基于样本优化和主成分分析的多通道拉曼光谱重建及其快速成像

拉曼成像是一种无损伤、无需标记的光谱成像技术,在生物医学领域得到了广泛的应用。然而,由于大多数生物样本中的自发拉曼信号都很弱,为了获得较好的成像结果,需要较长的时间来获取高信噪比的拉曼光谱,严重影响了拉曼成像的时空分辨率,阻碍了其在快速动态体系中的应用。多通道拉曼成像是解决这一问题的有效途径之一,在多通道拉曼成像技术中,完整拉曼光谱的标定-重建算法是关键。目前,适用于光谱重建的算法有伪逆法、 Wiener估计算法等,这些方法虽然简单且易于实现,但是在应用于多通道拉曼成像时,一方面易受噪声、振动等非线性因素的直接干扰,另一方面在多通道拉曼成像中,数量相对较少的训练样本和坏样本的存在均很容易影响重建效果。为解决这两类因素的影响,本文提出了一种基于训练样本优化和主成分分析(PCA)的拉曼光谱重建算法。首先,利用滤光片理论响应矩阵函数计算训练样本的模拟窄带测量值,借助Wiener估计重建完整拉曼光谱,得到重建光谱的模拟窄带测量值,比较样本与重建光谱的窄带测量值,完成训练样本的优化;然后,基于多项式回归,拓展优化处理后的窄带测量值,降低非线性因素的干扰;最后,利用主成分分析,提取训练样本主要信息,完成转移矩阵的计算,并引入归一化处理,实现拉曼光谱的快速重建。在试验中,选取有机玻璃(PMMA)作为实验样本,利用伪逆法、 Wiener估计算法和本算法,分别完成拉曼光谱重建。采用均方根误差,评价拉曼光谱的重建精度。结果证明,该算法优于传统算法,为拉曼成像技术进一步在快速动态体系中的应用提供了理论支持。     

基于自适应免疫算法重叠拉曼谱峰的解析

拉曼光谱测量速度快,可以实现原位实时测量,现已成为过程控制中物料检测的一种重要手段。但由于环境的复杂性以及拉曼光谱信号特点,目前在线检测时难免会出现一些重叠谱峰。基于免疫算法特点,将该方法用于芳烃重叠拉曼谱峰信号的解析中,提取混合物质中单个组分拉曼谱峰信息进行分析,结果表明该方法解析快速、定量准确,相对误差低于1%,是解析重叠拉曼光谱信号的有效方法。针对现场样品检测中出现的重叠谱峰伴随荧光背景信号,提出了结合独立成分分析的自适应免疫算法,有效地解析出荧光背景信号,为复杂样品的拉曼光谱检测分析提供了新的手段。     

共聚焦显微拉曼光谱研究碱处理对稻秸发酵制沼气的影响

碱水解法以其方便高效成为稻秸发酵制沼气中广泛采用的化学预处理方法,但是碱水解对于稻秸细胞壁中高聚物成分及其空间致密交联结构的作用机理有待深入研究。采用共聚焦显微拉曼光谱和透射电镜研究了NaOH碱处理对稻秸厌氧发酵产沼气的影响。首先对未处理稻秸和碱处理稻秸进行微米级空间分辨率的拉曼光谱面扫描,然后对这两类样本进行主成分分析,发现累计贡献率达99%的前两个主成分空间中两类样本分别呈射线状分布,两类样本分界线清楚表明碱处理导致稻叶组织的拉曼光谱响应特性发生了明显变化;进一步分析前两个主成分的载荷图,发现拉曼峰1 739,1 508和1 094 cm-1是影响主成分的重要谱带,而这三个拉曼峰分别归属于半纤维素、木质素和纤维素的拉曼散射效应;结合半纤维素、木质素和纤维素的拉曼特征峰和显微图像信息实现了组织细胞中三种成分的化学成像分析,发现碱处理破坏了稻叶组织中上述三种成分的致密空间结构,并使它们的含量明显减少,尤其是木质素。由此得出结论：共聚焦显微拉曼光谱可实现稻叶组织细胞中半纤维素、木质素和纤维素的无损检测,结合显微空间信息可实现稻秸中三种成分的化学成像分析,该研究有助揭示碱处理促进秸秆厌氧发酵产沼气的作用机理。     

