CN104068829A - 脊髓损伤部位神经元活性检测系统及检测方法 - Google Patents

Abstract

本发明公开了一种脊髓损伤部位神经元活性检测系统及检测方法，主要解决传统医学设备无法准确获得脊髓受损的位置神经元活性信息的问题。本系统包括光源子系统、分光子系统、反光镜、检测子系统、数据处理和图像处理子系统和显示器。光源子系统产生的近红外光经过分光子系统后，通过反射镜改变光路，投射至脊髓损伤部位，数据处理和图像处理子系统通过对检测子系统检测到的漫反射光谱和透射光谱的分析，获得神经递质和神经元特异性核蛋白的定位、定性、定量关系，并绘制成神经元活性信息图在显示器显示。本发明能获得脊髓损伤部位神经元状态的详细信息，用于为脊髓损伤的治疗及脊髓损伤后神经功能重建研究提供依据。

Description

脊髓损伤部位神经元活性检测系统及检测方法

技术领域

本发明属于电子设备技术领域，特别涉及一种医学检测设备，可用于测量患者脊髓损伤部位神经递质和神经元特异性核蛋白的近红外吸收谱，定位检测神经元的活性，为脊髓损伤的诊断、治疗和科学研究提供可视化检测手段和依据。

背景技术

近年来，随着交通事故、高空跌落、机械撞击等事故的频发，导致的脊髓损伤患者的数量大幅增加。据2013年统计数据显示，全世界脊髓损伤患病率为(258～785人)/百万人口，每年新发病率为(13.8～86人)/百万人口。目前全世界有脊髓损伤患者约480～530万人，每年新增60万人左右。脊髓损伤将中断人体神经信号的传输信道，造成患者大多高位截瘫，丧失肢体功能，大小便失禁，导致终生残疾，生活异常艰难，这不仅会给患者本人带来身体和心理的严重伤害，还会对家庭和社会造成巨大的经济负担。脊髓损伤的预防、治疗和康复，已成为是世界医学一大难题。

迄今为止，医生和科研人员只能使用常规的仪器和检查方式，如X射线检查、CT检查、磁共振MRI检查、体感诱发电位SEP和运动诱导电位MEP检查等传统方式。尽管这些仪器能够判断急性脊髓损伤受损的大概位置，但是这种检查只是形态学和影像学方面的观察，不能够检查患者脊髓损伤部位神经元的活性及随时间变化情况，也不能够准确判断脊髓受损的位置，难以精确判断受损脊髓的空洞和结痂的情况，也不能够为患者的康复提供可供比较的影像资料。

目前，医学领域针对脊髓损伤后神经功能重建所采取的研究方法主要可分为三大类：一是神经营养因子和神经元再生、二是神经元移植，三是神经电生理和人工微电子搭桥。

但这些方法的实现需要获取脊髓损伤部位神经元状态的详细信息，如神经元活动情况，移植神经元与原有神经元之间的相容性和排异性情况，受损部位脊髓结痂状态，受损脊髓长度等等。而现有的医学设备都无法提供以上信息。

发明内容

本发明的目的在于针对上述现有医学检测设备的不足，基于神经递质和神经元特异性核蛋白的近红外谱分析理论和技术，提供一种脊髓损伤部位神经元活性检测系统及检测方法，以通过对患者脊髓受损部位的近红外测试、定位、定量和定性分析获得脊髓受损部位的神经元活性信息，并进行成像显示，为脊髓损伤患者的治疗及脊髓损伤后神经功能重建的研究提供依据。

本发明的技术方案是这样实现的：

一.检测原理

医学研究表明，神经递质由存活的神经元产生，神经元特异性核蛋白，能够特异性识别神经元。根据量子能级理论，每种物质都有自己独一无二的红外光谱。通过对脊髓损伤部位神经递质和神经元特异性核蛋白的近红外吸收谱检测，能够判断神经元的活性。

本发明将光源发出的近红外光经分光系统和反光镜，投射至患者脊髓损伤部位。投射的近红外光一部分被体内的各种生物组织及不同物质，如蛋白质、骨骼、水分、电解质、神经递质、神经元特异性核蛋白等吸收，一部分被反射出来，还有一部分穿过人体，透射出来。通过漫反射检测器，得到近红外漫反射光谱，通过透射检测器，得到近红外透射光谱。漫反射光谱和透射光谱经过数据处理和图像处理后，可以对神经递质和神经元特异性核蛋白进行定位、定性、定量分析，最后在显示器成像显示神经元活性信息。

