分布式多位置散射光谱法对被测组织内部信息的初步研究

分布式多位置散射光谱法从光子在组织中传播的"香蕉"路径这一理论出发,对测量组织的内部信息进行分析,有效消除了浅表组织对内部信息测量的干扰。设计了一种半透膜——牛奶双层结构仿体实验,以40组不同浓度的牛奶溶液代表需要被测的组织内部成分,牛奶上方盖以1至5层不同厚度的半透膜代表略有差异的浅表组织厚度干扰信息。通过贴合半透膜对该仿体采集分布式两点位置散射光谱数据样本200例,并以其中一单点位置的光谱数据为对照,均按3:1的比例用BP神经网络的方法分别对下层牛奶溶液的浓度进行建模和预测。实验结果显示单一位置散射光谱和两点位置散射光谱均达到90%以上的训练拟合率和预测精度,且两点位置散射光谱的预测精度更高,达到98.41%。证明了运用光子传播路径的散射光谱法可实现对底层牛奶溶液浓度的有效预测,消除浅表组织对于测量内部组织成分的影响,且将多点位置考虑到建模过程中可进一步提高预测精度。从而验证了该方法对于在不破坏组织完整性的前提下对组织表层以下内部某种成分或物质浓度进行分析的可行性。