基于共聚焦显微拉曼的真菌菌丝中几丁质的原位检测研究

几丁质是真菌细胞壁中一种重要的结构多糖,本文首次采用共聚焦显微拉曼技术对山茶刺盘孢菌的气生菌丝进行原位检测研究,首先确定了采集菌丝拉曼光谱的最优实验参数,并获得了菌丝,几丁质标准品和背景三种物质的典型拉曼光谱,对其中的特征峰进行归属分析,发现菌丝光谱中有明显的几丁质特征峰。然后对置于载玻片上菌丝的感兴趣区域进行拉曼光谱面扫描,通过主成分分析法发现面扫描区域中,菌丝和背景两种信号可以明显区分开来,结合主成分的载荷因子图得到了菌丝的两个主要的特征差异峰1 622和1 368 cm-1,1 622 cm-1属于菌丝中几丁质的特征峰,而1 368 cm-1是来源于菌丝中的果胶多糖。最后通过对几丁质在1 622 cm-1特征峰波段附近范围积分,绘制了几丁质在菌丝中二维和三维的化学成像图,直观且无损的再现了几丁质在菌丝中的空间分布。     

红外和拉曼光谱的煤灰矿物组成研究

研究煤灰中矿物质的性质通常从矿物组成的表征入手。为了分析两种高硅铝煤灰的矿物成分,采用傅里叶变换红外光谱(FTIR)、拉曼光谱和X射线衍射(XRD)技术对煤灰样进行了测试和综合表征,将FTIR和拉曼光谱的分析结果与XRD进行了比较。FTIR结果表明,在1 100~1 000 cm-1范围内高硅铝煤灰出现最强的特征峰,例如石英峰(1 089 cm-1)和偏高岭石峰(1 042 cm-1),它们都归属于Si-O伸缩振动。对原始红外谱图进行二阶导数处理后,可获得重叠峰的峰位,有助于更完整的解析矿物吸收峰,从而获得更丰富的矿物组成信息。煤灰中硬石膏的红外和拉曼光谱发现,在1 157,1 126和674 cm-1的拉曼光谱峰与在1 151,1 120和678 cm-1的红外光谱峰振动模式分别相同且峰位接近,还存在一些完全不同的拉曼光谱与红外光谱峰,表明这两种光谱存在互补性。尽管煤灰中锐钛矿含量很低,但由于Ti-O的极化率很高,因此拉曼光谱显示锐钛矿的144 cm-1峰远远强于石英的461 cm-1峰。XRD结果表明,煤灰中主要存在石英、云母、赤铁矿、硬石膏和未知的无定形相矿物,FTIR和拉曼光谱综合分析的结果表明除了这些矿物,还存在偏高岭石、无定形氧化硅、长石、方解石和锐钛矿等。在定性分析方面,将FTIR和拉曼光谱结合起来比XRD单独获得的矿物组成信息更为详细。     

基于高斯核主成分分析的多通道拉曼光谱重建

针对多通道拉曼成像系统常会受荧光背景、噪声等非线性因素的影响而导致拉曼光谱重建结果一般的问题,提出了一种基于高斯核主成分分析的拉曼光谱重建算法.首先利用相似度因子对标定样本数据集进行预处理,其次通过高斯核函数将标定样本以非线性形式映射至高维特征空间,接着在特征空间中对映射后的数据集提取基函数并通过伪逆法求得与之对应的基函数系数.使用聚甲基丙烯酸甲酯作为测试样本,并引入均方根误差来评估拉曼光谱重建结果的准确性.实验结果表明,相比传统的伪逆法与维纳估计法,该算法具有更高的重建精度及抗噪能力,且能有效降低标定样本中不良数据和成像系统中非线性因素对拉曼光谱重建的影响.因此,该算法可以为多通道拉曼快速成像提供一种有效的拉曼光谱重建算法.     

