论无创血糖监测的红外光谱方法(特邀)

介绍了无创血糖监测的几种光学方法以及红外光谱法用于无创血糖监测的优势。分析了无创血糖监测红外光谱法的主要问题,包括光在人体组织中的复杂传播;葡萄糖吸收信号微弱,且与人体中其它生化成分吸收光谱重叠;人体组织背景吸收干扰严重等。总结了无创血糖监测红外光谱法的最新进展,给出抑制人体组织背景吸收干扰的方法,并认为组织液可代替血液用于血糖水平的测量。展望了该领域未来研究趋势,主要涉及精确描述光子在组织中的传输、测量皮肤表皮内或表皮与真皮浅层光谱信息,以及提高光谱仪器信噪比,建立葡萄糖吸收带定标模型。

近红外光谱无创生化检验的可能性

近红外光谱分析是一种不破坏样品、不用化学试剂、可以多组分同时分析的技术,用于无创生化检验具有理论上的可能性。该项分析技术过去采用直接测量的方法,难以消除皮肤、肌肉、血管等人体组织的强背景干扰,所以至今离临床应用甚远。本文讨论了在一个血流容积脉搏波周期内将任意两个时间点(t1t、2)测得的光谱相减来获得血液光谱的新方法。由于光谱相减后吸光度差很小,需要有极高信噪比的仪器,在技术上有较大难度。文中分析了有关技术问题,包括t1t、2的选择,仪器信噪比、光谱波段、分光方式、波长数与波长对测量的影响等,认为该项分析技术有希望实现无创生化检验的临床应用。

平滑、导数、基线校正对近红外光谱PLS定量分析的影响研究

基于偏最小二乘法 ,利用平滑、导数、基线校正预处理手段 ,对近红外光谱进行了定量分析 ,比较了分析结果 ,给出了不同预处理方法的PRESS值和RMSEC的值 ,比较并选取了最佳预处理方法。在平滑预处理方法中 ,比较了不同平滑点数对预测的影响 ,确定了最佳平滑点数 ,通过采用PLS回归分析 ,与原始光谱数据回归比较 ,结果令人满意。

基于逐步回归法的近红外光谱信息提取及模型的研究

基于多元线性回归的逐步分析算法 ,依据小麦粉的近红外吸收特性机理 ,对小麦粉的近红外光谱(10 0 0～ 2 5 0 0nm)划分三波段 (Ⅰ :10 0 0～ 14 0 0nm ;Ⅱ :14 0 0～ 186 0nm ;Ⅲ :186 0～ 2 5 0 0nm) ,并进行了各波段的光谱信息提取 ,确定了回归特征波长 ,对不同波段建立的回归模型进行了比较 ,给出了各段回归的最佳数学模型。通过对小麦粉近红外谱的信息提取及蛋白质成分的定量分析 ,比较和讨论了不同波段所建模型对小麦粉蛋白质含量的近红外分析结果 ,在应用中有一定的参考价值。

茶多酚中总儿茶素的近红外光谱分析

采用近红外光谱分析技术对茶多酚中儿茶素进行了光谱分析,结果表明该技术能够解析出儿茶素中各主要基团在近红外波段的吸收特性,并且结合定标过程定量快速检测总儿茶素在茶多酚中的含量,分析结果在很大的样品浓度范围内给出了很高的精度,SEC=2.15%,相关系数(r)为0.9947。

近红外光谱法测定茶多酚中总儿茶素含量

以高效液相色谱(HPLC)分析结果为参考值,建立了快速测量茶多酚中总儿茶素含量的近红外光谱定标模型.将48份茶多酚样品组成定标样品集,在1000～2500nm(4000～10000cm-1)的近红外漫反射光谱为定标波长范围内,光谱经一阶导数(Firstderivative)、二阶导数(Secondderivative)、标准归一化(Stan-dardnormalvariate,SNV)和多元散射校正(multiplicativesignalcorrection,MSC)处理后结合偏最小二乘回归(PLS)定标.经内部交叉验证表明,光谱经SNV处理后建模结果最佳.模型的相关系数Corr.Coeff=0.997,校正均方根RMSEC=1.71%.比较了经典最小二乘法(CLS)、偏最小二乘法(PLS)和主成分回归(PCR)等方法建模结果,以偏最小二乘回归建模效果最好.

短波近红外光谱的整粒小麦蛋白质PLS方法的定量分析

利用漫反射法获得的整粒小麦短波近红外光谱 (833～ 1111nm) ,采用化学计量学中的偏最小二乘法 (PLS)方法 ,选取不同的波长范围对光谱进行信息提取和分析 ,给出了不同因子数时PLS方法进行蛋白质分析的结果及其因子数与预测标准偏差平方和 (PRESS)关系曲线 ,确定了最佳回归因子数。并通过选取最佳回归因子和不同波段 ,对整粒小麦的蛋白质成分进行了定量分析 ,比较了不同波长范围对分析的影响 ,并从中获得了较好的预测结果 ,实验表明 ,合理选择光谱范围可减少非主要信息的干扰 ,并以此来提高成分分析精度的方法是切实可行的 。

