基于人体血清荧光光谱和改进变量选择方法对血糖浓度测定的研究

利用人体血清240 nm激发波长荧光光谱在220～900 nm波段针对血糖浓度进行建模分析。在模拟退火算法和偏最小二乘算法的基础上进行建模波长变量筛选方法的改进。基于变量入选模型统计频率和无关变量消除法,分别进行了波长的初选和精选过程。同时,加入了主成分数自适应特性等加快收敛速度、减小计算量的措施。该模型对比了线性、三次样条函数、高斯函数作为偏最小二乘法插入基函数的情况下,分别对原始光谱、Daubechies小波分解第三层和第四层细节信号光谱建模。结果显示,该模型避免了主成分参数尝试导致的时间成本,在参数自适应的过程中很快趋于稳定并得到对应条件下的最佳建模主成分数。其波长变量筛选能力使得对独立样本的分析预测效果有了显著的提升,最佳建模预测效果达到0.25 mmol·L-1,达到了血糖检测的医用要求。加入了非线性建模条件使得模型有明显的改善,基于样条函数的效果总体最好,其次为基于高斯函数的情况。对原始光谱进行小波分解,得到的细节信号光谱建模效果更为可观。总体而言第四层细节信号光谱建模效果略优于第三层细节信号光谱。模型筛选波长变量的频率意味着在所给实验条件下的血糖浓度信息在不同波段的分布情况,这为血糖在血清成分中的物理化学特性提供了一定程度上的统计解释。     

基于外部参数正交的无创血糖测量温度校正

近红外人体血糖浓度无创检测所面临的主要问题之一是人体温度变化干扰测量光谱。为此,提出使用基于外部参数正交化(EPO)的光谱预处理方法,对测量部位体温改变时的光谱进行温度校正。该方法仅需预先采集人体体温变化时的漫射光谱,即可获得消除温度干扰的滤波矩阵,利用该矩阵可以将不同体温下的光谱校正至基准温度水平。预先对外部干扰变量单独建立模型,与血糖浓度预测模型的建立分离。EPO原理提出组成光谱空间的干扰信号空间与有用信号空间正交,即温度光谱响应与葡萄糖浓度光谱响应之间彼此正交,而在实际测量中,仪器系统漂移,人体出汗等共模干扰常导致有用信号和干扰信号存在偶然相关,影响了消除温度干扰的效果。因此在进行温度校正之前,首先对原始光谱进行位置差分处理,经验证位置差分方法能够消除仪器系统漂移带来的共模干扰,获得的吸光度光谱中温度响应部分和浓度响应部分彼此正交。使用蒙特卡洛模拟人体三层皮肤模型获得血糖光谱数据,模拟样品参数均根据实际人体实验中的参数水平设置。对受温度干扰的光谱进行位置差分处理后使用EPO进行温度校正,然后利用校正后的光谱数据建立偏最小二乘回归(PLSR)模型。与校正前光谱建模结果比较,校正后的模型均方根误差(RMSEC和RMSECV)明显降低,相关系数得到一定的提高,同时主成分数减少,验证了该温度校正方法的有效性。     

波长优选对土壤有机质含量可见光/近红外光谱模型的优化

可见光/近红外光谱模型是土壤属性预测的有效工具。波长优选在光谱建模过程中起着重要作用。文中首先利用从安徽省涡阳县采集的130个砂姜黑土土壤样本获得可见光/近红外光谱,然后利用平滑与多重散射校正联合的光谱预处理方式消除光谱中的无关变量和冗余信息以提高模型预测结果的相关性,再利用SPXY方法挑选建模集样本,分别利用连续投影算法和遗传算法进行波长优选,最后利用留一法进行交互验证建立有机质含量的主成分回归模型。研究结果显示：连续投影算法和遗传算法都可以有效地减少参与建模的波长数并提高模型的准确度,尤其是遗传算法能够更好地提高土壤有机质含量预测精度,其相关系数、预测均方根误差和相对分析误差分别达到0.9316,0.2142和2.3195。通过合适的特征波长选取,不仅计算量可以大大减少,预测精度也会有效提高。     

偏稳健M回归在人体血糖浓度近红外无创检测中的应用

采用偏稳健M回归方法有效地解决了人体血糖浓度近红外无创检测研究过程中由于样本奇异值影响模型稳健性的问题。该方法源于现有的迭代变权偏最小二乘法,计算快、易于实现,具有M估计的所有性质,且当权函数选择合适时,能降低奇异值的影响,建立具有稳健性的校正模型。采用该方法对近红外光谱实验数据进行了处理,并与传统的偏最小二乘(partialleast squares,PLS)建模方法进行了比较。结果表明,与PLS相比,该方法可建立稳健的校正模型提高预测精度,更适合复杂样品建模,对于人体血糖浓度近红外无创检测的进一步研究具有应用价值。     