二.本发明提出的脊髓损伤部位神经元活性检测系统，包括：

光源子系统：用于为检测系统提供能覆盖整个近红外谱的红外光；

分光子系统：用于对光源子系统发出的近红外光进行分光，使近红外光以栅格状传输至反光镜；

反光镜：用于改变光路，使栅格状的近红外光照射至测试床子系统确定位置；

测试床子系统，用于承载患者，并通过调节测试床的位置使反光镜传输的近红外光对患者脊髓损伤部位进行照射扫描的一部分近红外光被吸收，一部分发生漫反射和透射，产生漫反射光谱和透射光谱；

检测器子系统：用于对照射扫描后产生的漫反射光谱和透射光谱进行检测，并将检测到的光谱信号转换成数字信号后输送给数据处理和图像处理子系统；

数据处理和图像处理子系统：用于对检测器子系统输出的数字信号进行处理，以获得近红外线吸收谱图和神经元活性信息图，输出给成像显示器，并建立患者脊髓损伤数据库；

显示器：用于对近红外线吸收谱图，神经元活性信息图进行成像显示，以及查看数据库文件。

作为优选，所述的光源子系统包括光源器件、聚光器、准直器、控制电路、反馈电路和电源；电源对光源器件提供能量，光源器件的输出分为两路：一路为电压信号，另一路为近红外光信号；该电压信号通过反馈电路输送至控制电路，控制电路对电源输出电压进行控制；该近红外光信号，依次经过聚光器聚光，准直器准直后发送至分光子系统。

作为优选，所述的分光子系统，包括光栅、驱动电路、扫描控制器；扫描控制器通过驱动电路对光栅分辨率和扫描速率进行调节。

作为优选，所述的检测器子系统，包括温度控制器、测试舱、光检测器、光电转换器、放大电路、A/D转换电路；温度控制器用于控制测试舱温度，光检测器置于测试舱内，用于对漫反射光谱和透射光谱进行检测，光电转换器将检测到的光谱变为模拟电信号，该模拟电信号依次经放大电路放大、A/D转换，输出数字信号给数据处理和图像处理子系统。

作为优选，所述的数据处理和图像处理子系统，包括数据处理器、近红外分析仪；该数据处理器包括：

红外去噪模块，用于对数字信号进行红外去噪，将红外去噪后的数字信号输出至近红外分析仪进行分析，以获得近红外吸收谱图，并将该近红外吸收谱图输出至近红外吸收谱图数据库和近红外吸收谱分析模块；

近红外吸收谱图数据库，用于存储近红外吸收谱图；

近红外吸收谱分析模块，用于对近红外吸收谱图进行分析，获得初步神经元活性信息图，并将初步神经元活性信息图输出至图像去噪模块；

图像去噪模块，用于对初步神经元活性信息图进行图像去噪处理，以获得神经元活性信息图，并将神经元活性信息图输出至神经元活性信息图数据库和显示器进行存储和显示。

三.本发明提出的脊髓损伤部位神经元活性检测方法，包括如下步骤：

(1)采用聚类算法计算神经递质和神经元特异性核蛋白样品的聚类距离矩阵D_n＝{d_pq}，其中d_pq表示p样品x_p和q样品x_q的欧氏距离；

(2)采用偏最小二乘PLS算法计算神经递质和神经元特异性核蛋白样品的回归系数矩阵B；

(3)以人体脊髓每节段的底部切面中心为原点，垂直于身体平面为X轴，平行于身体平面为Y轴，平行于脊椎为Z轴，建立三维立体坐标系；

(4)利用光源器件产生覆盖整个近红外谱的红外光；

(5)利用光栅对光源器件产生的近红外光进行分光处理，得到栅格状近红外光；

(6)栅格状的近红外光经过反光镜改变光路，对脊髓损伤部位进行三维照射扫描，产生漫反射光谱和透射光谱；

(7)对照射扫描后所产生的漫反射光谱和透射光谱进行检测，将检测到的光谱信号转变为模拟电信号，再经过放大和模数转换变为数字信号；

(8)使用小波包阈值消噪方法对数字信号进行红外去噪处理，并通过近红外分析仪输出近红外吸收谱图；

(9)由近红外吸收谱图得到初步神经元的活性信息图；

(9a)在近红外吸收谱图中读取未穿过人体的反射光强度为l₀，穿过人体之后的反射光强度l，根据近红外光强度与光沿路径损耗的定量关系l＝l₀e^-μd，计算三维扫面路径的人体厚度值分别为d₁、d₂、d₃，则该点坐标其中μ为衰减系数，e为常数；

