CN105987881B - 光谱数据干扰抑制方法、建模方法、预测方法和处理装置 - Google Patents

Abstract

提供了光谱数据干扰抑制方法、建模方法、预测方法和处理装置。根据实施例，一种光谱数据干扰抑制方法可以包括：确定至少一种干扰因素各自对光谱测量的干扰模式，所述干扰模式限定距离光源的多个径向位置处的干扰；获得包含特定成分的被测介质的漫射光谱数据；以及基于干扰模式，从漫射光谱数据中提取与特定成分相关的信息，其中，在所提取的信息中，抑制了与所述至少一种干扰因素对漫射光谱数据的干扰。

Description

光谱数据干扰抑制方法、建模方法、预测方法和处理装置

技术领域

本公开一般地涉及光谱检测领域，具体地，涉及光谱数据的干扰抑制方法、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。在生物医学领域，采用近红外吸收光谱方法已成功地实现快速、无创伤检测生物组织血氧饱和度等生化指标。当前，近红外光谱测量方法被认为是最有应用前景的人体内生理成分无创检测技术之一。

利用光谱方法对被测物成分浓度进行检测时，测定的被测物通常是不经过提纯等预处理的复杂样品，或者是人体中的某种待测成分。当待测成分浓度变化具有明显的波长特性时，则可以采用多变量回归的方法建立校正模型进行待测成分的浓度测量。但是，在复杂样品或个体中，除了待测成分外，还包含大量无法预知、随机的干扰成分，如人体的某些成分浓度变化受人体温度、心情等变化的影响，波长特性不明显。因此就需要消除这些不可预知的背景对待测物浓度分析的影响后，再进行浓度测量分析。

目前，消除近红外光谱信号中干扰因素的方法大致可以分为以下两种。

具体地，第一种方法是通过纯数学处理方法对光谱进行预处理。

目前较常使用的光谱预处理方法为正交信号校正方法和净信号方法。正交信号校正方法由S.Wold等提出，并用于近红外光谱预处理中，使得多元校正模型的预测能力得以加强。净信号的概念由Lorber提出。Héctor C.Goicoechea等通过实验，对这两种方法的近红外光谱修正结果进行比较，结果表明，分别采用正交信号校正方法和净信号方法对样品光谱进行预处理，所建模型的预测结果表明这两种方法都无法明显提高样品浓度的预测精度。这可能是因为光谱中的各种干扰并不一定全部与浓度矩阵正交，导致干扰并不能完全被消除。

第二种方法是采用合理的背景扣除方法消除光谱中的外界干扰。

目前进行无创血糖研究的各个小组在对原始光谱进行背景扣除时，采用的方法基本可分为以下三种：单光路扣空气、单光路扣纯水和双光路扣空气或标准反射板。David M.等在对全血中葡萄糖进行浓度预测的离体实验中，采用空气作为全血样品的背景。Kirsten等在对血浆样品进行光谱测量时，选用不含被分析物(葡萄糖)的血浆作为参考物，以此获得背景光谱。Ozaki等采用双光路方法进行背景扣除。然而，以空气或纯水作为背景进行扣除只有在简单样品的实验中能取得较好的结果，当样品复杂度增大时，该背景扣除方法将产生较大的样品浓度预测误差。此外，在人体检测中，若参考路上采用空气、纯水甚至是离体血液样品等作为背景，在测量路上，仍旧存在被测人体本身或人机界面的变化产生的噪声，这些是难以消除的。因此，对活体测量来说，还需要找到更好的背景扣除方法。比如，在人体本身找到适宜的参考信号，作为测量背景进行扣除，即测量信号和参考信号同时来自被测人体的相邻部位，它们在测量中将受到相似的干扰因素的影响。

徐可欣等提出了基于浮动基准位置的光谱测量方法(CN1699973A)，使得背景消除的技术得到了发展。具体地，可将浮动基准位置(例如，“葡萄糖的浮动基准位置”)的信号作为参考，其不受葡萄糖浓度变化影响，仅反映干扰因素的影响。在其他位置获得含有葡萄糖信息的测量信号后，可以在测量位置与基准位置处事先建立关联，通过浮动基准位置处的光强漂移推测出测量位置处光强的漂移，进而消除干扰因素的影响。

但是，当多种干扰同时存在时，特别是一些影响光学参数的因素，比如温度、血氧等等，它们在各个径向检测位置下分别具有不同的作用模式，实际测量结果是它们混叠的结果，导致目前还没有有效的对策全部消除它们。需要针对影响光学参数的因素，发展抑制乃至消除它们影响的方法，作为浮动基准位置法的有利补充，最终可有效提高被测成分浓度预测的精度。

发明内容

本公开的目的至少部分地在于提供能够有效抑制漫射光谱数据中干扰的光谱数据处理方法，利用干扰被抑制的光谱数据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，提供了一种光谱数据干扰抑制方法。该方法可以包括：确定至少一种干扰因素各自对光谱测量的干扰模式，所述干扰模式限定距离光源的多个径向位置处的干扰；获得包含特定成分的被测介质的漫射光谱数据；以及基于干扰模式，从漫射光谱数据中提取与特定成分相关的信息，其中，在所提取的信息中，抑制了与所述至少一种干扰因素对漫射光谱数据的干扰。

