CN105136690A - 漫射光谱数据处理方法、建模方法、预测方法和处理装置 - Google Patents
漫射光谱数据处理方法、建模方法、预测方法和处理装置 Download PDFInfo
- Publication number
- CN105136690A CN105136690A CN201410233900.0A CN201410233900A CN105136690A CN 105136690 A CN105136690 A CN 105136690A CN 201410233900 A CN201410233900 A CN 201410233900A CN 105136690 A CN105136690 A CN 105136690A
- Authority
- CN
- China
- Prior art keywords
- scattering
- insensitive
- concentration
- measured medium
- spectrum data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/49—Scattering, i.e. diffuse reflection within a body or fluid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/27—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands using photo-electric detection ; circuits for computing concentration
- G01N21/274—Calibration, base line adjustment, drift correction
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/47—Scattering, i.e. diffuse reflection
- G01N21/4738—Diffuse reflection, e.g. also for testing fluids, fibrous materials
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
Landscapes
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Optics & Photonics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Emergency Medicine (AREA)
Abstract
提供了漫射光谱数据处理方法、建模方法、预测方法和处理装置。根据实施例,一种漫射光谱数据处理方法可以包括:获得被测介质在一个或多个第一径向位置处的漫射光谱数据;以及根据获得的漫射光谱数据,确定一个或多个第二径向位置处实质上仅由被测介质的散射特性变化引起的光学信息和/或实质上仅由被测介质的吸收特性变化引起的光学信息。
Description
技术领域
本公开一般地涉及光谱检测领域,具体地,涉及漫射光谱数据处理方法、成分浓度建模和预测方法以及处理装置。
背景技术
光谱检测法具有绿色无污染、不破坏样品、检测速度快、可实现多成分同时定量分析、不需要使用任何试剂或试纸以及连续、实时监测等优点,是真正意义上的无创检测技术。
在实际应用中,需要测定的被测物通常是不经过提纯等预处理的复杂样品,即散射介质,比如牛奶、生物组织体等。这些散射介质在近红外波段具有强散射、高吸收的特点。与纯吸收介质相比,散射介质的测量光谱中包含了散射和吸收两部分的作用,此时朗伯比尔定律不再适用。此外,受散射介质中粒子的强散射作用影响,大部分光是漫射光,这些漫射光子的行走路径是不固定的,它随介质的吸收特性、散射特性等光学参数的变化而改变。因此,采用光谱法检测散射介质中的物质成分时,易受到介质本身光学参数变化的干扰,尤其受散射特性变化的影响大,一直难以达到类似纯吸收介质中的测量精度水平。
现阶段,散射介质中的物质成分测量,主要成功应用于物质成分浓度较大且吸收较强的场合,此时认为吸收作用为主导信息,而忽略散射作用引起的相对较小的光程变化,如基于光电脉搏波的血氧饱和度测量与血红蛋白的测量。由于血红蛋白为血液中主要的吸收成分,其浓度相对高,在近红外波段吸收强,因此,在薄层介质的测量场合下近似认为朗伯比尔定律仍适用。尽管如此,血红蛋白的检测精度仍不高。而其他含量相对较低、吸收相对较弱的成分,如血糖、白蛋白等,检测精度较差,无法满足实际应用的精度要求。因此,散射介质中的微弱成分的检测一直是光谱检测领域的难点。
同时,光谱法还必须对特定的散射介质建立测量模型,模型之间不易移植。比如,一批牛奶建立的测量模型,若用于另一批次的牛奶检测时,误差往往较高。此外,不同的散射介质之间也难以相互借用模型,比如针对牛奶的模型将不能很好地用于生物组织中的成分检测。
鉴于测量精度低、模型不易移植这两个主要原因,光谱法在散射介质的成分检测中的应用受到了限制。而光谱法具有无损性、实时性、在线性的优点,在食品安全检测、环境安全检测、生物组织成分的无创伤检测等领域具有潜在的应用需求。
发明内容
本公开的目的至少部分地在于提供能够将散射作用改变引起的光学信息和吸收作用改变引起的光学信息进行有效分离的漫射光谱数据处理方法,利用这些分离的信息进行预测模型建立和浓度预测的方法,以及相应的处理装置。
根据本公开的一个方面,提供了一种漫射光谱数据处理方法。该方法可以包括:获得被测介质在一个或多个第一径向位置处的漫射光谱数据;以及根据获得的漫射光谱数据,确定一个或多个第二径向位置处实质上仅由被测介质的散射特性变化引起的光学信息和/或实质上仅由被测介质的吸收特性变化引起的光学信息。
根据本公开的另一方面,提供了一种建立预测模型的方法。该方法可以包括:提供一系列被测介质,所述一系列被测介质分别包括背景介质或基准介质以及向背景介质或基准介质中加入的不同已知浓度的特定成分,其中所述基准介质包括背景介质以及初始浓度的该特定成分;针对所述一系列被测介质,按上述方法进行处理;以及基于各已知浓度以及相应的实质上仅由被测介质的吸收特性变化引起的光学信息和/或实质上仅由被测介质的散射特性变化引起的光学信息,获得预测模型。
根据本公开的再一方面,提供了一种浓度预测方法。该方法可以包括:针对被测介质,按上述方法进行处理,其中被测介质包括背景介质或基准介质,其中基准介质包括背景介质以及初始浓度的特定成分,由于特定成分的浓度变化而导致被测介质中该特定成分的浓度未知;以及基于针对被测介质的实质上仅由被测介质的吸收特性变化引起的光学信息和实质上仅由被测介质的散射特性变化引起的光学信息中至少之一以及如上所述获得的预测模型,预测所述特定成分的浓度。
根据本公开的又一方面,提供了一种浓度预测方法。该方法可以包括:提供一系列介质,获得相应的吸收系数或吸光度,其中所述一系列介质分别包括纯吸收背景介质以及向该纯吸收背景介质中加入的不同已知浓度的特定成分;基于各已知浓度与相应的吸收系数或吸光度,获得预测模型;针对被测介质,获得其散射不敏感点处的漫射光谱数据,其中被测介质包括散射背景介质或基准介质,其中基准介质包括散射背景介质以及初始浓度的特定成分,由于特定成分的浓度变化而导致被测介质中该特定成分的浓度未知;以及基于针对被测介质获得的散射不敏感点处的漫射光谱数据以及预测模型,预测所述特定成分的浓度,其中,所述散射不敏感点指示光谱数据中的光强信息对被测介质的散射特性变化不敏感的径向位置。
根据本公开的又一方面,提供了一种处理装置。该处理装置可以包括:探测器,用以探测被测介质的光谱;以及处理器,配置为根据探测器的探测,确定一个或多个径向位置处实质上仅由被测介质的散射特性变化引起的光学信息和/或实质上仅由被测介质的吸收特性变化引起的光学信息。
根据本公开的实施例,可以分离由散射特性变化导致的光学信息以及由吸收特性变化导致的光学信息。利用这些信息,可以实现较高的预测精度。特别是,可以提取到基本上纯粹的吸收信息,可以有效用于物质成分的浓度测量。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1是示出了光谱检测的示意图;
图2是示出了根据本公开实施例的光谱数据分离的示意图;
图3是示出了根据本公开实施例的在特定成分的不同浓度下光谱数据分离的示意图;
图4是示出了根据本公开实施例的漫射光谱数据处理方法的流程图;
图5是示出了根据本公开实施例的确定散射不敏感点的方法的流程图;
图6是示出了根据本公开实施例的不同波长下散射不敏感点位置的示意图;
图7是示出了根据本公开实施例的确定吸收不敏感点的方法的流程图;
图8是示出了根据本公开另一实施例的确定散射不敏感点的方法的流程图;
图9是示出了根据本公开另一实施例的分离散射信号和/或吸收信号的方法的流程图;
图10是示出了建立浓度预测模型和进行浓度预测的一般性原理的示意图;
图11是示出了根据本公开实施例的建立预测模型/浓度预测方法的流程图;
图12是示出了根据本公开实施例的利用散射不敏感点处的漫射光谱数据进行建模/预测的方法的流程图;
图13是示出了根据本公开实施例的不同散射介质间模型移植方法的流程图;
图14是示出了根据本公开实施例的纯吸收介质与散射介质间模型移植方法的流程图;
图15是示出了根据本公开实施例的利用吸收不敏感点处的漫射光谱数据进行建模/预测的方法的流程图;
图16是示出了根据本公开实施例的针对3%intralipid溶液+10000mg/dL葡萄糖在1160nm波长的探测光下的光谱数据分离的示意图;
图17是示出了根据本公开实施例的从3%intralipid溶液中不同葡萄糖浓度下的光谱数据中提取的纯吸收信息的示意图;
图18是示出了根据本公开实施例的理想50mM葡萄糖浓度变化引起的吸收系数变化量的示意图;
图19是示出了根据本公开实施例的3%intralipid溶液的吸收系数的示意图;
图20是示出了根据本公开实施例的理想的葡萄糖引起的吸收系数的相对变化量的示意图;
图21是示出了根据本公开实施例的不同波长下散射不敏感点位置的示意图;
图22是示出了根据本公开实施例的1mM葡萄糖浓度变化引起的吸收系数和散射系数的变化量的示意图;
图23是示出了根据本公开实施例的不同散射介质下葡萄糖浓度变化引起的吸收信息的示意图;
图24是示出了根据本公开实施例的处理装置的方框图;
图25是示出了根据本公开实施例的通过仿真获得的光强相对变化量随径向位置的线性变化规律的图;
图26是示出了根据本公开实施例的针对多个波长分别获得各波长下的散射不敏感点处光谱数据的示意图;以及
图27是示出了根据本公开实施例的针对多个波长通过固定两点测量获得各波长下的散射不敏感点处光谱数据的示意图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。此外,在以下说明中,可能省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
发明人发现,从散射介质的混叠漫射光谱数据中,可以将散射介质中各成分粒子的散射特性(常用散射系数μs或约化散射系数μs′来表征)改变引起的光学信号和吸收特性(常用吸收系数μa来表征)改变引起的光学信号进行分离。在此,所谓散射介质,是指其中存在对光有较强散射作用(同时,一般地也存在吸收作用)的成分的介质(与纯吸收介质不同,朗伯比尔定律不再适用)。例如,intralipid溶液是脂肪乳,是一种悬浊溶液,对光有强散射。通常,可以利用intralipid溶液来模拟人体皮肤的光学特性,并且可以向其中加入葡萄糖,来模拟皮肤中葡萄糖的测量。
特别是针对某些特定的测量位置,可以只获得“(基本上)纯散射特性改变引起的光学信号”(简称“纯散射信号”)和“(基本上)纯吸收特性改变引起的光学信号”(简称“纯吸收信号”)。两种“纯信号”可分别用于体现散射作用和吸收作用的影响。
这是因为,发明人发现了随测量位置由近至远,光强的相对变化呈现出单调递增或单调递减的线性或近似线性的规律。
下面将以散射介质测量理论中的漫射方程在无限介质中的稳态解来说明这种规律。
如图1所示,在距离光源101检测距离为r的环形或者环球形区域时,检测距离ρ=r,光能流密度Φ的一阶近似解可表示为公式(1)。