(9b)在近红外吸收谱图中读取波长对应的吸收度数据集合y，分别计算吸收度数据集合y与样品x_p和x_q的欧氏距离d_yp和d_yq，如果所计算的欧氏距离d_yp和d_yq均不大于聚类距离矩阵D_n中的元素d_pq，则认为神经递质或者神经元特异性核蛋白存在。

(9c)在近红外吸收谱图中选定波长与吸收带，建立检测光谱矩阵X_检测，利用检测光谱矩阵X_检测和回归系数矩阵B确定该次照射扫描部位神经递质和神经元特异性核蛋白的含量Y＝X_检测B；

(9d)将脊髓损伤部位的神经递质和神经元特异性核蛋白存在情况绘制在脊髓的三维立体坐标系中，得到初步神经元的活性信息图；

(10)利用小波图像去噪方法对初步神经元的活性信息图进行图像去噪处理，得到最终神经元活性信息图，并成像显示。

本发明与现有脊髓损伤部位检测系统相比，具有以下优点：

1)本发明由于根据近红外光强度与光沿路径损耗的定量关系确定神经元的位置，所以定位更加准确；

2)本发明由于使用了聚类算法对近红外吸收谱图的波长及吸收度进行分析，所以能够对神经元进行准确的定性分析；

3)本发明由于使用了偏最小二乘算法对近红外吸收谱图的波长及吸收带进行分析，能够对神经元的含量进行定量评估；

4)本发明基于三维立体坐标，绘制的神经元活性信息图更加直观；

5)本发明采用近红外光谱技术进行实时检测，约3-5分钟即可提供脊髓损伤部位的神经元活性信息，为患者的临床治疗争取了宝贵时间；

6)本发明是无创检测，检测过程仅是对患者受损部位进行近红外扫描，使患者近红外扫描部位体温升高0.5-1.2℃，不仅有利于血液循环，而且不会造成新的创伤；

7)本发明不仅仅局限于对脊髓损伤神经元活性的检测，在获取其它物质的近红外光谱的条件下，还可用于其它疾病的临床检测，具有广泛的适用性。

附图说明

图1是本发明系统的结构示意图；

图2是本发明系统的实现原理图；

图3是本发明系统的结构框图；

图4是本发明检测方法的实现总流程图；

图5是本发明中的数字信号处理子流程图。

具体实施方式

以下结合附图对本发明作进一步详细描述。

参照图1，构成本发明检测系统的部件包括：电机控机器、测试床、检测舱、近红外光分析仪、数据处理器及显示器。其中电机控机器、测试床和近红外光分析仪均为现有设备，电机控制器对测试床进行控制，使脊髓损伤部位位于检测舱内特定位置，检测舱对患者脊髓损伤部位进行检测，再将检测数据输出至数据处理器进行初步数据处理；将初步数据处理结果输出至近红外分析仪进行分析，获得近红外吸收谱图并输出至数据处理器再处理；数据处理器对近红外吸收谱图进行再次处理，得到神经元活性信息图并在显示器显示。

参照图2，本系统包括光源子系统1，分光子系统2，反光镜3，测试床子系统4，检测器子系统5，数据处理和图像处理子系统6以及显示器7。整个系统的工作原理是：由光源子系统1产生的近红外光先经过分光子系统2进行分光，变为栅格状的近红外光，再通过反光镜3改变光路，投射至测试床4上患者脊髓损伤部位；投射的栅格状近红外光一部分被体内的各种生物组织及不同物质所吸收，一部分发生漫反射，还有一部分穿过人体，透射出来。通过检测子系统5中的漫反射检测器A和B，检测发生漫反射的近红外光谱，通过检测子系统5中的透射检测器，检测发生透射的近红外光谱；将检测到的漫反射光谱信号和透射光谱信号转换成数字信号后输出至数据处理和图像处理子系统6；数据处理和图像处理子系统6将数字信号进行近红外去噪后，再用近红外分析仪进行分析，获得近红外光吸收谱图；通过对近红外吸收谱图中波长、吸收带、光强度等计算，可以对体内的神经递质和神经元特异性核蛋白进行定位、定性、定量分析，并绘制成神经元活性信息图；最后将神经元活性信息图经图像去噪后在显示器7显示。

