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。     

BP神经网络用于肝炎患者舌诊近红外光谱的研究

为了对肝炎患者进行快速无创检测,用BP人工神经网络(ANN)方法在健康人与肝炎患者之间对人体舌面近红外光谱的反射率的关系进行关联方面的研究。分别采集了健康人和肝炎患者的舌左边、舌右边、舌下左边络脉、舌下右边络脉以及舌尖各部位各25例受试者的光谱数据,构造了一个3层神经网络结构,将所采集的各光谱数据进行归一化反射率预处理后作为神经网络的输入,建立了BP神经网络模型,分别选取对应的各个部位的40例作为训练样本集,用剩下的10例未知的样本进行预测,各部位测试的结果其相对偏差均在0.2以下,分类正确率为100%,达到满意的预测精度。结果表明提出的BP神经网络用于光谱舌诊进行无创检测识别不同病证提供了重要的参考价值。     

可见-近红外反射光谱用于疾病快速筛查

为了探讨基于舌诊的疾病快速筛查,运用可见和近红外光谱仪,采集149名志愿者舌尖的反射光谱并且进行反射率归一化处理.根据临床诊断结果将样本分为4组:健康组、高粘血症倾向组、脂肪肝患者组和冠心病患者组.运用主成分分析(PCA)结合人工神经网络(ANN)方法、偏最小二乘(PLS)方法和间隔偏最小二乘(iPLS)方法3种方法建...     

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。     

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...     

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。     

光调制技术用于提高光谱法舌诊的测量信噪比

为了解决光谱采集受环境光干扰严重的问题,首次将光调制技术用于提高光谱法舌诊测量的信噪比。系统采用调制盘对参考光信号强度进行调制,运用此装置采集同一被测体在分别叠加绿色、紫色、红色激光以及自然环境光干扰情况下的反射光谱,对采集来的数据运用离散傅里叶变换进行解调,提取最大谐波分量,然后对提取的最大谐波分量进行归一化,绘制解调后的光谱曲线,通过比较发现,不同干扰情况下所测同一被测体经过调制解调后的反射光谱曲线走向基本一致,结果表明光调制技术能够去除舌体反射光谱采集中环境杂散光的干扰,为高信噪比舌诊光谱数据采集提供了一种新途径。     

基于光谱的中医舌色客观化方法初探

为了更加客观地反映舌的生理、病理变化,探讨了基于光谱的舌色客观化的新方法。按照国际照明委员会推荐的测色标准照明和观测条件测量舌体的反射光谱,并将测量得到的反射光谱进行归一化处理,以尽可能地除去光源等测量条件变化带来的影响。将光谱学的方法应用于舌诊领域,在多个波长上精确分析舌色信息,能够更加客观准确地刻画舌的颜色,提供更多与人体健康状况相关的微观信息,如舌组织成分、微循环状态和舌组织结构等,克服了以往方法不能准确、祥实反映组织成分、结构以及微循环状态,量化指标不精确、实用性差的缺点。通过对物体和人舌光谱数据进行的初步采集实验,证明相比于现有的比色法,光谱法既可以更全面、深入、客观地反映人舌所携带的生理和病理信息,突出舌色的细微区别,又可以用特征参数准确度量来表征,与现有物理基准相衔接,从而促进舌色客观化的研究进程。     

人体舌苔的反射光谱特征分析

望舌苔是中医舌诊的重要组成部分,对舌苔定性以及定量分析对于阐释舌苔携带的生理病理信息起着非常重要的作用,也是中医舌诊客观化研究的一个重要内容,提出舌苔的光谱分析法。采用Usb4000可见光谱仪对80例样本进行舌体附着舌苔部位以及无舌苔附着部位的反射光谱数据采集,并对所采集的光谱数据进行分析,发现同一个体的舌体不同部位的光谱特征与有无舌苔附着存在一定的相关性,进一步对采集的光谱数据进行比较发现,光谱曲线在500～600 nm之间存在较大差异,差异最大处于579.39 nm,同时对不同苔色光谱曲线进行了比较,不同苔色及苔厚在光谱上存在较大差异,实验结果表明,人体舌苔苔色、厚薄、润燥的不同,造成光谱特征上存在差异,与当前中医舌诊客观化普遍采用的比色法相比,反射光谱能够反映更多的舌体生理、病理信息,同时实验结果也说明,舌质、舌苔光谱特征的差异为进一步的舌质、舌苔分离奠定基础,从而有望为人体舌苔定性和定量分析提供客观指标,促进中医舌诊客观化。     

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。     

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。     

基于PCA-BP神经网络的EDXRF分析测定地质样品中铁、钛元素含量的应用研究

为实现地质样品中元素含量的准确预测,提出了基于主成分分析(PCA)的改进型BP神经网络模型。采用X荧光光谱法,对新疆西天山地质样品中Fe,Ti,V,Pb和Zn等元素进行测量,将得到的X荧光计数作为输入变量,应用该模型对未知地质样品中Fe和Ti元素进行定量预测。结果表明：主成分分析与改进型BP神经网络模型取得了较好的预测效果,预测结果与化学分析值的相对误差小于3%,为地质样品元素含量预测提供了一种新型有效的方法。     

辐照处理对油菜籽光谱特性影响的研究

针对油菜籽经过核辐照处理后其光谱反射特性会发生改变的特点,提出了应用可见／近红外光谱技术进行油菜籽的快速无损鉴别。利用偏最小二乘法和BP神经网络建立鉴别模型,并比较了不同光谱预处理方法、主成分数据变换方式及隐含层节点数对模型预测结果的影响。实验采用五种剂量辐照(50, 100, 150, 200Gy和不经核辐照处理)的油菜籽共135个样本进行建模,49个进行预测。结果显示,最优模型是原始光谱数据先经过中值滤波平滑法、附加散射校正及一阶求导法预处理。经PLS方法提取6个主成分经自然对数变换后,选取神经网络隐含层结点数为4个或9个。最优模型对是否经过核辐照处理的样本识别率达100%,对核辐照剂量预测精度为85.71%, 说明提出的方法可以用于评估核辐照处理对油菜籽光谱特性产生的明显影响。     

基于邻域粗糙集和并行神经网络的故障诊断

针对目前使用神经网络诊断故障时出现的输入向量选择困难、网络结构复杂、对并发故障诊断效果不好等问题,提出了基于邻域粗糙集和并行神经网络的故障诊断方法。先利用邻域粗糙集对初始征兆进行约简,留下有价值的征兆作为神经网络的输入向量,然后针对每种故障类型设计一个神经网络。用多个训练好的神经网络来并行诊断故障,综合每个神经网络的结果给出最终的诊断结论。用转子实验台的实验数据对这种故障诊断方法进行验证,结果显示该方法能优化神经网络结构,且神经网络具有训练速度快、诊断正确率高的特点。