血清胆红素的近红外光谱无创检测

血清胆红素的无创检测在疾病的预防、早期诊断与后期治疗等阶段都具有极其重要的作用.本研究提出了一种基于近红外光谱技术的无创血清胆红素新方法.通过采集舌尖的近红外反射光谱并运用偏最小二乘法对采集到的光谱数据进行建模,从而实现对血清胆红素的快速无创检测.将采集到的全部57例样本按照4∶1的比例分训练集和预测集,分别建立总胆红素(TBIL)、直接胆红素(DBIL)和间接胆红素(IBIL)的偏最小二乘回归模型.3个模型的相关系数分别为0.9922,0.9947和0.9486,预测均方根误差(RMSEP)分别为6.13,4.61和4.05 μmol/L.结果表明:舌尖近红外反射光谱结合偏最小二乘法可用于血清胆红素含量的无创检测,并且为其它血液成分的无创检测开辟了新路径.     

光谱仪动态采样时间特性的研究

在实时传输的光谱仪数据采样中,通常存在采样时间间隔不等的现象,这使得实时传输光谱仪在一些特殊场合的应用受到较大的限制,如在预测能力更强,检测精度更高的动态光谱分析法中。而恰恰在动态光谱法等时间分辨光谱分析中对光谱信号的采样定时特性要求更高,时间间隔不等会直接影响光谱分析的结果,得到失真的结论。同时与一般采样所不同的是,光谱仪是一定时间的积分采样,这无形中增加了对光谱仪定时采样特性研究的难度。因此,巧妙地利用锯齿波的幅值与时间存在一线性编码的关系,对某一型号的光谱仪进行采样时间及采样时间间隔的测试与分析,测试表明采样时间与积分时间的设置相关,同时时间间隔与积分时间也息息相关,进一步探究了该型号光谱仪在不同积分时间下采样时间间隔波动的范围。研究对注重光谱时间特性的分析法提供积分时间选取的参考依据,同时也提出了一种评估动态时间特性的方法,有利于光谱的动态特性的评估与应用。     

PLS在基于动态光谱的人体血液中性粒细胞无创测量中的应用

利用动态光谱指端透射法进行了人体血液中性粒细胞百分比无创测量的研究。对21名健康志愿者进行了在体测量,选用偏最小二乘法(PLS)对获取的动态光谱数据和中性粒细胞百分比实测值进行建模分析,建立的定标集的相关系数为0.922,最大相对误差为5.85%,平均相对误差为4.13%;对定标模型的预测能力进行了验证,其中预测集的相关系数为0.912,预测集的相对误差最大为6.74%,平均相对误差为5.07。结果表明：动态光谱法可以有效地克服测量位置及人体成分等对光谱测量的影响,较准确地进行人体血液中性粒细胞百分比的测量,是一种比较好的血液成分无创测量方法,具有较高的临床应用价值。     

无创血液成分检测中基于VIP分析的波长筛选

自变量筛选是定量光谱分析领域的研究热点,简便且高效的自变量筛选方法不但可以降低分析计算量,提高分析精度,同时还可以减轻对仪器光谱分辨能力的依赖,降低分析成本。波长筛选也是光谱法无创血液成分检测研究的重要环节。动态光谱理论为血液无创检测提供了极佳的思路,但长期局限于使用宽带光源和高分辨率的光谱仪器,分析中需要大量波长限制了动态光谱法的进一步发展。为了去除冗余信息,使检测走向低成本化和集成化,提出了基于变量投影重要性(variable importance in projection,VIP)分析的波长筛选方法。通过分析PLS模型中各维自变量对因变量的解释能力,从而剔除重要性较低的变量保留解释能力强的波长。以232例受试者的临床实验数据为基础,以血红蛋白含量为分析对象,经投影重要性分析后将波长数由586降至64,波长筛选后血红蛋白预测模型的测试集平均相对误差(MREP)为1.82%,使用了极少的波长便可得到满意的结果;结合Bootstrap方法对模型进行显著性检验后验证了波长变量的解释能力。首次指出了使用动态光谱法检测血红蛋白的敏感波长带。基于投影重要性分析的波长筛选迈出了动态光谱走向实用的重要一步,为实现低成本在线分析打下了基础,同时也为其他领域的光谱分析提供了重要的参考和新的思路。     

基于漫反射光谱法下层组织信息的最佳探测位置的研究

由于人体组织结构的复杂性和个体差异性,采用光谱分析技术实现组织内部信息的检测方法中,仍存在着检测位置不明确的问题。采用多位置空间分辨漫反射光谱法对脂肪肌肉组织中内部信息的最佳探测位置进行了研究。由于目标组织为肌肉组织,为了消除由于不同人体皮下脂肪层厚度的差异以及目标层中多次后向散射光对测量结果引起的较大误差,并根据光在复杂生物组织中的传输模型,通过增加约束条件——两条理想的“香蕉型”路径—来定义有效光子比SNR,并以SNR作为评价最佳探测位置SDS_best的标准,对优化后的Monte Carlo仿真结果进行统计分析,分别研究了脂肪层厚度h_f、脂肪层吸收系数μ_af和肌肉层吸收系数μ_am与光源探测器间距SDS之间的关系,并以h_f为自变量与SDS_best建立线性回归模型。研究表明,(1)当0<h_f<0.6 cm时,μ_af和μ_am对SDS_best几乎没有影响,而h_f与SDS_best的建模相关系数R2为0.991 8;(2)任取脂肪层厚度值0.12与0.22 cm作预测,得到预测误差分别为0.030 14和0.020 16,预测误差均能控制在5%以内。该方法能更方便、快速地为测量组织内部信息确定最佳检测位置,并有效削弱浅表组织以及目标层中多次背向散射光的干扰。     