其中,ρ为检测器与光源之间的径向距离;μa为吸收系数;μ′s为约化散射系数,定义为(1-g)μs,g为各向异性因子,μs为散射系数;D为光子的扩散系数,D={3[μa+(1-g)μs]}-1=[3(μa+μ′s)]-1;μeff为有效衰减系数,
假设初始状态下,散射介质的吸收系数为μa,散射系数为μs,各向异性因子为g,且折射率为n,此时获得的光谱为初始光谱,即式(1)。假定散射介质的光学性质(例如,吸收和/或散射特性)例如由于其中成分的浓度变化(甚至是从0到一定值,即,加入某成分)等而发生变化,从而导致例如吸收系数的变化量为Δμa,且散射系数的变化量为Δμs,此时获得的光能流密度改变为dΦ或ΔΦ。对公式(1)求全微分,得到公式(2)。
光能流密度Φ是距光源ρ处单位体积内的光辐射强度,它的强弱及变化规律可以反映实际检测光强的强弱及变化规律。在此,定义一个能流密度的相对变化量S,即S=dΦ/Φ。利用公式(2)可以得到S的表达式,如公式(3):
根据公式(3)可以看出,在散射介质的吸收系数和/或散射系数改变之后,光能流密度的相对变化量S随着检测距离ρ呈现线性变化规律。此外还可以看出,S可以分离为实质上仅由散射特性改变(dμs′)引起的变化(即,式(3)中第一项)以及实质上仅由吸收特性改变(dμa)引起的变化(即,式(3)中第二项),而且这两种变化也分别呈现线性变化规律。实际检测中测量值常为光强,当接收面积、角度、时间等参数固定后,它与光能流密度呈线性关系。因此,可以推测,光强的相对变化量也满足上述规律。以下,光强的相对变化量也记为S。
尽管公式(3)是在无限介质的情况下得出的,但是发明人发现这种线性规律对于半无限介质也适用。尽管某些散射介质在半无限测量的场合可能并非严格遵循上述线性规律,但是仍然基本上符合线性规律,特别是当并非在整个径向距离范围(从0至无穷大)内而是在相对小范围的径向距离范围考察光强变化时,因此可以采用上述线性规律来予以近似。实际测量中常出现半无限测量的情况,发明人已经采用实验和模拟仿真的手段验证了该线性规律仍然适用。例如发明人进行了散射介质溶液的半无限介质测量实验,光源位于介质的上方,介质向下延伸,厚度很大,接近无限。此时,依次测量距离光源不同位置处的光强后发现光强的相对变化量S随径向距离呈现出大致线性变化规律,如图16中的实线所示。此外,发明人还采用蒙特卡洛模拟对半无限介质进行了计算仿真,模拟了108个光子在散射介质中的随机行走。具体地,模拟了作为散射介质的3%intralipid溶液中葡萄糖浓度改变为50mM时的光强相对变化量。在不同径向位置处出射光子的数目可以反映出射光强的强弱,出射光子数的相对变化量可以反映出射光强的相对变化量S。图25反映了S随径向距离ρ的变化规律。可以看出,远离光源一小段距离后,如0.5mm后,线性规律非常明显。
另一方面,光强变化也可以下述形式来表达。
其中ρ是径向距离,是散射介质中一特定成分的浓度为Ci时的测量光强,是散射介质中不含该特定成分或该特定成分为某固定初始浓度时的测量光强,μs′为散射介质的约化散射系数,μa是散射介质的吸收系数,表示径向距离ρ处的光强I(ρ)相对于约化散射系数μs′变化的变化率,表示径向距离ρ处的光强I(ρ)相对于散射系数μa变化的变化率,Δμs′是约化散射系数的变化量,Δμa是吸收系数的变化量。
其中散射系数(或约化散射系数)和吸收系数的变化量是多种因素组合得到,如公式(5)所示。j为某种影响介质光学参数的因素,如某种成分的浓度(甚至是从0到一定值,即,加入该成分),它的改变同时对吸收系数和散射系数(或约化散射系数)都产生作用。
其中,Δμs,j′(λ)表示第j因素导致的约化散射系数变化,Δμa,j(λ)表示第j因素导致的吸收系数变化。
为了分离的方便,在此采用光强的相对变化量进行处理,即采用S的表达式继续分析多因素变化的情况。将无限介质下的S公式(3)代入(5),这样公式(5)变为公式(6)。如上所述,光强的相对变化量S随径向检测距离呈现出线性变化的规律,如图2所示。针对多因素中的任意一个单因素j,它都随距离ρ呈现线性变化,在此称其为“作用线”;而多因素综合作用的结果,将是多条作用线的叠加,其也是一条线性的“作用线”。
其中,λ表示测量光的波长,这是因为散射系数(或约化散射系数)和吸收系数可能随测量光的波长不同而不同。
在此需要指出的是,在本申请中,所涉及的计算光强的相对变化量,也可以采用“取(自然)对数”后相减的运算,主要是为了计算的方便(例如,可以将除法运算转换为减法运算),但是这种运算本身对于本公开的技术而言并非是必要的。
如图2所示,光强的相对变化量(ΔI(ρ)/I(ρ))沿径向位置(ρ)呈线性规律,如上所述。图2中的直线201示出了这种线性变化,且在本文中可以将该直线称为“综合作用线”(即,由散射和吸收共同作用引起的光学信息),其包含了散射介质中所含各成分或因素变化引起的散射变化信息和吸收变化信息。
另外,图2中的直线205表示上述公式(3)中的第一项(涉及dμs′)或者上述公式(6)中的第一项(涉及Δμs,j′(λ),即实质上仅由散射特性改变引起的光学信息(例如,光强变化),且因此在本文中可以将该直线称为“散射作用线”。图2中的直线209表示上述公式(3)中的第二项(涉及dμa)或者上述公式(6)中的第二项(涉及Δμa,j(λ)),即实质上仅由吸收特性改变引起的光学信息(例如,光强变化),且因此在本文中可以将该直线称为“吸收作用线”。如上所述,这两项也分别呈线性规律。
也即,散射作用线可以表示“实质上仅由散射特性改变引起的光学信息(或信号)”在各个径向检测位置处的表现;而吸收作用线可以表示“实质上仅由吸收特性改变引起的光学信息(或信号)”在各个径向检测位置处的表现。另一方面,综合作用线主要考虑由吸收系数和散射系数(或约化散射系数)变化直接或间接改变综合引起的光学信息或信号。综合作用线可以是实际测量得到的光强变化结果。将这一综合结果分解为散射作用线和吸收作用线,可分别用于吸收、散射信息的分析。
在此,还可以引入散射不敏感点203、吸收不敏感点207和综合浮动基准点215的概念,作为散射作用线205、吸收作用线209和综合作用线201的过零点位置。
若某波长下的某位置处时,此处可以得到“(基本上)纯吸收改变引起的光学信息”。该位置定义为散射不敏感点203,记为ρ*。根据公式(3)(令第一项为零),可知
若某波长下的某位置处时,此处可以得到“(基本上)纯散射改变引起的光学信息”。该位置定义为吸收不敏感点207,记为ρ′。根据公式(3)(令第二项为零),可知
若某波长下的某位置处,散射和吸收共同作用时,可以得到综合作用线为0点。该位置定义为综合浮动基准点215,记为ρ#。根据公式(3)(令两项之和为零),可知
进一步,为了分别考虑不同物质的作用,如公式(6)所示,可以看出,对于某一种特定的成分,其引起的吸收系数改变和散射系数改变,若与其浓度为正比关系,当它的浓度在较小的范围内变动时,将各因素的微分结果(如公式(10)所示)代入公式(6),得到公式(11)。并且,此时对于该成分存在有固定的综合基准点位置,可通过公式(12)求解获得。此时的散射作用线和吸收作用线的分离,如图3所示。
其中,表示约化散射系数μs′相对于成分j的浓度Cj变化的变化率,表示吸收系数μa相对于成分j的浓度Cj变化的变化率,ΔCj表示成分j的浓度变化量。
参照图3,当相同的散射介质中一特定成分的浓度发生改变(图中示出了三种浓度变化)时,获得相应的综合作用线301、散射作用线305和吸收作用线309,其综合基准点315、散射不敏感点303和吸收不敏感点307的位置基本上保持不变。发明人发现,该规律在散射介质的光学参数(主要指散射系数)在很大范围内变化时(例如,对于某散射介质而言,它的散射系数发生小于50%的变化时)均适用。由于影响光谱测量的因素主要是介质散射系数的波动,而吸收变化可视为信号;在实际的光谱检测领域,事实上很少出现这么大的散射系数波动。因此,对于一般的光谱检测,该规律是适用的。另一方面,对于特定成分,其浓度也可以限定在一定范围内,因为在此讨论的是散射介质中该特定成分的(高精度)测量。对于检测范围要求很宽的场合(即,该特定成分浓度变化很大的场合),浓度差距太大可以引起介质本身发生变化,从而可以将不同测量范围内的介质考虑为几种不同的介质;而在小的测量范围内,在此提出的综合基准点、散射不敏感点和吸收不敏感点仍是基本固定不变的,即该规律仍是适用的。也就是说,该规律对于光谱检测用于浓度测量的场合,一般均成立。
根据上述特性,本公开提出了一种漫射光谱数据处理方法。如图4所示,该方法可以包括在操作S401获得被测介质在一个或多个第一径向位置处的漫射光谱数据。例如,多个连续位置处的漫射光谱数据如光强相对变化可以构成上述“综合作用线”。被测介质可以包括各种(散射)介质,如牛奶、血液等。为方便描述,可以将被测介质视为包括背景介质以及处于背景介质中的特定成分(即,背景介质可以是被测介质中除了特定成分之外的其他成分)。这种特定成分可以是感兴趣的对象,例如牛奶中的乳糖、血液中的血糖等。
本领域技术人员知道多种方式来进行光谱测量,以获得漫射光谱数据。例如,可以通过光源以一定波长的光照射被测介质,并可以通过检测器探测被测介质的漫反射和/或漫透射光,例如,测量其光强(例如,多个波长下的光强可以构成光谱)。或者,光源与检测器均可以浸入被测介质内部,来测量漫射光谱数据,这种情况类似于无限介质的情况。可以调整检测器的位置,以实现多个径向位置的测量。根据本公开的实施例,可以根据至少两个径向位置处的测量数据,来推测得到其他径向位置处的测量数据(乃至得到整条综合作用线),这将在以下进一步详细描述。
此外,可以根据被测介质和/或其中特定成分的特性,选择一个或多个波长的光,例如紫外、可见光和红外波段,来进行测量。例如,可以选择该特定成分的散射和/或吸收特性敏感的波长,和/或背景介质的散射和/或吸收特性不敏感的波长。
有利地,可以测量光强相对变化量(例如,由被测介质中特定成分的浓度变化导致),作为漫射光谱数据。例如,可以对背景介质中不含该特定成分或该特定成分为某固定初始浓度值(以下,将背景介质+初始浓度的特定成分称作“基准介质”)时,在一个或多个径向检测距离下测量光谱,作为初始光谱,记为I1。然后,当背景介质中该特定成分的浓度相对于初始浓度发生改变时,测量此时被测介质在一个或多个径向检测距离下的光谱,记为I2。例如,对于血液中的血糖测量,可以先测量空腹时(此时血糖可以稳定地处于一个低水平状态)血液的光谱,作为初始光谱;然后,可以测量餐后(此时,血糖开始变化,直至餐后2小时候逐渐又处于稳定水平)血液的光谱,以便获取血糖的变化信息。
可以根据这两个光谱来得到光强的相对变化量S=lnI2-lnI1或s=(I2-I1)/I1,作为上述漫射光谱数据。但是,需要指出的是,漫射光谱数据不限于上述光强相对变化量,如下所述,还可以获得其他类型的数据(例如,光强的变化量)。
在本公开的许多实施例中,可能需要测量初始光谱。除了可以采用背景介质不含特定成分时的光谱可以作为初始光谱,还可以采用背景介质中含任意固定初始浓度的特定成分(即,基准介质)时的光谱作为初始光谱。例如,还可以针对某些介质(特别是不含特定成分的背景介质),建立初始光谱的数据库,以重复使用(例如,预实验时使用、实际测量时使用等等),从而降低工作负担。
另外,在获得光谱数据时,由于如上所述的线性规律,故而可以仅采用少数径向检测位置处的测量数据进行推测,得到其他位置下的数据。例如,可以测量至少2个径向位置下的漫射光谱数据(例如,光强相对变化量),并以径向位置为横坐标,例如通过线性拟合,可以得出其他位置(特别是,这两点附近)处的漫射光谱数据(例如,光强相对变化量S)。进一步,还可以推测出光强绝对变化量的数据ΔI=S·I1,其中I1是背景介质不含该特定成分或该特定成分为某固定初始浓度下的光强,即初始光谱。特别地,若这两点的其中一点,采用“综合作用线”的过零点(也称为“综合浮动基准点”,例如参见图2的“215”),由于这点对物质成分浓度变化实质上不敏感,所以其测量值可直接推测为初始光强,无需测量。
在获得漫射光谱数据(例如,综合作用线或者综合作用线上的一点或多点)之后,该方法还可以包括在操作S403中根据漫射光谱数据,确定一个或多个第二径向位置处实质上仅由被测介质的散射特性变化引起的光学信息(例如,散射作用线或散射作用线上的一点或多点)和/或实质上仅由被测介质的吸收特性变化引起的光学信息(例如,吸收作用线或吸收作用线上的一点或多点)。如上所述,这种散射作用和吸收作用的提取是可能的。该一个或多个第二径向位置可以与上述一个或多个第一径向位置不同、相同或者部分相同。
