利用光源附近微区漫反射测量组织微观结构参数γ的方法

提出一种利用光纤探头测量组织微观结构参数γ的方法.根据Intralipid组织模拟液球状分形结构,采用蒙特卡罗模拟方法得到光子经Intralipid漫反射的数据样本,通过对数据进行非线性拟合,建立漫反射率与γ的函数关系.研究发现漫反射率与无量纲的约化散射系数μ_s′ф(ф是散射光的收集孔径)呈线性关系,其斜率是γ的二次函数.实验中以Intralipid为样本得到了不同μ_s′ф下的漫反射率,验证了漫反射率与μ_s′ф的线性关系,并利用其斜率获得了Intralipid的γ值为2.04,分形维数为2.93,各向异性因子为0.816,与文献报道相符,验证了该方法的可行性.     

基于近红外光谱技术和人工神经网络的玉米品种鉴别方法研究

提出了一种采用近红外光谱技术结合人工神经网络对玉米品种进行鉴别的方法。在3 800～10 000 cm-1(波长1 000～2 632 nm)范围内采集四种玉米单粒完整籽粒的近红外漫反射光谱,经Savitky-Golay平滑和多重散 射校正预处理后,对数据进行主成分分析,再结合人工神经网络技术进行品种鉴别。主成分分析表明,前8个主成分的累积贡献率达到99.602%。以前8个主成分作为网络输入,品种类型作为输出,建立三层LMBP神经网络模型。每个品种 各取30粒共120个样本用于建模,10粒共40个样本用于预测。模型对建模集120个样本鉴别率为100%,对预测集40个样本的鉴别率为95%。实验结果说明该方法能快速无损地鉴别玉米品种,为玉米的品种鉴别提供了一种新方法。     

含有高阶参量的生物组织光学漫反射的半经验解析模型

漫反射光谱技术对生物组织快速和无创测量具有非常重要的意义,但缺乏精确的关于漫反射的解析解限制了该技术有效的应用.本文根据光子迁移理论和二阶相似关系推导了半经验公式,然后利用Monte Carlo方法研究了二阶参量γ对半经验公式的影响.研究表明,当小孔径收集漫反射光时,反射率与γ成二次函数关系.与其他含有高阶参量γ的解析模型相比,本文提出的半经验解析模型具有简单的数学形式,这为生物组织光学参量测量和漫反射光谱应用提供了新的理论和技术支持.     

基于扩散理论的生物组织固有荧光光谱复原方法研究

组织固有荧光光谱定义为未受生物组织吸收、散射作用影响的荧光光谱,能够直接反映组织微观结构和生物化学性质信息。为了减少吸收和散射特性对组织荧光光谱的干扰,从实测的组织荧光光谱中复原更能反映组织荧光特性的组织固有荧光光谱,搭建了基于光纤探头的组织光谱测量系统,实现生物组织相同位置处的荧光光谱和漫反射光谱测量。提出运用扩散理论从实测的漫反射光谱中提取组织生理参数,包括组织中血液体积分数、血氧饱和度、黑色素含量以及波长500 nm处约化散射系数和瑞利散射在总散射中的比例,进而计算可见波段范围内的组织光学参数;然后,根据组织光学参数和实测的漫反射光谱,从实测的荧光光谱中复原得到组织固有荧光光谱。进行临床试验验证,采集受试者皮肤组织荧光光谱与组织漫反射光谱,并复原皮肤固有荧光光谱。通过复原得到的固有荧光光谱反映人体皮肤糖基化终产物积聚量,并最终用于糖尿病无创筛查。结果显示,分别使用实测的荧光光谱和复原得到的固有荧光光谱用于糖尿病筛查时,在特异性水平同为75%时,敏感性分别为69%和90%。     

平稳状态下匹配介质三层漫射方程的空间分辨漫反射

如果应用漫射方程分析和确定生物表面组织的光学特性,就能够确定生物活体是否发生病变,实现生物活体的无损探测。目前,光在生物体内传播常用的基本模型是半无限厚模型和两层介质模型。而实际上,人体组织为多层介质。根据漫射方程理论,在平稳状态条件下,使用外推边界条件,精确给出了匹配介质中平稳状态下三层体系光的漫射方程格林函数的解。通过此解,可以算出空间分辨漫反射。使用蒙特卡罗方法来验证三层体系的漫射方程,发现我们给出的理论解,不仅可以包括与Kienle的结论一致的两层体系模型的空间分辨漫反射的解,而且三层体系漫射方程的空间分辨漫反射解和蒙特卡罗方法基本一致。     

互连导线串扰问题的人工神经网络预测

提出应用人工神经网络对互连导线间串扰问题进行预测的方法.选择对互连导线串扰响应有影响的相关参数作为输入预测因子,用基于误差反向传播的BP网络构造输入预测因子与串扰响应输出之间的映射关系,并用MTL和FDTD法计算获得的训练样本集对构造好的BP网络进行训练,建立基于BP网络的导线串扰的预测模型.最后,将串扰的BP预测结果和和测试样本进行比较,表明该方法有效.     