参照图3，本发明各子系统的结构及工作关系如下：

所述光源子系统1，由电源11、光源器件12、反馈电路13、控制电路14、聚光器15、准直器16组成；

所述分光子系统2，由扫描控制器21、驱动电路22、光栅23组成；

所述测试床子系统4，由电机控制器41、步进电机42、测试床43组成；

所述检测子系统5，由温度控制器51、测试舱52、光检测器53、光电转换器54、放大电路55、A/D转换电路56组成；

所述数据处理和图像处理子系统6，由数据处理器61和近红外分析仪62组成。

光源子系统1中的电源11对光源器件提供能量，光源器件12的输出分为两路：一路为电压信号，另一路为近红外光信号；该电压信号通过反馈电路13输送至控制电路14，控制电路14对电源11输出电压进行控制；该近红外光信号，依次经过聚光器15聚光，准直器16准直后发送至分光子系统2中的光栅。

分光子系统2中的扫描控制器21通过驱动电路22对光栅进行调节，使光源子系统发出的近红外光经过光栅后以栅格状传输至反光镜3。

反光镜3改变光路，使栅格状的近红外光照射至测试床43上。通过电机控制器41对步进电机42进行控制，使照射至测试床43上的栅格状近红外光对患者脊髓损伤部位进行扫描，一部分近红外光被吸收，一部分发生漫反射和透射，产生漫反射光谱和透射光谱。

检测子系统5中的温度控制器51对测试舱52内温度进行控制，光检测器53置于测试舱52内，对漫反射光谱和透射光谱进行检测，光电转换器54将检测到的光谱变为模拟电信号，该模拟电信号依次经放大电路放大55、A/D转换56，输出数字信号给数据处理和图像处理子系统6。

数据处理和图像处理子系统6中的数据处理器61对数字信号进行红外去噪，将红外去噪后的数字信号输出至近红外分析仪62进行分析，以获得近红外吸收谱图，并输出至数据处理器61；数据处理器61对该近红外吸收谱图进行分析，获得初步神经元活性信息图；将初步神经元活性信息图进行图像去噪处理后，获得最终神经元活性信息图并输出至显示器7进行成像显示。

参照图4，利用上述系统进行脊髓损伤部位神经元活性检测的方法，其实现步骤如下：

步骤1，采用聚类算法计算神经递质和神经元特异性核蛋白样品的聚类距离矩阵D_n。

1.1)对于每一种神经递质和神经元特异性核蛋白试剂样品，使用红外光谱仪，对n份不同浓度样品进行近红外光谱测量，两个样品x_i和x_j光谱在k波长点处的吸收度值分别为x_ik和x_jk，计算每两个样品之间的欧氏距离得到距离矩阵 $D_1=\left\{\begin{array}{cccc}{d}_{11}& d_{12}& \·\·\·& d_{1n}\\ d_{21}& d_{22}& \·\·\·& d_{2n}\\ \·& \·& & \·\\ \·& \·& \·\·\·& \·\\ \·& \·& & \·\\ d_{n1}& d_{n2}& \·\·\·& d_{\mathrm{nn}}\end{array}\right\},$ i,j取值从1到n，m为波长点数；

1.2)在距离矩阵D₁的非对角元素中选取最小的元素，记为d_st，并将第s行和第t行合并为一行，将第s列和第t列合并为一列，使该合并行各元素分别为d_sk和d_tk中的最小值，使该合并列各元素分别为d_ks和d_kt中的最小值，用合并行与合并列中的各元素及距离矩阵D₁中未改变的元素构成新距离矩阵D₂；