例如,这种提取可以根据被测介质的散射不敏感点和/或吸收不敏感点来进行。在此,所谓“散射不敏感点”可以指示光谱数据中的光强信息对被测介质的散射特性变化实质上不敏感的径向位置,所谓“吸收不敏感点”可以指示光谱数据中的光强信息对被测介质的吸收特性变化实质上不敏感的径向位置。参见图3,当被测介质中特定成分的浓度发生变化时,散射不敏感点和吸收不敏感点的位置基本不变。因此,被测介质的散射不敏感点和/或吸收不敏感点可以通过对背景介质或基准介质进行测量来获得。
根据散射不敏感点和/或吸收不敏感点来提取散射信号和/或吸收信号例如可以如下进行。具体地,参见图2,可以根据吸收不敏感点207处的光谱数据(即,点213)以及散射不敏感点203,例如通过线性拟合或者将这两点213、203直接连线来得到散射作用线。类似地,可以根据散射不敏感点203处的光谱数据(即,点211)以及吸收不敏感点207,例如通过线性拟合或者将这两点211、207直接连线来得到吸收作用线。
在测量了多个波长下的光谱数据时,可以针对各个波长的光谱数据,分别利用各个波长下的相应散射不敏感点和/或吸收不敏感点,来进行数据提取。
参考图3,这种散射作用线和/或吸收作用线(或者其斜率)反应了背景介质中特定成分的浓度变化,因此可以用于浓度预测,这将在以下进一步详细描述。
这里需要指出的是,不一定要分离出散射作用线和吸收作用线两者,分离出其中一条即可。例如,可以仅根据散射作用线或者仅根据吸收作用线来进行浓度预测,如下所述。另外,也不需要获得整体散射作用线或吸收作用线,可以获得散射作用线或吸收作用线上的一点或多点。
在以上操作中,利用了被测介质的散射不敏感点和吸收不敏感点。这种散射不敏感点和吸收不敏感点例如可以如下来确定。
参考图5,在操作S501,可以针对背景介质或基准介质(背景介质和基准介质一般地均可以是散射介质)时,以一定波长的测量光在不同径向检测距离下测量光谱,作为初始光谱,记为I1。接着,在操作S503,可以使背景介质或基准介质的散射系数发生微小改变,例如加入少量的散射粒子,但基本上不影响该背景介质或基准介质在该波长下的吸收特性(例如,加入的粒子在该波长下基本上不表现出吸收)。在此,所谓“微小”改变,是指这种改变能够导致光谱数据上可观察的变化,但是除此之外背景介质或基准介质整体上的光学性质基本上保持不变。即,这种微小改变可以视为微分概念dμs′或Δμs,j(λ)。在微分或差分法测量原理中,经常使用这样的概念,因此本领域技术人员能够明了在实际应用中这种“微小”改变的具体数值选择及其实现方式。在此,需要注意的是,这种“微小”改变并不一定在数值绝对值上很小;同样,绝对值小的变化也不一定是在此所述的“微小”变化(例如,由一个人的皮肤换成另一个人,一般认为不是微小变化,而是背景介质的改变)。此时,利用同样波长的测量光,测量背景介质或基准介质在不同径向检测距离下的光谱,记为I2。然后,在操作S505,可以根据光强变化信息,确定该波长下的散射不敏感点。具体地,可以计算光强的绝对变化量It=I2-L1,或者光强的相对变化量S,其中S=lnI2-lnI1或s=(I2-I1)/I1。由于光强的变化是由于操作S503中背景介质或基准介质散射特性的改变引起的(而吸收特性基本保持不变),所以光强变化信息基本上完全反应了背景介质或基准介质的散射特性改变。可以取绝对变化量It或相对变化量S的过零点对应的径向位置,即,光强变化实质上为零处的径向位置,作为散射不敏感点,因为该点表明了光谱数据(在此,光强)不随背景介质或基准介质的散射特性的改变而改变,即对散射特性不敏感。如上所述,该点可以视为被测介质的散射不敏感点,因为如上所述,该特定成分浓度的变化基本上不会影响散射不敏感点的位置。
在此需要指出的是,基准介质中该特定成分的初始浓度与上述测量被测介质初始光谱时被测介质中该特定成分的初始浓度可以相同或不同。同样,在以下的实施例中,在不同场合使用的基准介质中特定成分的初始浓度不必相同。
可以针对不同波长,分别进行如图5所示的处理,以便针对这些波长,分别获得背景介质在各波长下的散射不敏感点。
图6示出了针对浓度为3%的intralipid溶液的实验结果。这种intralipid溶液例如可以模拟人体的皮肤情况,比如有的人的皮肤的光学参数类似3%浓度的intralipid,而有的人的皮肤的光学参数类似4%浓度的intralipid。因此,可以使用intralipid溶液的仿真实验,来模拟活体测量(例如,向intralipid溶液中加入葡萄糖,以模拟活体血糖测量)。在这样的示例中,intralipid溶液可以视为上述背景介质,而葡萄糖可以视为上述特定成分。在图6中示出了针对1100-1340nm波段的散射不敏感点。
吸收不敏感点可以类似地测量。参考图7,在操作S701,可以对背景介质或基准介质,以一定波长的测量光在不同径向检测距离下测量光谱,作为初始光谱,记为I1。接着,在操作S703,可以使背景介质或基准介质的吸收系数发生微小改变,例如加入少量的吸收成分,但基本上不影响该背景介质或基准介质在该波长下的散射特性(例如,加入的成分在该波长下基本上不表现出散射)。在此,所谓“微小”改变,可以参见以上描述。此时,利用同样波长的测量光,测量背景介质或基准介质在不同径向检测距离下的光谱,记为I2。然后,在操作S705,可以根据光强变化信息,确定该波长下的吸收不敏感点。具体地,可以计算光强的绝对变化量It=I2-I1,或者光强的相对变化量S,其中S=lnI2-lnI1或s=(I2-I1)/I1。由于光强的变化是由于操作S703中背景介质或基准介质吸收特性的改变引起的(而散射特性基本保持不变),所以光强变化信息基本上完全反应了背景介质或基准介质的吸收特性改变。可以取绝对变化量It或相对变化量S的过零点对应的径向位置,即,光强变化实质上为零处的径向位置,作为吸收不敏感点,因为该点表明了光谱数据(在此,光强)不随背景介质或基准介质的吸收特性的改变而改变,即对吸收特性不敏感。如上所述,该点可以视为被测介质的吸收不敏感点,因为如上所述,该特定成分浓度的变化基本上不会影响吸收不敏感点的位置。
如上所述,测量吸收不敏感点时基准介质中该特定成分的初始浓度与上述测量被测介质初始光谱时被测介质中该特定成分的初始浓度可以相同或不同,与上述测量散射不敏感点时基准介质中该特定成分的初始浓度也可以相同或不同。
同样,可以针对不同波长,分别进行如图7所示的处理,以便针对这些波长,分别获得背景介质在各波长下的散射不敏感点。
在实际中,吸收不敏感点常常非常接近光源,因此,可以进行近似ρ′=0,或者取一个相对很小的数值。
在图5和7所示的处理中,通过预实验,来预先确定所需波长下的散射不敏感点和吸收不敏感点。但是,本公开不限于此。例如,可以通过另一波长下的测量数据,来推导出目标波长下的散射不敏感点。吸收不敏感点可以采用上述的预实验确定,或者也可以直接采用一个较小的位置(例如ρ′=0)进行近似。
参考图8,在操作S801,针对要用来测量被测介质光谱的目标波长λ,可以选择相近的波长λr作为参考波长。该参考波长λr可以选择为被测介质中所含特定成分吸收较弱或者甚至没有吸收的波长。例如,对于作为特定成分的葡萄糖,可以选择1150nm的波长作为目标波长(即,用来测量),在该波长下,葡萄糖的吸收较强(吸收信息能够更好地反应成分,如下所述);并可以选择1050nm的波长作为参考波长,因为在该波长下,葡萄糖吸收较弱。另外,参考波长λr下的散射作用线与目标波长λ下的散射作用线可以相似。
接着,在操作S803,可以分别针对目标波长λ和参考波长λr,获得被测介质的光谱数据。这种光谱数据例如可以包括上述的光强变化量或者光强相对变化量。具体地,例如可以测试被测介质的光谱并可以相对于初始状态(例如,背景介质中不含特定成分或者含某固定浓度的特定成分)的光谱I1,λ进行处理,以获得例如光强的相对变化量Sλ,它们可以分别作为参考波长λr和目标波长λ下的光谱数据(例如,综合作用线)。
然后,在操作S805,可以根据参考波长λr下的光谱数据(例如,上述综合作用线),来确定目标波长λ下的散射不敏感点。例如,可以根据参考波长λr下的光谱数据,来确定参考波长λr下的散射不敏感点由于如上所述,参考波长λr可以选择为被测介质吸收较弱或者甚至没有吸收的波长,因此可以直接将所获得的综合作用线认为是散射作用线(因为此时的综合作用线体现了由于被测介质中特定成分的浓度相对于初始状态的浓度发生变化而导致的光学信息,而这种浓度变化导致的吸收信息很小或甚至为零且因此可以忽略),并可以据此获得散射不敏感占(例如,光强变化量或相对变化量的过零点)。之后,可以根据确定目标波长λ下的散射不敏感点例如,可以将直接作为或者对进行简单运算来获得这种“简单运算”例如可以是线性或二次拟合。
参照公式(7),散射不敏感点ρ8的位置与有效衰减系数μeff有关。对于相同的背景介质(或基准介质)而言(如上所述,特定成分浓度的变化基本上不会导致散射不敏感点的位置变化),例如可以根据它们在不同波长下的μeff(更为具体地,吸收系数μa以及散射系数μs),实现波长间散射不敏感点的推测。可以事先确定不同波长之间的映射规律,因为如上所述这只与背景介质(或基准介质)有关。在背景介质的吸收较为平稳的波段(例如,1200-1250nm),相近波长的吸收接近(另外,散射可以相似,从而波长间的散射不敏感点相似),因此可以将直接作为
图8所示的处理特别适用于介质很难进行预实验的情况,例如活体血糖测量。这种情况下,很难通过如图5和7所示的处理,来单独地改变血液的散射/吸收系数,以获得散射/吸收不敏感点。
根据本公开的另一实施例,可以获得散射不敏感点处的漫射光谱数据。这种获得例如可以通过直接在散射不敏感点处测量光谱来进行,或者可以根据在散射不敏感点之外的其他至少两个位置处测量光谱,并利用例如线性拟合,来推导散射不敏感点处的光谱数据。参见图2,在散射不敏感点203处,光强对散射特性的变化不敏感,因此(综合)漫射光谱数据(例如,点211)基本上只包含吸收特性改变引起的信号。也即,可以将散射不敏感点处的漫射光谱数据直接确定为实质上仅由被测介质的吸收特性变化引起的光学信息(例如,吸收作用线在散射不敏感点处的值)。
类似地,可以获得吸收不敏感点处的漫射光谱数据。这种获得例如可以通过直接在吸收不敏感点处测量光谱来进行,或者可以根据在吸收不敏感点之外的其他至少两个位置处测量光谱,并利用例如线性拟合,来推导吸收不敏感点处的光谱数据。参见图2,在吸收不敏感点207处,光强对吸收特性的变化不敏感,因此(综合)漫射光谱数据(例如,点213)基本上只包含散射特性改变引起的信号。也即,可以将吸收不敏感点处的漫射光谱数据直接确定为实质上仅由被测介质的散射特性变化引起的光学信息(例如,散射作用线在吸收不敏感点处的值)。在这样的实施例中,在获得漫射光谱数据时,即直接提取了散射信息和/或吸收信息。
在上述实施例中,基于散射不敏感点和/或吸收不敏感点,来分离综合作用线(或其上的一个或多个点),得到散射作用线和/或吸收作用线(或其上的一个或多个点)。但是,本公开不限于此。例如,这种分离可以不依赖于散射不敏感点和吸收不敏感点来进行。
参考图9,在操作S901,针对要用来测量被测介质光谱的目标波长λ(例如,上述针对葡萄糖的1150nm),可以选择相近的波长λr(例如,上述针对葡萄糖的1050nm)作为参考波长。该参考波长λr可以选择为被测介质中所含特定成分吸收较弱或者甚至没有吸收的波长。另外,参考波长λr下的散射作用线与目标波长λ下的散射作用线可以相似。
接着,在操作S903,可以分别针对目标波长λ和参考波长λr,获得被测介质的光谱数据。这种光谱数据例如可以包括上述的光强变化量或者光强相对变化量。具体地,例如可以测试被测介质的光谱I2,λ,并可以相对于初始状态(例如,背景介质中不含特定成分或者含某固定浓度的特定成分)的光谱I1,λ进行处理,以获得例如光强的相对变化量Sλ,它们可以分别作为参考波长λr和目标波长λ下的光谱数据(例如,综合作用线)。
然后,在操作S905,可以根据参考波长λr下的光谱数据(例如,上述综合作用线),来确定目标波长λ下的散射作用线和/或吸收作用线。由于如上所述,参考波长λr可以选择为被测介质吸收较弱或者甚至没有吸收的波长,因此可以直接将所获得的综合作用线认为是散射作用线。可以将参考波长λr下的散射作用线,直接作为或者经过简单运算后作为目标波长λ下的散射作用线。在此,由于相邻波长之间的相似性,因此这种“简单运算”例如可以是线性或二次拟合。此外,可以从目标波长λ下的综合作用线(Sλ),扣除推测的散射作用线,得到吸收作用线,实现分离。
