在活体成分无创测量中, 人体组织的漫射光谱之间存在千差万别, 即使同一组织的光谱也时刻发生着变化, 这是影响活体组织成分测量精度的重要原因。 通过漫射光谱实时监测组织的光学特性非常重要。 由于漫射光的吸光度光谱沿光源-探测器距离不再呈现线性变化, 不同距离下的测量结果不易相互借鉴, 因此不宜采用单一距离的漫反射光测量方式。 采用双光源-探测器距离的测量方式, 通过差分测量获得了组织有效衰减系数, 其与测量距离无关, 是反映组织吸收、 散射的综合光学参数。 实验系统采用中心光纤入射, 距中心0.6和2.0 mm的两个环状分布的光纤束接收漫反射光, 并据此推测出被测组织的有效衰减系数。 通过实时监测组织的有效衰减系数, 可以监测组织的状态与成分变化信息。 采用Intralipid脂肪乳作为组织仿体, 考察了其中的葡萄糖浓度、 血红蛋白浓度、 颗粒密度、 温度四个因素变化时在1 000~1 300 nm波段的有效衰减系数光谱, 比较了它们的光谱特征。 结果表明, 有效衰减系数的光谱形状主要由介质的吸收变化决定。 其中血红蛋白的有效衰减系数光谱显示出其在1 000~1 200 nm波段吸收显著, 1 200~1 300 nm吸收减弱, 这与血红蛋白的吸收特征一致; 温度的光谱显示出与温度对水吸收光谱影响的光谱形状一致; 葡萄糖与颗粒密度引起的有效衰减系数光谱相似, 原因在1 000~1 300 nm波段葡萄糖吸收较弱, 其主要影响介质散射特性。 最后测量了不同人体的手指、 手掌、 手背、 手臂外侧、 手臂内侧的有效衰减系数光谱, 比较了部位差异和个体差异。 从人体光谱差异上很明显地看到了血红蛋白、 散射特性不同引起的光谱差异。 综上, 提出的有效衰减系数光谱测量方法特别适用于活体组织的成分测量, 为实时监测组织的散射、 吸收变化提供了一条新途径。

血液中包含着大量的生物信息, 如激素、 酶、 血糖等成分, 而血糖偏高将引发糖尿病。 糖尿病有很多并发症, 比如脑梗塞, 脑出血, 肾脏损害, 眼底损害, 周围神经病变等一系列疾病。 目前, 血液常规成分检测分析周期较长, 结果反馈较慢, 难以实现快速连续检测。 光学检测技术能够根据待测物质的光谱鉴别物质化学成分和相对含量, 因其灵敏度高、 适用性强、 分析速度快等优势, 在血液无创检测领域逐渐发挥其优势。 随着激光技术的不断进步, 拉曼光谱技术作为一种非线性散射光谱技术, 在血液检测技术中得到了广泛应用。 为提高拉曼光谱的预测精度, 首次将XGBoost算法应用到拉曼光谱血液血糖浓度中进行预测精度的提升。 实验中106组血液样本及试验标准值为河北省秦皇岛市第一医院提供, 选用布鲁克的MultiRAM光谱仪进行血液的拉曼光谱数据测量, 实验中1 064 nm激发光源功率为400 mW, 光谱分辨率为6 cm^-1, 扫描速率为10 kHz, 扫描范围为400~4 000 cm^-1, 对每个样本重复采集10次并计算平均值作为原始光谱数据, 以保证实验的准确性和可重复性。 该方法无需对数据进行预处理, 首先将光谱数据随机划分为训练集和测试集, 比例为7:3, 训练集用于训练模型并确定模型参数, 测试集用于测试模型的稳定性和预测精度。 建立XGBoost模型后, 用网格搜索法和k折交叉验证优化模型参数; 引入模型评估指标和克拉克网格误差分析图对XGBoost模型血糖浓度的预测进行分析; 最后将XGBoost模型与决策树(DT)、 随机森林(RF)和支持向量机回归(SVR)模型进行对比。 实验结果表明通过XGBoost建立的定量回归模型效果最佳, 模型的决定系数为0.999 99, 校正集均方误差为0.007 49, 预测集均方误差为0.007 17, 相对分析误差为331.973 18, 预测点均落在克拉克网格误差分析图的A区。 结果证明, 将XGBoost算法应用到拉曼光谱血液成分定量分析中具有较高的预测精度, 并且数据未经过预处理, 可以有效缩短程序运行时间, 其在拉曼光谱以及近红外光谱定量分析领域具有广阔的发展前景。

