1 中国医学科学院北京协和医学院生物医学工程研究所， 天津 300192
2 中国医学科学院北京协和医学院医学实验动物研究所， 北京 100021
3 天津大学精密仪器与光电子工程学院， 天津 300072
介绍一种基于光谱检测和数据驱动模型的非接触式血液物种识别技术。 选取了4个物种（猴144， 大鼠203， 狗133， 人169）共计649个血样作为原始样本。 超连续谱激光光源的波长范围是450～2 400 nm。 分别采集抗凝管盛装血液样本的后向散射可见光谱（294～1 160 nm）和十个不同空间位点的前向散射近红外光谱（1 021～1 757 nm）， 将十一条光谱数据顺序连接为一维数据作为每个样本的原始数据。 利用主成分分析法对数据集进行特征信息提取， 保留原始差异信息量的99.99%， 同时将数据量压缩为原始数据量的1.5%， 提高分类识别的运算效率。 对不同数量的训练集和验证集进行训练预测实验表明， 十折交叉验证的识别误差率随着样本数量的增加而降低， 样本库规模的增大可以提高识别的精确度。 由于数据驱动模型是基于机器学习算法的数据流处理模型， 因而可以采用多种不同的分类算法实现。 通过比较人工神经网络、 支持向量机、 偏最小二乘回归、 多元线性回归、 随机森林和朴素贝叶斯的识别效果可以发现， 不同算法的识别效果具有类别差异性， 即各个算法的正确识别率排序在不同的物种中是有差异的。 因而实际应用中， 在选择数据驱动模型时， 除了需要考虑算法的整体识别率之外， 当对部分类别的识别效果有额外要求时， 还应该考虑算法本身的类别差异性。
非接触式血液物种识别 数据驱动模型 分类算法 Non-contact blood species recognition Data driven model Classification algorithm 光谱学与光谱分析
2018, 38(8): 2483
1 天津大学, 精密测试技术及仪器国家重点实验室, 天津 300072
2 天津大学, 天津市生物医学检测技术与仪器重点实验室, 天津 300072
3 天津中医药大学中医药工程学院, 天津 300193
基于摄像头（可见光)的心率测量方法, 能够以非接触的方式检测受试者心率, 无论在临床应用还是在家庭健康监护中都有着极大的应用前景。 但是, CMOS摄像头的行扫描方式采集图像以及计算机系统的图像采集时钟抖动都会影响此类心率测量的精度, 从而引入相位误差和系统随机误差。 本文针对这两大主要误差进行研究分析, 提出了消除相位误差的基于傅里叶变换的幅频叠加算法、 消除图像采集系统时钟抖动误差的基于时间标定的三次样条插值重构方法。 幅频叠加算法只在幅频域对信号进行处理, 能够忽略信号的相位影响, 从而消除相位误差。 时间标定的三次样条重构算法能够重构图像的均匀采集, 从而消除系统时钟抖动引起的随机误差。 同时, 通过理论推导论证了两种算法的可行性, 进而利用LED模拟实验和实际心率测量实验验证该算法在提高信号检测精密度中的特性。 在模拟实验中, 对每帧图像的200行作幅频叠加运算, 能够使信号幅值相对提升458%; 基于时间标定的三次样条重构算法能使检测的信号频率的均方根误差缩小30%以上; 在实际心率检测中, 幅频叠加算法可使心率幅值相对提升达335%, 基于时间标定的三次样条重构算法可使心率准确度提升40%左右。 因此, 模拟实验和实际心率测量实验均验证了提出的算法在提高系统检测精度上的有效性, 提高了基于机器视觉心率测量的抗干扰能力。 这两种算法不仅能够提高基于机器视觉的心率检测精度, 而且能够适用于基于机器视觉对一定频率信号的检测, 在机器视觉检测中具有广泛的意义。
光学心率检测 机器视觉光学 摄像头相位误差 采样时钟误差 机器视觉检测 Optic-based heart rate measurement Machine vision optics Camera phase error System latency error Machine vision inspection
1 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
2 天津大学天津市生物医学检测技术与仪器重点实验室, 天津 300072
3 天津中医药大学中医药工程学院, 天津 300193