如上所述,可以采用分离后的“散射作用线”或其上的一点或多点以及“吸收作用线”或其上的一点或多点的数据分别进行浓度预测,也可以将它们综合用于浓度预测。
图10示出了利用光谱数据进行浓度预测的一般原理。如图10所示,可以向背景介质或基准介质(包括背景介质以及初始浓度的特定成分)中加入一系列已知浓度{Ci}的特定成分,分别获得其相应的漫射光谱数据{I(ρ)}。根据这些已知浓度的数据集合和相应漫射光谱数据的集合可以建立预测模型M。本领域技术人员知道多种方式来建立预测模型M,例如偏最小二乘(PLS)回归。然后,对于背景介质或基准介质(可以不同于建模时的背景介质或基准介质,如下所述)中特定成分的未知浓度(或浓度变化)C′i,可以获得其相应的漫射光谱数据I′(ρ)(“Y”)。根据I′(ρ)和预测模型M,可以预测浓度(“X”)。
如上所述,漫射光谱数据可以包括各种合适的数据,如光强变化或相对变化。在利用相对光强变化的情况下,例如可以获得如图3所示的与各浓度相对应的一簇综合作用线(或者,相应的一簇散射作用线和/或吸收作用线)。另外,可以使用一个或多个波长来获得相应的漫射光谱数据。
在建模时,可以测量背景介质或基准介质的光谱作为初始光谱,并可以测量加入已知浓度{Ci}的特定成分后的光谱作为测量光谱,并可以据此来获得光强变化信息。在预测时,同样可以测量背景介质或基准介质(基准介质中特定成分的初始浓度可以与建模时基准介质中特定成分的初始浓度可以相同或不同)的光谱作为初始光谱,并可以测量特定成分浓度变化后的光谱作为测量光谱,并可以据此来获得光强变化信息。预测获得的可以是浓度相对值(即,浓度变化量),并可以加上初始值(在背景介质的情况下,为0;在基准介质的情况下,为所述初始浓度)来得到浓度预测值。
根据本公开的实施例,可以对这些漫射光谱数据进行处理,以提取出散射信号和/或吸收信号。例如,这种分离可以如上所述进行。在此,提出了这样一种建模和/或浓度预测方法。参考图11,在操作S1101,可以获得漫射光谱数据。例如,在建模时,可以针对加入了已知浓度{Ci}的特定成分后的背景介质或基准介质,获得漫射光谱数据(例如,相对于加入特定成分前的光强变化信息);在预测时,可以针对其中特定成分浓度发生了变化的背景介质或基准介质,获得漫射光谱数据(例如,相对于特定成分浓度变化前的光强变化信息)。接着,在操作S1103,可以对漫射光谱数据进行分离,例如分离为散射信号(例如,散射作用线或其上的一点或多点)和/或吸收信号(例如,吸收作用线或其上的一点或多点)。然后,在操作S1105,可以利用分离的散射信号(例如,散射作用线或其上的一点或多点)和/或吸收信号(例如,吸收作用线或其上的一点或多点),来进行建模或者预测。图11的处理在应用于建模和应用于预测时基本相同,区别在于:在建模时,特定成分的浓度已知,并根据浓度和光谱数据来得到预测模型(M);而在预测时,特定成分的浓度(或浓度变化)未知,并根据光谱数据(Y)和预测模型(M)来得到预测浓度(或浓度变化)(X)。
具体地,建模时可以采用分离的散射信号(即,包括散射信号作为光谱数据),且预测时也可以采用分离的散射信号(即,Y包括散射信号作为光谱数据)。由于散射引起的信号往往比吸收信号强,因此采用散射信号进行建模和预测具有信号强度大的优点。但是,各波长之间散射信息的差异可能不大,不能区分混合成分,因此可能不能直接用于混合成分的定量分析。
或者,建模时可以采用分离的吸收信号(即,包括吸收信号作为光谱数据),且预测时也可以采用分离的吸收信号(即,Y包括吸收信号作为光谱数据)。由于吸收信息与物质成分的原子或分子结构直接相关,且每种成分有自己的特异的波长吸收峰或吸收带,因此这种情况类似纯吸收介质中的测量,能够用于混合成分的定量分析。但是,一些感兴趣成分可能吸收较弱,吸收信号相对较小,容易受噪声影响。
或者,可以分别如上所述利用散射信号和吸收信号进行建模和预测,因此得到两个预测结果。可以根据实际环境(不同波长下散射/吸收的敏感性等),选择这两个结果之一,或者将这两个结果进行融合(例如,加权平均,散射信号和吸收信号的权重可以根据特定成分在不同波长下的散射和吸收特性来确定,例如可以分别确定为0.5),作为预测结果。
或者,可以采用散射信号和吸收信号两者来进行建模和预测。即,可以包括散射信号和吸收信号两者作为光谱数据,且Y可以包括散射信号和吸收信号两者作为光谱数据。
根据另一实施例,在建模和/或预测时,可以使用至少两个径向位置处的光谱数据。例如,可以包括至少两个径向位置处的光谱数据(例如,光强变化或相对变化),且Y可以包括至少两个径向位置处的光谱数据(例如,光强变化或相对变化)。建模和预测时所采用的径向位置可以不一定相同。或者,在建模和/或预测时,可以使用散射作用线和/或吸收作用线的斜率。例如,可以包括散射作用线和/或吸收作用线的斜率作为光谱数据,且Y可以包括散射作用线和/或吸收作用线的斜率作为光谱数据。
预测模型M可以针对背景介质/基准介质和特定成分预先建立,并保存在例如数据库或者服务器中。可以在需要时从数据库或服务器获取预测预测模型M。
根据上述实施例,在测量光谱数据时,可以选取某些特定的径向位置(例如,散射不敏感点和/或吸收不敏感点),以在测量时实现散射信号和/或吸收信号的直接提取。在这种情况下,例如可以如下来进行建模和/或预测。
特别地,针对散射不敏感点,此处的光强对散射特性的变化不敏感,因此测量数据中基本上只包含吸收特性改变引起的信号,利用该信号进行浓度预测可消除基本上所有来自介质的散射特性变化对测量带来的干扰。同时,由于该信号的组成基本上仅为介质的初始光谱(即不含被测成分或被测成分浓度为某固定初始浓度时的光谱)和吸收系数变化量两部分,因此,若已知初始光谱,并采用数学方法消除,则对不同的散射介质将得到相同的信号——吸收系数的变化量,也将实现与纯吸收介质一致的测量结果。基于该原理,对不同散射系数的散射介质建立的光谱预测模型将具有可移植性,对目标介质的测量可事先采用其他散射介质或者纯吸收介质的测量光谱数据建立。比如,活体的组织成分测量,可以离体的实验来建立模型;复杂的散射介质的成分测量,可以采用简单体系的散射介质甚至是纯吸收介质来建立模型。这样,在实际应用中,光谱模型的建立将被简化。尤其对于活体测量而言,该方法可以消除每个测量活体的光学参数差异引起的模型差异。
另外,针对吸收不敏感点,此处的光强对吸收特性的变化不敏感,因此测量数据中基本上只包含散射特性改变引起的信号,可用于检测被测成分或其他因素引起的散射系数的变化,也可用于基于散射信息的成分浓度测量。
以下,将分别介绍利用散射不敏感点处的光谱数据以及利用吸收不敏感点处的光谱数据进行建模/预测的实施例。
具体地,参考图12,在操作S1201,可以获得散射不敏感点处的光谱数据,例如光强变化或相对变化。然后,在操作S1203,可以利用散射不敏感点处的光谱数据来进行建模和/或预测。
对于散射不敏感点的位置,例如可以如上所述通过预实验确定(例如,参考图5),或者可以通过波长间推导确定(例如,参见图8)。
确定散射不敏感点后,为获得该位置处的光谱数据,可以不实际检测该位置的光谱,而是可以通过测量其他(至少两个)径向距离下的光强,并计算其光强的相对变化量,然后推测出散射不敏感点处的值。由于在径向距离维,光强的相对变化量呈现线性或近似线性的规律,因此,任意两点可以推测出其他点处的值。特别地,若其中一点采用该物质成分的浮动基准点,则这点的光强将不随浓度改变,只需记录初始光谱即可。这样,可以通过在比较容易检测的位置处的数据,推测出其他不易检测的位置的数据。比如,有的散射不敏感点位于离光源较远的位置,光强较弱,不易实现准确测量。若采用上述方法,则可以选择距离光源较近的其他两点位置甚至一点进行测量,此时光强较强,易实现准确测量,然后推测出其他位置处的光强。
这种方式还特别适用于简化多波长下的散射不敏感点处的测量。例如,如果要针对N个波长分别测量相应的散射不敏感点处的光谱,那么由于散射不敏感点的波长依赖性(例如,参见附图6),则可能需要分别在与这N个波长相对应的N个散射不敏感点位置处进行测量。例如,可能需要移动检测器的位置,以实现这N个位置处的测量,如图26所示。这是比较繁琐的。
但是,根据上述方法,可以固定测量至少两个位置处的光谱。例如,可以将光源固定,且分别在至少两个位置处设置检测器,以测量相应位置处的光谱。这样,只需改变光源发出的波长,而无需去不断移动检测器。然后,可以根据这至少两个位置处的测量光谱,来如上推导出各波长相应的散射不敏感点处的光谱数据。例如,如图27所示,对于多个波长λ1、λ2、λ3、λ4,可以在两点ρA、ρB处进行测量。而其中一点若为特定波长下对特定成分不敏感的浮动基准点,则在该特定波长下,这点也不需要测量,采用初始光谱即可。例如,在图27的示例中,ρA点为λ2波长下的浮动基准点,则在该波长λ2下,ρA点也不需要测量,采用初始光谱即可。这样,检测位置就只需要一点(该点与各波长下的浮动基准点构成一对测量位置),但要求这点不能是这N个波长中任何波长下的浮动基准点,否则还需要对这个波长再选择一个测量位置。例如,如图27的示例中,可以针对ρB一点处进行检测,该点ρB不是多个波长λ1、λ2、λ3和λ4中任何一个波长下的浮动基准点,则它可以和所有波长的浮动基准点(这些点处不需测量,可以S=0来简化)构成一个测量对(例如,对于波长λ2下,与ρA点构成测量对),推测出各自散射不敏感点处的S值。若选择ρA点进行一点测量,由于它恰好是波长λ2的浮动基准点,因此,需要对波长λ2再选择一个测量位置,组成测量对。
采用散射不敏感点处的数据进行建模与浓度预测时,可采用的数据形式可以包括但不限于:“散射不敏感点”处的绝对光强I2(在散射不敏感点处实际测量或者如上所述推测得出)、光强绝对变化量I′=I2-I1、光强相对变化量SI=ΔI/I=(I2-I1)/I1、吸收系数μa2、吸收系数的绝对变化量Δμa=μa2-μa1、吸收系数的相对变化量吸光度A2、吸光度的绝对变化量ΔA=A2-A1、吸光度的相对变化量SA=ΔA/A=(A2-A2)/A1或上述信号构成的其他相关量(例如,对这些信息进行线性变化后得到的信号),其中I1、μa1和A1分别为散射不敏感位置处的初始光强(即,对背景介质或基准介质测量时的光强)、初始吸收系数(即,背景介质或基准介质的吸收系数)和初始吸光度(即,背景介质或基准介质的吸光度),I2、μa2和A2分别为被测成分浓度改变后(在建模时,向背景介质或基准介质中加入已知浓度的特定成分后;在预测时,背景介质或基准介质中特定成分的浓度变化后)散射不敏感位置处的光强、吸收系数和吸光度。上述信号均是基本上由特定成分的吸收变化引起的(因为是散射不敏感点处的数据),且它们之间如下所述可以直接线性转换。
具体地,光强、吸收系数、吸光度之间的理论关系为:I=I0·exp(-μa·L*),A=μa·L*,其中L*为散射不敏感点处的平均等效光程,对于同一介质来说,可将其视为常数;I0为光源的入射光强。
对于无限介质而言,(在散射不敏感点处)存在以下关系:
因此,对于同一种介质而言,光强相对变化量、吸收系数的相对变化量和吸光度的相对变化量是等价的。
另一方面,对于半无限介质,在散射不敏感位置处,上述关系有所变化。但对固定的被测介质,光强相对变化量、吸收系数的相对变化量和吸光度的相对变化量可以直接线性转换,如下式,其中α对于特定的介质为固定常数:
此外,除了上述相对变化量以外,其他形式的信号之间也是可以相互转换的。如,借助公式(13)或公式(14),可实现光强度量、吸收系数度量和吸光度度量三大种类的关联,然后在初始光强、初始吸收系数或初始吸光度的基础上,即可得到光强、吸收系数和吸光度的绝对变化量或绝对值。例如,如果测量或推测得出散射不敏感点处的绝对光强I2,则可以根据初始光强I1,计算得到相对光强变化量SI=ΔI/I=(I2-I1)/I2,并根据公式(13)或公式(14)获得吸收系数或吸光度的相对变化量或SA。进一步,还可以根据获得的吸收系数或吸光度的相对变化量或SA并结合初始吸收系数μa1或吸光度A1,可以得到吸收系数μa2或吸光度A2。