光在多层匹配生物组织中的时域传输模型

建立了匹配介质的n层半无限厚频域方程的解，并对频域进行傅里叶变换，计算出时域方程的时间分辨漫反射（Time-resolved Reflectance）.为检验漫射模型的准确性,将时间分辨漫反射与蒙特卡罗（Monte Carlo）模拟结果进行了比较,结果表明两者符合得很好.研究表明：该时域漫射模型可以判断生物组织和病变的光学特性.     

散射相函数的高阶光学参量研究

漫反射光谱技术被广泛应用于无创测量生物组织光学性质。当光源与探测器很近时,仅仅依靠吸收系数μ_a和约化散射系数μ′_s不能准确描述光源附近光的传播状态。而二阶光学参量γ的引入改善了近光源光的传播状态的描述。本文将生物组织的散射等效成特定球形颗粒的散射,基于Mie散射理论,计算了与散射相函数p(θ)有关的单粒子和多分散系粒子的二阶光学参量γ,研究了γ随尺度参数α和相对折射率m的变化规律,描述了γ与组织结构参量之间的联系,并阐述了γ对粒子特征的表征能力。研究表明,参量γ对尺度参数α小于2的微粒尺寸的改变是敏感的,并呈二次函数关系,其系数与相对折射率呈线性关系;对于相对折射率和尺度参数都不相同的两个粒子,他们的各向异性因子g相同时,二阶光学参量γ却不同,粒子越大,γ表征粒子特征的能力越强。这对于无创探究组织微观形态具有深远的意义。     

近红外光谱对天然岩石中矿物成分含量测定的研究

使用近红外光谱仪获取由高岭土、白云母和蒙脱石三种岩石矿物粉末混合成的模拟天然岩石样本的近红外漫反射光谱信息,通过标准归一化(standard normal variable)的方法对光谱数据进行预处理,采用随机森林(random forest)进行数学建模,对岩石样本的组成成分进行预测,预测得到三种岩石成分最小均方根误差分别为：0.088 0,0.095 6,0.121 2。实验结果表明应用近红外漫反射光谱来测定天然岩石中各种矿物成分的含量是可行的,为今后岩石成分的快速检测提供了理论依据。     

人工神经网络分类鉴别苦丁茶红外光谱

为了分类鉴别苦丁茶,采用竞争神经网络(CNN)和反向传播人工神经网络(BP网络)两种模式的人工神经网络(ANN)分别分析了各种苦丁茶的红外谱图。作者采用25个样本作训练集,11个样本作检验集,用两种网络进行了训练。结果表明,CNN网络和BP网络均能够有效地实现苦丁茶产地的鉴别,但CNN网络能够进一步地区分苦丁茶的级别。实验表明,CNN速度快,预测结果准确,可望用竞争神经网络(CNN)和红外光谱法结合分类鉴别苦丁茶。     

血液可见吸收光谱与血氧参数神经网络估算法

总血红蛋白浓度和血氧饱和度是两个基本的血氧参数。文章提出了利用内置双光纤微创探头在位测量大鼠脑组织血氧参数的新方法。首先,利用悬乳液(Intralipid)和全血配置不同总血红蛋白浓度的混合溶液,模拟生物组织模型,用光纤光谱仪测试系统测量组织模型在加氧和去氧时的实时吸收光谱,同时用血氧分析仪(OXI meter)对血氧参数定标,建立测试光谱和定标数据样本集。然后,利用人工神经网络建立血液吸收光谱与血氧参数的神经网络模型,训练后的网络模型能根据吸收光谱输出生物组织的血氧参数值,总血红蛋白浓度和血氧饱和度的平均输出误差分别为±4μmol·L-1和±5%。最后,利用神经网络模型对大鼠脑组织血氧参数进行了在位测试实验,测得脑灰质的血氧饱和度为0.60~0.70,脑白质血氧饱和度为0.45~0.55;总血红蛋白浓度在脑皮层(深度1mm)附近最高,平均110μmol·L-1,其余深度脑组织的总血红蛋白浓度为70~90μmol·L-1。这种方法对脑外科微创手术中实时在位测试脑组织血氧参数具有重要的参考意义。     