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提取的信息，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；以及基于提取的信息以及预测模型，预测所述特定成分的浓度。

根据本公开的又一方面，提供了一种处理装置。该处理装置可以包括：探测器，用以探测包含特定成分的被测介质对探测光的漫射光谱数据；以及处理器，被配置为基于至少一种干扰因素各自对光谱测量的干扰模式，从漫射光谱数据中提取与特定成分相关的信息，其中，所述干扰模式限定距离光源的多个径向位置处的干扰，且在所提取的信息中，抑制了与所述至少一种干扰因素对漫射光谱数据的干扰。

根据本公开的实施例，可以将这些与特定成分浓度无关的其他因素的干扰进行扣除，得到实质上仅与特定成分有关的测量信息。该技术特别适用于消除大的误差来源，如仪器漂移、体温变化等。在去除较大的干扰因素后，特定成分的浓度预测精度可以大大提高。

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是示出了根据本公开实施例的光谱数据干扰抑制方法的示意图；

图2是示出了根据本公开实施例的干扰因素单独作用以及综合作用的示意图；

图2′是示出了根据本公开实施例的单一干扰因素作用的示意图；

图3是示出了根据本公开实施例的无限介质情况下干扰因素单独作用以及综合作用的示意图；

图4是示出了根据本公开实施例的半无限介质情况下干扰因素单独作用以及综合作用的示意图；

图5是示出了根据本公开实施例的无限介质仿真情况下温度作用线的示意图；

图6是示出了根据本公开实施例的无限介质仿真情况下葡萄糖作用线的示意图；

图7是示出了根据本公开实施例的无限介质仿真情况下20mM葡萄糖浓度在不同温度下的综合作用线的示意图；

图8是示出了根据本公开实施例的从图7的综合作用线中去除温度作用线后的导出葡萄糖作用线的示意图；

图9是示出了根据本公开实施例的无限介质仿真情况下从葡萄糖浓度与温度的综合作用线中去除温度作用线后的导出葡萄糖作用线的示意图；

图10是示出了根据本公开实施例的半无限介质蒙特卡罗(MC)仿真情况下温度作用线的示意图；

图11是示出了根据本公开实施例的半无限介质MC仿真情况下葡萄糖作用线的示意图；

图12是示出了根据本公开实施例的半无限介质MC仿真情况下20mM葡萄糖浓度在不同温度下的综合作用线的示意图；

图13是示出了根据本公开实施例的从图12的综合作用线中去除温度作用线后的导出葡萄糖作用线的示意图；

图14是示出了根据本公开实施例的半无限介质MC仿真情况下从葡萄糖浓度与温度的综合作用线中去除温度作用线后的导出葡萄糖作用线的示意图；

图15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16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；以及

图17是示出了根据本公开实施例的处理装置的方框图。

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。

在对包含特定成分的被测介质进行光谱测量时，能够对被测介质的光学性质产生影响的各种干扰因素将会对光谱测量产生影响。在获得的光谱数据中，这些干扰因素所导致的干扰可能同时存在。

在以下，主要讨论这样的因素，这种因素基本上只对被测介质的光学参数，例如吸收系数和/或散射系数(或者，约化散射系数)，直接或间接产生影响，而对于被测介质的测量环境、测量接口、成分组成、密度、内部组织结构等方面基本上不会产生影响或者产生的影响可忽略。

例如，在人体无创血糖测试的情况下，被测介质为活体血液，特定成分为葡萄糖，干扰因素可以包括温度(具体地，体温)、水、血氧以及系统漂移(例如，光源漂移、光强测量仪器漂移等)等。在以下，为方便起见，以血糖或葡萄糖测试为例进行描述。但是，本公开不限于此。

发明人发现，各种不同因素的影响之间是“加性”叠加的(这将在以下进一步予以论证)。因此，测量获得的光谱数据(即，各种因素的综合作用结果)可以被分解为各单一因素单独作用的累加。根据本公开的实施例，可以获得单一因素所导致的干扰的规律(或者，“干扰模式”)，将其用于混合因素作用时的光谱修正，以抑制乃至消除干扰因素的影响。

根据上述特性，本公开提供了一种光谱数据干扰抑制方法。如图1所示，该方法100可以在操作S101中获得包含特定成分的被测介质的漫射光谱数据。

被测介质可以包括各种介质，如人体皮肤等。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，以获得光谱数据。例如，可以通过光源以一定波长的探测光照射被测介质，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。或者，光源与检测器均可以浸入被测介质内部，来测量光谱数据，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(即，检测器相对于光源的位置)的测量。或者，检测器可以包括设于不同位置的两个或更多受光单元以同时检测相应的两个或更多径向位置处的光强。