1.3)重复步骤(1.2)共n-1次，最后得到聚类距离矩阵为D_n＝{d_pq}，其中d_pq表示p样品x_p和q样品x_q的欧氏距离。

步骤2，采用偏最小二乘PLS算法计算神经递质和神经元特异性核蛋白样品的回归系数矩阵B。

2.1)对每一种神经递质和神经元特异性核蛋白试剂样品，使用红外光谱仪，对n份不同浓度样品进行近红外光谱测量，得到光谱矩阵为X，样品浓度矩阵为Y；

2.2)将X和Y分解为：

X＝VP^T+E

                                                    ，

Y＝UQ^T+F

其中V和U分别是X和Y的光谱得分矩阵和浓度得分矩阵，P和Q分别是X和Y的载荷，E和F分别为偏最小二乘模型拟合X和Y时所引起的残差矩阵，上标T表示求矩阵的转置；

2.3)计算回归系数矩阵B＝W(P^TW)^-1Q^T，其中W为X的权重矩阵。

步骤3，以人体脊髓每节段的底部切面中心为原点，垂直于身体平面为X轴，平行于身体平面为Y轴，平行于脊椎为Z轴，建立三维立体坐标系。

步骤4，利用光源器件产生覆盖整个近红外谱的红外光。

4.1)电源对光源器件提供能量，光源器件输出的电压信号通过反馈电路输送至控制电路；

4.2)控制电路对电源输出电压进行控制，使电源电压达到稳定；

4.3)稳定的电压使光源器件产生覆盖整个近红外谱的红外光。

步骤5，利用光栅对光源器件产生的近红外光进行分光处理，得到栅格状近红外光。

5.1)驱动电路在扫描控制器的控制下调节光栅分辨率；

5.2)光源器件产生的近红外光经过特定的光栅分辨率分光后转变为栅格状的近红外光。

步骤6，栅格状的近红外光对脊髓损伤部位进行三维照射扫描，产生漫反射光谱和透射光谱。

6.1)反光镜改变栅格状的近红外光光路，使栅格状的近红外光照射至测试床特定位置；

6.2)将患者放置在测试床上，电机控制器调整步进电机，使患者脊髓损伤部位位于栅格状的近红外光照射位置；

6.3)照射至脊髓损伤部位的近红外光对脊髓损伤部位进行三维照射扫描，使一部分近红外光被体内的各种生物组织所吸收，一部分发生漫反射，产生漫反射光谱，还有一部分穿过人体透射出来，产生透射光谱。

步骤7，对照射扫描后所产生的漫反射光谱和透射光谱进行检测，将检测到的光谱信号转变为模拟电信号，再经过放大和模数转换变为数字信号。

7.1)利用光检测器对照射扫描后所产生的漫反射光谱和透射光谱进行检测，得到检测光谱信号；

7.2)采用光电转换电路将检测光谱信号变为模拟电信号；

7.3)采用放大电路将模拟电信号进行放大；

7.4)采用A/D转换电路将放大后的模拟电信号进行模数转换，变为数字信号。

步骤8，将数字信号输送至红外去噪模块，使用小波包阈值消噪方法对数字信号进行红外去噪处理，并将红外去噪后的数字信号通过近红外分析仪输出近红外吸收谱图。

8.1)将数字信号输送至红外去噪模块；

8.2)红外去噪模块使用小波包阈值消噪方法对数字信号进行红外去噪处理；

8.2a)选择小波包的最大分解尺度J，对数字信号进行J层小波包分解，得到完整的二叉树；

8.2b)从第J层开始，当两个子结点的香农熵之和小于父结点的香农熵时，将这两个子结点合并，最终得到的小波包分解树的小波包分解系数c_i；

8.2c)根据噪声方差σ和小波包分解系数c_i相应层的数据点数M计算表阈值 $\mathrm{\τ}=\mathrm{\σ}\sqrt{2\ln M};$

8.2d)使用阈值τ对小波包分解系数c_i进行消噪处理，得到新的小波包分解系数 ${c_i}^{\′}=\left\{\begin{array}{cc}{c}_i& \left|c_i\right|>\mathrm{\τ}\\ 0& \left|c_i\right|\≤\mathrm{\τ}\end{array};\right.$

8.2e)用新的小波包分解系数c_i'进行小波包重构，获得红外去噪后的数字信号；

8.3)将去噪后的数字信号输送至近红外分析仪进行分析，输出近红外吸收谱图；

8.4)将该近红外吸收谱图输出至近红外吸收谱图数据库和近红外吸收谱分析模块进行存储和分析。

步骤9，近红外吸收谱分析模块对近红外吸收谱图进行分析，得到初步神经元的活性信息图，并将初步神经元活性信息图输出至图像去噪模块。

9.1)在近红外吸收谱图中读取未穿过人体的反射光强度为l₀，穿过人体之后的反射光强度l，根据近红外光强度与光沿路径损耗的定量关系l＝l₀e^-μd，计算三维扫面路径的人体厚度值分别为d₁、d₂、d₃，则该点坐标其中μ为衰减系数，e为常数；