多维漫透射光谱提高复杂混合溶液分析能力

多维漫透射光谱技术利用传统的近红外透射测量方式,增加一维扫描装置,获得透射方向上的径向光谱,并利用多点漫透射光谱对复杂混合溶液进行成分分析。实验设计了基于氙灯光源、精密电控平移台和光谱仪的检测装置,选用Intralipid-20%,India Ink和C₆H₁₂O₆共配制225种成分含量不同的混合溶液,分别测量距其透射中心点0～5 mm(间隔0.25 mm)范围内的20点漫透射光谱信号,以偏最小二乘回归算法对单点和多点漫透射光谱信号进行建模分析。实验得到India Ink含量和Intralipid-20%含量随漫透射光位置点的增加建模及预测的精度提高,C₆H₁₂O₆含量随漫透射光位置点的增加建模及预测精度没有明显变化。结果表明,增加不同位置信息的漫透射光谱信号,能够提高复杂混合溶液中强吸收物质和强散射物质的信噪比,对于弱吸收弱散射物质有望在提升系统精度的前提下提高其预测能力。     

静态傅里叶变换光谱仪的机理及干涉条纹的校正

针对高速、瞬时光谱测量要求光谱仪的结构简单、装备方便、实时性强的特点,文章介绍了一种静态傅里叶变换光谱仪,并对其原理进行了推导与剖析。针对其调整中出现的干涉条纹的倾斜校正问题,进行了详细的理论分析和干涉条纹模型的数学推导,得出倾斜镜旋转参数和光学元件最小通光口径之间的数学关系,以及倾斜镜旋转参数和干涉条纹旋转参数之间的数学关系。通过利用Matlab7.0数学工具,对所总结推导的干涉条纹模型进行模拟,对所得的各种参数之间的数学关系进行验证。分析结果表明据此数学关系所求得的β角校正精度达到1.4%,是一种有效可行的校正方法。     

血细胞压积与平均血红蛋白浓度的可见-近红外光谱无创检测

血细胞压积和平均血红蛋白浓度的检测对于心脑血管疾病以及贫血等疾病的预防和治疗起着非常重要的作用,为了能够无创、准确的对血细胞压积和平均血红蛋白浓度进行检测,本研究提出了一种基于光谱技术的检测方法。经解剖学研究表明,在微循环中,血流变的异常以及血液粘稠度的改变均能引起舌象的变化,即舌象和血液成分之间存在一定的相关性,所以本研究通过采集240例志愿者舌尖反射光谱,同时拍摄志愿者舌体图片和记录生化分析结果。在进行数学建模前,首先将240例志愿者随机分为校正集和验证集,运用偏最小二乘分别建立数学模型,校正集预测值和生化分析真实值之间相关系数分别为0.998和0.938,运用所建数学模型对验证集未知样本进行预测,验证集未知样本的预测结果与生化分析真实值之间相关系数分别为0.979和0.883,平均相对误差分别为1.65%和1.88%,均方根误差分别为4.066和4.139,由实验结果可见,所建立的模型可以较好的对HCT和MCHC进行预测,同时实验结果也表明近红外光谱分析结合偏最小二乘方法有可能能够为血细胞压积和平均血红蛋白浓度的检测提供一种无创的检测方法。     

基于可见-近红外光谱与稀疏表示的注水肉识别

为了能快速准确的识别原料肉与注水肉, 提出了一种基于可见-近红外光谱和稀疏表示的无损的识别方法。通过向猪肉样本(包括猪皮、脂肪层和肌肉层)注水的方法建立注水肉模型, 采集未注水的原料肉和6类不同注水量的注水肉的可见和近红外漫反射光谱数据。为了消除光谱数据中的冗余信息并提高分类效果, 对光谱数据进行光调制和归一化等预处理并截取有效波段, 根据是否注水以及注水量的多少对样本进行分类。用所有训练样本构成原子库(字典), 通过ｌ1最小化将测试样本表示为这些原子的最稀疏的线性组合。计算测试样本与各类的投影误差, 将最小投影误差对应的类作为测试样本的所属类别, 并应用留一法进行交叉检验, 比较了稀疏表示法与支持向量机的识别结果。实验结果表明, 利用稀疏表示法对于原料肉与注水肉的识别准确率可达到90%以上, 获得了较好的分类效果, 优于支持向量机的识别结果。而对于不同注水量的注水肉识别准确率与注水量之差正相关。稀疏方法不需要进行传统模式识别模型的前期学习与特征提取, 适用于高维、小样本量数据的处理, 计算成本低, 将其用于注水肉的光谱数据识别具有一定的创新性, 并取得了较满意的结果, 为原料肉和注水肉的无损识别提供了一种有效方法。     

基于“M+N”理论的光谱分析中光源电压对预测精度影响的研究

"M+N"理论从误差理论的角度阐明了光谱分析中外界干扰因素即"N"因素对于测量精度的影响,并给出了提高测量精度的方法。通过采用实测变电压光源光谱数据与多组分线性吸收谱仿真模型相结合的方法,构造了三组分的理想混合溶液并选择光源电压作为影响被测组分浓度测量精度的"N"因素,分别设定了不同信噪比下的两组各三种不同的校正集与预测集样本"N"因素分布方式,得出了对于系统误差类"N"因素而言,校正集与预测集的"N"因素分布范围对组分浓度的预测精度具有一定影响的结论。实验结果验证了"M+N"理论中"N"因素用于提高测量精度的可行性,同时为其他测量系统减小外界干扰提高测量精度提供了理论指导。