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探测光，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(绝对和/或相对)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，在一径向位置处测量光谱，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该径向位置处的光谱，记为I₂。例如，对于血糖测量，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(绝对)变化量s＝(I₂-I₁)，作为上述光谱数据。但是，需要指出的是，光谱数据不限于上述光强绝对变化量，如下所述，还可以获得其他类型的数据(例如，光强的相对变化量S＝lnI₂-lnI₁或s＝(I₂-I₁)/I₁)。

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。

此外，该方法100可以在操作S103中确定至少一种能够对被测介质的光学性质产生影响的干扰因素各自分别对光谱测量的干扰模式。

在此，所谓“干扰模式”是指干扰因素所导致的干扰的规律。例如，干扰模式可以限定多个径向位置处的干扰，即“径向位置”与“干扰”之间的关系或函数。这多个径向位置可以是离散或连续的。当针对一个径向位置区间或者所有径向位置时，干扰模式可以构成“作用线段”或“作用线”。由于光谱反映的是光强(或光强变化量)，所以“干扰”可以由干扰因素自身变化所导致的光强(绝对或相对)变化量来度量。如下所述，当干扰以光强相对变化量来度量时，干扰模式(或作用线)可以实质上是线性的。某些干扰因素(例如，系统漂移)在各径向位置处的干扰可以大致相同，这种情况下，其干扰模式或作用线可以为平行于径向位置轴的直线。

干扰例如可以如下确定。具体地，可以在一定的测量状态下，针对光学性质(具体地，吸收系数、散射系数、各向异性因子、折射率等)与被测介质基本上相同的介质，保持其他因素基本上不变，单独变化某一干扰因素，获得由该干扰因素变化导致的该介质的光谱变化(例如，光强绝对或变化量)，即，干扰。在此，所谓“测量状态”是指该因素自身的状态。例如，在干扰因素为温度的情况下，测量状态可以是指温度的具体度数。

例如，这种介质可以包括背景介质和一定浓度的特定成分，该浓度可以与被测介质中特定成分的浓度不同，甚至可以为零(即，仅背景介质)。例如，在人体血糖测量的情况下，空腹时的皮肤可以视为背景介质，此时初始血糖为相对的“0”浓度。另外，背景介质中各成分的浓度也可以与被测介质中背景介质的各成分的浓度(略有)差别。此外，还可以利用模拟被测介质的介质。例如，在无创血糖测试中，可以利用intralipid溶液+葡萄糖来模拟被测介质(即，人体皮肤+血糖)，并利用其来确定干扰。可以根据被测介质的光学性质来制备模拟介质。

在被测介质可操作的情况下，也可以将被测介质分成若干份，其中一份用于被测介质自身的光谱测量，其他几份可以用于确定干扰因素的干扰。

可以测定多个径向位置处的干扰，从而确定干扰模式。有利地，在利用光强相对变化量的情况下，干扰模式可以呈实质上的线性变化，如下所述。即，在光强相对变化量-径向位置的坐标图中，作用线可以呈现大致直线或直线段的形式。在这种情况下，例如可以通过测量至少两个径向位置处的干扰，利用线性拟合(或者，在略微偏离线性的情况下，利用非线性拟合，特别是低阶非线性拟合例如二阶多项式拟合)，来得到其他径向位置处的干扰，或者整个“干扰模式”或“作用线”。进一步地，这种“干扰模式”或“作用线”可以利用线性拟合得到的直线的斜率和截距来表示，或者可以利用非线性拟合如二价多项式拟合的系数来表示。

干扰模式的确定可以预先进行，从而可以针对多种因素和多种测量状态建立干扰模式的数据库。

但是，需要指出的是，操作S101与操作S103之间的顺序可以是任意的。

此外，该方法100还可以在操作S105中基于干扰模式，从漫射光谱数据中提取与特点成分相关的信息(可称作“信号”)。在所提取的信号中，与所述至少一种干扰因素对漫射光谱数据的干扰可以得以抑制。

根据一个实施例，这种提取可以包括从漫射光谱数据中直接减去各干扰因素的干扰。由于如上所述各因素之间是“加性”叠加的，这种直接相减是可行的。

为此，可以基于干扰模式，确定所述至少一种干扰因素各自对漫射光谱数据的干扰。例如，可以根据干扰模式，确定漫射光谱数据所涉及的径向位置或者区间处的干扰。注意，干扰模式所涉及的径向位置或区间可以不同于漫射光谱数据所涉及的径向位置或区间。在这种情况下，例如可以通过上述线性拟合或非线性拟合，获得针对漫射光谱数据所涉及的径向位置或区间的干扰。然后，可以从各径向位置处的漫射光谱数据值中减去相应径向位置处的干扰(或者，从一个区间的光谱数据线段中减去相应区间的干扰作用线段)，获得与特定成分相关的信息。