9.2)在近红外吸收谱图中读取波长对应的吸收度数据集合y，分别计算吸收度数据集合y与样品x_p和x_q的欧氏距离d_yp和d_yq，如果所计算的欧氏距离d_yp和d_yq均不大于聚类距离矩阵D_n中的元素d_pq，则认为神经递质或者神经元特异性核蛋白存在；

9.3)在近红外吸收谱图中选定波长与吸收带，建立检测光谱矩阵X_检测，利用检测光谱矩阵X_检测和回归系数矩阵B确定该次照射扫描部位神经递质和神经元特异性核蛋白的含量Y＝X_检测B；

9.4)将脊髓损伤部位的神经递质和神经元特异性核蛋白存在情况绘制在脊髓的三维立体坐标系中，得到初步神经元的活性信息图；

9.5)将初步神经元活性信息图输出至图像去噪模块。

步骤10，图像去噪模块利用小波图像去噪方法对初步神经元活性信息图进行图像去噪处理，以获得最终神经元活性信息图，并将神经元活性信息图输出至神经元活性信息图数据库和显示器进行存储和显示。

10.1)图像去噪模块利用小波图像去噪方法对初步神经元活性信息图进行图像去噪处理；

10.1a)对初步神经元的活性信息图进行N层图像的小波分解，得到小波分解系数c_i；

10.1b)根据噪声方差σ，小波分解系数c_i相应层的数据点数M计算阈值 $\mathrm{\τ}=\mathrm{\σ}\sqrt{2\ln M};$

10.1c)使用阈值τ对小波包分解系数c_i进行消噪处理，得到新的小波分解系数 ${c_i}^{\′}=\left\{\begin{array}{cc}\left[\mathrm{sgn}\left(c_i\right)\right][c_i-\mathrm{\τ}]& \left|c_i\right|>\mathrm{\τ}\\ 0& \left|c_i\right|\≤\mathrm{\τ}\end{array}\right.;$

10.1d)用新的小波分解系数c_i'进行小波重构，即为最终神经元活性信息图；

10.2)将最终神经元活性信息图输出至神经元活性信息图数据库和显示器进行存储和显示。

上述步骤8-10的实现如图5所示。

以上描述仅是本发明的一个具体实例，不构成对本发明的任何限制，显然对于本领域的专业人员来说，在了解了本发明内容和原理后，都可能在不背离本发明原理、结构的情况下，进行形式和细节上的各种修改和改变，但是这些基于本发明思想的修正和改变仍在本发明的权利要求保护范围之内。

Claims (10)

1.一种脊髓损伤部位神经元活性检测系统，包括：

光源子系统：用于为检测系统提供能覆盖整个近红外谱的红外光；

分光子系统：用于对光源子系统发出的近红外光进行分光，使近红外光以栅格状传输至反光镜；

反光镜：用于改变光路，使栅格状的近红外光照射至测试床子系统确定位置；

测试床子系统，用于承载患者，并通过调节测试床的位置使反光镜传输的近红外光对患者脊髓损伤部位进行照射扫描的一部分近红外光被吸收，一部分发生漫反射和透射，产生漫反射光谱和透射光谱；

检测器子系统：用于对照射扫描后产生的漫反射光谱和透射光谱进行检测，并将检测到的光谱信号转换成数字信号后输送给数据处理和图像处理子系统；

数据处理和图像处理子系统：用于对检测器子系统输出的数字信号进行处理，以获得近红外线吸收谱图和神经元活性信息图，输出给成像显示器，并建立患者脊髓损伤数据库；

显示器：用于对近红外线吸收谱图，神经元活性信息图进行成像显示，以及查看数据库文件。

2.根据权利1所述的脊髓损伤部位神经元活性检测系统，其中所述的光源子系统包括光源器件、聚光器、准直器、控制电路、反馈电路和电源；电源对光源器件提供能量，光源器件的输出分为两路：一路为电压信号，另一路为近红外光信号；该电压信号通过反馈电路输送至控制电路，控制电路对电源输出电压进行控制；该近红外光信号，依次经过聚光器聚光，准直器准直后发送至分光子系统。

