提高结肠早癌诊断率的荧光光谱小波特征提取与神经网络分类方法研究

提出了一种新的荧光光谱特征提取与模式分类方法以提高激光诱导5-ALA-PpIX荧光光谱对早期结肠癌的诊断准确率。利用小波多尺度分析法提取荧光光谱特征量,对提取的特征量采用基于Rprop算法的BP神经网络进行模式分类。对20只DMH诱导的SD大鼠,12只诱导鼠的第二代鼠,8只正常SD大鼠,按25 mg·kg-1体重剂量尾静脉注射5-ALA溶液,150 min后利用波长为370 nm的钛宝石激光进行活体检测。对预处理后的504条荧光光谱,利用小波多尺度分析法提取12个特征量,BP神经网络将其分为正常组与非正常组(非典型增生、早癌和进展期癌),分类敏感性与特异性分别为98.91%和97.2%,非典型增生、早癌及进展期癌对正常组织的识别准确率分别为91.3%, 98.85%及98.79%。结果表明此方法不仅对早期结肠癌具有较高的诊断率,且更利于临床实时诊断。     

基于概率神经网络的荧光光谱法识别高甘油三脂血清

针对因正常和高甘油三脂血清荧光光谱混叠致使其识别率不高的问题,首先测量了正常和高甘油三脂血清样品在260,370,580 nm激发光下产生的荧光光谱,并以荧光强度作为样品的初始特征;其次,采用主成分分析法对初始特征进行分析和提取,获得了样品的特征向量;最后,构建了4层概率神经网络,并对正常和高甘油三脂血清样品进行了识别。对采用不同荧光光谱进行血清样品识别的效果进行了对比,结果表明,采用260 nm和370 nm荧光光谱识别正常和高甘油三脂血清的正确率分别为100%和95%。实验验证了研究方案的可行性和效果,对发展荧光光谱技术在识别高甘油三脂血症中的应用具有重要的意义和价值。     

肺癌的血清自体荧光检测

激光诱导荧光光谱是一种研究较为广泛的医用光谱技术,已经被用于组织、细胞学的检测.本文利用激光诱导荧光光谱技术,测定了肺癌患者和健康人的血清自体荧光光谱.并采用主成分分析法和判别分析法对荧光光谱数据进行了分析和处理,从大量的光谱数据中提出少量主成分值,并通过主成分值的差别对肺癌的诊断率进行分析.得到的结果为,对肺癌的诊断...     

基于激光诱导荧光的常见机油快速识别方法

基于激光诱导荧光光谱原理,提出一种常见机油的快速识别方法。利用激光器发射波长为355 nm的紫外激光,诱导九种常见机油样品发射荧光,共采集450组荧光光谱数据,其中360组数据用于分类训练,90组数据用于识别。分析发现不同机油的荧光光谱特征有明显差异,利用主成分分析结合聚类分析法实现了对90组待识别光谱数据的快速识别,识别率可达97.8%。实验证明,激光诱导荧光光谱结合多元分析可以实现不同机油的快速识别与检测。     

基于液芯光纤的激光诱导荧光食用油种类鉴别研究

组建了一套基于液芯光纤的激光诱导荧光食用油鉴别装置。研究了不同液芯光纤长度对食用油激光诱导荧光光谱的影响,分析了不同种类食用油激光诱导荧光光谱之间的差异。八种食用油共320份样本荧光数据在1 m长液芯光纤内采集,采用主成分分析方法对食用油荧光数据进行降维处理,利用偏最小二乘判别分析(PLS-DA)方法建立食用油种类的鉴别模型。结果表明,使用液芯光纤后,食用油荧光强度得到较大的增强。随着液芯光纤长度增加,食用油荧光特征峰逐渐增加并且食用油的激光诱导荧光光谱会产生红移现象,当液芯光纤长度超过80 cm后,红移趋于饱和。不同食用油的荧光光谱形状差异较大,可用于区分不同种类食用油。利用主成分1和主成分2绘制的主成分得分图显示,不同种类食用油呈现很好的聚集。当选用主成分数为10时,建立的PLS-DA食用油种类鉴别模型对训练集和预测集样本识别率均达到100%。说明本装置用于食用油种类的快速鉴别具有较高的准确性。     