另外，确定干扰模式时的测量状态可以不同于获得漫射光谱数据时的测量状态。例如，在温度干扰因素的示例中，可能在35℃的温度下确定了温度干扰模式或作用线，而在37℃的温度下测量漫射光谱数据。此时，需要在不同测量状态之间进行转换。具体地，可以获得单一因素在多个第一测量状态下的相应多个干扰模式(或者，作用线簇)。可以对此进行建模，获得测量状态与干扰模式(或作用线)的关系(例如，表现为关系曲线或者关系式)。然后，可以确定测量漫射光谱数据时的第二测量状态，并根据第二测量状态，利用所获得的关系(例如，代入所得到的关系曲线或关系式)，确定该第二测量状态下的干扰模式或作用线。或者，可以确定干扰因素单位变化下的干扰模式。例如，在温度干扰因素的示例中，可以确定温度变化1度所导致的干扰模式(或作用线)。然后，可以确定测量漫射光谱数据时的第二测量状态，并利用所获得的干扰因素单位变化下的干扰模式来确定该第二测量状态下的干扰模式或作用线(例如，通过将干扰因素单位变化下的干扰模式乘以温度变化量)。在多种干扰因素的情况下，可以针对每一干扰因素分别进行同样的操作。

根据另一实施例，还可以通过多变量回归，来提取光谱数据中与特定成分相关的信息。例如，可以将多种例如所有可能影响测量的单一因素单独作用时的作用线簇，或者多因素共同作用时的作用线簇，均与被测成分浓度建立关联的回归模型。作用线的表示方法可以是任意两点或者斜率与截距等。在实际测量时，当多因素同时发生作用时，将测量得到的综合因素作用线，输入到所建立的回归模型中，预测出被测成分的浓度。

根据本公开的实施例，光谱测量可以在多个波长下进行，从而获得多个波长下的光谱数据。在这种情况下，以上结合图1描述的操作可以针对这多个波长分别进行。从而可以从多个波长的光谱数据中分别提取出信号。

以下，将进一步详细论述本公开技术的原理和概念。

具体地，在波长λ下的吸收系数和散射系数(不同波长下的吸收系数和散射系数可以不同)可分别定义为：

其中，ε_i(λ)表示第i种成分在波长λ下的摩尔消光系数，σ_s，i(λ)表示第i种种成分的粒子在波长λ下的单位散射截面，C_i表示第i种成分的浓度，且ρ_i表示第i种成分的密度。

在某种因素作用下吸收系数会发生变化，例如因素j，它引起的吸收系数变化量Δμ_a，j(λ)也是由于它直接或间接改变了被测对象中的某些成分的摩尔消光系数ε(λ)和/或浓度C，最终改变了吸收系数。而当多种因素同时作用时，若各个因素之间的作用相互独立，此时吸收系数的总的微变化量可以看作是这些因素单独作用的叠加结果，如公式(3)所示。类似地，散射系数也可以看作所有单一因素下散射系数微变化量的综合结果，如公式(4)所示。

其中，Δμ_a，j(λ)表示在波长λ下因素j导致的吸收系数变化量，Δμ_s，j(λ)表示在波长λ下因素j导致的散射系数变化量。

对于光谱检测而言，可以检测光强变化(例如，光学绝对变化量或相对变化量)，而该光强改变是源于被测介质的光学参数改变。在此，只考虑吸收系数和散射系数，则光强变化如公式(5)所示。

其中，ΔI(ρ)表示光强的绝对变化量，表示径向位置ρ处光强随散射系数μ_s的变化率，Δμ_s表示散射系数的变化量，表示径向位置ρ处光强随吸收系数μ_a的变化率，Δμ_a表示吸收系数的变化量。

考虑到多种因素，公式(5)可以改写为：

以血液成分检测为例，若其成分的主要变化因素为：葡萄糖浓度改变、温度改变、血红蛋白浓度/血氧改变三种时，公式(6)可以简化为：

其中，分别表示葡萄糖浓度变化引起的散射系数变化量和吸收系数变化量，Δμ_s，T(λ)、Δμ_a，T(λ)分别表示温度引起的散射系数变化量和吸收系数变化量，且Δμ_s，Hb(λ)、Δμ_a，Hb(λ)分别表示为血红蛋白浓度值或血氧不同引起的散射系数变化量和吸收系数变化量。

为了分别表示上述三因素甚至更多因素的单一作用结果，定义了单因素作用线的概念，如温度作用线、葡萄糖作用线、血红蛋白作用线，并定义了综合作用线。这些单一因素作用线用于表征在不同径向位置处单一因素引起的光强变化量，而综合作用线用于表征多因素综合作用的结果，它被认为是这些单因素作用线的线性叠加结果(参考图2)。此外，在每条作用线上又存在过零的径向位置，分别定义为温度基准点、葡萄糖基准点、血红蛋白/血氧基准点等等。这些径向位置分别对温度、葡萄糖、血红蛋白/血氧的变化不敏感(或者说，变化实质上为零)，即这些因素发生改变时，这些位置的光强保持不变。这种基准点可以通过实验获得，或者可以通过解析推导得出。例如，在以上引用的文献CN1699973A中，论证了基准点的存在和确定方式。