3.根据权利1所述的脊髓损伤部位神经元活性检测系统，其中所述的分光子系统，包括光栅、驱动电路、扫描控制器；扫描控制器通过驱动电路对光栅分辨率和扫描速率进行调节。

4.根据权利1所述的脊髓损伤部位神经元活性检测系统，其中所述的检测器子系统，包括温度控制器、测试舱、光检测器、光电转换器、放大电路、A/D转换电路；温度控制器用于控制测试舱温度，光检测器置于测试舱内，用于对漫反射光谱和透射光谱进行检测，光电转换器将检测到的光谱变为模拟电信号，该模拟电信号依次经放大电路放大、A/D转换，输出数字信号给数据处理和图像处理子系统。

5.根据权利1所述的脊髓损伤部位神经元活性检测系统，其中所述的数据处理和图像处理子系统，包括数据处理器、近红外分析仪；该数据处理器包括：

红外去噪模块，用于对数字信号进行红外去噪，将红外去噪后的数字信号输出至近红外分析仪进行分析，以获得近红外吸收谱图，并将该近红外吸收谱图输出至近红外吸收谱图数据库和近红外吸收谱分析模块；

近红外吸收谱图数据库，用于存储近红外吸收谱图；

近红外吸收谱分析模块，用于对近红外吸收谱图进行分析，获得初步神经元活性信息图，并将初步神经元活性信息图输出至图像去噪模块；

图像去噪模块，用于对初步神经元活性信息图进行图像去噪处理，以获得神经元活性信息图，并将神经元活性信息图输出至神经元活性信息图数据库和显示器进行存储和显示。

6.一种脊髓损伤部位神经元活性检测方法，包括如下步骤：

(1)采用聚类算法计算神经递质和神经元特异性核蛋白样品的聚类距离矩阵D_n＝{d_pq}，其中d_pq表示p样品x_p和q样品x_q的欧氏距离；

(2)采用偏最小二乘PLS算法计算神经递质和神经元特异性核蛋白样品的回归系数矩阵B；

(3)以人体脊髓每节段的底部切面中心为原点，垂直于身体平面为X轴，平行于身体平面为Y轴，平行于脊椎为Z轴，建立三维立体坐标系；

(4)利用光源器件产生覆盖整个近红外谱的红外光；

(5)利用光栅对光源器件产生的近红外光进行分光处理，得到栅格状近红外光；

(6)栅格状的近红外光经过反光镜改变光路，对脊髓损伤部位进行三维照射扫描，产生漫反射光谱和透射光谱；

(7)对照射扫描后所产生的漫反射光谱和透射光谱进行检测，将检测到的光谱信号转变为模拟电信号，再经过放大和模数转换变为数字信号；

(8)使用小波包阈值消噪方法对数字信号进行红外去噪处理，并通过近红外分析仪输出近红外吸收谱图；

(9)由近红外吸收谱图得到初步神经元的活性信息图；

(9a)在近红外吸收谱图中读取未穿过人体的反射光强度为l₀，穿过人体之后的反射光强度l，根据近红外光强度与光沿路径损耗的定量关系l＝l₀e^-μd，计算三维扫面路径的人体厚度值分别为d₁、d₂、d₃，则该点坐标其中μ为衰减系数，e为常数；

(9b)在近红外吸收谱图中读取波长对应的吸收度数据集合y，分别计算吸收度数据集合y与样品x_p和x_q的欧氏距离d_yp和d_yq，如果所计算的欧氏距离d_yp和d_yq均不大于聚类距离矩阵D_n中的元素d_pq，则认为神经递质或者神经元特异性核蛋白存在；

(9c)在近红外吸收谱图中选定波长与吸收带，建立检测光谱矩阵X_检测，利用检测光谱矩阵X_检测和回归系数矩阵B确定该次照射扫描部位神经递质和神经元特异性核蛋白的含量Y＝X_检测B；

(9d)将脊髓损伤部位的神经递质和神经元特异性核蛋白存在情况绘制在脊髓的三维立体坐标系中，得到初步神经元的活性信息图；

(10)利用小波图像去噪方法对初步神经元的活性信息图进行图像去噪处理，得到最终神经元活性信息图，并成像显示。

7.根据权利6所述的脊髓损伤部位神经元活性检测方法，其中步骤(1)所述的采用聚类算法对神经递质和神经元特异性核蛋白样品定性分析，得到聚类距离矩阵，按如下步骤进行：

