CN109270045A - 一种用于拉曼光谱的快速荧光背景抑制方法 - Google Patents
一种用于拉曼光谱的快速荧光背景抑制方法 Download PDFInfo
- Publication number
- CN109270045A CN109270045A CN201810907494.XA CN201810907494A CN109270045A CN 109270045 A CN109270045 A CN 109270045A CN 201810907494 A CN201810907494 A CN 201810907494A CN 109270045 A CN109270045 A CN 109270045A
- Authority
- CN
- China
- Prior art keywords
- fluorescence background
- narrow band
- band detection
- raman spectrum
- wiener
- 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.)
- Withdrawn
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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
Abstract
一种用于拉曼光谱的快速荧光背景抑制方法,通过建立标准数据库对荧光背景抑制算法模型进行训练。在训练阶段,通过维纳估算的方法计算荧光背景光谱与窄带测量间关系的数学模型,即维纳矩阵1;然后通过维纳估算的方法计算去除荧光背景后的拉曼光谱与扣除荧光背景的窄带测量间关系的数学模型,即维纳矩阵2。对于待处理样本数据,即未去除荧光背景的拉曼光谱,首先通过与特定滤光片的光谱透过率相乘后得到窄带测量。随后,基于维纳矩阵1,通过窄带测量重建其对应的荧光背景光谱,并从窄带测量中扣除该荧光背景进而获得扣除荧光背景的窄带测量。最后,利用维纳矩阵2与扣除荧光背景的窄带测量重建去除背景后的拉曼光谱。
Description
技术领域
本发明属于信息领域,适用于拉曼光谱的荧光背景抑制,涉及一种用于拉曼光谱的快速荧光背景抑制算法。
背景技术
拉曼光谱是一种散射光谱,它通过测量分子振动、转动等方面的信息进而对待测样本的生化成分进行无损地定性检测,在化学分析、材料表征、生物医学等领域已经展现出巨大的应用潜力。然而拉曼效应通常较微弱且伴随着荧光现象发生,当待检测样本荧光信号较强时,特别是对于生物样品,拉曼信号易于被荧光背景所干扰,进而影响拉曼光谱数据的分析和后处理,最终导致不准确的分析结果。荧光背景的存在严重限制了拉曼光谱技术的广泛应用。因此,拉曼光谱的荧光背景抑制方法对于拉曼光谱的实际应用具有重要意义。
在过去的几十年中,多种荧光背景抑制算法已被用于抑制拉曼光谱中的荧光背景,常用的方法包括多项式拟合、小波变换、傅立叶变换、求导和峰值检测等。多项式拟合方法中阶数的最优选择和性能往往取决于使用者的经验,且多项式拟合过程运算效率较低;小波变化和傅立叶变换存在部分拉曼与荧光信号难以分离的问题,导致荧光抑制效率较低,且这两种方法的运算时间较长;求导方法虽然运算效率很高,但往往会放大高频噪声,且在求导过程中光谱会失真,导致求导光谱与实际光谱并不相同;峰值探测的操作过程较为复杂,导致运算效率较低。随着拉曼光谱技术的广泛应用,尤其是拉曼光谱成像技术的不断发展,对于高效处理大量拉曼光谱的需求日益增长。因此,一种简单、快速且高效的荧光背景抑制方法对于广泛使用的拉曼光谱技术是至关重要的。
发明内容
为了克服上述现有技术存在的不足,本发明提供了一种用于拉曼光谱的快速荧光背景抑制算法。
本发明采用的技术方案如下:
一种用于拉曼光谱的快速荧光背景抑制方法,该算法为一种有监督学习方法,需要建立标准数据库对荧光背景抑制算法的模型进行训练;所诉的标准数据库包括去除荧光背景后的拉曼光谱、荧光背景光谱及对应的窄带测量;
标准数据库包括去除荧光背景后的拉曼光谱、荧光背景光谱及对应的窄带测量,其中窄带测量可通过未去除荧光背景的拉曼光谱与特定滤光片的光谱透过率间矩阵乘积获得。在训练阶段,首先通过维纳估算的方法计算荧光背景光谱与窄带测量间关系的数学模型,即维纳矩阵1;随后通过维纳估算的方法计算去除荧光背景后的拉曼光谱与扣除荧光背景的窄带测量间关系的数学模型,即维纳矩阵2。其中,维纳估算中的维纳矩阵W可通过以下公式获得。
W=E(scT)[E(cc)T]-1
其中s表示光谱数据,c表示窄带测量,上标“T”表示矩阵转置,上标“-1”表示矩阵的逆,E()表示总体均值。
