由于医疗图像质量差、对比度低、患者之间差异大导致全自动分割方法很难获得足够准确、鲁棒的结果。为了解决全自动分割方法的局限性, 本文提出一种基于神经网络改进的区域生长法, 并与全卷积神经网络相结合对肝脏CT图像进行交互式分割。首先对图像进行预处理, 突出待分割肝脏区域; 接着计算像素在不同边缘检测算子下的梯度值作为该像素的特征, 形成像素特征向量训练网络: 该网络以一对像素特征向量为输入, 以两像素的关联度系数为输出; 然后将训练好的神经网络模型作为区域生长算法的生长准则, 手动交互选取一点产生分割结果; 最后将分割结果作为原图的交互信息和原图灰度通道连接在一起一同输入全卷积神经网络。实验结果表明: 平均Dice系数达到96.69%, 像素准确率达到99.62%, 平均交并比达到9665%。不同的腹部CT图像序列中肝脏的分割结果表明, 该方法能精确提取肝脏区域, 满足临床应用的需求。

为了提高对蓝莓果渣的开发利用, 探索了近红外光谱测定三种蓝莓(北陆、 蓝美1号、 灿烂)果渣中花色苷含量的可行性。 通过DA7200采集三种蓝莓果渣的近红外光谱, 利用PCA-MD对北陆、 蓝美1号、 灿烂果渣分别剔除1, 4和8个异常样本。 运用K-S划分样本集得到校正集(686个样本)和验证集(171个样本)。 对样本集分别进行归一化、 变量标准化(SNV)、 多元散射校正(MSC)、 Norris一阶导数(NFD)、 Norris二阶导数(NSD)、 SG卷积一阶导数(SGCFD)、 SG卷积二阶导数(SGCSD)、 Savitzky-Golay(SG)卷积平滑、 正交信号校正预处理, 并建立相应全谱PLS模型。 比较并选择MSC、 SGCSD、 SG卷积平滑、 正交信号校正, 进行预处理方法顺序组合的比较, 结果显示, 全谱PLS模型中最优预处理方法为正交信号校正+SGCSD+SG卷积平滑, 其R2c为0.940 0、 R2p为0.886 7、 RMSEC为0.722 5、 RMSECV为0.246 2、 RMSEP为1.000 5、 RPD为2.970 8。 利用SPA和CARS对预处理过的光谱数据分别进行波长变量的筛选, 依次建立PLS回归模型, 并定量分析其对蓝莓果渣花色苷的预测能力。 在所有预处理方法进行波长变量筛选中, SPA与CARS算法均可以有效地筛选出波长变量, 但SPA筛选出的波长变量, 无法全部建立PLS回归模型, 而CARS算法筛选出的波长变量, 均可建立PLS回归模型。 数据表明, CARS-PLS最佳组合为正交信号校正+MSC+SG卷积平滑+SGCSD, 选择波长数为25个, 相较于原始光谱, 其R2c从0.900 8增长到0.940 3, R2p从0.881 8增长到0.885 7, RMSEC从0.929 1减少到0.720 9, RMSECV从0.317 6减少到0.245 6, RMSEP从1.021 8减少到1.004 9, RPD从2.908 8增长到2.957 5。 近红外光谱的蓝莓果渣花色苷含量测定中, 正交信号校正表现出强大的去噪效果, CARS算法具有简化模型、 适用性较好和预测精度较高等优点。 研究结果表明, 应用近红外光谱技术可以较好地实现三种不同品种蓝莓果渣中花色苷含量的测定, 可为蓝莓果渣品质分级提供一种快速、 支持大样本量的检测方法。

本文基于新型材料狄拉克半金属(Dirac semimetals,DSs),设计了一款高纯度宽频带可调谐线偏振转换器,偏振转换率(PCR)超过99％的相对带宽为15.72％。在频段5.25～6.14 THz内,椭度角接近0°,偏振方位角约等于-90°。这种转换性能主要是源于顶层超表面的各向异性和局域的表面等离子体激元谐振(LSPRs)的激发。此外,通过改变费米能的大小可以使所设计的偏振转换器在不同的频带范围内实现宽频带偏振转换。最后,通过半解析的方法对偏振转换特性进行了理论分析。该设计在太赫兹通信、成像、无损检测等领域具有一定的应用价值,同时为宽频带可调谐太赫兹线偏振转换器的设计提供了新思路。

