径向基函数网络在近红外人体无创伤血糖浓度检测基础研究中的应用

在近红外无创伤血糖浓度检测的基础研究中，对于多组分的混合物的分析，常因光谱与样品浓度之间呈现非线性响应，使得基于线性模型的校正方法失效。本文讨论了非线性校正方法径向基函数神经网络( RBFN )的有效性，并与线性校正方法中的主成分分析和偏最小二乘法作了对比研究。验证实验所用样品为①葡萄糖水溶液②包含牛血红蛋白和白蛋白的葡萄糖水溶液，结果表明：在①实验中PLS模型和RBFN预测标准偏差分别为8．2、8．9；在②实验中分别为15．6、8．8。可见在样品组分增多时，RBFN算法较线性PLS方法建立的模型预测能力强。     

概率神经网络在胃镜样品红外光谱检测中的应用

将人工神经网络方法应用于人体胃镜样品红外光谱检测,以克服常规线性判别分析方法的局限性,从而提高了胃镜样品判别的准确率。概率神经网络是一种适用模式分类的径向基神经网络,采用样本的先验概率和最优判定原则对新的样本进行分类,具有识别率高、训练速度快、不会陷入局部极值等优点。文章采用概率神经网络进行胃镜样品红外光谱模式识别,将预处理后的胃镜样品光谱进行主成分分析,将得分值作为输入,建立概率神经网络判别模型。文中选取118例胃镜离体样品进行红外光谱判别分析,其中正常胃组织19例,胃炎组织64例,胃癌35例,选取其中59例样品建立概率神经网络校正模型,其余样品作为预测集来检验模型。实验结果表明,正常、炎症及癌症胃镜样品检测的总体准确率达到81.4%,对胃镜样品的判别取得了较好的结果。     

基于交互式自模型混合物分析的近红外光谱波长变量优选方法

为了提高近红外光谱定量分析的预测精度和建模效率,提出了一种基于交互式自模型的混合物分析的波长优选方法,根据光谱各波长变量的纯度值和标准差值,选择含有用信息的波长变量,并引入相关权函数解决变量间共线性问题.通过依次迭代选择的变量建立定量校正模型,由交互验证均方根预测误差(RMSECV)确定最佳波长变量个数.应用该波长变量优选方法对具有不同葡萄糖含量的两组(四成分葡萄糖水溶液实验和人体血浆实验)近红外光谱数据进行分析,两组数据中分别只选择了全部变量的0.3%建立定量校正模型,其验证集葡萄糖浓度的均方根预测误差(RMSEP)分别减少为669和15 mg/L.与全谱范围及优选波段建立的定量校正模型比较,本方法能够通过波长变量优选最小化冗余信息、提高预测精度及建模效率.     

中红外光纤技术研究胃正常和肿瘤组织及其原位、在体临床应用

采用中红外光纤衰减全反射光谱法研究胃组织样品, 以48个病人的90个胃组织的红外光谱, 包括32个正常和58个肿瘤组织样品. 肿瘤光谱的特征通常表现在CH和C=O峰的消失, 酰胺I带以及接近1545 cm^−1的弱的酰胺II带向低波数位移, 1450 cm^−1峰强度下降并一般弱于1400 cm^−1峰. 减谱结果表明正常和肿瘤组织的酰胺I带和酰胺II带在峰位和相对强度方面有着较大的差别. 统计分析结果证实了这一结论. 结果表明中红外光纤技术提供了胃肿瘤组织的信息, 能够用来区分正常和肿瘤组织. 实现了肿瘤的在体原位检测, 在手术室旁对新鲜离体样品以及手术过程中在体原位检测恶性肿瘤的结果同对体外液氮冰冻样品和病理检测所得到的结论一致, 这一新结果成为临床应用的基础.     

一种提高1/4波片相移量测量精度的方法

提出了一种新颖的，在已知四分之一波片快轴方向的情况下，利用两个偏振片和一个三棱镜来提高波片相位延迟角测量精度的简便方法，给出了对该方法的理论分析与不确定度公式，并给出了应用实例.此方法的主要优点是可以提高测量精度，并且操作简单，容易实现.     