对于待处理的样本数据,即未去除荧光背景的拉曼光谱数据,首先通过与特定滤光片的光谱透过率相乘后得到窄带测量。随后,基于维纳矩阵1,通过窄带测量重建其对应的荧光背景光谱,并从窄带测量中扣除该荧光背景进而获得扣除荧光背景的窄带测量。最后,利用维纳矩阵2与扣除荧光背景的窄带测量重建去除背景后的拉曼光谱。
与现有技术相比,本发明的优点是:
1)本发明与其他荧光抑制算法相比,在荧光抑制效率上具有明显的优势,
提高了荧光抑制的准确性。
2)本发明与其他荧光抑制算法相比,在运算效率上具有明显的优势,
荧光抑制计算时间减少了几个数量级。
附图说明
图1是本发明用于拉曼光谱的快速荧光抑制算法的流程图。
具体实施方式
如图1所示,本发明的步骤如下:
步骤1,建立标准数据库对荧光背景抑制算法的模型进行训练。
在本实施事例中,采用了标准数据库对荧光背景抑制算法模型进行训练,标准数据库包括去除荧光背景后的拉曼光谱、荧光背景光谱及对应的窄带测量,其中窄带测量可通过未去除荧光背景的拉曼光谱与特定滤光片的光谱透过率间矩阵乘积获得。
步骤2,通过维纳估算的方法计算步骤1标准数据库中的荧光背景光谱和窄带测量间关系的数学模型,即维纳矩阵1。
步骤3,通过维纳估算的方法计算步骤1标准数据库中的去除荧光背景后的拉曼光谱和扣除荧光背景的窄带测量间的数学模型,即维纳矩阵2。
在本实施事例中,步骤2和步骤3中维纳矩阵通过下述公式计算获得。
W=E(scT)[E(cc)T]-1
其中s表示光谱数据,c表示窄带测量,上标“T”表示矩阵转置,上标“-1”表示矩阵的逆,E()表示总体均值。
步骤4,对于待测样本,即未去除荧光背景的拉曼光谱数据,通过与特定滤光片的光谱透过率相乘后得到窄带测量。
步骤5,基于步骤2获得的维纳矩阵1与步骤4获得的窄带测量,重建待测样本的荧光背景光谱,并从窄带测量中扣除该荧光背景进而获得扣除荧光背景的窄带测量。
步骤6,利用步骤3获得的维纳矩阵2与步骤5获得的扣除荧光背景的窄带测量,重建去除背景后的拉曼光谱。
Claims (3)
1.一种用于拉曼光谱的快速荧光背景抑制方法,其特征在于如下步骤:
步骤一,建立标准数据库对荧光背景抑制算法的模型进行训练;所诉的标准数据库包括去除荧光背景后的拉曼光谱、荧光背景光谱及对应的窄带测量;
步骤二,通过维纳估算的方法计算步骤一标准数据库中的荧光背景光谱和窄带测量间关系的数学模型,即维纳矩阵1;
步骤三,通过维纳估算的方法计算步骤一标准数据库中的去除荧光背景后的拉曼光谱和扣除荧光背景的窄带测量间关系的数学模型,即维纳矩阵2;
步骤四,对于待测样本,即未去除荧光背景的拉曼光谱数据,通过与特定滤光片的光谱透过率相乘后得到窄带测量;
步骤五,基于步骤二获得的维纳矩阵1与步骤四获得的窄带测量,重建待测样本的荧光背景光谱,并从窄带测量中扣除该荧光背景进而获得扣除荧光背景的窄带测量;
步骤六,利用步骤三获得的维纳矩阵2与步骤五获得的扣除荧光背景的窄带测量,重建去除背景后的拉曼光谱。
2.根据权利要求1所诉一种用于拉曼光谱的快速荧光背景抑制方法,其特征在于,所诉步骤一中的窄带测量通过未去除荧光背景的拉曼光谱与特定滤光片的光谱透过率间矩阵乘积获得。
3.根据权利要求1或2所诉一种用于拉曼光谱的快速荧光背景抑制方法,其特征在于,所诉的维纳矩阵1或维纳矩阵2基于以下公式计算获得:
W=E(scT)[E(cc)T]-1
其中s表示光谱数据,c表示窄带测量,上标“T”表示矩阵转置,上标“-1”表示矩阵的逆,E()表示总体均值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810907494.XA CN109270045A (zh) | 2018-08-10 | 2018-08-10 | 一种用于拉曼光谱的快速荧光背景抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810907494.XA CN109270045A (zh) | 2018-08-10 | 2018-08-10 | 一种用于拉曼光谱的快速荧光背景抑制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109270045A true CN109270045A (zh) | 2019-01-25 |
Family
ID=65153536