化妆品中的酚酸类物质, 有的作为有效成分而添加, 如： 具有修复皮肤功效的咖啡酸、 能够抗炎抗过敏的没食子酸等； 有的作为防腐剂而添加, 如： 对羟基苯甲酸、 山梨酸等； 有的则属于禁用物质, 被不良商家违法添加, 如： 对苯二酚、 间苯二酚等。 为监控化妆品质量, 对化妆品中酚酸类物质的检测显得尤为重要。 许多研究人员也为此做了相关工作, 以色谱法为主的先分离后分析的方法取得了一定的成功, 但是费时、 费料、 操作复杂等缺点也十分明显； 三维荧光光谱技术具有较高的灵敏度, 但是荧光干扰和光谱重叠对检测有较大的影响, 针对复杂的化妆品样本往往无法得到理想的效果。 为实现化妆品中酚酸类物质的同时定性定量检测, 文章将三维荧光光谱技术与化学计量学的四维校正（也称三阶校正）相结合, 在保证高灵敏度的情况下, 克服未知干扰和数据共线性的影响。 首先, 在咖啡酸（caffeic acid, CA）、 对羟基苯甲酸（p-hydroxybenzoic acid, p-HA）、 对苯二酚（hydroquinone, HQ）的线性范围内选取合适的浓度, 分别在7.00, 7.30, 7.50和7.80四种pH值下配制校正样、 验证样和化妆品样, 这样就得到了激发-发射-pH-样本（EX-EM-pH-Sample）四维数据阵。 其次, 为验证pH值对荧光强度的影响, 选取320 nm作为激发波长, 得到咖啡酸在四种pH值下的发射波长, 发现咖啡酸的荧光强度随着pH值的增加而升高, 表明引入pH值作为第四维的合理性。 最后, 选择合适的组分数将四维数据阵用交替惩罚四线性分解算法（alternating penalty quadrilinear decomposition, APQLD）进行分解和预测, 将分解的光谱与实际光谱比较, 将预测的浓度与实际浓度比较。 实验结果显示无论是验证样还是化妆品样, 分解光谱均能与实际光谱相吻合, 验证样的平均回收率（AR）为100.4%~103.5%, 预测均方根误差（RMSEP）低于0.06； 化妆品样平均回收率（AR）为100.0%~102.2%, 预测均方根误差（RMSEP）低于0.08。 与色谱法研究相比回收率高出大约4%, 且操作简便省时省力, 灵敏度高； 与二阶校正方法相比, 都可以实现在未知干扰下对复杂化妆水体系中多个组分的同时分析, 以“数学分离”代替“物理化学分离”, 快速、 高效、 经济、 环保； 且三阶校正可以克服一定的数据共线性问题, 在一定程度上提高了灵敏度。

水是生命之源, 人们日常生产生活离不开水。 近年来水体污染日趋严重, 已经危害到人类的健康。 酚类化合物(Phenolic Compound)是一种广泛存在且很难降解的有机污染物, 指的是芳香烃中苯环上的氢原子被羟基取代所生成的含羟基衍生物, 毒性很强, 对动植物及人类的生命活动有严重危害。 实验研究对象选取间苯二酚(resorcinol, RES)和对苯二酚(hydroquinone, HYD)来配制待测样本, 并且在其中3组预测样本中加入苯酚(phenol, PHE)作为干扰物, 待测样本和空白溶剂分别用FS920稳态荧光光谱仪(edinburgh instruments, EI)扫描得到荧光光谱数据。 对所得到的数据通过扣除空白溶剂法来消除拉曼散射的影响, 得到的数据在消除干扰的同时最大程度保留下来原光谱所包含的重要信息。 校正后光谱变得更加圆滑, 荧光强度显著增强, 因此, 校正处理后的光谱信息更为准确。 利用三维荧光光谱(EEM)结合平行因子分析(PARAFAC)和交替惩罚三线性分解(APTLD)两种二阶校正方法, 分别完成在不含干扰物和含有干扰物、 同时激发-发射光谱严重重叠时对间苯二酚、 对苯二酚的快速、 直接、 准确测量, 并给出定性、 定量分析结果。 PARAFAC算法对混合体系的组分数(即化学秩)较敏感, 组分数选取过大易使其陷入计算“沼泽”, 迭代次数增多, 计算耗时变长。 故本文利用核一致诊断法(CORCONDIA)预估计出准确的组分数, 保证PARAFAC算法更加快速准确。 从定性分析结果知, 当不含有干扰物时, PARAFAC能够准确分辨出间苯二酚和对苯二酚, 二者荧光峰位置极为接近, 很难用传统方法分辨, 体现出将三维荧光光谱技术与化学计量学二阶校正方法相结合所具有的“二阶优势”； 定量分析结果给出, 在有干扰物共存时, 分别应用两种二阶校正法解析光谱数据结果显示： PARAFAC的浓度预测回收率为93.4%±0.5%~97.1%±1.0%, 预测均方根误差小于0.190 mg·L-1； APTLD的浓度预测回收率为95.9%±1.6%~97.2%±0.8%, 预测均方根误差小于0.116 mg·L-1, 通过比较两种方法性能得： PARAFAC对待测物组分数敏感, 对待分解的光谱数据严格线性要求高； 而APTLD对混合物组分数不敏感, 计算速度快, 抗噪声能力较强, 结果稳定, 具有较明显的优势。

