非球形颗粒系粒径分布的机器学习反演算法

动态光散射技术在微米与亚微米级颗粒系粒径分析领域中具有广泛应用，但缺乏非球形颗粒系粒径分布（PSD）的反演模型和算法，限制了其在生物医疗等领域中的应用。基于机器学习方法，设计了基于广义回归神经网络（GRNN）的PSD反演模型和算法，可应用于多角度动态光散射法的粒径分析场景中。以生物医疗领域中的双凹圆饼形和椭球形血红细胞作为典型的非球形颗粒物模型，通过仿真实验测试了所设计的算法。实验结果表明，与传统的正则化Tikhonov算法相比，所设计的反演算法粒径分析准确性更好且耗时更短。对多角度动态光散射法中的散射角度数量进行了仿真实验。结果表明，仅使用2个散射角度处获得的数据依然能实现非球形颗粒系粒径分布的准确反演。