在此需要指出的是,建模和预测时可以采用相同的信号形式,也可以采用不同的信号形式。例如,建模和预测时均可以采用光强的相对变化量或者吸收系数的相对变化量等。或者,例如,建模时可以采用光强的相对变化量(或其他信号形式),而预测时可以采用吸收系数的相对变化量(或其他信号形式)。在这种情况下,由于如上所述这些信号之间是可以直接转换的,所以在预测时可以将吸收系数的相对变化量转换为光强的相对变化量,以输入预测模型。
在建模和预测时采用不同信号形式的情况下,甚至可以无需转换(例如,如上所述,将预测时采用的信号形式转换为建模时采用的信号形式)。此时,在预测时可能产生较大的系统误差。但是该系统误差可通过获取浓度真值后来估计,如定期采用被测成分浓度的真值得到系统预测误差Ce和修正系数k,然后可以按照例如公式(15)对浓度预测值进行线性修正。
C校正=k·C预测-Ce(15)
在此,C预测表示预测的浓度,C校正表示修正后的浓度。
总而言之,在建模和预测时,可以采用任意上述的信号形式。
若将模型用于长时间预测时,如果一直采用长时间以前的初始信号,则可能引起预测精度下降,原因在于仪器漂移、环境变化等测量背景变化可能引起系统误差。可以定期更新初始信号,包括初始光强、初始吸收系数或初始吸光度。更新初始信号的同时可以获得此时被测成分浓度的真值。该值可以通过模型预测获得,也可以通过其他更高精度的检测方法或仪器检测后获得。然后,浓度预测值均为相对于该真值的浓度变化值。或者,仍可以采用原始的初始信号,但对浓度预测值进行系统校正,例如可以按照公式(15)对浓度预测值进行修正。
采用“散射不敏感点”处的上述信号或与它们相关的其他信号,不仅可以实现对同种背景介质或基准介质中该特定成分的测量,还可以通过模型转换,实现对其他背景介质或基准介质中该特定成分的测量。例如,活体测量时,让被测成分和干扰成分进行变动后得到不同情况下的光谱数据不易实现,比如,活体中某些成分的浓度在短期内是相对稳定的,不易获得它变化后的测量数据。而采用离体进行建模实验,比较方便,若采用纯吸收介质则建模更方便。因此,若散射介质之间、散射介质和纯吸收介质之间都可以方便的进行转换,则模型的通用性增强,移植性增强。针对活体的光谱检测,也有望解决个体差异造成的模型不通用、常失效的难题。
参考图13,在操作S1301,可以测量用于建立(已知)预测模型的背景介质或基准介质的吸收系数μa,s1,以及预测时的背景介质或基准介质(不同于用于建模的背景介质或基准介质;在此,所谓“不同”,除了特定成分的浓度可能不同之外,彼此的背景介质不同,例如成分组成不同)的吸收系数μa,s2。例如,吸收系数可以采用积分球或其他通用的光学参数测量方法测量。可以如上所述,向用于建模的背景介质或基准介质中加入一系列已知浓度的特定成分,测量相应的光谱数据,并建模。另外,待预测的背景介质或基准介质中特定成分的浓度可以改变,从而可以如上所述获得其光强变化信息。
接着,在操作S1303,可以根据获得的吸收系数μa,s1和μa,s2(例如,其比值),对待预测介质的散射不敏感点处的漫射光谱数据进行预处理。漫射光谱数据例如可以包括上述信号形式。例如,可以利用两种背景介质或基准介质之间的吸收系数之比,来如下进行预处理。
具体地,若建模和预测时采用光强的相对变化量、吸收系数的相对变化量或吸光度的相对变化量,则可以如下进行预处理:
其中,是针对预测介质获得的吸收系数相对变化量,是对进行预处理后获得的预处理后信号;SA′是针对预测介质获得的吸光度相对变化量,SA是对SA′进行预处理后获得的预处理后信号;SI′是针对预测介质获得的光强相对变化量,SI是对SI′进行预处理后获得的预处理后信号。然后,可以将预处理后信号输入建模时获得的模型。如果建模时的背景介质或基准介质与预测时的背景介质或基准介质的吸收系数相似或者近似相等,它们的区别主要在于散射系数或约化散射系数存在差异(这例如可以根据背景介质或基准介质的成分来确定,例如它们之间的成分差异基本上不会导致吸收系数的变化),则可以省略测量吸收系数的步骤S1301,因为公式(16)中的系数基本上为1。
如上所述,可以根据建模和预测时是否采用同种信号形式,来确定是否对这些信号进行转换;或者,可以不进行转换,根据公式(15)来对浓度预测值进行系统修正。
或者,也可以不进行预处理,可以将两种介质吸收系数之间的差异视为系统误差,对浓度预测值采用公式(15)进行修正。
当然也可以采用其他信号形式。如果建模和预测时采用不同的信号形式,则可以如上所述利用公式(13)和(14),将预测时采用的信号形式转换为建模时使用的信号形式,并将转换后的信号输入预测模型。此时,尽管是同种信号,但由于是不同的介质,因此其初始信号一般存在较大差异,因此,也会出现系统误差。同样,可按照公式(15)进行系统修正。或者,也可以不进行信号转换,而是按照公式(15)对浓度预测值进行系统修正。
或者,也可以利用吸收系数来进行预处理。例如,当使用绝对光强I2时,可以将其转换为光强相对变化量SI=ΔI/I=(I2-I1)/I1,然后按照公式(16)来进行预处理,得到预处理后的光强相对变化量。将预处理后的光强相对变化量乘以初始光强I1然后加上初始光强I1,可以得到预处理后的绝对光强。可以将预处理后的绝对光强输入预测模型(例如,基于绝对光强的预测模型)。对于其他信号形式可以类似地进行处理。
然后,在操作S1305,可以利用预测模型,得到待预测介质中特定成分的浓度预测值。
上述预处理例如可以如下理解。
将公式(7)代入公式(3),可以得到散射不敏感点处的光强相对变化量(即,纯吸收信息):
在散射不敏感点处测得的信号S仅为被测介质的吸收系数以及吸收系数的变化量相关,而与散射系数或者约化散射系数无关。因此,若散射介质的散射系数不同,而吸收系数相同,将得到同样的测量信息S。
而对于不同吸收系数的散射介质(如μa1和μa2两种介质),测量同种特定成分引起的吸收系数变化Δμa时,S反映出的吸收信息的区别仅为系数项1/μa,该系数可以通过预先测得μa1和μa2,然后获得两者的比例系数,进行校正。
因此,不同的散射介质之间建立的光谱测量模型,可以方便的进行移植和使用。
在此需要指出的是,以上针对利用散射不敏感点处的漫射光谱数据进行建模/预测的描述同样适用于利用吸收作用线上的其他点处的漫射光谱数据来进行建模/预测,因为在吸收作用线上,所有点的漫射光谱数据均基本上由介质的吸收特性变化导致(只不过散射不敏感点处的漫射光谱数据提取更为方便,如上所述)。
除了如上所述不同散射系数的散射介质可以互相移植光谱模型外,还可以采用纯吸收背景介质下的测量模型进行移植,前提是该纯吸收背景介质的吸收系数与散射介质的吸收系数相似,或者两者的吸收系数也事先测得,再采用公式(20)进行数据变换。采用纯吸收介质建立测量模型时,相当于在光程为L*=1/μa的透射测量,容易获取和实现。并且,这个光程恰好为透射测量的最佳光程,该光程下测量最灵敏。
具体地,参考图14,在操作S1401,可以利用纯吸收介质建立预测模型。在建模时,可以采用上述各种信号形式。在以下描述中,以吸收系数为例。例如,对含不同特定成分浓度的纯吸收背景介质进行吸光度的测量,背景为空气或某固定的纯吸收介质。具体地,吸光度其中I为测量光谱,I0为背景光谱。针对一系列浓度,进一步得到一系列吸收系数值,L为透射光程;其中浓度为0时,μa记为该纯吸收背景介质的吸收系数。可采用浓度值与相应浓度下的吸收系数与初始浓度相比时的相对变化值建立浓度预测模型。吸收系数的相对变化量与吸光度系数的相对变化量实质上相同,因此可以通过吸光度的相对变化量来直接获得。
在操作S1403,可以获得被测介质在散射不敏感点处的漫射光谱数据。例如,被测介质可以包括背景介质和特定成分,漫射光谱数据可以包括上述各种信号形式。例如,可以针对散射背景介质/基准介质(散射背景介质中含初始浓度的特定成分)获得初始光谱,并在特定成分浓度改变(改变为未知浓度)后获得测量光谱。
接着,在操作S1405,可以基于纯吸收背景介质的吸收系数μa和散射背景介质/基准介质的吸收系数μa′(例如,其比值),对散射不敏感点处的漫射光谱数据进行预处理。预处理方式与以上针对图13描述的预处理方式可以相同。散射背景介质/基准介质的吸收系数μa′可以采用积分球或其他通用的光学参数测量方法测量,背景可以与纯吸收背景介质测量吸光度时相同。在多波长的情况下,可以针对每一波长均进行上述处理,得到每个波长下的预处理信号。或者,可以不进行预处理,例如按公式(16)进行系统修正。
然后,在操作S1407,可以利用预测模型,得到散射背景介质中特定成分的浓度预测值。
与上述利用散射不敏感点处的漫射光谱数据的实施例类似,可以利用吸收不敏感点处的漫射光谱数据。
具体地,参考图15,在操作S1501,可以获得吸收不敏感点处的光谱数据,例如光强变化或相对变化。然后,在操作S1503,可以利用吸收不敏感点处的光谱数据来进行建模和/或预测。
对于吸收不敏感点的位置,例如可以如上所述通过预实验确定(例如,参考图7),或者可以通过利用一个相对小的值(例如,0)来近似。
确定吸收不敏感点后,为获得该位置处的光谱数据时,可以不实际检测该位置的光谱,而是可以通过测量其他(至少两个)径向距离下的光强,并计算其光强的相对变化量,然后推测出吸收不敏感点处的值。
与上述采用散射不敏感点处的数据进行建模与预测的情况类似,采用吸收不敏感点处的数据进行建模与预测时,可采用的数据形式可以包括但不限于:“吸收不敏感点”处的绝对光强I2、光强绝对变化量I′I2-I1、光强相对变化量、散射系数、散射系数的绝对变化量、散射系数的相对变化量或相关量。这些信号之间事实上也是可以相互转换的,因为如下所述光强的相对变化量近似等于散射系数的相对变化量或者两者之间相差一个固定的系数(即,存在与上述公式(13)或(14)类似的关系)。因此,以上关于各种信号形式之间的转换、预处理、修正的描述(例如,结合公式(13)-(16)的描述)在此同样适用。
根据一示例,可以获得吸收不敏感点处的光强相对变化量,记为w。例如,在建模时,可以针对背景介质或基准介质,获得初始光谱,并在向背景介质或基准介质中加入一系列已知浓度的特定成分后获得测量光谱,并可以据此获得光强相对变化量。在预测时,可以针对背景介质或基准介质(其中特定成分的初始浓度与建模时基准介质中特定成分的初始浓度可以相同或不同),获得初始光谱,并在背景介质或基准介质中特定成分浓度变化(变化为未知浓度)后获得测量光谱,并可以据此获得光强相对变化量。若在测量波长下,吸收系数远远小于散射系数,则w可以表示该被测介质的散射系数相对变化量(参见下式(21))。另一方面,若在测量波长下,吸收系数较大,则可以对w进行变换,乘以某常数k(μa,μ′s)后,变为w′=w·k(μa,μ′s)。其中k是一个与被测介质的光学参数有关的常数,k(μa,μ′s)=(2μa+μ′s)/μ′s,其中μa是背景介质或基准介质的吸收系数,μ′s是背景介质或基准介质的约化散射系数。w′可以表示散射系数的相对变化量。
若用于建模的背景介质或基准介质与预测时的背景介质或基准介质相同(是指成分组成相同,但是基准介质中特定成分的浓度可以不同),则可以直接采用散射系数的相对变化量,与物质浓度建立预测模型。若用于建模的背景介质或基准介质与预测时的背景介质或基准介质不同(除了特定成分的浓度可能不同之外,彼此的背景介质不同,例如成分组成不同),则例如可以如下进行模型移植。例如,在建模时可以采用散射系数的绝对变化量;而在预测时,也可以通过散射系数的相对变化量间接得到散射系数的绝对变化量,将其输入模型进行浓度预测。或者,在建模是可以采用散射系数的相对变化量;而在预测时,可以将光强的相对变化量乘以系数h,再输入预测模型,其中h为两种介质的散射系数的比值,h=μ′s,待预测介质/μ′s,建模介质,其中μ′s,建模介质表示用于建模的背景介质或基准介质的约化散射系数,μ′s,待预测介质表示预测时的背景介质或基准介质的约化散射系数。
尽管在此以散射系数的相对变化量为例进行描述,但是本公开不限于此。例如可以采用上述其他信号形式,因为这些信号之间是可以相互转换的。至于具体的转换及预处理,可以参见以上针对散射不敏感点处各种信号形式的描述,它们是相似的,除了散射系数替换了吸收系数之外。
上述实施例例如可以如下理解。
将公式(8)代入公式(3),可以得到吸收不敏感点处的光强相对变化量(即,纯散射信息):
在吸收不敏感点处测量的信号S,仅反映散射作用的影响,如公式(21)所示。并且,该点往往邻近光源位置处,可简化为光源位置处。特别地,在吸收较弱的波长处,μa值很小,或者是吸收系数远远小于散射系数时,即μs′>>μa,吸收不敏感点处的光强相对变化量可以反映散射系数或者约化散射系数的相对变化量Δμs′/μs′。该信息可很好的用于测量某物质浓度改变后,其引起的散射系数的相对变化量和绝对变化量。