波长优选对土壤有机质含量可见光/近红外光谱模型的优化（英文）

可见光/近红外光谱模型是土壤属性预测的有效工具。波长优选在光谱建模过程中起着重要作用。文中首先利用从安徽省涡阳县采集的130个砂姜黑土土壤样本获得可见光/近红外光谱,然后利用平滑与多重散射校正联合的光谱预处理方式消除光谱中的无关变量和冗余信息以提高模型预测结果的相关性,再利用SPXY方法挑选建模集样本,分别利用连续投影算法和遗传算法进行波长优选,最后利用留一法进行交互验证建立有机质含量的主成分回归模型。研究结果显示:连续投影算法和遗传算法都可以有效地减少参与建模的波长数并提高模型的准确度,尤其是遗传算法能够更好地提高土壤有机质含量预测精度,其相关系数、预测均方根误差和相对分析误差分别达到0.931 6,0.214 2和2.319 5。通过合适的特征波长选取,不仅计算量可以大大减少,预测精度也会有效提高。     

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。     

基于互信息的遗传算法在光谱谱段选择中应用

在近红外光谱分析技术中,建立一个准确、稳健的定量模型至关重要。全光谱建模会增加建模和预测时间,降低模型的稳健性和预测精度,因此有效的变量选择方法对于模型构建至关重要。针对该问题,提出了基于互信息的遗传算法(GAs-MI)对特征变量进行选择,互信息筛选掉大量无关信息和冗余信息,遗传算法进一步选择出高辨别力的特征;并在遗传算法的变异过程中引入Shapley值方法,减少了人为设定参数的随机性。为了验证算法的有效性,选取有代表性的273个烟叶样本为实验材料,随机选择其中182个样本实现对烟叶总烟碱的PLS定量建模,剩余样本作为测试集,以相关系数(R)、交互验证均方差(RMSECV)和预测均方根误差(RMSEP)为模型评价指标。实验结果表明,通过该方法选择的波长建立的模型更加简单、预测能力更强。     

净信号预处理结合径向基偏最小二乘回归在血糖无创检测中的应用

为了提高人体血糖近红外光谱定量分析模型的预测精度,结合净信号预处理(NAP)算法和径向基偏最小二乘(RBFPLS)回归建立了一种适合于人体血糖测量的非线性建模方法NAP-RBFPLS。本文首先利用NAP对近红外光谱进行预处理来有效地提取原始光谱中仅与葡萄糖信号相关的光谱信息,从而有效地减弱了人体血液中水、白蛋白、血红蛋白、脂肪等成分的吸收干扰以及人体体温的变化、测量仪器本身的漂移、测量环境的变化和测量条件的变化引起的干扰因素与血糖变化的偶然相关问题;然后把净信号预处理后的近红外光谱数据通过RBFPLS建立了非线性定量分析模型来解决由于人体强散射引起的血糖浓度与近红外光谱之间的非线性关系,并与偏最小二乘(PLS)、基于净信号预处理的偏最小二乘(NAP-PLS)和RBFPLS这三种建模方法建立的定量分析模型进行了对比分析。实验结果表明,这两种方法相结合建立的非线性校正模型对预测集的预测精度有了很大的提高,这将对人体血糖浓度无创检测技术的研究具有实际应用价值。     

人体血糖浓度近红外光谱无创检测过程中温度对结果的影响

利用近红外光谱进行人体血糖浓度无创检测过程中,检测结果会受到很多的因素影响,如测量温度,压力等,另外还有人体的状态。在这诸多的影响因素中,温度是一个不可忽视的因素。为了研究温度对测量结果的定量影响,文章采用葡萄糖水溶液,在15,20,25,30,35,40 ℃等六个温度点处做了研究,样品浓度范围为10～200 mg·dL-1,浓度间隔为10 mg·dL-1,波长范围为1 100～1 700 nm。在各温度点处建立模型,并利用不同的模型进行相互预测。建模结果为RMSEP值最大为11.227 9 mg·dL-1,最小为3.298 8 mg·dL-1,相关系数在0.98左右。当温度改变1 ℃时,预测结果会有平均Δc＝2.662(mg·dL-1·℃-1)的预测误差,这结果表明当建立模型温度与测试时的温度一致时误差最小。另外,文章提出了可以采用两种方法来减小或者补偿由温度给测量结果来的影响。     

