基于样本优化和主成分分析的多通道拉曼光谱重建及其快速成像

拉曼成像是一种无损伤、无需标记的光谱成像技术,在生物医学领域得到了广泛的应用。然而,由于大多数生物样本中的自发拉曼信号都很弱,为了获得较好的成像结果,需要较长的时间来获取高信噪比的拉曼光谱,严重影响了拉曼成像的时空分辨率,阻碍了其在快速动态体系中的应用。多通道拉曼成像是解决这一问题的有效途径之一,在多通道拉曼成像技术中,完整拉曼光谱的标定-重建算法是关键。目前,适用于光谱重建的算法有伪逆法、 Wiener估计算法等,这些方法虽然简单且易于实现,但是在应用于多通道拉曼成像时,一方面易受噪声、振动等非线性因素的直接干扰,另一方面在多通道拉曼成像中,数量相对较少的训练样本和坏样本的存在均很容易影响重建效果。为解决这两类因素的影响,本文提出了一种基于训练样本优化和主成分分析(PCA)的拉曼光谱重建算法。首先,利用滤光片理论响应矩阵函数计算训练样本的模拟窄带测量值,借助Wiener估计重建完整拉曼光谱,得到重建光谱的模拟窄带测量值,比较样本与重建光谱的窄带测量值,完成训练样本的优化;然后,基于多项式回归,拓展优化处理后的窄带测量值,降低非线性因素的干扰;最后,利用主成分分析,提取训练样本主要信息,完成转移矩阵的计算,并引入归一化处理,实现拉曼光谱的快速重建。在试验中,选取有机玻璃(PMMA)作为实验样本,利用伪逆法、 Wiener估计算法和本算法,分别完成拉曼光谱重建。采用均方根误差,评价拉曼光谱的重建精度。结果证明,该算法优于传统算法,为拉曼成像技术进一步在快速动态体系中的应用提供了理论支持。