糖尿病是一种表现为高血糖的糖代谢异常疾病, 如果血液中的葡萄糖水平长时间保持非常低或非常高, 则可能导致包括组织损伤、 中风、 心脏病、 失明和肾衰竭等严重疾病。 根据世界卫生组织(WHO)的数据, 目前全球约有4.5亿糖尿病患者。 随着糖尿病患者的数量增加, 对于血糖检测仪器的需求也日益迫切, 由于目前普及的有创侵入式血糖检测仪器会给患者带来不便和疼痛, 甚至会引发感染, 长此以往会给病人带来不可避免的生理及心理压力, 因此实现无创血糖检测具有重要的临床应用价值。 光电容积脉搏波(PPG)包含丰富的人体心血管生理病理信息, 针对于时域难以观察的PPG信号中与血糖浓度变化相关的频谱信息, 提出基于谱分解的无创血糖检测新方法, 利用连续小波变换(CWT)对脉搏波信号进行分解, 从对应尺度和细节分量的频谱中获取与血糖浓度值变化相关的频谱分量幅值信息, 研究发现PPG信号频谱分量幅值的变化与血糖浓度变化值之间存在较高的相关性, 通过口服葡萄糖耐糖实验(OGTT)对检测的血糖浓度值与获取的相关PPG信号频谱分量幅值进行偏最小二乘回归建模, 并对建立的模型进行评估, 校正集的最大RMSEC为12.47 mg·dL^-1即0.69 mmol·L^-1, 预测集的最大RMSEP为6.21 mg·dL^-1即0.35 mmol·L^-1, 模型的血糖浓度预测值与参考值之间的一致率为96.00%。 OGTT实验结果表明, 采用谱分解法可以有效分离出血糖分子基团振动特征吸收光谱, 血糖频谱分量建模可以最大程度地减小生理变异性和各种环境条件的影响。 模型的预测结果符合国家检测标准(>95%)。 克拉克网格误差分析结果表明, 该方法检测的结果可以用于患者日常血糖监测。

近红外无创血糖检测技术的精度目前仍达不到临床应用的需求, 主要的原因为: 一方面人体血糖信号微弱, 并且血液中一些组分的近红外吸收谱带与葡萄糖的吸收谱带存在重叠, 为了从光谱中解析葡萄糖浓度信息, 通常会采用如偏最小二乘(PLS)等多变量回归的方法。 另一方面, 在实际测量中, 必然会存在光源漂移、 测量条件变化等背景干扰, 这些背景干扰对测量造成的影响往往大于血糖浓度变化引起的光谱响应, 因此在建立血糖预测模型之前必须对这些背景干扰进行有效地控制与消除, 否则使用多变量回归方法所建立的血糖预测模型中很可能存在伪相关。 因此为了更好地实现无创血糖检测, 测量系统本身必须具备很高的血糖检测能力, 并且在控制测量条件尽可能稳定的前提下, 采用合适的数据处理方法去除绝大部分的背景干扰。 为此, 对自行研发的无创血糖检测系统的血糖检测能力进行了评估, 证明了本系统能够达到较高的测量精度; 对三名健康的受试者开展了口服糖耐量试验(OGTT)以及口服水耐量试验(OWTT), 对比了本系统在两个不同光源-探测器距离下测得的OGTT与OWTT的光谱数据, 发现在两个光源-探测器距离下OGTT吸光度变化量的方差值都大于OWTT, 但由于受到背景干扰的影响, 三名受试者的吸光度变化量的方差值随波长的分布特点存在较大的差异; 对两个光源-探测器距离下的光谱数据进行差分处理, 对比分析OGTT与OWTT的差分光谱数据, 结果表明OGTT差分吸光度变化量的方差值远大于OWTT, 且三名受试者的差分吸光度变化量的方差值随波长分布特性与葡萄糖溶液的吸收特性基本一致, 证明使用自行研发的无创血糖检测系统配合差分处理方法, 能够有效去除背景干扰, 提取血糖浓度信息。