另外，为了方便分析所有径向位置ρ处的光强变化关系，可以采用光强的相对变化量ΔI(ρ)/I(ρ)，而不是绝对变化量ΔI(ρ)。此时，各径向位置处的光强变化量可以呈现线性或者近似线性的关系。在此需要指出的是，相对变化量和绝对变化量间可方便的进行转换。

图2示出了采用光强相对变化量的情况下的温度作用线202、葡萄糖作用线204、血红蛋白/血氧作用线206以及综合作用线208。如图2所示，它们随径向位置ρ大致呈现线性变化。温度作用线202的过零点A表示温度基准点，葡萄糖作用线204的过零点B表示葡萄糖基准点，血红蛋白/血氧作用线206的过零点C表示血红蛋白/血氧基准点。此外，综合作用线208的过零点表示综合基准点。

在考虑单个干扰因素(例如，温度)的情况下，存在一种简便的确定该干扰因素的干扰模式(或，作用线)的方法。

例如，如图2′所示，可以确定特定成分(例如，葡萄糖)的基准点B的位置以及该干扰因素(例如，温度)的基准点A的位置。另外，可以获得特定成分和该干扰因素共同作用时的综合作用线208′(例如，上述被测介质的漫射光谱数据)。可以确定基准点B处该综合作用线208′的值(图2′中B点处竖直虚线与综合作用线208′相交处的点)，然后将该点与该干扰因素的基准点A直接相连，即可得到该干扰因素的作用线(即，202)。

若采用相对变化量，则公式(7)变为：

对于每一个单因素作用线，可以看作是该因素单独作用的结果，如葡萄糖浓度改变时，它分别又引起了吸收系数和散射系数的改变，如公式(9)中第一项，其中和分别表示单位浓度的葡萄糖浓度引起的散射系数变化率和吸收系数变化率。其他因素类似。需要说明的是血红蛋白的测量线，不仅仅由血红蛋白的真实浓度值变化引起，还需包含血氧饱和度变化引起的部分，因此公式(9)中的浓度为等效浓度变化值，即两种因素同时作用后，吸收系数和散射系数的变化等效为该浓度变化值引起。

公式(9)可以改写为公式(10)，每个因素变化量前面都有固定的系数，该系数是随测量位置ρ变化的，且该系数为0时，即为单一因素测量的基准点。每个基准点的位置是由该因素引起的吸收系数变化量和散射系数变化量的比例关系唯一确定的。

公式(10)中ΔC_g、ΔT、ΔC_Hb′等前面的系数k(ρ)均可以通过单一因素变化的预实验获得。可以预先得到这些系数k(ρ)随着单一因素变化的规律，建立单一因素下的预测模型。当获知测量时刻的单一因素值时，可将其代入模型，推出此时此刻该因素的作用线。进一步，可在多因素综合作用时，将这些单一因素的影响一一扣除，而只获得特定成分(葡萄糖)变化的作用线，得到“基本上纯特定成分(葡萄糖)作用线”，再进一步预测其浓度。如公式(11)所示，其中T、C_Hb′为当前状态的温度和血红蛋白值，而T₀、C_Hb0′为参考状态的温度和血红蛋白值。

得到纯的葡萄糖作用线后，可在固定的一点或者多点组合进行葡萄糖浓度的测量，葡萄糖基准点是对葡萄糖变化最不敏感的测量位置，而对葡萄糖变化灵敏的点应该选在尽量远离葡萄糖基准点的位置。此时测量将去掉这些对光学参数有影响的干扰项，保障测量的精度。

在单一因素的作用线获取过程中，可进行简化，不需要所有测量点都进行测量，而是测量少数几点位置(至少两点)，可推出其他位置的结果。由于这些位置处的光强相对变化量随径向位置ρ呈现线性变化或者近似线性的变化规律，所以该测量线可由少数几点即可确定出来。

下面将以散射介质测量理论中的漫射方程在无限介质、半无限介质中的稳态解简单清晰地论证本技术的核心思想的可行性。

在无限介质情况下，光通量Φ在无限介质中对于一个点光源情况下的解为：

其中，ρ为检测器与光源之间的径向距离；λ为波长；μ_a为吸收系数；μ′_s为约化散射 系数，定义(1-g)μ_s，g为各向异性因子，μ_s为散射系数；D为光子的扩散系数，D＝{3[μ_a+(1-g) μ_s]}^-1＝[3(μ_a+μ′_s)]^-1；μ_eff为有效衰减系数，

当某成分改变引起光学参数改变时，如引起吸收系数和散射系数的改变，则光强的变化量为：

而相对光强变化量为：

因此，在某散射介质下，其光学参数发生微量改变时，光强的相对变化量与径向距离呈线性变化，即ΔΦ/Φ∝ρ。

当光学参数的变化由多种因素引起时，即Δμ_a＝Δμ_a，A+Δμ_a，B+Δμ_a，C…以及Δμ_s′＝Δμ_s，A′+Δμ_s，B′+Δνs_，C′…，则总的相对变化量为多种因素的总和：