(1.1)对于每一种神经递质和神经元特异性核蛋白试剂样品，使用红外光谱仪，对n份不同浓度样品进行近红外光谱测量，两个样品x_i和x_j光谱在k波长点处的吸收度值分别为x_ik和x_jk，计算每两个样品之间的欧氏距离得到距离矩阵 $D_1=\left\{\begin{array}{cccc}{d}_{11}& d_{12}& \·\·\·& d_{1n}\\ d_{21}& d_{22}& \·\·\·& d_{2n}\\ \·& \·& & \·\\ \·& \·& \·\·\·& \·\\ \·& \·& & \·\\ d_{n1}& d_{n2}& \·\·\·& d_{\mathrm{nn}}\end{array}\right\},$ i,j取值从1到n，m为波长点数；

(1.2)在距离矩阵D₁的非对角元素中选取最小的元素，记为d_st，并将第s行和第t行合并为一行，将第s列和第t列合并为一列，使该合并行各元素分别为d_sk和d_tk中的最小值，使该合并列各元素分别为d_ks和d_kt中的最小值，用合并行与合并列中的各元素及距离矩阵D₁中未改变的元素构成新距离矩阵D₂；

(1.3)重复步骤(1.2)n-1次，最后得到聚类距离矩阵为D_n＝{d_pq}。

8.根据权利6所述的脊髓损伤部位神经元活性检测方法，其中步骤(2)所述的采用偏最小二乘PLS算法对神经递质和神经元特异性核蛋白样品定量分析，得到回归系数矩阵和浓度载荷矩阵，按如下步骤进行：

(2.1)对每一种神经递质和神经元特异性核蛋白试剂样品，使用红外光谱仪，对n份不同浓度样品进行近红外光谱测量，得到光谱矩阵为X，样品浓度矩阵为Y；

(2.2)将X和Y分解为：

X＝VP^T+E

                                                   ，

Y＝UQ^T+F

其中V和U分别是X和Y的光谱得分矩阵和浓度得分矩阵，P和Q分别是X和Y的载荷，E和F分别为偏最小二乘模型拟合X和Y时所引起的残差矩阵，上标T表示求矩阵的转置；

(2.3)计算回归系数矩阵B＝W(P^TW)^-1Q^T，其中W为X的权重矩阵。

9.根据权利6所述的脊髓损伤部位神经元活性检测方法，其中步骤(8)所述的使用小波包阈值消噪方法对数字信号进行红外去噪处理，按如下步骤进行：

(8.1)选择小波包的最大分解尺度J，对数字信号进行J层小波包分解，得到完整的二叉树；

(8.2)从第J层开始，当两个子结点的香农熵之和小于父结点的香农熵时，将这两个子结点合并，最终得到的小波包分解树的小波包分解系数c_i；

(8.3)根据噪声方差σ和小波包分解系数c_i相应层的数据点数M计算表阈值 $\mathrm{\τ}=\mathrm{\σ}\sqrt{2\ln M};$

(8.4)使用阈值τ对小波包分解系数c_i进行消噪处理，得到新的小波包分解系数 ${c_i}^{\′}=\left\{\begin{array}{cc}{c}_i& \left|c_i\right|>\mathrm{\τ}\\ 0& \left|c_i\right|\≤\mathrm{\τ}\end{array};\right.$

(8.5)用新的小波包分解系数c_i'进行小波包重构，获得红外去噪后的数字信号。

10.根据权利6所述的脊髓损伤部位神经元活性检测方法，其中步骤(10)所述的利用小波图像去噪方法对初步神经元的活性信息图进行图像去噪处理，按如下步骤进行：

(10.1)对初步神经元的活性信息图进行N层图像的小波分解，得到小波分解系数c_i；

(10.2)根据噪声方差σ，小波分解系数c_i相应层的数据点数M计算阈值 $\mathrm{\τ}=\mathrm{\σ}\sqrt{2\ln M};$

(10.3)使用阈值τ对小波包分解系数c_i进行消噪处理，得到新的小波分解系数 ${c_i}^{\′}=\left\{\begin{array}{cc}\left[\mathrm{sgn}\left(c_i\right)\right][c_i-\mathrm{\τ}]& \left|c_i\right|>\mathrm{\τ}\\ 0& \left|c_i\right|\≤\mathrm{\τ}\end{array}\right.;$

(10.4)用新的小波分解系数c_i'进行小波重构，即为最终神经元活性信息图。