调谐激光吸收光谱波长偏移修正算法研究

可调谐半导体激光器具有线宽窄、波长扫描快、室温工作等特点,基于可调谐半导体激光器构成的激光吸收光谱气体测量系统在大气环境检测、工业生产过程在线检测中得到了广泛的应用。在实际测量系统中,由于可调谐半导体激光器中心波长受温度等因素的影响发生偏移,如不进行中心波长校正,将造成序列光谱数据重叠,处理后的光谱线型发生展宽,进而影响后续的光谱线型拟合,对气体浓度的反演精度产生影响。一般采用参考光谱吸收谱线寻峰方法进行序列光谱数据偏移的对齐,但光谱数据中的随机噪声、背景噪声、漂移噪声等因素影响峰线波长的精度。为了降低上述因素的影响,提出一种改进的时域相关光谱修正算法,首先对光谱信号进行自相关,在一定程度上提高光谱信号的信噪比,然后再进行时域互相关处理,能够准确的计算出激光器波长偏移量,减少由此造成的光谱线型展宽的影响,提高了浓度反演精度和测量稳定性。在激光吸收光谱气体浓度检测实验系统中进行了实验验证,评估结果中,原始数据标准差为1.482 8,谱线寻峰方法与时域相关方法修正后数据标准差分别为0.433 9和0.293 6,改进的时域相关修正方法修正后数据标准差为0.132 5,改进的时域相关修正方法相关系数均优于0.992,欧式距离的标准差为1.726 4。系统稳定性评估中改进方法波长漂移修正后标准偏差为0.144 3。     

基于温度不敏感源-探测器距离的测量方法的模拟研究

温度变化是影响近红外无创血糖测量精度的主要因素之一。为降低温度变化对近红外漫反射光谱的影响,提出了一种基于温度不敏感源-探测器距离的测量方法,即在漫反射光强对人体组织温度变化不敏感的源-探测器距离处进行光谱测量。利用Monte Carlo方法模拟了温度为30～40 ℃、葡萄糖浓度为0～300 mmol·L-1的皮肤组织在多个源-探测器距离处的漫反射光强。根据模拟结果,分析了人体皮肤组织模型中温度不敏感源-探测器距离的存在性及其受葡萄糖浓度变化的影响;比较了1 000 nm处温度恒定和温度变动时,不同源-探测器距离处漫反射光强与葡萄糖浓度的相关性;进一步地,利用六个波长(1 000,1 050,1 100,1 150,1 350和1 410 nm)下的温度不敏感源-探测器距离及其他距离处的漫反射光强,建立了葡萄糖的偏最小二乘(PLS)模型,并比较了这些模型在温度恒定和温度变动时的预测精度。结果表明,在1 000～1 440 nm范围内,人体存在温度不敏感源-探测器距离,且葡萄糖浓度变化对该距离的影响可以忽略不计;当组织温度变化时,温度不敏感源-探测器距离处的漫反射光强与葡萄糖浓度的相关性及建模效果均明显优于其他源-探测器距离,基本接近样品温度恒定时的情况。研究表明,基于温度不敏感源-探测器距离的测量方法能有效降低温度变化对漫反射光强的影响,有望提高近红外漫反射无创血糖测量的精度。     

基于近红外反射光谱的无损血糖分析

无损血糖监测是一种方便且无痛的血糖监测方法。目前,大部分的血糖检测方法都是有损的。提出了一种基于近红外反射光谱的无损血糖检测方法。近红外反射光谱是一种安全、简单并且有效的方法,被应用于很多领域。采用口服葡糖糖耐量试验来采集数据,用偏最小二乘回归方法来建模。使用市售血糖仪采指尖血作为参考值,同时用光谱仪提取手掌光谱,共取得42组样本。血糖浓度范围在5~12 mmol·L-1。采用留一法交叉验证,获得所有数据的交叉验证的均方根误差为1.16 mmol·L-1。通过归一化和无关变量消除的预处理方法来减少噪声并消除一些额外因素,优化的均方根误差为0.79 mmol·L-1。基于个人的数据进行建模,得到了远小于整体数据的结果：0.41 mmol·L-1。该方法在个人血糖检测的市场化方面有广阔的应用前景。     

Applying the reference-wavelength method to improve the precision of glucose measurement by near infrared spectroscopy

The reference-wavelength method is proposed to diminish the influence of noises on glucose measurement by differentially processing two signals at the reference and measuring wavelengths. At the reference wavelength, the radiation intensity is insensitive to the changes of glucose concentration. Therefore, it can be used as the internal reference to estimate the noise and then to extract the effective glucose signal at the other wavelengths. The validation experiments are constructed in the non-scattering samples with the reference wavelength of glucose at 1525 nm. The results show that the reference-wavelength-based glucose-specific signal extracting method can largely improve the glucose prediction precision from 17.56 to 8.87 mg/dL in the two-component experiment and from 26.82 to 9.94 mg/dL in the three-component experiment.     