土壤有机质近红外光谱分析组合波长的优选

以分析85份吉林省北部黑质土壤样品有机质含量为例,研究了利用多元散射校正和相关光谱法对定标波长的优选,并根据经验和参考波长理论对所建立的模型进行逐步优化。最终得到定量模型的相关系数为0 .90 ,定标标准差(RMSEC)为0 .36 %,交叉检验标准差(RMSECV)为0 .40 %,该结果与采用偏最小二乘算法(PLS)对土壤连续谱进行定标的结果相当。结果表明,利用该方法建立的模型简单、稳定,可以为吉林省北部黑土质土壤养分状况普查和便携仪器的研制提供参考。

近红外光谱结合主成分分析和BP神经网络的转基因大豆无损鉴别研究

为探究无损鉴别转基因大豆的可行性,利用近红外光谱分析仪对大豆扫描得到反射光谱,应用主成分分析结合BP神经网络方法进行分析鉴别。首先应用主成分分析法,得到包含大豆99.03%的光谱信息的6个主成分,再将其作为BP神经网络的输入,对应的大豆种类作为输出,建立一个三层BP神经网络模型。该模型对于转基因大豆的正确识别率为100%,说明近红外光谱结合主成分分析和BP神经网络的方法能无损快速准确地鉴别转基因大豆。

棉-涤混纺面料中棉含量的近红外光谱分析

建立了分析精度较高的用于检测棉-涤混纺面料里含棉量的近红外光谱分析模型。选择了50个棉-涤混纺面料作为对象,自行设计采样装置,采集其近红外光谱;然后,经一阶导数、二阶导数、Savitzky-Golay滤波等方法预处理,结合偏最小二乘法,建立了4个棉成分的定量分析模型。结果表明:Savitzky-Golay滤波对定标结果几乎没有影响;经一阶导数预处理后的光谱数据结合偏最小二乘法建立的模型具有较高的分析精度,定标均方差和预测均方差分别达到了0.022和0.018,分析误差控制在±0.05以内,基本满足了纺织领域快速定量检测的精度需求。同时,还分析了近红外光谱技术在该应用领域的研究重点。

基于径向基函数网络的茶多酚总儿茶素近红外光谱检测模型的研究

基于径向基函数神经网络(RBFN)建立了茶多酚总儿茶素含量的近红外光谱分析模型。茶多酚光谱采用小波压缩、标准化处理后,进行主成分分解,以主成分光谱作为RBFN的隐层输入函数,并通过改变主成分数对模型进行优化。当主成分数为7时得到了RBFN优化模型,该模型对定标样品集、全样品集和预测样品集的预测值与实际值回归系数R分别为0.999,0.999和0.992,预测均方误RMSEP分别为1.08%,2.06%和3.68%。

小麦近红外特征波长提取及蛋白质含量测定

采用多元线性回归的逐步分析算法,对小麦粉的近红外光谱波段(Ⅰ:1000nm～1400nm;Ⅱ:1400nm～1860nm;Ⅲ:1860nm～22500nm;)进行了回归特征提取,确定了最佳回归波长,给出了各段回归的数学模型,对小麦粉蛋白质的近红外谱成分进行了比较分析,讨论了不同波段模型的蛋白质的近红外分析结果,在应用中有一定的参考价值。

近红外光谱法快速测定啤酒的主要品质参数

文章分别在空气背景和蒸馏水背景下使用不同光程样品池(1,5mm),选择不同光谱分辨率(8,16,32cm-1)采集了83个不除气啤酒样品的近红外光谱,并应用偏最小二乘法(PLS)和逐步多元线性回归(SMLR)方法,对啤酒的真实浓度、原麦汁浓度以及酒精度三种主要成分进行了回归分析,并建立了相应的定标与预测模型。结果发现:不同背景、不同分辨率、不同光程条件下的定标预测结果相近,逐步多元线性回归方法定标预测结果好于偏最小二乘法。在实验室实现了应用近红外光谱对不除气的少量啤酒样品(约2mL)同时快速无损检测啤酒的三个重要指标。文章的结果为应用和进一步开发啤酒成分近红外在线分析仪奠定了基础。

多元散射校正对近红外光谱分析定标模型的影响

采用近红外漫反射光谱分析技术,用傅里叶变换型光谱仪对50个烟叶样品采集吸收光谱,采用常用的多元散射校正(MSC)对光谱预处理,通过主成分分析、相关谱等方法比较分析了预处理对光谱分析的影响,用偏最小二乘(PLS)回归法建立近红外光谱与总糖含量的定标模型,用 Leave One Out的交叉检验(Cross Validation)检验定标模型,结果 PLS 因子数由 MSC校正前的 5 降为校正后的 3,RM SECV值仅由0.884 1%降为0.85%。实验证明:对光谱进行MSC预处理能有效减少模型的最佳因子数,简化数学模型,使模型更稳定,更便于传递,但并不能显著减小最优定标模型的预测标准差,即不能显著提高模型的预测能力。