在此需要指出的是,以上针对利用吸收不敏感点处的漫射光谱数据进行建模/预测的描述同样适用于利用散射作用线上的其他点处的漫射光谱数据来进行建模/预测,因为在散射作用线上,所有点的漫射光谱数据均基本上由介质的散射特性变化导致(只不过吸收不敏感点处的漫射光谱数据分离更为方便,如上所述)。
如上所述,由于散射信号和吸收信号各有优缺点,因此若综合利用散射信号和吸收信号进行浓度预测,可以实现更精确的物质成分检测。特别是,有些特定成分(例如,葡萄糖)的吸收较弱,若采用上述方法根据提取出的吸收信号直接预测葡萄糖(利用事先建立的针对葡萄糖的预测模型),需要的仪器测量精度非常高,同时活体测量时,随机误差对测量影响也较大。若同时另外利用散射信号,则有可能在一定程度上辅助甚至修正采用吸收信号得到的测量结果。这是因为,通常这些特定成分(例如,葡萄糖)导致的散射信号远大于吸收信号,因此对仪器的精度要求相对降低了,且另一方面抗活体测量随机误差的能力增强。
根据本公开的实施例,例如可以如下进行浓度预测。
具体地,对被测介质中特定成分(例如,葡萄糖)以外的干扰成分(例如,血红蛋白),可以(预先)获得其在单位浓度变化量时的散射信号。例如,可以令该干扰成分的浓度单独变化(针对不含该干扰成分的背景介质或者含初始浓度的该干扰成分的背景介质;在此,所谓“背景介质”,是针对所测量的干扰成分而言的,即,此时该“干扰成分”是“特定成分”),测量其漫射光谱数据,并如上所述分离出散射信号,并将其除以浓度变化值,得到单位浓度变化量的散射信号。
针对被测介质(其中特定成分浓度和干扰成分均可以发生改变),可以采用散射不敏感点处的数据(反应了被测成分和干扰成分的总吸收信息;在干扰成分的吸收较强,例如远大于特定成分的吸收的情况下,主要是体现了干扰成分的吸收),输入干扰成分的浓度预测模型(例如,可以如上所述建立,例如利用散射不敏感点处的数据建立),预测出干扰成分的浓度。尽管在此利用了散射不敏感点处的数据进行预测,但是如上所述,也可以采用吸收作用线上其他点处的数据来进行预测。
通过预测的干扰成分的浓度乘以单位浓度变化量的散射信号,可以得到被测介质中干扰成分的散射信号。
在被测介质的漫射光谱数据(例如,综合作用线)中,扣除得到的干扰成分的散射信号。可以针对所有干扰成分,均进行上述操作,以扣除它们的影响。
可以利用如上所述处理后的漫射光谱数据对被测成分进行浓度预测(例如,输入如上所述针对特定成分建立的预测模型)。在此,可以采用吸收不敏感点处的数据,或者对吸收较弱的波长也可以直接采用散射不敏感点以外的其他位置处的数据。这种情况下,利用的是特定成分的散射作用进行浓度预测,由于散射信息较强,易实现高信噪比测量,因此,浓度预测精度将提高。
图16示出了一示例综合作用线及从中分离的吸收作用线和散射作用线。具体地,针对3%的intralipid溶液,加入浓度为10000mg/dL的葡萄糖,测量其光谱。对测量光谱进行信号分离,以1160nm的波长为例,得到图16的结果。
因此,对所有波长进行信号分离后,可以得到纯吸收作用线和纯散射作用线。特别地,在散射不敏感点可以得到纯吸收作用的信息,其理论上是吸收系数的相对变化量。图17示出了分别在3%的intralipid溶液中加入浓度为1800mg/dL、5000mg/dL、10000mg/dL的葡萄糖后在1100-1350波段提取的纯吸收信息(即,吸收系数的相对变化量)。
理想的50mM葡萄糖引起的吸收系数变化量,如图18所示,而3%intralipid的吸收系数如图19所示。而理想的葡萄糖引起的吸收系数相对变化量如图20所示。
比较图17和图20可知,在1100-1350nm波段,散射介质分离得到的纯吸收信息和理想的纯吸收介质下透射光谱的吸收信息相似,两者的光谱模型可以互相进行移植。
根据另一示例,蒙特卡罗模拟2%、3%、4%intralipid溶液分别在不同葡萄糖浓度下的半无限介质的漫反射光谱。其中模拟中所用到的光学参数包括吸收系数、散射系数、各向异性因子和散射系数来自Troy,波长范围为1000-1700nm,葡萄糖浓度分别为0-100mM,间隔为10mM,光子数为108。
首先假定在所有波长下,葡萄糖浓度改变并不引起吸收系数的变化,即仅影响散射系数,将不同浓度下的光强模拟结果进行差分,可以得到光强不变的位置,记为该波长下的散射不敏感点位置。三种2%、3%、4%intralipid溶液的散射不敏感位置如图21所示。
在此需要指出的是,图6和图21中关于3%intralipid溶液的结果有所不同。这主要是由如下原因导致的。图6的结果是根据无限介质的实验数据得到的,其中3%intralipid溶液的配置有误差,其光学参数与理论值不一定一致。而图21是采用intralipid理论的光学参数值,输入蒙特卡洛模拟程序,进行半无限介质的模拟的结果。这其中既有实际实验与计算机仿真之间的区别,又有无限和半无限本身就不一样的原因。
然后,令葡萄糖浓度改变时,吸收系数和散射系数均发生改变,模拟真实的光强变化。模拟时单位mM(1mM)的葡萄糖浓度引起的吸收系数改变规律和散射系数的改变规律,如图22所示,而其他浓度下的吸收系数和散射系数的变化量可以为单位浓度下的变化量乘以浓度。
以葡萄糖浓度为0时为初始光谱,对不同浓度的葡萄糖的光谱进行差分处理,得到葡萄糖引起的光强相对变化量,然后对其进行信号分离,特别地,在图21中的散射不敏感位置处,获得葡萄糖引起的纯吸收信息。对三种介质分别提取的纯葡萄糖吸收信息,进行比较,如图23所示。
从图23可以看出,在半无限介质的测量时,距离光源检测距离在散射不敏感位置处,对于不同的散射介质,可以得到相似的测量信息,并且它的形状与纯吸收介质的吸收系数相对变化量相似,可以通过简单的线性变化,将两者的光谱模型互相进行移植。
根据本公开的实施例,可以从光谱数据中提取出散射信号和吸收作用,分别用于建模和预测。特别是,吸收信号可以消除散射粒子对散射介质测量的影响,提高测量精度。此外,针对这些吸收信号建立的浓度预测模型,也是与介质的散射特性及散射特性的变化无关的,那么这些模型将可以进行互相移植,甚至与纯吸收介质下的建立的模型进行通用。
根据本公开的实施例,还提供了一种处理装置。参见图24,该处理装置可以包括探测器2401(例如,光强探测器),配置为探测被测介质的光谱(例如,沿径向位置的光强)。探测器2401可以包括固定于一个或多个径向位置处以测量该一个或多个径向位置处光谱的相应一个或多个探测器,或者可以包括可沿径向位置移动以测量一个或多个径向位置处光谱的探测器。
该处理装置还可以包括处理器2403。处理器2403可以配置为根据探测器2401探测到的光谱(例如,一个或多个第一径向位置处的漫射光谱数据),来确定一个或多个第二径向位置处实质上仅由被测介质的散射特性变化引起的光学信息和/或实质上仅由被测介质的吸收特性变化引起的光学信息。该一个或多个第二径向位置可以与上述一个或多个第一径向位置不同、相同或者部分相同。
处理器2403例如可以包括各种形式的计算设备,例如通用计算机、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等。处理器2403可以通过加载存储于存储装置中的程序、代码段等,来按如上所述的各种方法流程工作,以实现散射/吸收信号提取、模型建立和浓度预测。
该处理装置还可以包括输入设备2405,例如鼠标、键盘等,用以输入用户命令、数据等,以及输出设备2407,例如显示器等,用以输出处理器2403的处理结果(例如,分离出的散射信号/吸收信号、预测结果等)。输入设备2405和输出设备2407可以组合实现为触摸屏。
本公开的技术也可以实现为包括能够在数据处理设备中执行的算法的程序,或可以存储并提供在非暂时计算机可读介质中。
本公开的技术也可以实现为计算机可读介质上的计算机可读代码。计算机可读介质可以包括计算机可读记录介质和计算机可读传输媒介。计算机可读记录介质是能够将数据存储为随后可由计算机系统读取的程序的任何数据存储装置。计算机可读记录介质的示例包括只读存储器(ROM)、随机存取存储器(RAM)、压缩盘ROM(CD-ROM)、磁带、软盘和光数据存储装置。计算机可读记录介质也可以分布在联网的计算机系统上,使得按照分布式形式存储和执行计算机可读代码。计算机可读传输介质可以通过载波或信号传输(例如,经由互连网的有线或无线数据传输)。此外,实现本公开技术的功能程序、代码和代码段可以由本发明总体构思所属技术领域的编程员容易地解释。
以上在多个实施例分别描述了本公开的多种特征。但是,这并不意味着这些特征不能有利地结合使用
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。本公开的范围由所附权利要求及其等价物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (29)
1.一种漫射光谱数据处理方法,包括:
获得被测介质在一个或多个第一径向位置处的漫射光谱数据;以及
根据获得的漫射光谱数据,确定一个或多个第二径向位置处实质上仅由被测介质的散射特性变化引起的光学信息和/或实质上仅由被测介质的吸收特性变化引起的光学信息。
2.根据权利要求1所述的方法,其中,获得漫射光谱数据包括:获得至少两个径向位置处的漫射光谱数据,并根据线性拟合,确定所述一个或多个第一径向位置处的漫射光谱数据。
3.根据权利要求2所述的方法,其中,所述至少两个径向位置包括综合浮动基准点,其中所述综合浮动基准点指示光谱数据中的光强信息对被测介质中特定成分的浓度改变实质上不敏感的径向位置。
4.根据权利要求1所述的方法,其中,所述确定光学信息包括:根据散射不敏感和/或吸收不敏感点,进行所述确定,
其中,所述散射不敏感点指示光谱数据中的光强信息对被测介质的散射特性变化实质上不敏感的径向位置,所述吸收不敏感点指示光谱数据中的光强信息对被测介质的吸收特性变化实质上不敏感的径向位置。
5.根据权利要求4所述的方法,其中,被测介质包括背景介质以及处于背景介质中的特定成分,以及
该方法还包括通过下述操作预先获得第一波长下的散射不敏感点/吸收不敏感点:
提供散射介质,该散射介质包括所述背景介质,或者包括所述背景介质以及一定浓度的所述特定成分,
获得散射介质的散射系数/吸收系数发生变化而该散射介质在该第一波长下的吸收特性/散射特性基本不变时的光强变化信息;以及
根据光强变化实质上为零处的径向位置,获得散射不敏感点/吸收不敏感点。
6.根据权利要求4所述的方法,其中,吸收不敏感点近似为径向位置为0处。
7.根据权利要求4所述的方法,其中,针对多个波长,分别获得各波长下的散射不敏感点和/或吸收不敏感点。
8.根据权利要求4所述的方法,其中,所述确定包括:
获得散射不敏感点和/或吸收不敏感点处的漫射光谱数据;
根据散射不敏感点处的漫射光谱数据以及吸收不敏感点,获得实质上仅由被测介质的吸收特性变化引起的光学信息,和/或根据吸收不敏感点处的漫射光谱数据以及散射不敏感点,获得实质上仅由被测介质的散射特性变化引起的光学信息。
9.根据权利要求4所述的方法,其中,
获得漫射光谱数据包括:
选择与第一波长接近且被测介质中所含特定成分吸收相对较弱或基本没有吸收的第二波长;以及
分别获得第一波长和第二波长下的漫射光谱数据;
该方法还包括通过下述操作确定第一波长下的散射不敏感点:
根据第二波长下的漫射光谱数据所指示的光强变化实质上为零处的径向位置,确定第二波长下的散射不敏感点;
根据第二波长下的散射不敏感点确定第一波长下的散射不敏感点。
10.根据权利要求1所述的方法,其中,
获得漫射光谱数据包括:
选择与第一波长接近且被测介质中所含特定成分吸收相对较弱或基本没有吸收的第二波长;以及
分别获得第一波长和第二波长下的漫射光谱数据;
所述确定光学信息包括:
根据第二波长的漫射光谱数据,确定所述被测介质在第一波长下实质上仅由被测介质的散射特性变化引起的光学信息;和
根据第一波长下的漫射光谱数据和所述被测介质在第一波长下实质上仅由被测介质的散射特性变化引起的光学信息,得到所述被测介质在第一波长下实质上仅由被测介质的吸收特性变化引起的光学信息。
11.根据权利要求4所述的漫射光谱数据处理方法,其中,
获得漫射光谱数据包括:获得散射不敏感和/或吸收不敏感点处的漫射光谱数据;以及
