太赫兹扫描成像中，由于激光器功率波动和仪器振动等原因，导致图像对比度较低，成像质量有待提高，且目前针对太赫兹图像的处理还停留在传统算法阶段。本文结合深度学习思想，提出了一种基于生成式对抗网络的图像增强方法。通过对训练集图像引入模糊和噪声，学习低质量图像和高质量图像之间的映射关系，并将其应用在真实太赫兹图像中。实验结果表明，与双边滤波、非局部均值滤波等传统算法相比，本文方法可在改善图像细节的基础上显著提高图像对比度，且视觉体验良好，这为太赫兹图像增强提供了新思路。

太赫兹生物医学是当前光谱研究领域的前沿热点, 其主要难点在于如何在有效避免水分干扰的同时, 实现复杂生物体系组分的精准分析。 太赫兹光谱产生于分子振动的信息, 其吸收谱较弱, 吸收峰严重重叠, 且多组分复杂样品的太赫兹光谱往往不是各组分光谱的简单叠加, 难以用传统的峰高、 峰面积标定技术进行定量计算。 但采用多元校正技术可以方便地实现太赫兹光谱的定量分析, 使太赫兹光谱成为一种快速、 简便且适用范围广泛的分析技术。 以KCl和NaCl的无机盐混合体系为典型研究体系, 两种组分的浓度范围均为0.1～2 mol·L-1, 浓度间隔为0.1 mol·L-1。 获取20组浓度配比不同的混合溶液的吸收系数和折射率, 巧妙利用水溶液体系中无机金属离子的水合氢键作用, 由此采集无机盐溶液体系的太赫兹时域光谱, 提取各组分的特征信息, 建立多尺度数据驱动的定量分析模型, 有望实现水溶液中无机金属离子的定量分析。 针对太赫兹光谱数据规模大、 基质干扰强及数据关联复杂等特点, 构建复杂二维小波变换、 多变量筛选、 贝叶斯数据挖掘、 深度学习和数据关联性分析技术为一体的算法数据库, 由此构建基于多尺度数据驱动的太赫兹光谱解析方法。 论文依据正交实验的原则, 构建具备良好数据结构特征的混合溶液数据集, 引导后续的光谱解析方法准确提取无机金属离子水合氢键信息。 在此基础上, 发展自适应算法, 寻找光谱数据变量与浓度间的关系, 并采用变量筛选技术, 从原始光谱数据中提取无机盐水合氢键的特征信息, 最终构建浓度与特征信息之间的数据驱动模型。 计算结果表明, KCl和NaCl组分的预测误差分别为8.0%和9.1%, 能有效满足大部分应用的检测精度要求。 多尺度数据驱动模型方法充分利用太赫兹光谱信号的时域和频域多尺度特性, 实现数据预处理与多元校正的一体化运算以避免重要信息丢失, 具备高度自适应特征。 因此, 基于数据驱动建模的太赫兹光谱分析新方法为太赫兹生物医学研究提供了新思路。

原发性开角型青光眼是常见的致盲性眼部疾病。 眼压升高是原发性开角型青光眼发生和发展最主要的危险因素, 是由小梁网途径的房水外流排出系统发生病变、 房水流出阻力增加所致。 研究表明, 房水中存在的转化生长因子-β能够使小梁细胞纤维化, 诱导小梁细胞过度增殖, 从而阻碍房水外流, 导致原发性开角型青光眼的发生。 原发性开角型青光眼发病隐蔽, 病程进展缓慢, 早期没有任何症状, 往往到晚期视力视野有显著损害时, 才会被发现, 因此原发性开角型青光眼的早期诊断尤为重要。 同步辐射红外显微成像结合高亮度、 高分辨率的同步辐射源, 同时配备傅里叶变换红外光谱仪与红外显微镜, 可以实现细胞的检测。 这对从分子层面获取细胞的变化信息, 深入理解疾病的发病机制以及疾病的早期诊断具有非常重要的意义。 虽然有很多红外光谱在生物医学领域的研究报道, 但是应用红外光谱显微成像技术研究细胞等生物医学体系仍然是亟待发展的领域, 并且目前未找到关于红外光谱用于小梁网细胞的检测报道。 在体外用转化生长因子-β对老鼠小梁网细胞进行诱导, 使其转化为肌成纤维细胞, 模拟小梁细胞纤维化过程。 对小梁网细胞以及经转化生长因子-β诱导形成的肌成纤维细胞进行同步辐射红外显微成像及光谱分析, 并进一步探讨同步辐射用于早期诊断原发性开角型青光眼的可行性。 研究表明肌成纤维细胞内的弹性蛋白明显高于小梁网细胞, 而弹性蛋白中95%为非极性氨基酸, 即氨基酸的侧链基团R基只有C和H两种元素。 对比两种细胞的红外谱图, 发现在2 934, 2 900和2 845 cm-1, 肌成纤维细胞的 CH3, CH2和CH的伸缩振动明显强于小梁网细胞, 推测可能是由于转化生长因子-β诱导后细胞内弹性蛋白增加所致。 在细胞层面检测了小梁网细胞的过度增殖, 为将来可以直接获取细胞的红外光谱从而检测小梁网细胞的增殖程度, 进而检测原发性开角型青光眼等疾病奠定了基础。 得出同步辐射红外谱学与显微成像有望成为检测原发性开角型青光眼新手段的结论, 也为将来便携式红外显微光谱仪临床实时检测青光眼等疾病提供了依据。