KNN方法在癌症中红外光谱检测中的应用

红外光谱主要是研究分子中以化学键联结的原子之间的振动光谱,它能够在分子水平上揭示正常组织和癌组织之间存在的差异。文章利用化学计量学中的有关知识通过计算机自动对未知样本光谱进行判别分析。首先应用平滑处理,基线校正(SNV方法),奇异值剔除(RHM方法)等算法对光谱数据进行预处理,然后采用K-最近邻法(简称KNN法)实现未知样本的自动判别,提高了癌症红外光谱检测的准确度。文章对63例胃组织样品进行了傅里叶变换红外光谱判别分析,与病理检验结果比较,准确度达到91.7%。     

傅里叶变换中红外光谱技术用于人体胃镜样品检测的新方法

应用傅里叶变换红外光谱(FTIR)测定了184例胃镜样品,总结不同病变类型组织的光谱特征,并与病理结果进行比较.实验结果表明,由于不同类型病变组织会在其分子组成和结构上发生相应改变,浅表性胃炎、萎缩性胃炎和胃癌组织具有不同的FTIR光谱,可据此进行胃镜样品疾病类型和病变程度的判别.研究结果表明,FTIR技术有望发展成为一种用于胃镜样品无创、快速、准确的在体临床诊断的新方法.     

遗传算法在近红外无创伤人体血糖浓度测量基础研究中的应用

遗传算法（GA）应用在偏最小二乘法（PLS）校正模型的波长优化选择中具有显著的效果。将遗传算法作为模块循环运行，能更快达到最优解，有效提高测量精度，减少建模所用波长数。本文将该方法应用于无创伤人体血糖浓度光学检测的基础研究中，验证实验所用样品为：①葡萄糖水溶液；②包含牛血红蛋白和白蛋白的葡萄糖水溶液；③人血中的血浆（含葡萄糖）。结果表明：建模的波长个数可分别减少88%、86%、85%；预测标准偏差（RMSEP）分别减少56%、64%。这对无阶伤人体血糖浓度光学检测理论的进一步研究具有指导意义。     

沿膜厚方向的簿膜非均匀折射率及其色散测量

以传统的光学监控法与石英晶体振荡法为基础,在薄膜沉积过程中,同时测量膜片的透过率及膜层的厚度,以及与它们对应的控制波长,并根据三者与折射率之间的关系,由计算机反解出不同膜厚处的折射率——非均匀折射率及不同厚度、不同波长处的薄膜折射率——非均匀色散。同时给出了硫化锌薄膜在水晶石薄膜的测量实例,并进行了分析与讨论。     

基于稳定竞争自适应重加权采样的光谱分析无标模型传递方法

提出了一种基于稳定竞争自适应重加权采样(stability competitive adaptive reweighted sampling,SCARS)的无标模型传递方法。利用有用信息标准即稳定度指数(定义为回归系数除以其标准偏差的绝对值)和传递后的预测均方根误差(root mean squared error of prediction,RMSEP),选择重要的、受测样参数影响不敏感的波长变量,能够消除或减少不同仪器或测量条件对样本信息反应差异,提高模型传递效果。此外,在该方法中,光谱变量被压缩、降维,从而使模型传递更稳定。采用该方法对谷物的近红外光谱分析模型在不同仪器之间进行传递研究。结果表明,该方法能消除仪器间的大部分差异,较好地实现模型传递效果。与正交信号校正法(orthogonal signal correction,OSC)、蒙特卡罗结合无用信息变量消除法(Monte Carlo uninformative variable elimination,MCUVE)、竞争自适应重加权采样法(competitive adaptive reweighted sampling,CARS)的比较表明,SCARS不仅在传递精度上能取得比OSC、MCUVE及CARS更好的效果,而且能有效地对光谱数据进行压缩,简化并优化传递过程。