LIF技术与SIMCA算法在煤矿突水水源识别中的研究

煤矿突水水源类型的快速识别对于煤矿水害预警防治意义重大。针对传统水化学方法水源识别耗时较长的问题,提出一种基于激光诱导荧光光谱(LIF)技术与簇类的独立软模式(SIMCA)算法的煤矿突水水源快速识别方法。激光诱导荧光光谱技术具有分析速度快、灵敏度高等特点,在激光器的辅助下,荧光光谱仪实时采集荧光光谱,根据水样的荧光光谱即可进行水源类型识别,在数据库完备的情况下,只需几秒即可进行煤矿水源判断,对于煤矿的水害预警以及灾后救援来说意义重大。实验利用405 nm激光器发射激光,打入被测水体,得到五种常见突水水样的共100组荧光光谱,对各水样的荧光光谱进行光谱预处理。每种水样使用15组共75组荧光光谱作为预测集,剩余的25组水样的荧光光谱作为测试集。利用主成分分析(PCA)分别对五种水样进行建模,而后依据所建模型进行SIMCA分类。实验发现不同水样的荧光光谱差异明显,经过Gaussian-Filter预处理后的荧光光谱,在主成分数为2,显著性程度α＝5%的情况下,利用SIMCA算法进行水样分类,预测集和测试集的正确率皆为100%。     

基于PCA和PNN的高甘油三脂血清荧光光谱识别

基于主成分分析和概率神经网络,提出了一种有效识别高甘油三脂血清荧光光谱的新方法.研究测量了正常和高甘油三脂血清在290 nm和350 nm激发光下产生的荧光光谱,并分别以3种采样间隔(1 nm、2 nm和5 nm)提取荧光强度作为样品的初始特征;利用主成分分析法对初始特征进行分析,以累积可信度大于95%的主成分作为样品...     

人膀胱粘膜/粘膜下层组织病变致组织漫反射光谱的变化

研究了人正常膀胱和浅表性膀胱癌的粘膜/粘膜下层组织在300～900nm光谱范围的漫反射光谱特性及其差异,实验采用带积分球附件的分光光度计获取组织的漫反射光谱.结果表明,在300～900 nm,正常膀胱的粘膜/粘膜下层对任一个波长的漫反射率都明显地较癌变的粘膜/粘膜下层对相应波长的要大.正常膀胱的粘膜/粘膜下层的漫反射光谱的峰分别在370 nm、520 nm、550 nm和660nm,其峰值分别为52.4%、60.7%、56.1%和75.5%.而癌变的粘膜/粘膜下层的漫反射光谱的峰分别在320 nm、520 nm、550 nm和660 nm,其峰值分别为43.7%、33.4%、30.6%和70.2%.正常膀胱的粘膜/粘膜下层的漫反射光谱在370 nm处有一个峰,而癌变的粘膜/粘膜下层的漫反射光谱在370 nm处没有峰,320 nm处有一个峰.而正常膀胱的粘膜/粘膜下层的漫反射光谱在320 nm处没有峰.膀胱的粘膜/粘膜下层病变导致组织的漫反射光谱在520 nm、550 nm和660 nm处的峰的峰值分别减小了45.0%、45.5%和7.02%.说明膀胱的粘膜/粘膜下层病变导致组织的组分和结构尤其足组织中的氧合血红蛋白和去氧血红蛋白的含量发生了明显的改变.     