基于集合经验模态分解的拉曼光谱信号特征研究

拉曼光谱信号是一种基于分子振动的散射信号,拉曼光谱仪的激光源波长一般为纳米级,考虑到散射频移,拉曼光谱有效信息主要集中在较高频段。拉曼信号是典型的非平稳信号,并且由于拉曼散射比较弱,信号很容易被高频噪声和荧光背景干扰,想获取较为全面的拉曼信息,需要对信号进行处理,小波变换对拉曼信号的分析结果取决于小波基的选择,不同小波基处理结果有差异;经验模态分解(EMD)方法可以自适应的分析信号,不需要设置参数,但存在模态混叠的问题;集合平均经验模态分解(EEMD),有效的解决了EMD方法中存在的模态混叠问题,能更加清晰的将信号中的不同频率成分划分开来,因此更加适合频率成分丰富的拉曼信号的特征分析和处理。采集了市面上常见的大豆油、花生油、玉米油和葵花籽油样本,通过拉曼光谱仪获得了各自的拉曼光谱信号。使用集合经验模态分解对食用油拉曼光谱信号进行自适应分解和处理,一共获得了10阶固有模态函数(IMF),根据信号的能量分布以及幅值特性, IMF1和IMF2表征为信号中的噪声部分, IMF3-IMF7表征为拉曼特征信号部分,最后一阶IMF10表征为荧光背景成分, IMF8和IMF9为其他物理意义的频率成分。通过对有效信号段的特征增强并重构拉曼信号,使拉曼信号的信噪比获得了2～5倍的提升,其中,难以探测的酯键羰基伸缩振动位于1 745 cm~(-1)的谱峰得到了显著的增强。最后,将原始信号和经过特征增强的信号通过基于连续小波变换的惩罚最小二乘法进行了二次处理,并将获得的信号进行主成分分析后,可知:没有增强的不同类数据样本相互有重叠,不存在明显的类间距,很难完整的区分类型;基于特征增强的数据样本各自聚集,每种类型都可以相互鉴别,可为拉曼光谱信号处理提供一种新的途径。     

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...     

一种危险液体混合物的拉曼光谱定性定量识别方法

危险液体混合物的拉曼光谱定性定量分析一直是现场应用难点,为解决该问题,分析了多种物质混合后拉曼光谱的峰位、峰值、峰型变化情况,选取拉曼光谱关键特征峰进行数学简化,构建了从混合物物质成分到混合物拉曼光谱的映射关系,该映射关系描述多种物质成分混合的混合物拉曼特征峰响应只和混合物中各成分本身拉曼特征峰响应以及各物质成分混合比例有关,各物质成分按混合比例贡献拉曼特征谱峰,共同形成最终的混合物拉曼光谱。由该映射关系求逆,可实现从采集到的混合物拉曼光谱计算出各物质成分的混合比例。基于此,设计了危险液体混合物成分定性定量识别方法,主要方法步骤包括,首先进行拉曼光谱数据采集,然后进行拉曼光谱数据处理并获得拉曼特征峰,再进行测试样品与数据谱库标准品的正反向特征峰匹配,如果正反向特征峰匹配系数都比较高,在满足一定阈值条件下,可认定测试样品是某种纯净物,如果不是纯净物,则进入混合物分析,通过拉曼光谱特征峰反向匹配系数筛选,确定混合物成分构成,混合物成分确定后再进行混合物成分比例计算,最终实现危险液体混合物定性定量分析。实验部分,选定丙酮、甲苯、三氯甲烷、乙醇及其混合物进行实验验证,当混合物样品是丙酮、乙醇两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.245 7,乙醇占比0.706 0;当混合物样品是甲苯、三氯甲烷两种成分按3∶7比例混合时,经拉曼光谱识别方法计算,混合成分计算值是甲苯占比0.323 4,三氯甲烷占比0.763 0;当混合物样品是丙酮、甲苯、乙醇三种成分按4∶3∶3比例混合时,经拉曼光谱识别方法计算,混合成分计算值是丙酮占比0.795 9、甲苯占比0.303 5、乙醇占比0.287 5,实验结果表明,当危险液体混合物成分是两种或三种成分混合时,混合成分计算值基本和实际值吻合,应用危险液体混合物的拉曼光谱定性定量识别方法,可较准确的从拉曼混合光谱中解析出各混合物成分以及各成分在混合物中的比例,可以判断混合物每个拉曼特征谱峰都来自于哪个成分或哪些成分拉曼特征谱峰的混合,谱图解析结果良好,对危险液体混合物现场分析鉴别有较大应用价值。     

拉曼光谱乙醇含量测量基线校正算法研究

采用拉曼特征峰峰比法进行乙醇含量的定量分析时,两峰值强度对定量分析精度有决定作用。为获得准确的乙醇含量信息,本文采用自主研制的激光拉曼乙醇含量检测系统实验获得不同浓度乙醇溶液拉曼光谱特征峰与本底水峰相对强度关系,研究了适用于大范围乙醇浓度定量分析的快速实时基线扣除算法。分别采用小波分析和基于极值自适应缩放的方法去除荧光背景,实现光谱基线校准。基线校准处理后,两种方法均能消除突变噪声及强荧光背景的影响而读取出拉曼峰强度。采用e指数数学模型对拉曼峰值强度比随乙醇浓度变化关系进行非线性回归分析。结果表明,小波分析方法非线性拟合相关系数高于0.980,基于极小极大值自适应缩放的方法非线性拟合相关系数高于0.982。     