多维标度线性回归技术应用于人体血清临床指标的FTIR光谱定量分析

人体血清临床指标是衡量人体健康和亚健康水平的重要因素之一,采用傅里叶红外(FTIR)光谱技术实现人体血清临床指标的多成分快速同时检测。提出利用多维标度法(MDS)对光谱变量进行降维,结合多元线性回归(MLR)技术,建立多维标度线性回归(MDS-MLR)模型,为血清四种临床生化指标(葡萄糖、低密度脂蛋白胆固醇、甘油三酯、尿素)的定量分析优选光谱信息波长点,优化定标预测模型,结合移动平均法(MA)进行光谱预处理,得到良好的建模效果。通过检验集样品进行验证,检验相关系数均在0.9以上。结果表明,MDS-MLR方法具有人体血清临床指标FTIR光谱分析的应用潜力。FTIR技术结合MDS-MLR定量分析方法可以实现对人体健康和亚健康水平的快速评定。     

中红外无创血糖测量中光程变化对PLSR模型的影响研究

在测量人体皮肤中红外光谱的过程中,皮肤与ATR晶体之间的接触面积很难保持一致,导致倏逝波与人体皮肤的作用光程会产生差异。以光程变化信息与葡萄糖浓度信息之间的相关性为基础,建立了两个分析葡萄糖含量的偏最小二乘回归(PLSR)模型,RMSECV分别为31.3和4.52mg.dL-1;RMSEP分别为30.3和98.7mg.dL-1。结果表明,当光程变化信息与葡萄糖浓度信息之间偶然相关时,所建PLSR模型的预测精度与稳健性会受到不同程度的影响,随着二者之间相关性的增强,最优模型对葡萄糖信息的识别能力越来越弱。为提高中红外无创血糖测量分析结果的可靠性,避免获得伪优定标模型提供了实验依据。     

基准波长法在混浊介质光谱数据处理中的应用研究

分析了溶质成分的浓度的改变通过吸收和散射效应对光谱的影响,利用通过浓度改变引起的吸收和散射效应相互抵消的波长作为基准波长,并使用基准波长法以有效的消除仪器漂移和温度变化等外界因素的干扰,从而提高模型的预测能力。通过处理脂肪乳溶液和血浆溶液中含不同葡萄糖的光谱数据,证明了基准波长法能提高模型的相关系数和降低模型预测均方差。     

氯化钠近红外光谱检测技术研究

氯化钠(NaCl)近红外光谱分析在生物医学上有着重要的意义。钠离子(Na+)是人体血液中电解质的主要成分,而电解质有助于维持身体的酸碱平衡。采用近红外光谱技术测量氯化钠浓度,在分析钠离子近红外光谱检测机理的基础上,选定波长建立了NaCl浓度线性回归预测模型,同时为了减小温度对水吸收的扰动,使用选定光谱区建立偏最小二乘(PLS)非线性回归模型。结果表明所建立的非线性校正模型决定系数(R2)=99.82%,交叉验证均方误差(RMSECV)=14.5,剩余预测偏差(RPD)=23.7。完全满足日常生化检测精度要求,该技术可以应用于医院实验室钠离子浓度定量分析。     

原子电性作用矢量用于Mannich碱红外光谱模拟

利用原子电性作用矢量(AEIV)对Mannich碱中C＝O与P＝O进行结构参数化表征,并通过多元线性回归(MLR)分析,建立了红外光谱振动频率定量结构光谱相关(QSSR)模型,继以留一法(LOO)交互检验(CV)对模型稳定性进行检验.对C＝O和P＝O键伸缩振动频率的建模相关系数(Rcum)和交互检验相关系数(RLOO)分别为0.9777,0.9973(C=O);0.9433,0.9911(P＝O).结果表明,AEIV与Mannich碱中C＝O与P＝O伸缩振动频率有很好的相关性.     

近红外光谱分析中的高斯过程回归方法

将高斯过程算法引入化学计量学领域,用于挖掘近红外光谱与被测物组分之间的复杂关系.为增加模型的稳健性,首先采用了蒙特卡罗交叉验证方法以去除异常样本,而后多元散射校正、平滑、导数等方法被用于模型的预处理.近红外光谱在经过无信息变量去除算法处理后,在保留有用信息的基础上大大缩减了波长点数,以这些特征波长点作为输入建立的分析模型更具有解释能力和稳健性.为验证算法的有效性,使用了一组公开的数据集,它包含了80个玉米样品的近红外光谱以及油、淀粉、蛋白质的含量值.GP回归算法被用于分析这三种组分的含量,所得模型的评价指标分别采用校正、校正集交叉验证均方根误差、预测均方根误差以及各自的相关系数.结果显示,模型的校正相关系数r达到0.99以上,预测时的相关系数r也在0.96以上,验证了该算法的有效性.