谷物近红外光谱分析中常用数据处理方法讨论

在研究近红外光谱的物理机理的同时,对光谱分析中常用的数据处理方法偏最小二乘法(PartialLeastSquares)、多元线性回归法(MultipleLinearRegression)和人工神经网络法(ArtificialNeuralNetwork)从理论上进行了分析和比较;指出了对光谱数据进行求导、SNV(StandardNormalVariate)算法、滤波等预处理的重要性;讨论了近红外光谱分析常用方法在谷物成份检测中的应用。

食用调和油中花生油含量的近红外光谱分析

采用偏最小二乘法（PLS）等方法建立了食用调和油中花生油含量定量分析的近红外光谱定标模型。采集食用调和油样品在4000cm^-1～10000cm^-1范围内的近红外漫反射光谱，光谱经一阶导数处理后，采用偏最小二乘法建立样品中花生油含量的定标模型，并用Leave—one—out内部交叉验证法对模型进行验证。模型相关系数为0．99961，校正均方根RMSEC为0．830％。比较不同光谱预处理方法对定标模型的影响，结果表明一阶导数Corr．coeff最好。采用不同的化学计量学方法建立的定标模型中以偏最小二乘回归法最理想。

小型近红外玉米蛋白质成分分析仪器设计的波段选择

采用傅里叶变换近红外漫反射光谱技术和偏最小二乘法(PLS)建立了玉米蛋白质含量的定标模型。按照预测效果优选光谱波段,为设计小型近红外玉米蛋白质成分分析仪器提供依据。采用多元散射校正方法对光谱进行预处理,然后利用Savitzky-Golay平滑法对原谱、一阶导数谱和二阶导数谱进行平滑处理。选取全谱、合频、一倍频、二倍频和蛋白质基团等5个波段,每个波段分别采用原光谱、一阶导数谱、二阶导数谱,共建立15个定标模型。同时调整Savitzky-Go-lay平滑点数和PLS因子数,通过多次PLS数值实验比较,按照预测效果确定每个模型的最优平滑点数、因子数,再从中选优。结果表明,采用一阶导数谱的一倍频波段(7000～5500cm-1)的定标效果最好,模型的预测相关系数、预测均方根偏差、相对预测均方根偏差分别为0.945,0.357,3.340%。一倍频波段可以代替全谱波段并得到更好的定标效果。

荧光光谱成像技术结合聚类分析及主成分分析的藻类鉴别研究

为探讨快速、实时藻类检测方法，实验通过荧光光谱成像技术结合模式识别方法对不同藻类进行鉴别研究。发现藻类样本存在着显著的荧光特性，通过采集40个藻类样品的荧光光谱图像，对图像进行去噪、二值化处理，确定有效像素后，根据光谱立方体绘制每个样本的光谱曲线，将所得400～720 nm区段范围内的光谱数据作鉴别分析，再利用系统聚类分析及主成分分析两种不同的模式识别法对光谱数据进行处理。系统聚类分析结果表明：采用欧氏距离法及平均加权法计算样本间的聚类距离，在距离L＝2．452以上水平处可将样本正确分类，准确率为100％；主成分分析结果表明：通过对原始光谱数据进行一阶微分、二阶微分、多元散射校正、变量标准化等预处理后，再对数据进行主成分分析，其中二阶微分预处理后鉴别效果最佳，八种藻类样品在主成分特征空间中独立分布。因此，利用荧光光谱成像技术结合聚类分析法及主成分分析法对藻类进行鉴别是可行的，操作简便、快速、无损。

茶多酚中咖啡因的近红外光谱分析

采用近红外光谱分析技术对茶多酚中咖啡因进行了光谱及定量分析,原始光谱表明咖啡因在近红外波段有着很强且较为明显的吸收峰。通过对样品的漫反射原始吸光度光谱进行导数、散射校正及相关分析更清晰地给出了咖啡因在近红外光谱波段的光谱特性,为建立快速稳健的定标模型创造了条件。该技术能够解析出咖啡因中各主要基团在近红外波段的吸收特性,结合定标过程定量快速检测咖啡因在茶多酚中的含量,定标分析结果显示在很大的浓度范围内有很好的线性相关性,定标标准差SEC为0.49%,相关系数(r)为0.993,证实了近红外光谱分析技术作为一种新的快速分析茶多酚中咖啡因含量手段的可行性及优越性。

近红外光谱技术用于无创生化检验研究的进展

20世纪90年代初,近红外光谱技术在人体无创生化检验方面的潜力逐渐获得重视。然而,人体是一个极其复杂多变的检测对象,因此虽然各研究小组在实验模拟和离体分析方面取得了一定成果,但在临床应用上始终没有实质性突破。文章讨论了目前阻碍近红外光谱技术实现临床意义上的人体无创生化检验的关键问题,即信号微弱、组织背景干扰、血流容积变化问题。将国际上现有的近红外无创生化检验研究工作的思路按照分析方法大致归为两类,即经典近红外分析法和扣除组织背景干扰分析法。详细介绍了这两类研究思路各自的研究现状,并认为在现有条件下第二类思路更有希望取得临床可以应用的结果。