绿豆种子萌发进程的显微拉曼成像研究

种子萌发不同阶段内化合物的变化一直是代谢组学的研究热点。本实验基于拉曼高光谱成像研究了绿豆种子萌发过程中子叶、胚芽和胚根的变化,对绿豆萌发不同阶段的三种器官切片进行拉曼成像测试,采用多元曲线分辨交替最小二乘(MCR-ALS),得了每个主成分对应的相对浓度及其纯光谱。在对成像数据的处理中,提出主成分选择重构这一可以去除噪声的方法。结果表明,对萌发不同阶段的的绿豆子叶拉曼成像进行MCR-ALS得到的主成分可解释原光谱的比例均超过0.99,揭示了显微拉曼成像技术作为一种活体无损的检测方式对于绿豆萌发进程中代谢物研究的可行性。     

基于稀疏主成分分析的乳制品拉曼光谱特征提取及解析技术研究

实验采集了三种不同品牌乳制品的拉曼光谱数据,并分别进行了主成分分析法(Principal Component Analysis,PCA)和稀疏主成分分析法(Sparse Principal Component Analysis,SPCA)处理。PCA特征提取结果显示前三个主成分贡献了超过90%的信息,可实现乳制品品牌的分类识别,但是PCA的载荷向量图较为复杂,而SPCA的载荷向量图清晰明了,直观上便能凸显乳制品拉曼光谱的重要特征信息,增强了稀疏主成分的可解释性。进一步结合乳制品拉曼光谱谱图的化学先验信息,可以实现特征提取成分的信息归属解析。因此,实验结果表明运用稀疏主成分分析法能有效提取解析乳制品拉曼光谱谱图中的有效特征信息。     

字典学习稀疏表示的高光谱图像异常检测

针对稀疏表示高光谱检测算法性能受背景字典影响较大的问题,充分利用高光谱图像空间信息和光谱主成分信息,提出了一种基于字典学习的稀疏表示异常检测算法。首先利用主成分分析提取高光谱数据的主特征,建立目标主成分空间,并证明了在主成分空间进行字典学习稀疏重构的可行性;然后在主成分空间内构造基于K-SVD算法的训练字典,改善了背景字典性能;采用正交匹配算法重构主成分分量,利用主成分分析反变换得到待检测像元重构光谱,增强了高光谱图像的局部异常特性;最后,基于重构误差异常特性实现高光谱图像异常检测。仿真结果证明了该方法的有效性。     

姜油细胞原位拉曼光谱研究

提出一种用拉曼光谱原位分析新鲜姜油细胞中姜油主成分的方法。用徒手切片制备新鲜姜样品,该样品置于DXR 激光共焦显微拉曼光谱仪下,用20倍物镜观察到油细胞,将激光聚焦在该油细胞上,获得了姜油细胞中姜油的拉曼光谱,共21条谱峰。不同油细胞上获得的拉曼光谱非常相似。获得了姜精油的拉曼光谱,与姜精油拉曼光谱的37条谱峰比较,油细胞有19条谱峰与之有对应关系。为了解释油细胞精油及姜精油的拉曼光谱,用密度泛函理论计算了姜烯的拉曼光谱。姜精油拉曼光谱有31条谱峰,油细胞中有19条谱峰与计算光谱有对应关系。该研究提供了一种拉曼光谱技术与密度泛函理论计算结合的快速容易的精油质量控制方法。     

利用显微拉曼光谱和光谱成像技术分析指纹残留物的研究

利用共聚焦显微拉曼光谱技术,对玻璃片上的油脂指纹进行分析研究。根据其特征峰位置和数目将样品进行分类,并对特征峰所对应的分子振动基团进行指认。在此基础上,对玻璃片上的油脂指纹进行拉曼光谱成像,从而获得油脂指纹纹线物质在空间上的分布情况。实验结果表明,共聚焦显微拉曼光谱技术可以区分不同成分的指纹残留物,拉曼成像技术可以同时获得指纹的图像和物质成分,对于油脂指纹的提取和分析有广阔的应用前景。     

基于主成分分析-二阶导数光谱成像的红外显微图像分析

红外显微成像技术将红外光谱技术和显微技术相结合,不仅可以提供测试样品的光谱信息而且能够提供测试样品的空间分布信息。然而复杂样品的红外显微图像谱峰重叠严重,无法直接获得目标组分的分布信息。将因子分析与光谱分离技术相结合提出了主成分分析-二阶导数光谱成像方法。通过兔子动脉红外显微图像中胆固醇分布的成像实验,验证该方法的可行性和有效性。实验结果表明,该方法可以提高光谱分辨率,挖掘隐藏于重叠谱峰中的有用信息,是一种有效的红外显微图像分析方法。     