若ABC这些因素分别为：温度、血红蛋白、葡萄糖时，则公式(17)变为：

因此，这些因素的综合作用可以表示为单独的作用线的加和，如图3所示。若测量对象为葡萄糖时，可以预先将温度、血红蛋白的作用线通过模拟或实验的方法获得，然后进行扣除，得到“纯葡萄糖”的作用线，进一步用于葡萄糖浓度的反演。

另一方面，在半无限介质外推边界情况下，漫射方程的稳态解为R(ρ)，其中r₁为距离光源的检测距离，r₂为距离镜像的负光源的距离。

其中，其中z为检测器距离表 面的深度，对于公式(19)，z＝0，R(ρ)是表面的漫反射光量；z₀为点光源与边界的距离，z_b为 外推的边界与真实边界的距离。

当光学参数发生变化时，光强变化量也可以表示为：

若令而则

若ABC这些因素分别为：温度、血红蛋白、葡萄糖时，则公式(17)变为：

因此，这些因素的综合作用可以表示为单独的作用线的加和，如图4所示。若测量对象为葡萄糖时，可以预先将温度、血红蛋白的作用线通过模拟或实验的方法获得，然后进行扣除，得到“纯葡萄糖”的作用线，进一步用于葡萄糖浓度的反演。

以上论述了单一影响因素的作用线合成为多因素作用线的理论基础，明确地看到不同作用线为“加性”叠加的现象；且在不同径向检测距离下单一因素作用线呈现的线性或近似线性的特点。

以下，将通过一些仿真结果进一步论述本公开技术的原理。

首先，针对无限介质的情况进行仿真。具体地，以浓度为2％的intralipid溶液作为模型，对波长1600nm下的漫反射出射光随葡萄糖浓度和温度的改变情况进行仿真。葡萄糖浓度变化范围为0～100mM，间隔为20mM；温度变化范围为32℃～35℃，间隔为0.5℃；温度变化时吸收系数和散射系数的变化量分别为：

Δμ_a(1600nm)＝-0.0037T+0.1081 (24)

Δμ_s＝4.7×10^-3℃^-1×ΔT×μ_s (25)

分别仿真温度在32.5℃、33℃、33.5℃、34℃、34.5℃和35℃下纯2％的intralipid溶液的光强分布结果，并计算这些温度下相对于初始温度为32℃时的相对光强变化量，得到如图5所示的在不同径向检测距离下的温度作用线图，即单一温度作用线。从图中可以看出，作用线为随径向检测距离变化的线性直线。这些线簇相交于温度基准点处。

又分别取葡萄糖浓度为20、40、60、80、100mM时，温度保持32度不变时，获得单一的葡萄糖作用线(相对于葡萄糖浓度为0时的相对光强变化量)，如图6所示，它们相交于葡萄糖基准点处。

当葡萄糖浓度为20mM时，温度从32.5度至35度变化时，可以获得综合因素作用线，如图7所示。类似地，其他葡萄糖浓度下，均可以获得综合因素作用线。

针对葡萄糖为20mM时在温度为32.5℃、33℃、33.5℃、34℃、34.5℃和35℃下的仿真结果，分别减去单一的各个温度下的作用线，可以将其修正为纯20mM的葡萄糖作用线，如图8所示。

对其他葡萄糖浓度的在不同温度下的作用线均采用类似的方法进行扣除温度作用线，均得到了较好的修正效果，如图9所示。

另外，若采用扣除干扰因素的第二种方法，即将这些影响因素下的综合作用线输入数学模型进行分解，也可以得到较好的预测效果。将葡萄糖为0mM、20mM、40mM、60mM、80mM、100mM时分别在温度为32.5℃、33℃、33.5℃、34℃、34.5℃和35℃下的仿真结果，相对于32度0mM葡萄糖的仿真结果计算相对光强变化量，得到分别的作用线簇，在这些作用线簇在0.1-3.5mm的值，间隔为0.1mm，作为光谱数据，与葡萄糖浓度建立主成分回归模型。建模结果表明，该模型对校正集的葡萄糖预测RMSEP仅为2-3mM。

上述结果仅为1600nm单一波长下的温度因素消除结果，还可以将多波长分别进行上述的干扰因素扣除，或者将多波长下的干扰因素混合作用时的作用线输入浓度预测模型。多波长下的浓度预测结果将优于单一波长下的结果。

此外，还针对半无限介质的情况进行仿真。具体地，同样以浓度为2％的intralipid溶液作为模型，对波长1600nm下的漫反射出射光随葡萄糖浓度和温度的改变情况进行仿真。葡萄糖浓度变化范围为0～100mM，间隔为20mM；温度变化范围为32℃～35℃，间隔为0.5℃；温度变化时吸收系数和散射系数的变化量同公式24和25；入射光子数为10¹¹，以经过样品后漫反射出射得到的绝对光子数作为出射光。

