CN109709085B - 一种多通道拉曼光谱重建方法、终端设备及存储介质 - Google Patents

Abstract

本发明涉及一种多通道拉曼光谱重建方法、终端设备及存储介质，该方法包括以下步骤：S1：获取训练样本的拉曼光谱数据集；S2：获取训练样本的多通道光谱数据集；S3：对多通道光谱数据集进行二阶多项式回归拓展；S4：估算待测物质的拉曼光谱数据，并判断其与训练样本的拉曼光谱数据集的相似度，并根据相似度对训练样本的拉曼光谱数据集和多通道光谱数据集赋予对应的权重；S5：根据维纳估计，计算转移矩阵W；S6：获取待测物质的多通道光谱数据u，并对其进行拓展，根据待测物质的多通道光谱数据u和转移矩阵W，通过公式r＝W*u，重建待测物质的拉曼光谱。本发明能够快速重建出拉曼光谱，极大缩短了获取拉曼光谱的时间，便于研究其随时间变化规律。

Description

一种多通道拉曼光谱重建方法、终端设备及存储介质

技术领域

本发明涉及光谱重建技术领域，尤其涉及一种多通道拉曼光谱重建方法、终端设备及存储介质。

背景技术

拉曼光谱是在印度科学家C.V.Raman发现的拉曼散射效应的基础上发展起来的，是一种用于分析分子化学成分、结构等信息的检测技术，具有信息丰富、制样简单、水的干扰小、非侵入等特点，可在接近生理条件下获得组织或细胞的光谱信息，从而从分子水平解释生命相关现象，因而在生命科学以及生物医学等领域占据越来越重要的地位。然而，拉曼散射效率低，大多数生物样本中的自发拉曼信号都比荧光信号或弹性散射弱。因此，为获取高空间分辨率的生物样品拉曼光谱是非常耗时，通常为数十分钟至数小时。

现已探索出几种解决方案来克服这种限制。方法1：对待测样本进行线扫描。通过柱面透镜或者激光扫描装置使光斑以直线形式聚集在样品表面，该线对应的光谱信号将通过光谱仪的入射狭缝经过光栅沿垂直于入射狭缝的方向展开成像于光谱仪的面阵CCD上，实现了同时采集多条光谱的目的，从而有效地提高了扫描速度。但成像时间仍相对较长，并且受制于机械装置，其空间分辨率最高只能达到几微米的水平。方法2：宽场成像。通过采用宽场(全局)激发样品，其散射的信号直接耦合收集于面阵列CCD，使用可调谐液晶滤光片(LCTF)，将通过的信号波长转成单波长成像。同扫描模式相比，宽场模式可获取更高的空间分辨率、更好的动态性能，但是只能收集两个空间维度的单波长光谱。

这些处理方法，各有优点和适用范围，但一个共同的不足在于，这些方法均是相对常规拉曼光谱仪获取拉曼光谱的时间有所提高，但是仍难以实现待测物质随时间变化规律的实时探究，同时无法抑制非线性因素的干扰。

发明内容

针对上述问题，本发明旨在提供一种多通道拉曼光谱重建方法、终端设备及存储介质，能够在有效抑制非线性影响因素的同时，保证重建拉曼光谱的速度。

具体方案如下：

一种多通道拉曼光谱重建方法，包括以下步骤：

S1：获取训练样本的拉曼光谱数据集R：

R＝{r₁,r₂,...,r_i,...,r_k}

其中，R是一n×k维的矩阵，n是采样点个数，k是样本容量；

S2：获取训练样本的多通道光谱数据集U：

U＝{u₁,u₂,...,u_i,...,u_k}

其中，U是一g×k维的矩阵，g是多通道个数，k是样本容量；

S3：对多通道光谱数据集U进行二阶多项式回归拓展，得到结果U₁；

S4：估算待测物质的中的拉曼光谱数据r，并判断待测物质的拉曼光谱数据r与训练样本的拉曼光谱数据集R中的每一个拉曼光谱数据r_i的相似度λ_i；

根据相似度λ_i，对训练样本的拉曼光谱数据集R和多通道光谱数据集U中的每个元素均赋予对应的权重λ_i，分别设为R₁和

则：

S5：根据维纳估计，计算转移矩阵W：

其中，上标‘T’表示矩阵转置，上标‘-1’表示矩阵求逆；

S6：获取待测物质的多通道光谱数据u，根据步骤S3对多通道光谱数据u进行拓展，根据待测物质的多通道光谱数据u和转移矩阵W，通过公式r＝W*u，重建待测物质的拉曼光谱。