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810907494.XA Withdrawn CN109270045A (zh) | 2018-08-10 | 2018-08-10 | 一种用于拉曼光谱的快速荧光背景抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109270045A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658178A (zh) * | 2019-09-29 | 2020-01-07 | 江苏拉曼医疗设备有限公司 | 一种用于拉曼光谱的荧光背底扣除方法 |
CN112161966A (zh) * | 2020-09-29 | 2021-01-01 | 中国科学院长春光学精密机械与物理研究所 | 一种含有荧光光谱的样本拉曼光谱的分离方法和装置 |
CN112924433A (zh) * | 2019-12-06 | 2021-06-08 | 中国科学院大连化学物理研究所 | 一种基于双克尔光开关的抑制拉曼光谱中荧光的装置及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1809176A2 (en) * | 2004-02-19 | 2007-07-25 | Nu Skin International, Inc. | Bio-photonic-scanning calibration method |
CN101187635A (zh) * | 2007-12-21 | 2008-05-28 | 浙江大学 | 一种基于拉曼光谱定性鉴别纺织纤维的方法 |
CN101692045A (zh) * | 2009-10-28 | 2010-04-07 | 广西工学院 | 基于多波长激发的拉曼光谱的荧光消除方法 |
CN103217409A (zh) * | 2013-03-22 | 2013-07-24 | 重庆绿色智能技术研究院 | 一种拉曼光谱预处理方法 |
CN107831157A (zh) * | 2017-10-24 | 2018-03-23 | 西安电子科技大学 | 基于除谱的拉曼光谱荧光背景扣除方法 |
-
2018
- 2018-08-10 CN CN201810907494.XA patent/CN109270045A/zh not_active Withdrawn
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1809176A2 (en) * | 2004-02-19 | 2007-07-25 | Nu Skin International, Inc. | Bio-photonic-scanning calibration method |
CN101187635A (zh) * | 2007-12-21 | 2008-05-28 | 浙江大学 | 一种基于拉曼光谱定性鉴别纺织纤维的方法 |
CN101692045A (zh) * | 2009-10-28 | 2010-04-07 | 广西工学院 | 基于多波长激发的拉曼光谱的荧光消除方法 |
CN103217409A (zh) * | 2013-03-22 | 2013-07-24 | 重庆绿色智能技术研究院 | 一种拉曼光谱预处理方法 |
CN107831157A (zh) * | 2017-10-24 | 2018-03-23 | 西安电子科技大学 | 基于除谱的拉曼光谱荧光背景扣除方法 |
Non-Patent Citations (4)
Title |
---|
SHUO CHEN等: "Optimization of advanced Wiener estimation methods for Raman reconstruction from narrow-band measurements in the presence of fluorescence background", 《BIOMEDICAL OPTICS EXPRESS》 * |
SHUO CHEN等: "Stepwise method based on Wiener estimation for spectral reconstruction in spectroscopic Raman imaging", 《OPTICS EXPRESS》 * |
梁东等: "基于最优化维纳估计算法的多光谱图像重构", 《包 装 工 程》 * |
路交等: "拉曼光谱成像技术及其在生物医学中的应用", 《中国激光》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110658178A (zh) * | 2019-09-29 | 2020-01-07 | 江苏拉曼医疗设备有限公司 | 一种用于拉曼光谱的荧光背底扣除方法 |