采用氧合血红蛋白吸收带的漫反射光谱比率R540/R575检测人胃癌

采用氧合血红蛋白吸收带的平均漫反射光谱比率(R540/R575)对离体的人正常胃、未分化胃腺癌、胃鳞状细胞癌和低分化胃腺癌的上皮粘膜组织进行鉴别诊断.实验采用带积分球附件的分光光度计测量组织样品在400 nm～600 nm的漫反射光谱.实验结果表明,在相同的波长范围内,人的未分化胃腺癌、胃鳞状细胞癌和低分化胃腺癌的上皮粘膜组织的漫反射光的强度较人正常胃的上皮粘膜组织的漫反射光强度要显著地低的,尤其是在氧合血红蛋白的吸收带540 nm和575 nm波长处,人正常胃、未分化胃腺癌、胃鳞状细胞癌和低分化胃腺癌的上皮粘膜组织的平均漫反射光谱比率分别是(94.25±2.4)%,(109±3.0)%,(1032±2.8)%和(98.6±2.6)%.     

用于离焦图像焦点预测中的深度学习不确定性建模

自动数字显微镜的关键技术之一就是自动对焦,为了提升对焦的速度,越来越多的深度学习方法被引入用于单帧图像的焦点预测。然而几乎所有的网络模型都过分信任其输出的结果,面对未知的样本即使输出错误的结果也不会给出任何警示。利用贝叶斯卷积神经网络的实现,可从单张图像中完成离焦距离的预测,并获得焦点预测结果的不确定性估计,此外提出通过设置不确定度阈值实现对焦点预测结果的筛选。在一个大型开源数据集上进行了测试,利用不确定性估计评估预测结果的有效性。结果表明,对比同类型样本,所提出的网络模型在未知样本上能够输出更高的不确定度,建立的筛选机制能有效减小模型在未知样本上的预测误差。在公共数据集上的两个样品的最终误差范围为0.37±0.46μm和0.83±1.17μm,优于筛选前的0.40±0.66μm和1.08±1.78μm。     

荧光光谱-人工神经网络法同时测定注射液中色氨酸和酪氨酸

本文用人工神经网络法中的误差反传学习算法对色氨酸、酪氨酸混合体系的荧光光谱进行解析,提出了同时测定这两种氨基酸的计算分析方法。以pH=7.15的KH_2PO_4-K_2HPO_4的缓冲溶液为介质,用224nm为激发波长,在290～400nm的范围内,以14个特征波长处的荧光强度值作为网络特征参数,进行网络训练。网络训练了12次即达到误差精度要求(误差平方和小于0.1)。以同样方法对复合氨基酸注射液进行测定,通过训练好的网络进行色氨酸、酪氨酸含量的计算,相对误差分别为4.0％和2.6％。实验表明,该方法与现有的算法相比具有训练速度快、预测结果准确度高等特点。该方法与荧光法结合有望成为多组分分析的有效方法之一。     

涂料颜色配方预测的人工神经网络模型实验研究

人工神经网络技术近年来在颜色空间变换或色域映射的研究中显示了特有的效果。人工神经网络用于粉末涂料配方的预测,其特点是用BP算法神经网络建立粉末涂料反射样品的标准色度参数与配方浓度参数之间的映射关系。通过对典型颜色样本训练和预测,结果表明基于多隐层BP网的模型可以实现粉末涂料样品的配方浓度空间与标准三刺激值颜色空间的相互映射,即用BP网络实现粉末涂料的配方预测。     

基于delta-P1近似模型的空间分辨漫反射一阶散射参量灵敏度研究

以delta-P1近似光学模型为基础, 推导了双点源近似下空间分辨漫反射一阶散射参量μ_s'灵敏度的解析式, 并进行了数值分析和比较. 研究表明, 与混合漫射近似模型和漫射近似模型相比, delta-P1 近似模型能更好地描述强散射较强吸收情况下近光源区域生物组织漫反射光子的分布, 且在有效反照率a'>0.83时, 获得最佳优化距离ρ_opt, ρ_opt 随μ_s' 的增大而减小, 且在距光源约2.7—4个输运平均自由程处μ_s'的变化对测量吸收的影响最小. 这项研究对于优化传感器几何结构以及生物组织光学参量的测量具有重要意义.     