酚类化合物在冶金、 炼油、 机械制造、 医药、 农药和油漆等工业有广泛的应用, 但酚类化合物具有毒性, 若不加以处理将会对环境造成污染。 水是生命之源, 水环境中酚类化合物检测显得尤为重要。 三维荧光光谱分析法具有灵敏度高、 检测速度快、 预处理方便和痕量检测等特点, 二阶校正分析法可以在混合物中分辨出感兴趣的成分。 采用三维荧光光谱结合二阶校正方法对水环境中酚类化合物进行测定。 实验选用间甲酚和间苯二酚作为被测物质, 配置添加干扰物和不添加干扰物两类样本, 通过FLS920稳态荧光光谱仪测得8个校正样本和8个预测样本的三维荧光光谱数据, 并对其进行数据预处理, 扣除原始光谱中所包含的散射干扰, 并对原始光谱数据进行激发/发射校正, 然后采用db3小波函数生成的小波包对光谱数据进行数据压缩, 去除光谱数据中的冗余信息, 其中压缩分数达到91.67%, 恢复分数达到96.62%。 然后分别采用平行因子分析（PARAFAC）和自加权交替三线性分解（SWATLD）两种二阶校正方法对预处理后的光谱数据进行定性和定量分析。 根据核一致分析法结合残差判别分析法的分析结果, 设定未添加干扰物样品组分数为2, 添加干扰物样品组分数为3。 定性分析结果显示, 无论有无添加干扰物, 两种二阶校正法都能准确的分辨出样本中的间甲酚和间苯二酚, 其中间甲酚的荧光峰位置为λem=298 nm/λex=274 nm； 间苯二酚的荧光峰位置为λem=304 nm/λex=275 nm。 定量分析结果显示, 用PARAFAC算法测定不添加干扰物的样本时, 对间甲酚和间苯二酚浓度的平均回收率分别达到了93.37%±4.92%和95.19%±5.25%； 测定添加干扰物样本时, 对间甲酚和间苯二酚浓度的平均回收率达到92.09%±2.64%和97.08%±5.26%。 用SWATLD算法测定不添加干扰物样本时, 对间甲酚和间苯二酚浓度的平均回收率分别达到了93.11%±4.73%和96.80%±5.04%； 测定添加干扰物样本时, 对间甲酚和间苯二酚浓度的平均回收率达到97.30%±4.52%和96.92%±5.61%, 且两种二阶校正方法得出的预测样本均方差（RMSEP）均小于0.03 mg·L-1。 实验结果表明, 在荧光光谱峰位置相近、 光谱严重重叠且有干扰物的情况下, PARAFAC和SWATLD两种二阶校正算法都能对水溶液中的酚类化合物进行快速、 准确地测定。

多环芳烃(PAHs)类物质具有致畸、 致癌、 致突变的性质, 严重污染生态环境, 进而对人类的健康及动植物生长造成威胁。 PAHs通过排污、 大气沉降、 地表径流等各种循环途径进入水环境中, 由于种类众多且化学性质相似, 常规的检测方法如化学滴定法、 电化学法等很难实现快速准确的测定。 为实现复杂体系中PAHs的定性与定量, 工作中基于三维荧光光谱分析法, 结合集合经验模态分解(EEMD)去噪与自加权交替三线性分解(SWATLD)二阶校正, 对超纯水以及池塘水环境中的苊(ANA)和萘(NAP)进行分析测定。 首先选择合理的浓度配制样本, 用FS920荧光光谱仪测得样品的三维荧光光谱, 利用空白扣除法将光谱数据中的散射消除, 得到真实的光谱数据。 然后对去除散射的数据进行EEMD降噪处理, 该方法具有自适应性强、 参数设置简便的优点, 能够去除嘈杂信息, 提高数据信噪比, 并将去噪参数与快速傅里叶变换、 小波滤波和经验模态分解进行比较。 最后用SWATLD算法以“数学分离”代替“化学分离”, 对超纯水和池塘水环境中光谱重叠的ANA和NAP进行定性识别和定量预测, 该算法对组分数的选择不敏感, 能够在未知干扰物共存情况下实现多组分目标分析物的同时检测, 即具有“二阶优势”, 并将预测结果与平行因子分析进行比较。 结果表明空白扣除法能够成功将拉曼散射消除。 EEMD降噪方法使ANA和NAP的光谱更加规整平滑, 有效信息更加突出, 该方法去噪后数据信噪比为16.845 2, 均方根误差为11.136 6, 波形相似系数为0.990 9, 三项指标均优于快速傅里叶变换和经验模态分解等其他去噪方法, 能达到小波滤波的去噪效果并且不用设置先验参数。 利用SWATLD二阶校正方法得到验证样本中ANA与NAP的分解光谱与实际光谱基本吻合, 平均预测回收率分别为96.4%和104.2%, 预测均方根误差分别为0.105和0.092 μg·L-1; 在存在未知干扰物的池塘水样本中, 分解出的光谱依然能与实际光谱吻合, ANA与NAP两者的平均预测回收率分别为94.8%和105.5%, 预测均方根误差分别为0.067和0.169 μg·L-1; 与平行因子分析相比, 两项指标均具有优势。