乳腺等类型生物组织的透射Monte Carlo模拟(简称MC模拟)耗时很长, 这主要是由于被模拟的组织较厚和Monte Carlo模拟自身统计特性引起的所需光子数量多造成的。 针对光源与接收面在同一直线上, 采用光纤接收透射光的模型进行分析, 通过考虑生物组织自身的光学特性, 进行了边界约束和有效后向散射次数的限制来缩短仿真时间, 经过多次实验验证, 以两次散射所到位置为分界, 并充分利用组织光学参数计算约束边界, 计算相对比较简单, 同时考虑到入射与出射的实际情况进行微扩, 从而得到的约束边界。 对光学参数相同但厚度不同的组织进行仿真, 分析进入同一位置光纤的光子数所发生后向散射次数, 发现后向散射次数随着组织厚度与散射系数的增大而增大, 随着吸收系数与各向异性因子的增大而减小, 通过限定后向散射次数来节省时间。 仿真结果表明, 在传统计算机上, 该方法能够显著缩短MC模拟的运算时间50%左右, 尤其适用于较厚且边界较为复杂的高散射物质的MC模拟。 该提速方法主要应用于光源与接收面处于同一直线, 且生物组织较厚, 散射系数较大的情况, 能够有效节约仿真所需时间, 有利于分析组织透射成像。
大空间生物组织 透射 Monte Carlo模拟 加速 Large space biological tissue Transmission Monte Carlo simulation Acceleration 光谱学与光谱分析
2016, 36(11): 3476
1 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
2 天津大学天津市生物医学检测技术与仪器重点实验室, 天津 300072
3 天津中医药大学中医药工程学院, 天津 300193
由于人体组织结构的复杂性和个体差异性, 采用光谱分析技术实现组织内部信息的检测方法中, 仍存在着检测位置不明确的问题。 采用多位置空间分辨漫反射光谱法对脂肪肌肉组织中内部信息的最佳探测位置进行了研究。 由于目标组织为肌肉组织, 为了消除由于不同人体皮下脂肪层厚度的差异以及目标层中多次后向散射光对测量结果引起的较大误差, 并根据光在复杂生物组织中的传输模型, 通过增加约束条件——两条理想的“香蕉型”路径—来定义有效光子比SNR, 并以SNR作为评价最佳探测位置SDSbest的标准, 对优化后的Monte Carlo仿真结果进行统计分析, 分别研究了脂肪层厚度hf、 脂肪层吸收系数μaf和肌肉层吸收系数μam与光源探测器间距SDS之间的关系, 并以hf为自变量与SDSbest建立线性回归模型。 研究表明, (1)当0
脂肪肌肉组织 内部组织信息 最佳检测位置 空间漫反射光谱 Monte Carlo模拟 Fat-muscle tissue Inner information of tissue Best Source-detector Distance Spatially diffuse reflectance spectra Monte Carlo simulation 光谱学与光谱分析
2016, 36(10): 3434
1 天津医科大学生物医学工程与技术学院, 天津 300070
2 中国人民解放军254医院体检中心, 天津 300142
3 精密测试技术及仪器国家重点实验室, 天津大学, 天津市生物医学 检测技术与仪器重点实验室, 天津 300072
4 天津中医药大学中医药工程学院, 天津 300193
近红外光谱分析作为一种无损、 实时、 连续检测的方法, 为血液成分无创检测提供了思路。 为了保证采集到的光谱数据的准确性和可靠性, 本文通过动态光谱脉搏波时域有效单沿数和频域品质因数Q值相结合的方法对405例采集的样本进行了评估, 剔除异常的样本, 筛选出218例可靠样本。 对筛选出的218例样本和对照组的218例样本的动态光谱数据与相应的被测对象的血红蛋白浓度值进行了建模分析, 每组选取200例样本作为校正集, 18例样本作为预测集。 有效单沿数和Q值联合筛选的实验组的预测准确率达到93.8%, 有效单沿数或Q值单一评估的两个对照组的预测准确率分别为65.6%和67.7%, 未经过筛选的三个对照组的预测准确率分别为53.7%, 33.3%, 42.6%; 实验组的预测平均相对误差为0.067 5, 单一评估的两个对照组分别为0.072 3和0.072 2, 随机选取的对照组分别为0.082 3, 0.078 9, 0.082 8, 较其他各组相比为最小。 结果表明时域频域联合法对光谱数据样本筛选具有可靠性和有效性, 这将为动态光谱的无创检测的精准性研究提供了方法。