MCR-BANDS用于高光谱成像分辨中旋转模糊度的评估

自建模曲线分辨用来将双线性光谱数据矩阵分解成具有明确物理或化学意义的曲线,一方面反映了复杂体系中各个主成分对应的纯光谱,同时也能够解析得到其对应的相对浓度。这一方法在高光谱解析中充分发挥了其优势,成为了高光谱分析中的重要方法之一。然而,双线性结构数据多元分辨模型在约束不充分的条件下往往不能获得唯一解,这一问题是由顺序模糊、尺度模糊和旋转模糊引起,其中旋转模糊最难消除。在高光谱成像中,如果不能明确浓度分布情况,将导致在成像领域难以确认目标的准确位置或形貌。为了充分了解旋转模糊带来的影响,评估非唯一解情况下可行解的范围,并进一步为实际应用中需要解析获得的每个主成分的纯光谱或波谱信号,以及其对应的浓度信息提供客观的评估依据,在以往的研究中,研究人员分别使用网格法、蒙特卡洛法进行抽样,以计算曲线分辨结果中可行解的范围,也有科研人员使用了几何多边形内部和外围面积的形式表示结果,但是这些结果往往面临运算时间过长,或者无法实现高维可视化而不适用于大于四个主成分的数据等问题,而且通常这些方法很难将曲线分辨过程中施加的除非负约束之外的其他约束方法加以利用,导致可行解范围计算不准确。为了解决以上问题,采用MCR-BANDS对MCR-ALS（多元曲线分辨-交替最小二乘）分辨获得的结果进行了旋转模糊程度的评估,并将其应用到遥感高光谱成像的解析中。首先以美国地质勘探局矿物光谱库中的纯光谱为基础的模拟数据集对MCR-ALS和MCR-BANDS的结果进行了评测,在模拟数据中能够方便地控制噪声的影响,控制选取主成分之间的纯光谱差异、仿照真实环境中浓度渐变特征等因素,考查了特定条件下MCR结果中旋转模糊的水平。随后为了证实所用方法的可行性,进一步采用MCR-ALS分析了机载可见/红外成像光谱仪（AVIRIS）获得的遥感高光谱图像数据,并首次采用MCR-BANDS对MCR-ALS的分辨结果的旋转模糊进行了分析,实现了对遥感高光谱数据成像浓度分布的受到旋转模糊影响的可视化表示。可以发现真实解和MCR-ALS获得的可行解均在MCR-BANDS计算得到的可行解范围之内。结果表明,MCR-BANDS方法基于最大和最小的信号贡献对旋转模糊的范围进行计算,能够适用于不同主成分的体系中,并且完美对接MCR-ALS中使用到的诸如非负、单峰、封闭和选择性约束等。MCR-BANDS的分析结果可以为MCR-ALS的解析结果提供相应的旋转模糊水平估计,有利于对MCR-ALS结果的解释;在充分约束条件下,能够有效减少甚至消除旋转模糊对MCR-ALS分辨结果的影响,为精确确定遥感高光谱中解析得到的目标物位置提供了客观的范围。     

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。     

拉曼光谱的荧光背景扣除及其用于药物聚类分析

拉曼光谱分析中,由于有机分子或样品中污染物的荧光影响,常会使拉曼光谱产生高背景信号,以致其拉曼光谱吸收信号被淹没。利用自行开发的软件包baselineWavelet,本文对醋酸泼尼松片和格列本脲片的拉曼光谱进行了荧光背景扣除研究,采用主成分分析和随机森林算法对它们进行聚类分析,得到了较好的结果。通过这2种药物的拉曼光谱聚类分析结果,检验了该背景扣除算法的有效性和准确性,并讨论了荧光背景对拉曼光谱聚类分析的影响。结果说明,荧光背景对拉曼光谱聚类分析影响很大,在分析前必须预先扣除。     

饱和一元酸类化合物的拉曼光谱研究

通过实验检测获得了甲酸、乙酸、丙酸、丁酸四种-元酸的拉曼光谱.应用密度泛函理论对四种酸分子进行了模拟计算,计算结果与实验拉曼光谱吻合度较高,分别对四种酸的特征振动峰进行了详细的分析和振动归属.研究结果表明,甲酸的拉曼光谱与其他三种酸差异较大;乙酸、丙酸和丁酸的拉曼光谱具有一定的相似性,但主强峰位置和次强峰的强度存在着明...