基于人工神经网络的肉类光谱识别

利用自组的光纤探头式光谱仪对载体肉类表面进行光谱测量,采用反向传播人工神经网络(BP-ANN)对肉类可见光谱进行识别,分析了隐层神经元、期望误差、判别输出范围等网络参数的调整对识别功能的影响.基于大量实测数据样本,优化网络结构参数选择,建立了良好的人工神经网络,对肉类光谱识别率达到97.5%.     

激光应用 激光医学

R318．51 2006065004生物组织中高阶光学参量对空间分辨漫反射的影响=In- fluenee of high-order parameters on tissue spatially re- solved reflectance[刊,中]/单筱莜(鞍山师范学院．辽宁,鞍山市(114005))．刘迎…//光电子·激光．—2006,17(6)．—767-771采用Monte Carlo方法研究了生物组织的二阶和三阶光学参量对空间分辨漫反射率R(ρ)的影响。当光源与探测器问距离ρ为几个输运平均自由程l_1时,漫射近似理论不再适用,R(ρ)与散射相函数的高阶Legendre矩有关。     

应用最小角回归索套算法优选苹果糖度预测模型的建模样本和波长

糖度是评价苹果内部品质的重要指标之一。建立苹果糖度预测模型时,建模样本和波长的质量影响模型的准确性和后期的更新维护。以90个苹果样本为研究对象,采集350～1 150nm波段共1 044个波长的苹果近红外漫透射光谱,研究基于最小角回归索套算法(LASSOLars)优选建模样本和波长的有效性和可行性。结合使用Norris平滑、一阶微分和归一化变量排序对光谱预处理。根据浓度排序划分样本集的75%为原始训练集(68个)和25%为预测集(22个),使用LASSOLars建立优选训练集,对比LASSOLars和蒙特卡罗无信息变量消除、竞争性自适应重加权法,从样本、波长的数目和分布以及模型的结果进行对比分析。结果表明,优选训练集压缩了原始训练集16%的样本,在不改变原始训练集平均水平的前提下,更接近预测集分布,没有削弱模型质量。优选和原始的训练集交叉验证均方根误差RMSECV分别为0.460和0.491,交叉验证决定系数R²_CV分别为0.913和0.916,预测集均方根误差RMSEP分别为0.462和0.471,预测集决定系数R_P<...     

基于波段注意力卷积网络的近红外奶粉皮革水解蛋白掺假检测

近年来,深度学习技术在近红外光谱、拉曼光谱、荧光光谱等的光谱学数据建模上取得一系列突破。由于深度学习方法对于样本数量的需求高,而在分析化学领域获得大量有标签样本较为困难,因此过拟合问题一直是深度神经网络在化学计量学中应用时研究者高度关注的问题。该工作提出基于波段注意力卷积网络(WA-CNN)的近红外数据建模方法,并应用于婴儿配方奶粉皮革水解蛋白(HLP)掺假定量分析。WA-CNN在传统卷积网络的基础上加入波段注意力模块,该模块采用卷积操作自训练波段注意力权值,并以乘法加权形式对有效波段进行激活,从而有效缓解深度神经网络在近红外数据建模中的波段信息冗余问题,达到抑制过拟合,提升预测精度的目的。研究中共测试100个皮革水解蛋白掺假婴儿配方奶粉样本的近红外光谱数据,其中皮革水解蛋白的掺假比例范围是0%～20%。采用60%的样本训练,剩余40%样本测试,随机采样10次,通过测试集均方根误差(RMSEP)、决定系数(R2)以及相对分析误差(RPD)的均值来进行模型评价。并建立偏最小二乘回归(PLS)、支持向量机回归(SVR)和常规的一维卷积神经网络(CNN)三种传统模型用于对比。与上述对比方法相比,WA-CNN取得最优的模型预测结果,最终获得了RMSEP=1.32%±0.12%,R2=0.96±0.01,RPD=4.92±0.41的掺假定量预测结果。此外,实验结果还表明,相比于传统CNN,WA-CNN在训练过程中对于训练集及测试集损失函数都具有更快更稳定的收敛速度。在20%～80%的不同训练样本数量情况下,WA-CNN相比于三种对比方法均取得最优的模型预测结果。