用所建模型...     

动态光谱数据质量的评价

为消除数据采集过程中各种因素对基于动态光谱法无创血液成分测量精度的影响,需要对动态光谱数据建立一个质量评价标准,以提高建模的稳定性和预测的准确度。在对110名志愿者的测量数据进行分析后,提出了动态光谱数据的一个质量评价指标——稳定波长数,并依此选取出60例优秀样本。利用BP神经网络对此样本的总胆固醇、血糖、血红蛋白进行了建模和预测。预测结果较之对照组均有所改善,平均相对误差分别从13.8%,15.8%,5.4%降低到6.5%,6.5%,2.1%,证明将稳定波长数作为动态光谱数据质量评价标准的有效性。引入稳定波长数指标,可对测量数据进行预先的质量评估,提高实际仪器预测的可靠性,为动态光谱法血液无创检测走向临床应用铺平了道路。     

舌体高光谱的高血压患者中合并冠心病的筛查方法

高血压合并冠心病是高血压疾病的一类严重合并症。目前高血压患者对合并冠心病的情况检测不及时,容易导致严重事件的发生,其致残率、致死率极高,严重影响患者的生活质量。因此对高血压患者合并冠心病的早期发现对预防更严重事件的发生显得尤为重要。舌体信息与心血管功能关系密切,为此,提出一种基于舌体高光谱用于高血压患者中合并冠心病筛查新方法。采集154例心血管科门诊患者舌体377.8～1 049.1 nm高光谱数据并记录临床诊断信息。对高血压患者组及高血压合并冠心病患者组舌体光谱比较发现,在500～600 nm波段之间,两组光谱存在显著性差异。基于中医舌诊分区理论,对舌体进行区域划分,划分为舌尖、舌左、舌中、舌右以及舌根五个区域。各舌体分区在波长509.6和561.2 nm以及540.5和576.7 nm均存在极大和极小值,这与血红蛋白对光的吸收特征相吻合。对组间各舌体区域光谱特征进行差异性分析。T检验分析结果显示高血压患者组与高血压合并冠心病患者组舌尖与舌中区域光谱具有显著性差异。基于高血压患者组与高血压合并冠心病患者组舌体不同区域光谱特征的差异性,利用神经网络,选取500～600 nm舌尖与舌中光谱数据进行后续高血压患者组与高血压合并冠心病患者组分类辨识模型的建立。选用准确度、灵敏度以及特异性作为模型预测能力的评价指标。最终获得模型的预测准确度、灵敏度以及特异性分别为84.78%,86.95%和82.61%。实验结果表明高血压患者与高血压合并冠心病患者舌体高光谱信息之间存在显著性差异。利用舌体高光谱所建立的分类模型能够用于高血压以及高血压合并冠心病患者的无创辨识,为高血压患者中高血压合并冠心病的早期发现提供一种有效筛查手段。     

反射率归一化用于提高光谱法舌诊信噪比

为了消除光谱采集中操作方法对测量带来的干扰,以及提高仪器灵敏度和增强样本之间的差异性,将反射率归一化法用于光谱法舌诊数据预处理。采集被检者舌尖反射光谱,计算被测对象的反射率和归一化反射率,比较不同距离采集的同一被测对象反射率和归一化反射率发现,反射率归一化可以消除不同采集距离对反射光谱造成的影响,比较不同样本的反射率和归一化反射率曲线以及分类预测模型预测结果,结果表明反射率归一化法可以增强样本之间的差异性,增强后续疾病快速筛查模型的稳健性和预测能力。     

基于BP神经网络的变速箱故障诊断方法研究

针对变速箱的工作时间不能真实反映实际健康状况的问题,通过提取变速箱的振动信号作为状态参数,建立了基于BP神经网络的变速箱故障诊断模型。该模型首先提取振动信号中对故障反映灵敏的成分作为特征值,获得BP神经网络的训练数据,并通过对比确定最优的隐含层节点数,确定BP神经网络的结构参数。模型训练结束后,以验证数据为例进行故障诊断研究,并对诊断结果进行评估。评估结果表明,该模型准确度高,具有较好的应用和推广价值。     

基于可见-近红外光谱技术的炭疽病侵染后油茶叶片叶绿素含量预测研究

分析炭疽病侵染后油茶冠层的可见-近红外光谱特征,探索建立病害胁迫下油茶冠层叶片叶绿素含量的预测模型。通过实地调查病情指数,获取不同病害程度的油茶冠层叶片光谱数据及其叶绿素含量,并对光谱数据进行了一阶微分与滑动平均滤波相结合的预处理,再通过光谱数据重采样,提取敏感波段建立了叶绿素含量的BP神经网络预测模型。结果表明:(1)随着病情的加重,油茶冠层光谱可见光区域的反射峰和吸收谷逐渐消失;红光到近红外陡峭的红边被逐渐拉平;在近红外区域,健康油茶的光谱反射率明显大于感病油茶的光谱反射率。(2)微分光谱484～512,533～565,586～606和672～724nm四个波段是叶绿素吸收和反射的敏感波段。(3)以敏感波段为输入变量建立的BP神经网络模型,其计算出的预测值与观测值之间的相关系数r和均方根误差分别为0.992 1和0.045 8。因此,利用可见-近红外光谱技术预测炭疽病侵染后油茶叶片叶绿素含量是可行的。     