动态光谱 质量评价 Q值 有效单沿数 Dynamic spectrum Quality evaluation Q value Valid single edge counts 光谱学与光谱分析
2016, 36(9): 3020
1 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
2 天津大学天津市生物医学检测技术与仪器重点实验室, 天津 300072
3 长江师范学院电子信息工程学院, 重庆 408100
自变量筛选是定量光谱分析领域的研究热点, 简便且高效的自变量筛选方法不但可以降低分析计算量, 提高分析精度, 同时还可以减轻对仪器光谱分辨能力的依赖, 降低分析成本。 波长筛选也是光谱法无创血液成分检测研究的重要环节。 动态光谱理论为血液无创检测提供了极佳的思路, 但长期局限于使用宽带光源和高分辨率的光谱仪器, 分析中需要大量波长限制了动态光谱法的进一步发展。 为了去除冗余信息, 使检测走向低成本化和集成化, 提出了基于变量投影重要性(variable importance in projection, VIP)分析的波长筛选方法。 通过分析PLS模型中各维自变量对因变量的解释能力, 从而剔除重要性较低的变量保留解释能力强的波长。 以232例受试者的临床实验数据为基础, 以血红蛋白含量为分析对象, 经投影重要性分析后将波长数由586降至64, 波长筛选后血红蛋白预测模型的测试集平均相对误差(MREP)为1.82%, 使用了极少的波长便可得到满意的结果; 结合Bootstrap方法对模型进行显著性检验后验证了波长变量的解释能力。 首次指出了使用动态光谱法检测血红蛋白的敏感波长带。 基于投影重要性分析的波长筛选迈出了动态光谱走向实用的重要一步, 为实现低成本在线分析打下了基础, 同时也为其他领域的光谱分析提供了重要的参考和新的思路。
波长筛选 动态光谱 变量投影重要性 无创血液成分检测 光电容积脉搏波 Wavelength selection Noninvasive measurement of blood components Variable importance in the Project (VIP) Dynamic spectrum photoelectric plethysmography 光谱学与光谱分析
2016, 36(4): 1080
1 天津大学精密测试技术及仪器国家重点实验室, 天津 300072
2 天津大学天津市生物医学检测技术与仪器重点实验室, 天津 300072
3 华东师范大学极化材料与器件教育部重点实验室, 上海 200241
4 天津市人民医院检验学部, 天津 300120
5 天津市人民医院查体中心, 天津 300120
在传统的血氧饱和度测量方法中, 首先计算对数光电容积脉搏波交、 真流成分的比值(R值), 然后通过实验建立血氧饱和度值与R值的线性回归模型, 旨在消除光程的影响, 将个体差异的影响降至最小化, 是一种基于Lambert-Beer定律的降维处理。 当考虑散射时, 这种以交、 直流成分的比值作为自变量的降维处理方式损失了信息量, 引入了系统误差, 限制了测量的精度。 为了减小这种影响, 从透射光电脉搏波所含信息量的角度, 提出了使用双波长对数光电容积脉搏波的峰值和谷值作为自变量与血氧饱和度值建立线性回归模型的新方法。 从23名健康志愿者中获得133例光电脉搏波及血氧饱和度参考值样本, 从中随机抽取90例作为建模集, 另外43例作为预测集, 对比了新方法和R值法的建模和预测结果。 随机抽取建模集并预测10次, 新方法和R值法的平均预测相关系数分别为0.890 6和0.846 8, 平均预测均方根误差分别为0.889 6%和1.037 3%, 结果表明新方法的预测效果优于传统R值法, 使用四个特征量建立血氧饱和度预测模型, 能够提高测量的稳定性和精度, 对基于有限波长光谱数据建模测量人体血液生理参数有指导意义。
血氧饱和度 光电脉搏波 偏最小二乘 无创测量 Oxygen saturation Photoplethysmography wave Partial least squares Noninvasive measurements
1 北京工业大学生命科学与生物工程学院, 北京 100124
2 天津大学, 精密测试技术及仪器国家重点实验室, 天津 300072
3 安徽大学健康科学研究院, 安徽 合肥 230601