基于超短脉冲的癌细胞荧光光谱

研究用于癌症诊断与治疗的光敏剂血卟啉(hematoporphyrin derivative,HPD)的超快光动力学过程。采用超短脉冲激光光谱技术和皮秒时间相关单光子计数系统,测量经血卟啉培养的活体癌细胞与正常细胞的荧光光谱、荧光寿命特性及荧光峰值强度随时间的变化,观测到:癌细胞样品在645nm处具有特征发射光谱峰;癌细胞与正常细胞样品荧光寿命的快成分分别为150,300ps;癌细胞与正常细胞的荧光峰值强度经12h分别衰减10%和55%。对测量所得的荧光光谱曲线及时间分辨荧光衰减曲线分析,计算出:在癌细胞内部血卟啉浓度增大了约2个数量级;癌细胞与正常细胞的荧光寿命分别为824,1798ps;血卟啉在癌细胞与正常细胞样品中滞留时间分别为17,6d。测量结果确认了荧光光谱技术诊断与治疗癌症的可行性,并对发展超短脉冲激光光谱技术早期诊断与治疗癌症具有重要的指导意义和临床应用价值。     

基于PCA和PNN的高甘油三脂血清荧光光谱识别

基于主成分分析和概率神经网络,提出了一种有效识别高甘油三脂血清荧光光谱的新方法.研究测量了正常和高甘油三脂血清在290 nm和350 nm激发光下产生的荧光光谱,并分别以3种采样间隔(1 nm、2 nm和5 nm)提取荧光强度作为样品的初始特征;利用主成分分析法对初始特征进行分析,以累积可信度大于95%的主成分作为样品特征;构建了4层概率神经网络,并分析了平滑系数和采样间隔对识别效果的影响.实验结果表明,当采样间隔采用5 nm,平滑系数位于0.26~0.92区间时,正常和高甘油三脂血清样品的识别率可达到95%和100%.     

Multiclass discrimination of cervical precancers using Raman spectroscopy

Raman spectroscopy has the potential to differentiate among the various stages leading to high‐grade cervical cancer such as normal, squamous metaplasia, and low‐grade cancer. For Raman spectroscopy to successfully differentiate among the stages, an applicable statistical method must be developed. Algorithms like linear discriminant analysis (LDA) are incapable of differentiating among three or more types of tissues. We developed a novel statistical method combining the method of maximum representation and discrimination feature (MRDF) to extract diagnostic information with sparse multinomial logistic regression (SMLR) to classify spectra based on nonlinear features for multiclass analysis of Raman spectra. We found that high‐grade spectra classified correctly 95% of the time; low‐grade data classified correctly 74% of the time, improving sensitivity from 92 to 98% and specificity from 81 to 96% suggesting that MRDF with SMLR is a more appropriate technique for categorizing Raman spectra. SMLR also outputs a posterior probability to evaluate the algorithm's accuracy. This combined method holds promise to diagnose subtle changes leading to cervical cancer. Copyright © 2008 John Wiley & Sons, Ltd.     

应用多种近红外建模方法分析梨的坚实度

近红外光谱(near infrared spectroscopy,NIRS)技术是一种快速、无损的仪器分析方法,在农产品品质检测方面引起了广泛的关注,在近红外光谱信息和品质指标之间建立一个稳健的模型是近红外光谱分析中十分重要且有一定难度的过程,常见的多元校正方法有偏最小二乘回归(PLSR)、主成分回归(PCR)和逐步多元线性回归(SMLR)等,该研究中除了常用的线性方法外,还采用了一种结合非线性方法的组合算法[结合了SMLR和径向基神经网络(RBFN)]用于梨坚实度的近红外光谱检测。比较常用的线性建模方法,原始光谱的PLSR模型的得到了较好的结果：校正集相关系数r=0.87, 校正均方根误差RMSEC=3.88 N,预测集r=0.84, 预测均方根误差RMSEP=4.26 N;组合算法的建模结果比SMLR和PCR的结果好,但比PLSR的结果稍差：校正集r=0.85, RMSEC=4.15 N,预测集r=0.82, RMSEP=4.67 N。结果表明：NIRS可用于梨的坚实度检测,但是建模方法的选择值得进一步研究以提高预测的精度。     