分别仿真温度在32.5℃、33℃、33.5℃、34℃、34.5℃和35℃下纯2％的intralipid溶液的在不同径向检测距离下的光强分布结果，并计算这些温度下相对于初始温度为32℃时的相对光强变化量，得到如图10所示的在不同径向检测距离下的温度作用线图，即单一温度作用线。从图中可以看出，作用线为随径向检测距离变化的线性直线。这些线簇基本相交于温度基准点处。

又分别取葡萄糖浓度为20、40、60、80、100mM时，温度保持32度不变时，获得单一的葡萄糖作用线，如图11所示，它们相交于葡萄糖基准点处。

当葡萄糖浓度为20mM时，温度从32.5度～35度变化时，可以获得综合因素作用线，如图12所示。类似地，其他葡萄糖浓度下，均可以获得综合因素作用线。

针对葡萄糖为20mM时在温度为32.5℃、33℃、33.5℃、34℃、34.5℃和35℃下的仿真结果，分别减去单一的各个温度下的作用线，可以将其修正为纯20mM的葡萄糖作用线，如图13所示。

对其他葡萄糖浓度的在不同温度下的作用线均采用类似的方法进行扣除温度作用线，均得到了较好的修正效果，如图14所示。

图15示出了利用光谱数据进行浓度预测的一般原理。如图15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{C_i}的特定成分，分别获得其相应的光谱数据{I(ρ))}。根据这些已知浓度的数据集合和相应光谱数据的集合可以建立预测模型M。然后，对于背景介质或基准介质中特定成分的未知浓度(或浓度变化)C′_i，可以获得其相应的光谱数据I′(ρ)(“Y”)。根据I′(σ)和预测模型M，可以预测浓度(“X”)。

如上所述，光谱数据可以包括各种合适的数据，如漫反射和/或漫散射光的光强绝对变化或相对变化。

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{C_i}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，可以对这些光谱数据进行上述干扰抑制处理，以有效消除干扰因素的影响。可以采用化学计量学方法来建立预测模型M。例如，可以对差分处理后的数据采用偏最小二乘(PLS)法建模。

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。

在此，提出了这样一种建模和/或浓度预测方法。参考图16，该方法1600可以在操作S1601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{C_i}的特定成分后的背景介质或基准介质，获得光谱数据(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S1603，可以对光谱数据进行如上所述的干扰抑制处理，以提取信号。然后，在操作S1605，可以利用提取的信号，来进行建模或者预测。该方法1600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)。

根据本公开的实施例，这种建模/预测方法可应用于人体无创伤血糖浓度测量。这种情况下，探测光的波长可以在约1.0-2.4微米的范围。

根据本公开的实施例，还提供了一种处理装置。参见图17，该处理装置1700可以包括探测器1701(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1701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1703。处理器1703可以配置为对探测器1701探测到的光谱进行干扰抑制。这种干扰抑制例如可以如上所述进行。

处理器1703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1703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，以实现干扰抑制、模型建立和浓度预测。

该处理装置还可以包括输入设备1705，例如鼠标、键盘等，用以输入用户命令、数据等，以及输出设备1707，例如显示器等，用以输出处理器1703的处理结果(例如，预测结果等)。输入设备1705和输出设备1707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 (28)

1.一种光谱数据干扰抑制方法，包括：

在多个第一测量状态下，确定至少一种干扰因素各自对光谱测量的相应多个干扰模式，并建立所述至少一个干扰因素的干扰模式与测量状态之间的关系，所述干扰模式限定距离光源的多个径向位置处的干扰；

在第二测量状态下，获得包含特定成分的被测介质的漫射光谱数据；以及

基于干扰模式，从漫射光谱数据中提取与特定成分相关的信息，其中，提取信息包括：

基于所建立的所述至少一个干扰因素的干扰模式与测量状态之间的关系，确定在第二测量状态下所述至少一种干扰因素各自对漫射光谱数据的干扰；以及

从漫射光谱数据中分别直接减去所述至少一种干扰因素各自对所述漫射光谱数据的干扰，

其中，在所提取的信息中，抑制了与所述至少一种干扰因素对漫射光谱数据的干扰。

2.根据权利要求1所述的方法，其中，

针对每一干扰因素，其干扰以该干扰因素单独变化而导致的光强相对变化量来度量。

3.根据权利要求2所述的方法，其中，所述干扰模式包括随径向位置的实质上线性变化。

4.根据权利要求3所述的方法，其中，针对单个干扰因素，确定该干扰因素的干扰模式包括：

确定特定成分的基准点位置以及该干扰因素的基准点位置，其中所述特定成分的基准点位置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，所述干扰因素的基准点位置指示光谱数据中的光强信息对干扰因素的变化实质上不敏感的径向位置；