进一步的，步骤S3中所述二阶多项式回归拓展的方法为：设定拓展前的多通道数据u＝[u₁,u₂,...,u_g]，则拓展后的多通道数据u＝[1,u₁,u₂,...,u_g,u₁u₁,u₁u₂,...,u₁u_g,u₂u₂,...,u₂u_g,...,u_g-1u_g,u_gu_g]，其中g为通道的数目。

进一步的，步骤S4中通过Tanimoto系数来计算所述相似度λ_i，具体计算公式为：

λ_i＝T(r_i,r)＝(r_i*r)/(||r_i||²+||r||²-r_i*r)。

进一步的，步骤S4中还包括设定相似度阈值，将相似度λ_i低于相似度阈值的样本剔除。

进一步的，步骤S4中，通过维纳估计估算待测物质的拉曼光谱数据。

一种多通道拉曼光谱重建终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例上述的方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现本发明实施例上述的方法的步骤。

本发明采用如上技术方案，并具有有益效果：

1、对获取的多通道数据进行二阶多项式回归拓展，可以有效抑制非线性影响因素。

2、根据待测光谱r与样本光谱r_i的相似程度，对训练样本的全光谱数据集R和多通道光谱数据集U赋予对应的权重，能够优化训练样本，提高转移矩阵的精度。

3、针对待测物质已知，在获取多通道数据后，根据求得的转移矩阵，能够快速重建出全光谱，极大缩短了获取全光谱的时间，便于研究其随时间变化规律。

附图说明

图1所示为本发明实施例一的流程示意图。

图2所示为本发明实施例一中某物质的拉曼光谱谱图。

图3所示为本发明实施例一中某物质的拉曼光谱谱图与该物质重建后的全光谱拉曼光谱谱图。

具体实施方式

为进一步说明各实施例，本发明提供有附图。这些附图为本发明揭露内容的一部分，其主要用以说明实施例，并可配合说明书的相关描述来解释实施例的运作原理。配合参考这些内容，本领域普通技术人员应能理解其他可能的实施方式以及本发明的优点。

现结合附图和具体实施方式对本发明进一步说明。

实施例一：

参考图1所示，本发明提供了一种多通道拉曼光谱重建方法，本方法中包括训练样本和待测物质，其中，训练样本用于对模型进行训练，待测物质根据训练的模型进行完成拉曼光谱的重建。

所述方法包括以下步骤：

S1：从拉曼光谱仪获取训练样本的拉曼光谱数据集R：

R＝{r₁,r₂,...,r_i,...,r_k}

其中，R是一n×k维的矩阵，n是采样点个数，k是样本容量，图2所示为某种物质的拉曼光谱谱图。

S2：通过多通道光学系统，获取训练样本的多通道光谱数据集U：

U＝{u₁,u₂,...,u_i,...,u_k}

其中，U是一g×k维的矩阵，g是多通道个数，k是样本容量。

S3：对多通道光谱数据集U中的各元素进行二阶多项式回归拓展，得到结果U₁，则U₁中的任一元素均为U中对应元素经拓展后的结果，设定拓展前的多通道数据u＝[u₁,u₂,...,u_g]，其中g为通道的数目，则拓展后的U₁中元素u_i为：

u_i＝[1,u_i1,u_i2,...,u_ig,u_i1u_i1,u_i1u_i2,...,u_i1u_ig,u_i2u_i2,...,u_i2u_ig,...,u_ig-1u_ig,u_igu_ig] (1)

通过对获取的多通道数据进行二阶多项式回归拓展，可以有效抑制非线性影响因素。

S4：根据维纳(Wiener)估计估算待测物质的拉曼光谱r。

鉴于待测物质的拉曼光谱r与训练样本的拉曼光谱数据r_i是同维的向量，因此该实施例中，通过Tanimoto系数，来判断r与r_i的相似度λ_i，即为该待测物质对应的权重。

该实施例中，为了提高求解精度，优选将相似程度过低的样本直接剔除，采用的具体方法为：设定相似度阈值，将计算的相似度λ_i的值低于相似度阈值的样本剔除。

所述相似度λ_i的计算公式为：

λ_i＝T(r_i,r)＝(r_i*r)/(||r_i||²+||r||²-r_i*r) (2)

根据公式(2)，对训练样本的拉曼光谱数据集R和多通道光谱数据集U中的每个元素均赋予对应的权重λ_i，分别设为R₁和

则：得：

R₁＝{λ₁r₁,λ₂r₂,...,λ_ir_i,...,λ_kr_k} (3)