PLS和SMLR建模方法在水蜜桃糖度无损检测中的比较研究

在实际应用中,一些实验条件往往不能严格控制而存在变化,从而影响近红外光谱检测模型的稳健性。文章以50个常温和50个冷藏后的奉化水蜜桃样品组成温度混合样品集,经光谱杠杆值和狄克松检验法进行异常光谱剔除后,采用偏最小二乘法(PLS)和逐步多元线性回归(SMLR)对水蜜桃糖度进行建模分析。PLS的建模结果：校正集相关系数R_C=0.965, 校正均方根标准误差RMSEC=0.301°Brix,交叉验证R_CV=0.812,交叉验证均方根标准误差RMSECV=0.67°Brix,标准偏差与交叉验证均方根标准误差的比值RPD=1.72;SMLR的建模结果：校正集R_C=0.929,RMSEC=0.424°Brix, 交叉验证R_CV=0.887, RMSECV=0.532°Brix, RPD=2.16。SMLR的预测结果要优于PLS的预测结果,在SMLR分析中,在3个不同的光谱区域4 290～7 817,7 817～10 725,4 290～10 725 cm-1的RPD值分别为1.97,1.89,2.16。试验结果表明,将不同温度条件下的样品组成温度混合样品集,用PLS和SMLR建立的模型具有较好的预测效果。     

线性辨别分析与人工神经网络用于血清光谱对于肝癌、肝硬化的诊断

本文探测了人体血清的自体荧光-拉曼光谱,采用多元统计方法中的主元分析法(PCA)对光谱进行分析,并利用线性辨别分析(LDA)作为诊断算法,与此同时,用人工神经网络进行交叉认证。PCA-LDA的灵敏度和特异性分别为88.00%和79.14%,PCA-ANN的为89.29%和94.74%。     

基于叶绿素荧光光谱分析的稻瘟病害预测模型

为了实现稻瘟病的快速、准确和无损检测,力求构建稻瘟病害预测模型。根据水稻叶片相对病害面积将稻瘟病划分为3个等级,通过激光诱导法采集不同病害等级的活体水稻叶片叶绿素荧光光谱。选取502～830 nm波段激光诱导叶绿素荧光光谱(LICF)作为研究对象,利用Savitzky-Golay平滑法(SG)和一阶导数变换(FDT)对光谱信息进行预处理,通过主成分分析(PCA)方法获取经SG-FDT预处理后光谱的特征向量,根据累积贡献率和方差选取前3个主成分进行分析。将试验样本分为建模样本和检验样本,以稻瘟病害等级为预测指标,利用建模样本的133片叶片的光谱和病害信息分别结合判别分析(DA)、多类逻辑回归分析(MLRA)和多层感知器(MLP)建立稻瘟病的预测模型,利用检验样本的89片叶片的光谱和病害信息对所建模型进行预测检验,完成对PCA-DA、PCA-MLRA和PCA-MLP的对比寻优。结果表明,PCA-DA,PCA-MLRA和PCA-MLP模型均能完成对稻瘟病害的预测,但PCA-MLP模型的平均预测准确率能够达到91.7%,相比PCA-DA和PCA-MLRA模型,在稻瘟病害3个等级上均具有较好的分类和预测能力。     

结合多变量统计分析肝癌氧合血红蛋白表面增强拉曼光谱

采用二维纳米结构银膜作为基底,检测了30例肝癌患者和30例健康人氧合血红蛋白表面增强拉曼散射(SERS)谱。利用主成分分析(PCA)结合独立变量t检验建立SERS光谱诊断多元统计算法模型,并用判别分析方法对此统计算法的诊断效果进行评价。实验结果表明,肝癌患者与健康人氧合血红蛋白SERS光谱有明显区别。采用PCA分析结合独立变量t检验统计分析方法得出SERS光谱PCA得分三维散点图可以很好的区分健康人和肝癌患者。利用判别分析方法得出该统计算法诊断肝癌的特异性和灵敏度分别为90%和96.7%,总判别正确率为93.3%。与健康人相比,肝癌患者氧合血红蛋白中吡咯环的呼吸振动模式的数量、酪氨酸和苯丙氨酸的含量相对偏低。研究结果表明,氧合血红蛋白SERS光谱统计分析有望发展成为一种新型的肝癌诊断工具。     