为了能快速准确的识别原料肉与注水肉, 提出了一种基于可见-近红外光谱和稀疏表示的无损的识别方法。通过向猪肉样本(包括猪皮、脂肪层和肌肉层)注水的方法建立注水肉模型, 采集未注水的原料肉和6类不同注水量的注水肉的可见和近红外漫反射光谱数据。为了消除光谱数据中的冗余信息并提高分类效果, 对光谱数据进行光调制和归一化等预处理并截取有效波段, 根据是否注水以及注水量的多少对样本进行分类。用所有训练样本构成原子库(字典), 通过ｌ1最小化将测试样本表示为这些原子的最稀疏的线性组合。计算测试样本与各类的投影误差, 将最小投影误差对应的类作为测试样本的所属类别, 并应用留一法进行交叉检验, 比较了稀疏表示法与支持向量机的识别结果。实验结果表明, 利用稀疏表示法对于原料肉与注水肉的识别准确率可达到90%以上, 获得了较好的分类效果, 优于支持向量机的识别结果。而对于不同注水量的注水肉识别准确率与注水量之差正相关。稀疏方法不需要进行传统模式识别模型的前期学习与特征提取, 适用于高维、小样本量数据的处理, 计算成本低, 将其用于注水肉的光谱数据识别具有一定的创新性, 并取得了较满意的结果, 为原料肉和注水肉的无损识别提供了一种有效方法。
可见-近红外光谱 稀疏表示 注水肉 原料肉 Visible/near-infrared spectrum Sparse representation Water-injected meat Raw meat
1 天津大学精密测试技术及仪器国家重点实验室, 天津300072
2 河北工业大学电气工程学院电磁场与电器可靠性省部共建重点实验室, 天津300130
3 天津师范大学电子与通信工程学院, 天津300387
从漫射高光谱中可以获得被测物体成分、 结构及其分布等信息。 采用光纤光谱仪获取漫射高光谱是一种常用的方法。 Monte Carlo方法在研究光在浑浊介质的传播方面得到了广泛的应用。 然而, 使用Monte Carlo方法研究漫射高光谱时, 必须考虑实际的检测条件对信号采集的影响。 将光纤参数引入到Monte Carlo模型中, 研究了光纤参数对被检测光学信号的影响。 仿真结果表明, 孔径角和半径增大, 检测的漫射高光谱随之增大, 而光纤与被测物质表面的距离小于1 mm时对漫射高光谱的影响在一定程度上可以忽略。 进一步研究发现存在固定的修正系数使不同孔径角的光纤所采集的漫射高光谱转化为孔径角为π/2的光纤对应的信号。 同时, 得到了实际光纤孔径角范围内的修正系数拟合曲线。 不同半径的光纤通过面积归一化可以得到很好的一致性。 研究检测光纤参数对漫射高光谱的影响对实际测量有重要的指导意义, 而且不同光纤所对应的检测结果可以通过修正系数和面积归一化进行移植。
Monte Carlo仿真 检测光纤 漫射高光谱 浑浊介质 Monte Carlo simulation Detection fiber Diffuse hyper-spectrum Turbid media
1 天津大学精密测试技术及仪器国家重点实验室, 天津300072
2 军事交通学院车辆工程系, 天津300161
3 天津大学天津市生物医学检测技术与仪器重点实验室, 天津300072
4 天津师范大学电子与通信工程学院, 天津300387
将经验模态分解(EMD)算法结合动态光谱理论中的频域提取算法用于血红蛋白浓度的无创测量。在体采集57例光电容积脉搏波, 选取636.98～1 086.86 nm范围内的光谱数据进行分析。首先通过EMD方法分别对各个样本每个波长的光电容积脉搏波进行去噪预处理, 再利用离散傅里叶变换提取脉搏波的峰峰值构成动态光谱, 最后运用偏最小二乘方法对各样本的动态光谱和血红蛋白浓度建立模型。与未经EMD处理的数据建模结果相比, EMD处理后, 血红蛋白浓度预测集的相关系数从0.879 8提高到0.917 6, 预测集均方根误差从6.675 9 g·L-1减小到5.300 1 g·L-1, 相对误差从8.45%减小到6.71%, 建模精度有了较大的提高。结果表明, 采取经验模态分解的算法进行光电采集数据的去噪预处理可以提高光谱数据的信噪比, 进而可以提高血液成分无创测量的准确性。
经验模态分解 动态光谱 近红外 血红蛋白浓度 无创测量 Empirical mode decomposition (EMD) Dynamic spectrum Near infrared Hemoglobin concentration Non-invasive measurement 光谱学与光谱分析
2014, 34(8): 2106