S5：根据维纳估计，计算转移矩阵W：

其中，上标‘T’表示矩阵转置，上标‘-1’表示矩阵求逆。

通过对训练样本赋予对应的权重，能够优化训练样本，提高转移矩阵的精度。

S6：通过多通道光学系统，获取待测物质的多通道光谱数据u，

根据步骤S3对多通道光谱数据u进行拓展，

根据拓展后的多通道光谱数据u，和步骤S5获得的转移矩阵W，通过公式r＝W*u，(其中，r为拉曼光谱数据)，快速重建出待测物质的拉曼光谱。

图3所示为某待测物质的直接获得的拉曼光谱谱图与重建后的拉曼光谱谱图的比较结果，从图中可以看出，两者基本吻合。

本实施例所述方法，针对待测物质已知，借助多通道光谱数据，快速重建出该待测物质的拉曼光谱，极大缩短了获取拉曼光谱的时间，便于研究其随时间变化规律。

实施例二：

本发明还提供一种多通道拉曼光谱重建终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现本发明实施例一的上述方法实施例中的步骤。

进一步地，作为一个可执行方案，所述多通道拉曼光谱重建终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述多通道拉曼光谱重建终端设备可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，上述多通道拉曼光谱重建终端设备的组成结构仅仅是多通道拉曼光谱重建终端设备的示例，并不构成对多通道拉曼光谱重建终端设备的限定，可以包括比上述更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述多通道拉曼光谱重建终端设备还可以包括输入输出设备、网络接入设备、总线等，本发明实施例对此不做限定。

进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述多通道拉曼光谱重建终端设备的控制中心，利用各种接口和线路连接整个多通道拉曼光谱重建终端设备的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述多通道拉曼光谱重建终端设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据手机的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现本发明实施例上述方法的步骤。

所述多通道拉曼光谱重建终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)以及软件分发介质等。

尽管结合优选实施方案具体展示和介绍了本发明，但所属领域的技术人员应该明白，在不脱离所附权利要求书所限定的本发明的精神和范围内，在形式上和细节上可以对本发明做出各种变化，均为本发明的保护范围。

Claims (6)

1.一种多通道拉曼光谱重建方法，其特征在于：包括以下步骤：

S1：获取训练样本的拉曼光谱数据集R：

R＝{r₁,r₂,...,r_i,...,r_k}

其中，R是一n×k维的矩阵，n是采样点个数，k是样本容量；

S2：获取训练样本的多通道光谱数据集U：

U＝{u₁,u₂,...,u_i,...,u_k}

其中，U是一g×k维的矩阵，g是多通道个数，k是样本容量；

S3：对多通道光谱数据集U进行二阶多项式回归拓展，得到结果U₁；

S4：估算待测物质的中的拉曼光谱数据r，并判断待测物质的拉曼光谱数据r与训练样本的拉曼光谱数据集R中的每一个拉曼光谱数据r_i的相似度λ_i；

通过Tanimoto系数来计算所述相似度λ_i，具体计算公式为：

λ_i＝T(r_i,r)＝(r_i*r)/(||r_i||²+||r||²-r_i*r)

根据相似度λ_i，对训练样本的拉曼光谱数据集R和多通道光谱数据集U中的每个元素均赋予对应的权重λ_i，分别设为R₁和

则：

R₁＝{λ₁r₁,λ₂r₂,...,λ_ir_i,...,λ_kr_k}

S5：根据维纳估计，计算转移矩阵W：

其中，上标‘T’表示矩阵转置，上标‘-1’表示矩阵求逆；

S6：获取待测物质的多通道光谱数据u，根据步骤S3对多通道光谱数据u进行拓展，根据待测物质的多通道光谱数据u和转移矩阵W，通过公式r＝W*u，重建待测物质的拉曼光谱。

2.根据权利要求1所述的多通道拉曼光谱重建方法，其特征在于：步骤S3中所述二阶多项式回归拓展的方法为：设定拓展前的多通道数据u＝[u₁,u₂,...,u_g]，则拓展后的多通道数据u＝[1,u₁,u₂,...,u_g,u₁u₁,u₁u₂,...,u₁u_g,u₂u₂,...,u₂u_g,...,u_g-1u_g,u_gu_g]，其中g为通道的数目。

3.根据权利要求1所述的多通道拉曼光谱重建方法，其特征在于：步骤S4中还包括设定相似度阈值，将相似度λ_i低于相似度阈值的样本剔除。

4.根据权利要求1所述的多通道拉曼光谱重建方法，其特征在于：步骤S4中，通过维纳估计估算待测物质的拉曼光谱数据。

5.一种多通道拉曼光谱重建终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～4中任一所述方法的步骤。

6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1～4中任一所述方法的步骤。

Images