Adulteration of sesame oil with corn oil detected by use of two-dimensional infrared correlation spectroscopy and multivariate calibration

An innovative methodology was developed to detect adulteration of sesame oil with corn oil based on two-dimensional mid-infrared correlation spectroscopy with multivariate calibration. Forty pure sesame oils and 40 adulterated sesame oils with corn oil were prepared and the infrared absorption spectra were measured at room temperature, respectively. The synchronous two-dimensional mid-infrared correlation spectra were calculated to develop multivariate calibration models for adulteration of sesame oil with corn oil. The results showed the higher classification accuracy of 96.3% for the prediction set using two-dimensional mid-infrared correlation spectra and N-way partial least square discriminant analysis, versus 88.9% using traditional one-dimensional mid-infrared spectra and partial least squares discriminant analysis. Also, the multivariate calibration models were developed for quantitative analysis of sesame oil adulteration with corn oil. The root mean square error of prediction was 0.98% v/v using two-dimensional mid-infrared correlation spectra and N-PLS, and 1.15% v/v using traditional one-dimensional mid-infrared spectra and PLS. The results of our analyses indicated that the proposed method could provide better predictive results than traditional one-dimensional mid-infrared spectra and multivariate calibration.     

基于拉曼光谱和多元统计分析技术的结肠癌早期诊断

为了寻找结肠癌的病理发展规律在拉曼光谱属性上的体现,采用共聚焦显微拉曼光谱仪对60例离体的正常结肠组织、腺瘤性息肉和腺癌组织的近红外拉曼光谱进行对比检测,初步探讨了三类组织的拉曼光谱特征及其改变的规律。结果表明:三类组织拉曼光谱的差异明显存在于830,855,1 032,1 210,1 323,1 335,1 445,1 450,1 655 cm^-1处,腺瘤性息肉的光谱大体位于正常组织与腺癌组织之间。以组织病理诊断为金标准,主成分分析结合线性判别分析技术建立的诊断算法区分3类组织的灵敏度分别为96.9%、85.7%和97.3%,特异性分别为82.8%、90%和92.3%。因此,拉曼光谱有潜力在分子水平上区分正常结肠组织、腺瘤性息肉和腺癌组织,有望成为结肠癌早期诊断的一种有效方法。     

Raman spectroscopy at different excitation wavelengths (1064, 785 and 532 nm) as a tool for diagnosis of colon cancer

Raman spectroscopy is structure sensitive non‐destructive method that allows observing the status of biological tissues with minimal impact. This method has a great potential in the diagnosis of various types of degenerative diseases including cancer damages. Near‐infrared Fourier transform (NIR‐FT)‐Raman (λ_ex ~1064 nm), NIR‐visible (Vis)‐Raman (λ_ex ~785 nm) and Vis‐Raman (λ_ex ~532 nm) spectra of normal and colorectal carcinoma colon tissue samples were recorded in macroscopic mode at 10–20 randomly chosen independent sites. In the cases of NIR‐Vis‐ and Vis‐Raman spectra, enhanced resonance effects were observed for tissue chromophores absorbing in the visible area. Evident spectral differences were noticed for Raman spectra of normal colon tissue samples in comparison with abnormal samples. The average Raman spectra of colon tissue samples were analysed by principal component analysis (PCA) to discriminate normal and abnormal tissues. PCA of combined dataset containing Raman intensities of chosen NIR‐FT, NIR‐Vis or Vis‐Raman bands led to discrimination of normal and abnormal colon tissue samples. Therefore, combination of these three Raman methods can be helpful for recognizing cancer lesions in colon for diagnostic purposes. Copyright © 2014 John Wiley & Sons, Ltd.