根据所述特定成分的基准点位置处的漫射光谱数据值以及所述干扰因素的基准点位置，确定该干扰因素的干扰模式。

5.根据权利要求2所述的方法，其中，确定干扰模式包括：

测量由该干扰因素导致的在至少两个径向位置处的干扰；以及

利用线性或非线性拟合，获得由该干扰因素导致的在所述多个径向位置处的干扰。

6.根据权利要求5所述的方法，其中，

在线性拟合的情况下，利用斜率和截距来表示所述干扰模式；或者

所述非线性拟合包括二阶多项式拟合，且利用二价多项式拟合的系数来表示所述干扰模式。

7.根据权利要求1所述的方法，其中，所述漫射光谱数据包括特定成分的浓度为第一浓度时的光强与特定成分的浓度为第二浓度时的光强之间的光强绝对变化量或相对变化量。

8.根据权利要求1所述的方法，其中，建立所述至少一个干扰因素的干扰模式与测量状态之间的关系包括：

获得该干扰因素在单位变化下的干扰模式。

9.根据权利要求1所述的方法，其中，干扰因素包括影响被测介质的吸收系数和/或散射系数的因素。

10.根据权利要求9所述的方法，其中，干扰因素包括温度和/或系统漂移。

11.根据权利要求1所述的方法，其中，针对多个波长，分别进行所述确定干扰模式、获得光谱数据和提取相关信息的操作。

12.一种光谱数据干扰抑制方法，包括：

确定至少一种干扰因素各自对光谱测量的干扰模式，所述干扰模式限定距离光源的多个径向位置处的干扰；

获得包含特定成分的被测介质的漫射光谱数据；以及

基于干扰模式，从漫射光谱数据中提取与特定成分相关的信息，其中，提取信息包括：

通过多变量回归，获得漫射光谱数据中与特定成分相关的信息，

其中，在所提取的信息中，抑制了与所述至少一种干扰因素对漫射光谱数据的干扰。

13.根据权利要求12所述的方法，其中，多变量回归包括：针对多种单一因素单独作用时的干扰模式或者所述多种因素共同作用时的干扰模式，建立与所述特定成分相关联的回归模型。

14.根据权利要求12所述的方法，其中，针对每一干扰因素，其干扰以该干扰因素单独变化而导致的光强相对变化量来度量。

15.根据权利要求14所述的方法，其中，所述干扰模式包括随径向位置的实质上线性变化。

16.根据权利要求15所述的方法，其中，针对单个干扰因素，确定该干扰因素的干扰模式包括：

确定特定成分的基准点位置以及该干扰因素的基准点位置，其中所述特定成分的基准点位置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，所述干扰因素的基准点位置指示光谱数据中的光强信息对干扰因素的变化实质上不敏感的径向位置；

根据所述特定成分的基准点位置处的漫射光谱数据值以及所述干扰因素的基准点位置，确定该干扰因素的干扰模式。

17.根据权利要求14所述的方法，其中，确定干扰模式包括：

测量由该干扰因素导致的在至少两个径向位置处的干扰；以及

利用线性或非线性拟合，获得由该干扰因素导致的在所述多个径向位置处的干扰。

18.根据权利要求17所述的方法，其中，

在线性拟合的情况下，利用斜率和截距来表示所述干扰模式；或者

所述非线性拟合包括二阶多项式拟合，且利用二价多项式拟合的系数来表示所述干扰模式。

19.根据权利要求12所述的方法，其中，所述漫射光谱数据包括特定成分的浓度为第一浓度时的光强与特定成分的浓度为第二浓度时的光强之间的光强绝对变化量或相对变化量。

20.根据权利要求12所述的方法，其中，干扰因素包括影响被测介质的吸收系数和/或散射系数的因素。

21.根据权利要求20所述的方法，其中，干扰因素包括温度和/或系统漂移。

22.根据权利要求12所述的方法，其中，针对多个波长，分别进行所述确定干扰模式、获得光谱数据和提取相关信息的操作。

23.一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1-22中任一项所述的方法进行处理；以及

基于各已知浓度以及提取的信息，获得预测模型。

24.根据权利要求23所述的方法，用于人体无创伤血糖浓度测量。

25.一种浓度预测方法，包括：

针对被测介质，按权利要求1-22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

基于提取的信息以及预测模型，预测所述特定成分的浓度。

26.根据权利要求25所述的浓度预测方法，其中所述预测模型根据权利要求23所述的方法得到。

27.根据权利要求25所述的方法，用于人体无创伤血糖浓度测量。

28.一种处理装置，包括：

探测器，用以在特定测量状态下探测包含特定成分的被测介质对探测光的漫射光谱数据；以及

处理器，被配置为基于至少一种干扰因素各自对光谱测量的干扰模式，从漫射光谱数据中提取与特定成分相关的信息，其中，所述干扰模式限定距离光源的多个径向位置处的干扰，且在所提取的信息中，抑制了与所述至少一种干扰因素对漫射光谱数据的干扰，

其中，处理器被配置为通过以下方式来提取信息：

基于干扰模式以及事先建立的干扰模式与测量状态之间的关系，确定在所述特定测量状态下所述至少一种干扰因素各自对漫射光谱数据的干扰；以及从漫射光谱数据中分别直接减去所述至少一种干扰因素各自对所述漫射光谱数据的干扰，或者

通过多变量回归，获得漫射光谱数据中与特定成分相关的信息。