基于晶状体中微量元素与白内障关系的广义回归神经网络模式识别

选择微量元素Sr,Mg,Na,K,Mn,Cu,Fe和Zn在晶状体中的含量作为识别白内障患者的指标,建立了广义回归神经网络(GRNN)模式识别.选择20个样本为训练集,5个样本为预测集.结果表明,与BP神经网络相比,该种网络具有设计简单与收敛快的优点,对给定的数据能完全识别,预示着通过对晶状体中的微量元素含量的分析,可能作为白内障患者诊断的一种辅助手段.     

基于光谱技术的杨梅汁品种快速鉴别方法的研究

为了实现杨梅汁品种的快速无损鉴别,提出了一种用可见和近红外光谱技术快速鉴别杨梅汁品种的新方法。首先采用偏最小二乘法进行模式特征分析,经过交互验证法判别,确定最佳主成分数为9。完成特征提取后,将这9个主成分作为神经网络的输入变量,建立了三层BP神经网络,实现类别预测的同时也完成了数学建模与优化分析工作。3个品种的杨梅汁样本数均为20,共计60个样本。在神经网络学习中,将其分成训练集样本51个和预测集样本9个。对9个未知样本进行预测,准确率为100％。说明本文提出的基于光谱技术和模式识别的方法具有很好的分类和鉴别能力。     

BP神经网络结合ATLD与三维荧光光谱法测量水中多环芳烃

多环芳烃(PAHs)是煤,石油,木材,烟草等燃料和有机高分子化合物等有机物不完全燃烧时产生的一种持久性有机污染物。迄今已发现有200多种PAHs,其中有多种PAHs具有致癌性。PAHs广泛分布于我们生活的环境中,水中的PAHs主要来源于生活污水,工业排水和大气沉降。使用三维荧光光谱法,结合BP神经网络与交替三线性分解(ATLD)算法对水中的PAHs进行定性和定量分析。以苊（ANA）和芴（FLU）2种PAHs为目标分析物,用甲醇（光谱级）制备样本。使用FS920稳态荧光光谱仪对样本进行检测,设置激发波长为200～370 nm,间隔10 nm记录一个数据;发射波长为240～390 nm,间隔2 nm记录一个数据。设置初始发射波长总是滞后激发波长40 nm,以消除一级瑞利散射的干扰。随后使用BP神经网络法对待测样本数据进行预处理。利用BP神经网络基于误差反向传播算法(error back propagation training,BP)原理,对测得的三维荧光数据进行数据压缩处理,该方法具有柔性的网络结构与很强的非线性映射能力,网络的输入层、隐含层和输出层的神经元个数可根据实际情况设定,并且网络的结构不同时,性能也有所差异。随后,用ATLD算法分解预处理后的三维荧光光谱数据。采用核一致诊断法确定待测样本的组分数为2。结果表明,ATLD算法分解得到两种PAHs(ANA和FLU)的激发、发射光谱图与目标光谱非常相似,能实现光谱重叠严重的PAHs(ANA和FLU)的快速定性和定量分析,实现了以“数学分离”代替“化学分离”。将预测样本导入训练好的BP神经网络中,得到处理后待测样本数据的网络均方差（MSE）均小于0.003,网络的峰值信噪比（PSNR）均大于120dB（数据压缩中典型的峰值信噪比值在30～40 dB之间,越高越好）,可见BP神经网络对样本数据的压缩效果较好。BP神经网络训练后,得到输出值与目标值之间的拟合度高,拟合系数达0.998,具有较好的数据压缩效果。使用ATLD算法对待测样本进行分解后得到平均回收率为97.1％和98.9％,预测均方根误差为0.081 8和0.098 5 μg·L-1。三维荧光光谱结合BP神经网络和ATLD能够实现痕量PAHs的快速检测。     

粒子群优化算法在混合气体红外光谱定量分析中的应用

通过将粒子群优化技术及BP神经网络技术相结合,建立了三种烃烷混合气体的红外光谱定量分析模型。混合气体主要由甲烷、乙烷、丙烷三种组分气体组成,三种组分气体浓度范围分别为0.01%～0.1%。文章首先采用主成分分析技术从红外光谱1 866个数据中提取了5个特征变量作为神经网络的输入,将气体浓度作为网络输出。然后将粒子群优化算法与BP神经网络技术相结合,对网络的隐含层节点数进行了优化选择。再对结构优化后的网络进行训练,建立气体分析模型。分析模型的标准气体验证实验结果表明,采用此方法建立混合气体红外光谱定量分析模型所用时间(大约4 600 s)比单纯采用BP神经网络进行遍历优化建模所用时间(大约24 500 s)降低5倍以上,模型预测精度水平相当,网络结构大致相同,具有一定的实践意义和应用潜力。