所述确定光学信息包括:将散射不敏感点处的漫射光谱数据确定为散射不敏感点处实质上仅由被测介质的吸收特性变化引起的光学信息,和/或将吸收不敏感点处的漫射光谱数据确定为吸收不敏感点处实质上仅由被测介质的散射特性变化引起的光学信息。
12.根据权利要求11所述的漫射光谱数据处理方法,其中,获得漫射光谱数据包括:获得多个波长中每一波长下的散射不敏感点和/或吸收不敏感点处的漫射光谱数据。
13.根据权利要求12所述的漫射光谱数据处理方法,其中,针对所述多个波长中每一波长,在固定的至少一个径向位置处获得漫射光谱数据,并由此确定所述多个波长中每一波长下的散射不敏感点和/或吸收不敏感点处的漫射光谱数据。
14.一种建立预测模型的方法,包括:
提供一系列被测介质,所述一系列被测介质分别包括背景介质或基准介质以及向背景介质或基准介质中加入的不同已知浓度的特定成分,其中所述基准介质包括背景介质以及初始浓度的该特定成分;
针对所述一系列被测介质,按权利要求1-13中任一项所述的方法进行处理;以及
基于各已知浓度以及相应的实质上仅由被测介质的吸收特性变化引起的光学信息和/或实质上仅由被测介质的散射特性变化引起的光学信息,获得预测模型。
15.根据权利要求14所述的方法,其中,所述光学信息呈现线性规律,获得预测模型包括:基于所述光学信息的斜率,来获得预测模型。
16.一种浓度预测方法,包括:
针对被测介质,按权利要求1-13中任一项所述的方法进行处理,其中被测介质包括背景介质或基准介质,其中基准介质包括背景介质以及初始浓度的特定成分,由于特定成分的浓度变化而导致被测介质中该特定成分的浓度未知;以及
基于针对被测介质的实质上仅由被测介质的吸收特性变化引起的光学信息和实质上仅由被测介质的散射特性变化引起的光学信息中至少之一以及根据权利要求14-15中任一项获得的预测模型,预测所述特定成分的浓度。
17.根据权利要求16所述的方法,其中,根据实质上仅由被测介质的吸收特性变化引起的光学信息,来进行建模和预测。
18.根据权利要求17所述的方法,其中,建模和预测时使用的漫射光谱数据包括光强、光强绝对变化量、光强相对变化量、吸收系数、吸收系数的绝对变化量、吸收系数的相对变化量或其相关量中至少之一。
19.根据权利要求18所述的方法,其中,用以获得预测模型的背景介质或基准介质不同于待预测的被测介质中的背景介质或基准介质。
20.根据权利要求19所述的方法,其中,在利用预测模型预测该未知浓度时,利用这两种背景介质或基准介质之间的吸收系数之比来对漫射光谱数据进行预处理。
21.根据权利要求16所述的方法,其中,根据实质上仅由被测介质的散射特性变化引起的光学信息,来进行建模和预测。
22.根据权利要求21所述的方法,其中,建模和预测时使用的漫射光谱数据包括光强、光强绝对变化量、光强相对变化量、散射系数、散射系数的绝对变化量、散射系数的相对变化量或其相关量中至少之一。
23.根据权利要求22所述的方法,其中,用以获得预测模型的背景介质或基准介质不同于待预测的被测介质中的背景介质或基准介质。
24.根据权利要求23所述的方法,其中,在利用预测模型预测该未知浓度时,利用这两种背景介质或基准介质之间的散射系数之比来对漫射光谱数据进行预处理。
25.根据权利要求16所述的方法,其中,所述预测浓度包括:
对所述特定成分以外的干扰成分,获得其在单位浓度变化量时的散射信号;
利用被测介质在散射不敏感点处的光谱数据,基于干扰成分的预测模型,预测出干扰成分的浓度;
将干扰成分的浓度乘以单位浓度变化量的散射信号,得到被测介质中干扰成分的散射信号;
从被测介质的光谱数据中去除干扰成分的散射信号;以及
利用去除干扰成分的散射信号后的光谱数据,预测特定成分的浓度。
26.一种浓度预测方法,包括:
提供一系列介质,获得相应的吸收系数或吸光度,其中所述一系列介质分别包括纯吸收背景介质以及向该纯吸收背景介质中加入的不同已知浓度的特定成分;
基于各已知浓度与相应的吸收系数或吸光度,获得预测模型;
针对被测介质,获得其散射不敏感点处的漫射光谱数据,其中被测介质包括散射背景介质或基准介质,其中基准介质包括散射背景介质以及初始浓度的特定成分,由于特定成分的浓度变化而导致被测介质中该特定成分的浓度未知;以及
基于针对被测介质获得的散射不敏感点处的漫射光谱数据以及预测模型,预测所述特定成分的浓度,
其中,所述散射不敏感点指示光谱数据中的光强信息对被测介质的散射特性变化不敏感的径向位置。
27.根据权利要求26所述的方法,其中,基于浓度值以及相应浓度下的吸收系数或吸光度相对于特定成分浓度为0时吸收系数或吸光度的相对变化值,获得预测模型。
28.根据权利要求26所述的方法,其中,漫射光谱数据包括光强、光强变化量、光强相对变化量、吸收系数、吸收系数的绝对变化量、吸收系数的相对变化量或其相关量中至少之一,且在利用预测模型预测浓度时,利用散射背景介质与纯吸收背景介质之间的吸收系数之比来对漫射光谱数据进行预处理。
29.一种处理装置,包括:
探测器,用以探测被测介质的光谱;以及
处理器,配置为根据探测器的探测,确定一个或多个径向位置处实质上仅由被测介质的散射特性变化引起的光学信息和/或实质上仅由被测介质的吸收特性变化引起的光学信息。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410233900.0A CN105136690B (zh) | 2014-05-28 | 2014-05-28 | 漫射光谱数据处理方法、建模方法、预测方法和处理装置 |
US14/705,006 US9551656B2 (en) | 2014-05-28 | 2015-05-06 | Absorption and scattering effects separation from diffuse spectrum data and model establishment and concentration prediction based thereon |
JP2015107002A JP6630061B2 (ja) | 2014-05-28 | 2015-05-27 | 拡散スペクトルデータの処理方法及び処理装置 |
JP2019217012A JP6775660B2 (ja) | 2014-05-28 | 2019-11-29 | 多位置拡散スペクトルデータの処理、モデリング、予測方法および処理装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410233900.0A CN105136690B (zh) | 2014-05-28 | 2014-05-28 | 漫射光谱数据处理方法、建模方法、预测方法和处理装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105136690A true CN105136690A (zh) | 2015-12-09 |
CN105136690B CN105136690B (zh) | 2018-07-24 |
Family
ID=54701401
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410233900.0A Active CN105136690B (zh) | 2014-05-28 | 2014-05-28 | 漫射光谱数据处理方法、建模方法、预测方法和处理装置 |
Country Status (2)
Country | Link |
---|---|
US (1) | US9551656B2 (zh) |
CN (1) | CN105136690B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105572066A (zh) * | 2016-02-24 | 2016-05-11 | 烽火通信科技股份有限公司 | 一种掺稀土光纤预制棒吸收系数的测试装置及方法 |
WO2019085113A1 (zh) * | 2017-10-30 | 2019-05-09 | 温州医科大学 | 一种基于层状结构映射的光学成像方法 |
CN109991194A (zh) * | 2017-12-29 | 2019-07-09 | 天津先阳科技发展有限公司 | 漫反射光谱中抑制温度干扰的方法、光谱分析方法及装置 |
CN109984725A (zh) * | 2017-12-29 | 2019-07-09 | 天津先阳科技发展有限公司 | 漫反射测量中接触压力干扰抑制方法、装置及测量方法 |
CN110179472A (zh) * | 2019-06-05 | 2019-08-30 | 佛山科学技术学院 | 一种脑功能检测的方法及系统 |
CN111551522A (zh) * | 2020-06-17 | 2020-08-18 | 中国科学院南京地理与湖泊研究所 | 一种漫反射光谱定量沉积物中针铁矿与赤铁矿比值的方法 |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9459201B2 (en) | 2014-09-29 | 2016-10-04 | Zyomed Corp. | Systems and methods for noninvasive blood glucose and other analyte detection and measurement using collision computing |
US9554738B1 (en) | 2016-03-30 | 2017-01-31 | Zyomed Corp. | Spectroscopic tomography systems and methods for noninvasive detection and measurement of analytes using collision computing |
CN115078351A (zh) | 2016-08-31 | 2022-09-20 | 雅培制药有限公司 | 用于评估生物样品完整性的系统、设备和相关方法 |
CN110411947B (zh) * | 2018-04-28 | 2022-07-22 | 天津大学 | 时间门定光程参考测量浓度的方法及装置 |
CN113640225B (zh) * | 2021-08-23 | 2024-04-19 | 广西埃索凯新材料科技有限公司 | 一种应用于硫酸锰生产的硫酸浓度监测系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167348A1 (en) * | 2005-01-24 | 2006-07-27 | Arnold Mark A | Method for generating a net analyte signal calibration model and uses thereof |
US20060247532A1 (en) * | 2005-05-02 | 2006-11-02 | Nirmala Ramanujam | Method for extraction of optical properties from diffuse reflectance spectra |
CN101292875A (zh) * | 2008-06-06 | 2008-10-29 | 天津市先石光学技术有限公司 | 利用基准波长测量成分浓度的方法 |
CN101313847A (zh) * | 2008-07-01 | 2008-12-03 | 北京师范大学 | 对人体皮肤病变组织进行无损光学常数成像的装置和方法 |
CN102288548A (zh) * | 2011-07-21 | 2011-12-21 | 天津大学 | 提高浑浊介质中成分检测精度的测量方法 |
US20120140891A1 (en) * | 2010-12-06 | 2012-06-07 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method for extracting a primary diffusion spectrum |