CN112924433A (zh) * | 2019-12-06 | 2021-06-08 | 中国科学院大连化学物理研究所 | 一种基于双克尔光开关的抑制拉曼光谱中荧光的装置及方法 |
CN112924433B (zh) * | 2019-12-06 | 2022-02-11 | 中国科学院大连化学物理研究所 | 一种基于双克尔光开关的抑制拉曼光谱中荧光的装置及方法 |
CN112161966A (zh) * | 2020-09-29 | 2021-01-01 | 中国科学院长春光学精密机械与物理研究所 | 一种含有荧光光谱的样本拉曼光谱的分离方法和装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chen et al. | Intrinsic chirp component decomposition by using Fourier series representation | |
Wang et al. | Feature extraction of rolling bearing’s early weak fault based on EEMD and tunable Q-factor wavelet transform | |
CN108845250B (zh) | 基于振动信号特征提取的有载分接开关故障识别方法 | |
CN109270045A (zh) | 一种用于拉曼光谱的快速荧光背景抑制方法 | |
CN106198482B (zh) | 基于拉曼光谱的检测保健品中是否添加有西药的方法 | |
WO2015096779A1 (zh) | 拉曼光谱检测方法 | |
CN110503060B (zh) | 一种光谱信号去噪方法及其系统 | |
CN116127288B (zh) | 基于独立成分分析的纳米孔传感信号噪声去除方法及装置 | |
CN113008805A (zh) | 基于高光谱成像深度分析的白芷饮片质量预测方法 | |
CN107632010B (zh) | 一种结合激光诱导击穿光谱对钢铁样品的定量方法 | |
Meng et al. | An adaptive spectrum segmentation-based optimized VMD method and its application in rolling bearing fault diagnosis | |
CN109297928B (zh) | 一种检测酱油品质的方法及系统 | |
CN113389541A (zh) | 一种油井动液面信号高精度提取方法 | |
Xu et al. | Rolling bearing fault feature extraction via improved SSD and a singular-value energy autocorrelation coefficient spectrum | |
Liang et al. | Bearing fault diagnosis based on singular value distribution of impulse response segment | |
JP2013528287A (ja) | 質量スペクトルを分析するための方法、コンピュータ・プログラム、およびシステム | |
CN104268896A (zh) | 基于光谱抽样直方图的超光谱降维匹配方法及系统 | |
CN108461092B (zh) | 一种对帕金森病语音分析的方法 | |
CN109145403B (zh) | 一种基于样本共识的近红外光谱建模方法 | |
Hsueh et al. | On-line local mean decomposition and its application to ECG signal denoising | |
CN112525999B (zh) | 一种基于频率成份的声发射信号相关性分析方法 | |
CN111504908A (zh) | 一种基于光声光谱的岩石类型识别方法及系统 | |
CN115326396A (zh) | 一种轴承故障的诊断方法及装置 | |
CN112329626A (zh) | 调制与深度学习融合的设备故障诊断方法、系统及介质 | |
CN109030452A (zh) | 一种基于五点三次平滑算法的拉曼光谱数据降噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20190125 |
|
WW01 | Invention patent application withdrawn after publication |