CN103460025A (zh) * | 2011-03-24 | 2013-12-18 | 鹿特丹伊拉斯谟大学医疗中心 | 用于确定混浊介质中的吸收系数的方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6574490B2 (en) * | 2001-04-11 | 2003-06-03 | Rio Grande Medical Technologies, Inc. | System for non-invasive measurement of glucose in humans |
US20160249836A1 (en) * | 2012-07-16 | 2016-09-01 | Sandeep Gulati | Sample optical pathlength control using a noninvasive analyzer apparatus and method of use thereof |
CN105510238B (zh) * | 2014-09-28 | 2019-04-05 | 天津先阳科技发展有限公司 | 多位置漫射光谱数据的处理、建模、预测方法和处理装置 |
JP2016017837A (ja) * | 2014-07-08 | 2016-02-01 | 住友電気工業株式会社 | 光学測定方法及びアルコールの製造方法 |
-
2014
- 2014-05-28 CN CN201410233900.0A patent/CN105136690B/zh active Active
-
2015
- 2015-05-06 US US14/705,006 patent/US9551656B2/en active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20060167348A1 (en) * | 2005-01-24 | 2006-07-27 | Arnold Mark A | Method for generating a net analyte signal calibration model and uses thereof |
US20060247532A1 (en) * | 2005-05-02 | 2006-11-02 | Nirmala Ramanujam | Method for extraction of optical properties from diffuse reflectance spectra |
CN101292875A (zh) * | 2008-06-06 | 2008-10-29 | 天津市先石光学技术有限公司 | 利用基准波长测量成分浓度的方法 |
CN101313847A (zh) * | 2008-07-01 | 2008-12-03 | 北京师范大学 | 对人体皮肤病变组织进行无损光学常数成像的装置和方法 |
US20120140891A1 (en) * | 2010-12-06 | 2012-06-07 | Commissariat A L'energie Atomique Et Aux Energies Alternatives | Method for extracting a primary diffusion spectrum |
CN103460025A (zh) * | 2011-03-24 | 2013-12-18 | 鹿特丹伊拉斯谟大学医疗中心 | 用于确定混浊介质中的吸收系数的方法 |
CN102288548A (zh) * | 2011-07-21 | 2011-12-21 | 天津大学 | 提高浑浊介质中成分检测精度的测量方法 |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105572066A (zh) * | 2016-02-24 | 2016-05-11 | 烽火通信科技股份有限公司 | 一种掺稀土光纤预制棒吸收系数的测试装置及方法 |
WO2019085113A1 (zh) * | 2017-10-30 | 2019-05-09 | 温州医科大学 | 一种基于层状结构映射的光学成像方法 |
US11058346B2 (en) | 2017-10-30 | 2021-07-13 | Wenzhou Medical University | Optical imaging method based on mapping of layered structure |
CN109991194A (zh) * | 2017-12-29 | 2019-07-09 | 天津先阳科技发展有限公司 | 漫反射光谱中抑制温度干扰的方法、光谱分析方法及装置 |
CN109984725A (zh) * | 2017-12-29 | 2019-07-09 | 天津先阳科技发展有限公司 | 漫反射测量中接触压力干扰抑制方法、装置及测量方法 |
CN109984725B (zh) * | 2017-12-29 | 2022-07-12 | 天津先阳科技发展有限公司 | 漫反射测量中接触压力干扰抑制方法、装置及测量方法 |
CN110179472A (zh) * | 2019-06-05 | 2019-08-30 | 佛山科学技术学院 | 一种脑功能检测的方法及系统 |
CN111551522A (zh) * | 2020-06-17 | 2020-08-18 | 中国科学院南京地理与湖泊研究所 | 一种漫反射光谱定量沉积物中针铁矿与赤铁矿比值的方法 |
CN111551522B (zh) * | 2020-06-17 | 2021-03-02 | 中国科学院南京地理与湖泊研究所 | 一种漫反射光谱定量沉积物中针铁矿与赤铁矿比值的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105136690B (zh) | 2018-07-24 |
US9551656B2 (en) | 2017-01-24 |
US20150346090A1 (en) | 2015-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105136690A (zh) | 漫射光谱数据处理方法、建模方法、预测方法和处理装置 | |
Shabanov et al. | Effect of foliage spatial heterogeneity in the MODIS LAI and FPAR algorithm over broadleaf forests | |
Ferreira et al. | Development and validation of a chemometric method for direct determination of hydrochlorothiazide in pharmaceutical samples by diffuse reflectance near infrared spectroscopy | |
Chase et al. | Decomposition of in situ particulate absorption spectra | |
JP6775660B2 (ja) | 多位置拡散スペクトルデータの処理、モデリング、予測方法および処理装置 | |
US20170122969A1 (en) | System and Method for Analysis of A Sample | |
US20160091496A1 (en) | Processing, model establishment, and predication methods of multi-position diffuse spectral data and processing apparatus | |
CN101446548A (zh) | 基于响应量转换实现牛奶成分测量的装置及方法 | |
CN105987881B (zh) | 光谱数据干扰抑制方法、建模方法、预测方法和处理装置 | |
Hennessy et al. | Effect of probe geometry and optical properties on the sampling depth for diffuse reflectance spectroscopy | |
CN103293118A (zh) | 一种基于近红外光谱分析技术的潲水油鉴别方法 | |
Mei et al. | Pathlength determination for gas in scattering media absorption spectroscopy | |
Watté et al. | Metamodeling approach for efficient estimation of optical properties of turbid media from spatially resolved diffuse reflectance measurements | |
Bosco | James L. Waters Symposium 2009 on near-infrared spectroscopy | |
Dhawale et al. | Evaluating the precision and accuracy of proximal soil vis–NIR sensors for estimating soil organic matter and texture | |
Giussani et al. | Measurement strategies for the classification of edible oils using low-cost miniaturised portable NIR instruments | |
Fatehi et al. | Estimation of alpine forest structural variables from imaging spectrometer data | |
Li et al. | A method of soil moisture content estimation at various soil organic matter conditions based on soil reflectance | |
Mamouei et al. | Design and analysis of a continuous and non-invasive multi-wavelength optical sensor for measurement of dermal water content | |
Gunther et al. | Combination of diffuse reflectance and transmittance spectroscopy to obtain optical properties of liquid phantoms | |
Tian et al. | WSPXY combined with BP-ANN method for hemoglobin determination based on near-infrared spectroscopy | |
Di Sieno et al. | A versatile setup for time-resolved functional near infrared spectroscopy based on fast-gated single-photon avalanche diode and on four-wave mixing laser | |
Georgiev et al. | RamanSPy: An open-source Python package for integrative Raman spectroscopy data analysis | |
Mendes et al. | Soil spectral library of Piauí State using machine learning for laboratory analysis in Northeastern Brazil | |
JP3902999B2 (ja) | 光学的散乱特性推定装置およびその作動方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |