CN111413318B - 基于拉曼光谱的血清检测系统及方法 - Google Patents

基于拉曼光谱的血清检测系统及方法 Download PDF

Info

Publication number
CN111413318B
CN111413318B CN202010362904.4A CN202010362904A CN111413318B CN 111413318 B CN111413318 B CN 111413318B CN 202010362904 A CN202010362904 A CN 202010362904A CN 111413318 B CN111413318 B CN 111413318B
Authority
CN
China
Prior art keywords
sampling
sample
serum
raman spectrum
collection tube
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.)
Active
Application number
CN202010362904.4A
Other languages
English (en)
Other versions
CN111413318A (zh
Inventor
尹愚
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chengdu Daxiang Fractal Intelligent Technology Co ltd
Original Assignee
Chengdu Daxiang Fractal Intelligent Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Chengdu Daxiang Fractal Intelligent Technology Co ltd filed Critical Chengdu Daxiang Fractal Intelligent Technology Co ltd
Priority to CN202010362904.4A priority Critical patent/CN111413318B/zh
Publication of CN111413318A publication Critical patent/CN111413318A/zh
Application granted granted Critical
Publication of CN111413318B publication Critical patent/CN111413318B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • 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
    • G01N21/01—Arrangements or apparatus for facilitating the optical investigation
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)

Abstract

本发明属于光谱分析领域，尤其涉及基于拉曼光谱的血清检测系统及方法，包括拉曼检测装置及与其信号连接的数据处理系统，拉曼检测装置对血清样本进行多次、多采样点的拉曼光谱采样，将采集的拉曼光谱数据传送至数据处理系统；数据处理系统接收数据，并对数据所呈现的整体数据模式进行分析处理，根据处理结果实时调整采样条件并实现血清样本检测。本发明将已明显出现血清与血凝块上下分层的采血管直接作为样本管使用，并采用机器学习模型实现拉曼光谱数据的血清模式/血液混合物模式的智能识别，以确保采样点在高度上始终位于采血管内作为上清液的血清部分中。在提升样本制备的生物安全性、缩短样本准备周期的同时保持血清样本采样的数据有效性。

Description

基于拉曼光谱的血清检测系统及方法
技术领域
本发明属于光谱分析领域，尤其涉及一种基于拉曼光谱的血清检测系统及方法。
背景技术
拉曼光谱(Raman Spectroscopy)技术现已逐渐应用于医学检测领域，提供了关于待检生理样本的定性和定量信息的无损检测途径。在生物液体样本、尤其是人体血清样本的拉曼检测实操中，出于生物安全性的考虑，往往不建议使用玻璃等易碎材质的样本容器，而是采用透明的高分子塑料容器，如聚丙烯材质的生物样本管。然而在血清样本拉曼检测中，这类高分子塑料容器因自身材料特性引入的噪声信号会严重影响拉曼光谱信号的信噪比，使拉曼光谱数据难以分析。
对于诸如血清样本的液体样本而言，理想的拉曼采样方式是：入射激光以垂直角度穿透容器后聚焦在采样点上进行拉曼光谱采集。然而，拉曼检测中常用的样本容器是具有圆形水平截面的样本管，受限于样本管的形状特征，安装样本管时位置、角度的轻微误差都会影响激光的入射角度，使入射光在穿透容器时因折射而发生光路偏移，无法聚焦到液体样本的理想采样位置，且入射光能量会因容器壁折射而减弱，难以保证拉曼采样的数据有效性。
此外，传统的血清样本制备工作涉及从全血中提取血清，即在血液离心、血细胞沉降后，通过移液管将血清作为上清液从采血管中吸取出并转移到样本管。上述提取、移液步骤均需要严格遵守生物安全性规定，任何微小失误都可能引起样本蒸发、样本污染或样本外泄，在影响拉曼检测数据真实性的同时，还可能导致生物安全性威胁。
发明内容
针对现有拉曼光谱液体样本检测技术的上述缺陷，本发明提供了一种基于拉曼光谱的血清检测系统及方法。
为实现上述技术效果，本申请的具体方案为：
一种基于拉曼光谱的血清检测系统，其特征在于：包括拉曼检测装置及与其信号连接的数据处理系统；拉曼检测装置对血清样本进行多次、多采样点的拉曼光谱采样，将采集的拉曼光谱数据传送至数据处理系统；数据处理系统接收拉曼光谱数据，并对拉曼光谱数据所呈现的整体数据模式进行分析处理，根据处理结果实时调整采样条件并实现血清样本检测；其中，所述采样条件包括采样点高度及入射光聚光强度；已完成血清预制备操作的采血管被直接用作血清样本的样本管。
其中，血清预制备操作包括生物血液样本离心、血细胞沉降、样本静置直至出现血清与血凝块的上下分层结构，所述血清样本对应采血管中上下分层结构中的上清液部分。
进一步地，数据处理系统包括采样高度分析模块、聚光强度分析模块及血清样本检测模块；
采样高度分析模块与聚光强度分析模块均包含机器学习模型，分别用于拉曼光谱数据的整体数据模式分析；其中，采样高度分析模块通过机器学习模型判断：对应当前拉曼光谱数据的采样点的所在高度是否位于作为采血管中上清液部分的血清样本中；聚光强度分析模块通过机器学习模型判断：对应当前拉曼光谱数据的采血管固定位置及角度能否提供用于维持拉曼光谱数据有效性的聚光强度；采样高度分析模块与聚光强度分析模块输出的分析结果用作实时调整采样条件的依据；
血清样本检测模块用于实现血清样本检测；血清样本检测包括拉曼光谱数据预处理，及采用完成训练的分类器实现光谱数据模式分类。进一步地，分类器可选择但不限于人工神经网络、SVM分类器或SoftMax分类器。
进一步地，拉曼检测装置包括激光源、光谱分析装置、采样光纤和样本装载部；激光源、光谱分析装置分别与采样光纤信号相连；
采样光纤具有由多束光纤构成的耦合式光纤结构，其中，每束光纤分别包含一个背散射拉曼探头；针对血清样本，耦合式光纤结构聚焦出多个对应血清样本不同位置的采样点；采样光纤提供了向前光路与返回光路；针对每次拉曼光谱采样，激光源向血清样本的多个采样点发射激光光束，激光光束经向前光路照射多个采样点，返回光路从多个采样点处分别收集拉曼散射光，并统一传输至光谱分析装置；光谱分析装置接收拉曼散射光并对其进行光谱分析，获得对应本次多采样点拉曼光谱采样的、包含多条分析数据的一组拉曼光谱数据；样本装载部用于安装采血管，并带动采血管实现三维方向上的位移。
进一步地，所述激光源发射波长532nm或785nm的单色光，或根据实际需求选择其他波长或同时发射多个波长。
进一步地，激光源可选自固体激光源、气体激光源、液体激光源和半导体激光源的一种。
再进一步地，激光源选用激光二极管。
再进一步地，激光源内设有带宽抑制芯片，带宽抑制芯片为本领域常规结构，其布置方案及应用方式也为本领域技术人员所知晓，本申请不再赘述。。
进一步地，所述光谱分析装置包括依次布置的透镜组、反射镜组及色散元件，透镜组用于汇聚拉曼散射光，屏蔽杂散光，向后续光学元件提供高信噪比的稳定输入；反射镜组用于调整光路；色散元件将拉曼散射光色散分解为拉曼散射光光谱；对于多次收集自液体样本的多个采样点的多组拉曼散射光，经光谱分析装置处理后，生成表征液体样本的多组拉曼光谱数据。
再进一步地，色散元件选用光栅。
再进一步地，光谱分析装置还包括光纤适配器，光纤适配器为本领域常规结构，其布置方案及应用方式也应该为本领域技术人员所知晓，本申请中不再赘述。
进一步地，采样光纤的耦合式光纤结构由多束激励光纤和多束收集光纤构成；多束激励光纤构成采样光纤的向前光路，将激光导向血清样本中多个采样点；多束收集光纤构成采样光纤的返回光路，从多个采样点处收集拉曼散射光。
进一步地，采样光纤包括隔离外管，隔离外管开设长度方向贯穿采样光纤的通道，多束激励光纤和多束收集光纤均设于通道中。
可选择地，激励光纤和收集光纤之间设有隔离材料。
拉曼检测装置的样本装载部固定地或可拆卸地安装于拉曼检测装置，或作为无需安装至拉曼检测装置的独立部件。
进一步地，样本装载部包括样本通道、光纤通道及样本位移机构；其中，样本位移机构位于样本通道下方，采血管穿过样本通道后，可拆卸地固定于样本位移机构；光纤通道与样本通道连通，终止于样本通道一侧的光纤通道的末端被定义为采样窗口，采血管的管体从采样窗口处可见；耦合式光纤结构的采样光纤穿设于光纤通道内，对采血管中的血清样本进行拉曼光谱采集；样本位移机构根据远程处理中心对拉曼光谱数据的数据整体模式的分析结果，在三维方向上改变采血管的位置，以实现采样条件的实时调整。
可选择地，每次拉曼光谱采样前，样本位移机构轻微震荡采血管；
可选择地，针对血清样本的多次拉曼光谱采样可分为多组进行，不同组别的拉曼光谱采样前，样本位移机构将完成固定的采血管在三维方向上重新定位，并适应性地调整采样条件；组内每次拉曼光谱采样前，样本位移机构轻微震荡采血管。
再进一步地，可选择地，样本位移机构包括二维平移台、承托平台、可控升降杆；其中，承托平台用于承托并固定采血管的底部，可控升降杆两端分别连接承托平台和二维平移台；
系统基于聚光强度分析模块输出的拉曼光谱数据整体模式的分析结果，改变二维平移台在水平方向上的位置，由此实现采血管在水平方向上的位移，使采血管的固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度；系统基于采样高度分析模块输出的拉曼光谱数据整体模式的分析结果，采用可控升降杆改变承托平台在垂直方向上的位置，由此实现采血管在垂直方向上的位移，使采样点的高度位于作为采血管中上清液部分的血清样本中。
再进一步地，可选择地，样本位移机构包括底座、限位平台、承托平台、可控伸缩杆及可控升降杆；其中，底座在其顶部平面内开设限位槽，限位平台位于限位槽内，多个可控伸缩杆的两端分别连接限位平台与限位槽内表面；承托平台用于承托并固定采血管的底部，可控升降杆两端分别连接承托平台和限位平台；
系统基于聚光强度分析模块输出的拉曼光谱数据整体模式的分析结果，采用多个可控伸缩杆改变限位平台在水平方向上的位置，由此实现采血管在水平方向上的位移，使采血管的固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度；系统基于采样高度分析模块输出的拉曼光谱数据整体模式的分析结果，采用可控升降杆改变承托平台在垂直方向上的位置，由此实现采血管在垂直方向上的位移，使采样点的高度位于作为采血管中上清液部分的血清样本中。
再进一步地，拉曼检测装置还包括将采集光纤分别连接至激光源和光谱分析装置的传输光纤及反向传输光纤；其中，传输光纤及反向传输光纤均为多芯光纤束结构，传输光纤用于连接激光源与向前光路的激励光纤，反向传输光纤用于连接光谱分析装置与返回光路的收集光纤。
拉曼检测装置还包括设于激光源与传输光纤之间的聚焦光学元件，用于将激光聚焦照射在血清样本的多个采样点上，同时将激光强度维持在正常采集水平。
进一步地，聚焦光学元件选用透镜。
可选择地，激光源与传输光纤之间还设有激光滤波器，用于消除多余激光背景及散射。
此外，本发明还提供了上述基于拉曼光谱的血清检测系统的血清检测方法，其特征在于，包括以下步骤：
S1. 对生物血清样本进行血清预制备操作；血清预制备操作包括生物血液样本离心、血细胞沉降、样本静置直至出现血清与血凝块的上下分层结构；采用完成血清预制备操作的采血管直接作为血清样本的样本管，其中，血清样本对应采血管中上下分层结构中的上清液部分；
S2. 将采血管穿过样本装载部的样本通道后，可拆卸地固定于样本位移机构；
S3. 对血清样本进行拉曼光谱采集，并对拉曼光谱数据所呈现的整体数据模式进行分析处理，判断是否需要调整采样条件；其中，采样条件包括采样点高度及入射光聚光强度；若需要调整采样条件，进入步骤S4；若无需调整采样条件，进入步骤S5；
S4. 根据实际情况进行采血管在水平方向及垂直方向上的位置调整；
重复进行S3、S4，直到将采血管在水平方向上调整至其固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度，将采血管在垂直方向上调整至采样点的高度位于作为采血管中上清液部分的血清样本中；
S5. 对血清样本进行多次、多采样点的拉曼光谱采样；
S6. 对血清样本拉曼光谱数据进行预处理及光谱数据模式分类，实现血清样本检测。
可选择地，步骤S5包括：
S51.轻微震荡采血管；
S52.对血清样本进行多采样点的拉曼光谱采样；
重复进行步骤S51、S52，直到完成对血清样本的多次拉曼光谱采样后，进入步骤S6。
本发明还提供了上述基于拉曼光谱的血清检测系统的血清分组检测方法，该方法实现了对血清样本的多层次、多采样点的拉曼光谱采样，包括以下步骤：
S1. 对生物血清样本进行血清预制备操作；血清预制备操作包括生物血液样本离心、血细胞沉降、样本静置直至出现血清与血凝块的上下分层结构；采用完成血清预制备操作的采血管直接作为血清样本的样本管，其中，血清样本对应采血管中上下分层结构中的上清液部分；
S2. 将采血管穿过样本装载部的样本通道后，可拆卸地固定于样本位移机构；
S3. 对血清样本进行多次、多采样点的拉曼光谱采样；其中，多次拉曼光谱采样分为多组进行；
S4. 对血清样本拉曼光谱数据进行预处理及光谱数据模式分类，实现血清样本检测。
进一步地，步骤S3包括：
S31. 对血清样本进行拉曼光谱采集，并对拉曼光谱数据所呈现的整体数据模式进行分析处理，判断是否需要调整采样条件；其中，采样条件包括采样点高度及入射光聚光强度；若需要调整采样条件，进入步骤S32；若无需调整采样条件，进入步骤S33；
S32. 根据实际情况进行采血管在水平方向及垂直方向上的位置调整；
重复进行S31、S32，直到将采血管在水平方向上调整至其固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度，将采血管在垂直方向上调整至采样点的高度位于作为采血管中上清液部分的血清样本中；
S33. 轻微震荡采血管；
S34. 对血清样本进行多采样点的拉曼光谱采样；
在多组拉曼光谱采样的每一组内，循环步骤S33、S34，直到完成各组内的多次拉曼光谱采样后，结束循环操作，进入步骤S35，开始另一组别的拉曼光谱采样；
S35. 将采血管在三维方向上重新定位。
在多组拉曼光谱采样的各组间，循环步骤S31-S35，直到完成所有组别的拉曼光谱采样后，结束循环操作，进入步骤S4。
本申请的有益效果如下：
1. 本发明对现有的拉曼光谱血清样本制备方法提出改进，将已明显出现血清与血凝块上下分层的采血管直接作为样本管使用，并采用机器学习模型实现拉曼光谱数据的血清模式/血液混合物模式的智能识别，以确保采样点在高度上始终位于采血管内作为上清液的血清部分中。在显著提升样本制备的生物安全性、缩短样本准备周期的同时，始终保持血清样本拉曼采样的数据有效性。
2. 本发明采用机器学习模型实现拉曼光谱数据的样本对准模式/样本偏移模式的智能识别，根据识别结果判定样本是否与入射光线对准，由此进行样本安装位置、安装角度的适应性调整，避免因容器壁折射造成的采样点偏移与拉曼信号强度减弱。
3. 本发明采用机器学习模型对拉曼光谱数据所呈现的整体数据模式进行分析处理，判断采样点是否位于血清样本，以及样本是否对准入射光，据此调整采样点高度、样本安装位置及安装角度。区别于传统样本拉曼检测的、需要对样本中各类物质成分进行定性定量的识别检测的方案，本发明提供的“拉曼光谱数据的整体数据模式分析”以样本中所有物质成分呈现出的拉曼光谱数据的整体特征为分析基础，显著降低了血清样本这一复杂体系样本的拉曼光谱数据的分析难度。
4. 本发明在每次拉曼数据采样前进行轻微震动样本的操作，通过主动改变血清样本中物质成分分布而增加样本随机性，保证能够获取真实反映血清样本中物质成分的全面的信号，消除检测误差，得到更为精准的血清样本检测结果。
附图说明
图1所示为本发明提供的一种基于拉曼光谱的血清检测系统的系统结构图。
图2为采样光纤在如图1所示的平面A上的截面图。
图3所示为另一种样品装载部的样品位移机构的俯视图。
图4所示为本发明提供的一种基于拉曼光谱的血清检测系统的血清检测方法的方法流程图。
图5所示为本发明提供的另一种血清检测方法的方法流程图。
图6所示为本发明提供的一种基于拉曼光谱的血清检测系统的血清分组检测方法的方法流程图。
附图中：1-激光源，2-光谱分析装置，3-采样光纤，4-样本装载部，5-传输光纤，6-反向传输光纤，31-多束激励光纤，32-多束收集光纤，41-样本通道，42-光纤通道，43-样本位移机构，431-承托平台，432-可控升降杆，433-二维平移台，434-底座，435-限位平台，436-可控伸缩杆。
具体实施方式
拉曼光谱(Raman Spectroscopy)技术，其原理基于非弹性散射，即激光光源的入射光照射物质时，入射光被物质分子散射，极小一部分散射光的频率与入射光不同，散射光频率的变化取决于被照射物质的结构特性，不同物质在同样的激光照射下产生特定频率的散射光，因此可以利用拉曼光谱技术实现快速、简单、可重复且无损的物质成分检测。
人工智能技术为基于拉曼光谱的物质成分检测提供了高效、精准的实施方案。现有的拉曼光谱机器学习算法面向特定的待测物质，将拉曼光谱的物质识别问题转换为机器学习的分类问题，即根据已知物质的标准拉曼光谱训练机器学习模型，并使用训练完成的模型实现检测样品的精确识别。然而，对于诸如血清样本的复杂体系样本而言，其中物质成分极其复杂，且各类物质成分的谱峰互相影响甚至互相淹没，导致机器学习模型难以根据样本的拉曼光谱数据实现物质成分检测。
区别于传统拉曼检测的对样本中各物质成分的详细分析与识别，本发明采用机器学习模型对拉曼光谱数据所呈现的整体数据模式进行分析判断，其中，拉曼光谱数据所呈现的整体数据模式代表了样本中所有物质成分的拉曼光谱相互影响的宏观集合，样本中各项物质成分的变化、采样条件的变化都会对整体数据模式造成影响。
具体到本发明中：1.对于血清和血凝块上下分层的样本而言，采样点位于血清和血凝块时获取的拉曼光谱数据的整体数据模式不同，据此调整采样点高度，确保血清样本的采样数据有效性；2.对于同一份血清样本，样本对准入射光、样本偏离入射光时获取的拉曼数据的整体数据模式不同，区别一定程度来源于因入射光穿透容器壁时发生折射导致的拉曼信号强度减弱，据此调整样本安装位置及安装角度，以维持入射光聚光强度，获取利于后续分析处理的样本拉曼光谱数据。
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用于解释本发明，并不用于限定本发明。
实施例1
如说明书附图1所示，一种基于拉曼光谱的血清检测系统，其特征在于：包括拉曼检测装置及与其信号连接的数据处理系统。拉曼检测装置对血清样本进行多次、多采样点的拉曼光谱采样，将采集的拉曼光谱数据传送至数据处理系统；数据处理系统接收拉曼光谱数据，并对拉曼光谱数据所呈现的整体数据模式进行分析处理，根据处理结果实时调整采样条件并实现血清样本检测。其中，采样条件包括采样点高度及入射光聚光强度；
已完成血清预制备操作的采血管T被直接用作血清样本的样本管；其中，血清预制备操作包括生物血液样本离心、血细胞沉降、样本静置直至出现血清与血凝块的上下分层结构，所述血清样本对应采血管T中上下分层结构中的上清液部分。
数据处理系统包括采样高度分析模块、聚光强度分析模块及血清样本检测模块；
采样高度分析模块与聚光强度分析模块均包含机器学习模型，分别用于拉曼光谱数据的整体数据模式分析。其中，采样高度分析模块通过机器学习模型判断：对应当前拉曼光谱数据的采样点的所在高度是否位于作为采血管T中上清液部分的血清样本中；聚光强度分析模块通过机器学习模型判断：对应当前拉曼光谱数据的采血管固定位置及角度能否提供用于维持拉曼光谱数据有效性的聚光强度；采样高度分析模块与聚光强度分析模块输出的分析结果用作实时调整采样条件的依据。
血清样本检测模块用于实现血清样本检测；血清样本检测包括拉曼光谱数据预处理，及采用完成训练的分类器实现光谱数据模式分类。进一步地，分类器可选择但不限于人工神经网络、SVM分类器或SoftMax分类器。
拉曼检测装置包括激光源1、光谱分析装置2、采样光纤3和样本装载部4；激光源1、光谱分析装置2分别与采样光纤3信号相连。
说明书附图2显示了采样光纤3在平面A上的截面图，如说明书附图2所示，采样光纤3具有由多束光纤构成的耦合式光纤结构，其中，每束光纤分别包含一个背散射拉曼探头。针对血清样本，耦合式光纤结构聚焦出多个对应血清样本不同位置的采样点。采样光纤3提供了向前光路与返回光路；针对每次拉曼光谱采样，激光源1向血清样本的多个采样点发射激光光束，激光光束经向前光路照射多个采样点，返回光路从多个采样点处分别收集拉曼散射光，并统一传输至光谱分析装置2；光谱分析装置2接收拉曼散射光并对其进行光谱分析，获得对应本次多采样点拉曼光谱采样的、包含多条分析数据的一组拉曼光谱数据；样本装载部4用于安装采血管T，并带动采血管T实现三维方向上的位移。
激光源1发射波长532nm或785nm的单色光，也可以根据实际需求选择其他波长或同时发射多个波长。
激光源1可选自固体激光源、气体激光源、液体激光源和半导体激光源的一种。
进一步地，激光源1选用激光二极管。
进一步地，激光源1内设有带宽抑制芯片。
光谱分析装置2包括依次布置的透镜组、反射镜组及色散元件，透镜组用于汇聚拉曼散射光，屏蔽杂散光，向后续光学元件提供高信噪比的稳定输入；反射镜组用于调整光路；色散元件将拉曼散射光色散分解为拉曼散射光光谱；对于多次收集自血清样本的多个采样点的多组拉曼散射光，经光谱分析装置2处理后，生成表征血清样本的多组拉曼光谱数据。
进一步地，色散元件选用光栅。
进一步地，光谱分析装置2还包括光纤适配器。
如说明书附图2所示，采样光纤3的耦合式光纤结构由多束激励光纤31和多束收集光纤32构成；多束激励光纤31构成采样光纤3的向前光路，将激光导向血清样本中多个采样点；多束收集光纤32构成采样光纤3的返回光路，从多个采样点处收集拉曼散射光。
进一步地，采样光纤3包括隔离外管，隔离外管开设长度方向贯穿采样光纤3的通道，多束激励光纤31和多束收集光纤32均设于通道中。
可选择地，激励光纤31和收集光纤32之间设有隔离材料。
拉曼检测装置的样本装载部4固定地或可拆卸地安装于拉曼检测装置，或作为无需安装至拉曼检测装置的独立部件。
样本装载部4包括样本通道41、光纤通道42及样本位移机构43。其中，样本位移机构43位于样本通道41下方，采血管T穿过样本通道41后，可拆卸地固定于样本位移机构43；光纤通道42与样本通道41连通，终止于样本通道41一侧的光纤通道42的末端被定义为采样窗口，采血管T的管体从采样窗口处可见。耦合式光纤结构的采样光纤3穿设于光纤通道42内，对采血管T中的血清样本进行拉曼光谱采集；样本位移机构43根据远程处理中心对拉曼光谱数据的数据整体模式的分析结果，在三维方向上改变采血管T的位置，以实现采样条件的实时调整。
可选择地，每次拉曼光谱采样前，样本位移机构43轻微震荡采血管T；
可选择地，针对血清样本的多次拉曼光谱采样可分为多组进行，不同组别的拉曼光谱采样前，样本位移机构43将完成固定的采血管T在三维方向上重新定位，并适应性地调整采样条件；组内每次拉曼光谱采样前，样本位移机构43轻微震荡采血管T。
进一步地，如说明书附图1所示，样本位移机构43包括二维平移台433、承托平台431、可控升降杆432；其中，承托平台431用于承托并固定采血管T的底部，可控升降杆432两端分别连接承托平台431和二维平移台433。
系统基于聚光强度分析模块输出的拉曼光谱数据整体模式的分析结果，改变二维平移台433在水平方向上的位置，由此实现采血管T在水平方向上的位移，使采血管T的固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度；系统基于采样高度分析模块输出的拉曼光谱数据整体模式的分析结果，采用可控升降杆432改变承托平台431在垂直方向上的位置，由此实现采血管T在垂直方向上的位移，使采样点的高度位于作为采血管T中上清液部分的血清样本中。
拉曼检测装置还包括将采集光纤3分别连接至激光源1和光谱分析装置2的传输光纤5及反向传输光纤6；其中，传输光纤5及反向传输光纤6均为多芯光纤束结构，传输光纤5用于连接激光源1与向前光路的激励光纤31，反向传输光纤6用于连接光谱分析装置2与返回光路的收集光纤32。
拉曼检测装置还包括设于激光源1与传输光纤5之间的聚焦光学元件，用于将激光聚焦照射在血清样本的多个采样点上，同时将激光强度维持在正常采集水平。
进一步地，聚焦光学元件选用透镜。
可选择地，激光源1与传输光纤5之间还设有激光滤波器，用于消除多余激光背景及散射。
实施例2
相较于实施例1记载的一种基于拉曼光谱的血清检测系统，实施例2的区别在于其提供如说明书附图3所示的另一种样本位移机构43的具体结构。
样本位移机构43包括底座434、限位平台435、承托平台431、可控伸缩杆436及可控升降杆432；其中，底座434在其顶部平面内开设限位槽，限位平台435位于限位槽内，多个可控伸缩杆436的两端分别连接限位平台435与限位槽内表面；承托平台431用于承托并固定采血管T的底部，可控升降杆432两端分别连接承托平台431和限位平台435。
系统基于聚光强度分析模块输出的拉曼光谱数据整体模式的分析结果，采用多个可控伸缩杆436改变限位平台435在水平方向上的位置，由此实现采血管T在水平方向上的位移，使采血管T的固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度；系统基于采样高度分析模块输出的拉曼光谱数据整体模式的分析结果，采用可控升降杆432改变承托平台431在垂直方向上的位置，由此实现采血管T在垂直方向上的位移，使采样点的高度位于作为采血管T中上清液部分的血清样本中。
实施例2中，一种基于拉曼光谱的复杂低浓度液体样本检测系统的、除样品位移机构43之外的具体系统结构，可以参照实施例1记载的内容，在此不再赘述。
实施例3
一种如实施例1或2记载的基于拉曼光谱的血清检测系统的血清检测方法的方法流程图如说明书附图4，血清检测方法包括以下步骤：
S1. 对生物血清样本进行血清预制备操作；血清预制备操作包括生物血液样本离心、血细胞沉降、样本静置直至出现血清与血凝块的上下分层结构；采用完成血清预制备操作的采血管T直接作为血清样本的样本管，其中，血清样本对应采血管中上下分层结构中的上清液部分；
S2. 将采血管T穿过样本装载部4的样本通道41后，可拆卸地固定于样本位移机构43；
S3. 对血清样本进行拉曼光谱采集，并对拉曼光谱数据所呈现的整体数据模式进行分析处理，判断是否需要调整采样条件；其中，采样条件包括采样点高度及入射光聚光强度；若需要调整采样条件，进入步骤S4；若无需调整采样条件，进入步骤S5；
S4. 根据实际情况进行采血管T在水平方向及垂直方向上的位置调整；
重复进行S3、S4，直到将采血管T在水平方向上调整至其固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度，将采血管T在垂直方向上调整至采样点的高度位于作为采血管T中上清液部分的血清样本中；
S5. 对血清样本进行多次、多采样点的拉曼光谱采样；
S6. 对血清样本拉曼光谱数据进行预处理及光谱数据模式分类，实现血清样本检测。
实施例4
另一种如实施例1或2记载的基于拉曼光谱的血清检测系统的血清检测方法的方法流程图如说明书附图5，血清检测方法包括以下步骤：
S1. 对生物血清样本进行血清预制备操作；血清预制备操作包括生物血液样本离心、血细胞沉降、样本静置直至出现血清与血凝块的上下分层结构；采用完成血清预制备操作的采血管直接作为血清样本的样本管，其中，血清样本对应采血管中上下分层结构中的上清液部分；
S2. 将采血管穿过样本装载部的样本通道后，可拆卸地固定于样本位移机构；
S3. 对血清样本进行拉曼光谱采集，并对拉曼光谱数据所呈现的整体数据模式进行分析处理，判断是否需要调整采样条件；其中，采样条件包括采样点高度及入射光聚光强度；若需要调整采样条件，进入步骤S4；若无需调整采样条件，进入步骤S5；
S4. 根据实际情况进行采血管在水平方向及垂直方向上的位置调整；
重复进行S3、S4，直到将采血管在水平方向上调整至其固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度，将采血管在垂直方向上调整至采样点的高度位于作为采血管中上清液部分的血清样本中；
S5. 对血清样本进行多次、多采样点的拉曼光谱采样；
S6. 对血清样本拉曼光谱数据进行预处理及光谱数据模式分类，实现血清样本检测。
进一步地，步骤S5包括：
S51.轻微震荡采血管；
S52.对血清样本进行多采样点的拉曼光谱采样；
重复进行步骤S51、S52，直到完成对血清样本的多次拉曼光谱采样后，进入步骤S6。
实施例5
另一种如实施例1或2记载的基于拉曼光谱的血清检测系统的血清分组检测方法的方法流程图如说明书附图6，血清分组检测方法包括以下步骤：
S1. 对生物血清样本进行血清预制备操作；血清预制备操作包括生物血液样本离心、血细胞沉降、样本静置直至出现血清与血凝块的上下分层结构；采用完成血清预制备操作的采血管直接作为血清样本的样本管，其中，血清样本对应采血管中上下分层结构中的上清液部分；
S2. 将采血管穿过样本装载部的样本通道后，可拆卸地固定于样本位移机构；
S3. 对血清样本进行多次、多采样点的拉曼光谱采样；其中，多次拉曼光谱采样分为多组进行；
S4. 对血清样本拉曼光谱数据进行预处理及光谱数据模式分类，实现血清样本检测。
步骤S3包括：
S31. 对血清样本进行拉曼光谱采集，并对拉曼光谱数据所呈现的整体数据模式进行分析处理，判断是否需要调整采样条件；其中，采样条件包括采样点高度及入射光聚光强度；若需要调整采样条件，进入步骤S32；若无需调整采样条件，进入步骤S33；
S32. 根据实际情况进行采血管在水平方向及垂直方向上的位置调整；
重复进行S31、S32，直到将采血管在水平方向上调整至其固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度，将采血管在垂直方向上调整至采样点的高度位于作为采血管中上清液部分的血清样本中；
S33. 轻微震荡采血管；
S34. 对血清样本进行多采样点的拉曼光谱采样；
在多组拉曼光谱采样的每一组内，循环步骤S33、S34，直到完成各组内的多次拉曼光谱采样后，结束循环操作，进入步骤S35，开始另一组别的拉曼光谱采样；
S35. 将采血管在三维方向上重新定位。
在多组拉曼光谱采样的各组间，循环步骤S31-S35，直到完成所有组别的拉曼光谱采样后，结束循环操作，进入步骤S4。
以上实施例仅用以说明本发明的技术方案，而非对其限制。本领域技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求所界定的保护范围为准。

Claims (13)

1.一种基于拉曼光谱的血清检测系统，其特征在于：包括拉曼检测装置及与其信号连接的数据处理系统，拉曼检测装置对血清样本进行多次、多采样点的拉曼光谱采样，将采集的拉曼光谱数据传送至数据处理系统；数据处理系统接收拉曼光谱数据，并对拉曼光谱数据所呈现的整体数据模式进行分析处理，根据处理结果实时调整采样条件并实现血清样本检测；所述采样条件包括采样点高度及入射光聚光强度；已完成血清预制备操作的采血管被直接用作血清样本的样本管；血清预制备操作包括生物血液样本离心、血细胞沉降、样本静置直至出现血清与血凝块的上下分层结构，所述血清样本对应采血管中上下分层结构中的上清液部分；
所述数据处理系统包括采样高度分析模块、聚光强度分析模块；采样高度分析模块与聚光强度分析模块均包含机器学习模型，分别用于拉曼光谱数据的整体数据模式分析；其中，采样高度分析模块通过机器学习模型判断：对应当前拉曼光谱数据的采样点的所在高度是否位于作为采血管中上清液部分的血清样本中；聚光强度分析模块通过机器学习模型判断：对应当前拉曼光谱数据的采血管固定位置及角度能否提供用于维持拉曼光谱数据有效性的聚光强度；采样高度分析模块与聚光强度分析模块输出的分析结果用作实时调整采样条件的依据；
拉曼光谱数据所呈现的整体数据模式代表了样本中所有物质成分的拉曼光谱相互影响的宏观集合，以样本中所有物质成分呈现出的拉曼光谱数据的整体特征为分析基础。
2.根据权利要求1所述的基于拉曼光谱的血清检测系统，其特征在于：所述数据处理系统还包括血清样本检测模块；血清样本检测模块用于实现血清样本检测；血清样本检测包括拉曼光谱数据预处理，及采用完成训练的分类器实现光谱数据模式分类。
3.根据权利要求1所述的基于拉曼光谱的血清检测系统，其特征在于：拉曼检测装置包括激光源（1）、光谱分析装置（2）、采样光纤（3）和样本装载部（4）；激光源（1）、光谱分析装置（2）分别与采样光纤（3）信号相连；
采样光纤（3）具有由多束光纤构成的耦合式光纤结构，每束光纤分别包含一个背散射拉曼探头；针对血清样本，耦合式光纤结构聚焦出多个对应血清样本不同位置的采样点；采样光纤（3）提供了向前光路与返回光路；针对每次拉曼光谱采样，激光源（1）向血清样本的多个采样点发射激光光束，激光光束经向前光路照射多个采样点，返回光路从多个采样点处分别收集拉曼散射光，并统一传输至光谱分析装置（2）；光谱分析装置（2）接收拉曼散射光并对其进行光谱分析，获得对应本次多采样点拉曼光谱采样的、包含多条分析数据的一组拉曼光谱数据；样本装载部（4）用于安装采血管，并带动采血管实现三维方向上的位移。
4.根据权利要求3所述的基于拉曼光谱的血清检测系统，其特征在于：所述样本装载部（4）包括样本通道（41）、光纤通道（42）及样本位移机构（43）；样本位移机构（43）位于样本通道（41）下方，采血管穿过样本通道（41）后，可拆卸地固定于样本位移机构（43）；光纤通道（42）与样本通道（41）连通，终止于样本通道（41）一侧的光纤通道（42）的末端被定义为采样窗口，采血管的管体从采样窗口处可见；耦合式光纤结构的采样光纤（3）穿设于光纤通道（42）内，对采血管中的血清样本进行拉曼光谱采集；样本位移机构（43）根据远程处理中心对拉曼光谱数据的数据整体模式的分析结果，在三维方向上改变采血管的位置，以实现采样条件的实时调整。
5.根据权利要求4所述的基于拉曼光谱的血清检测系统，其特征在于：每次拉曼光谱采样前，样本位移机构（43）轻微震荡采血管。
6.根据权利要求4所述的基于拉曼光谱的血清检测系统，其特征在于：针对血清样本的多次拉曼光谱采样分为多组进行，不同组别的拉曼光谱采样前，样本位移机构（43）将完成固定的采血管在三维方向上重新定位，并适应性地调整采样条件；组内每次拉曼光谱采样前，样本位移机构（43）轻微震荡采血管。
7.根据权利要求4-6任意一项所述的基于拉曼光谱的血清检测系统，其特征在于：样本位移机构（43）包括二维平移台（433）、承托平台（431）、可控升降杆（432）；其中，承托平台（431）用于承托并固定采血管的底部，可控升降杆（432）两端分别连接承托平台（431）和二维平移台（433）；
系统基于聚光强度分析模块输出的拉曼光谱数据整体模式的分析结果，改变二维平移台（433）在水平方向上的位置，由此实现采血管在水平方向上的位移，使采血管的固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度；系统基于采样高度分析模块输出的拉曼光谱数据整体模式的分析结果，采用可控升降杆（432）改变承托平台（431）在垂直方向上的位置，由此实现采血管在垂直方向上的位移，使采样点的高度位于作为采血管中上清液部分的血清样本中。
8.根据权利要求4-6任意一项所述的基于拉曼光谱的血清检测系统，其特征在于：样本位移机构（43）包括底座（434）、限位平台（435）、承托平台（431）、可控伸缩杆（436）及可控升降杆（432）；其中，底座（434）在其顶部平面内开设限位槽，限位平台（435）位于限位槽内，多个可控伸缩杆（436）的两端分别连接限位平台（435）与限位槽内表面；承托平台（431）用于承托并固定采血管的底部，可控升降杆（432）两端分别连接承托平台（431）和限位平台（435）；
系统基于聚光强度分析模块输出的拉曼光谱数据整体模式的分析结果，采用多个可控伸缩杆（436）改变限位平台（435）在水平方向上的位置，由此实现采血管在水平方向上的位移，使采血管的固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度；系统基于采样高度分析模块输出的拉曼光谱数据整体模式的分析结果，采用可控升降杆（432）改变承托平台（431）在垂直方向上的位置，由此实现采血管在垂直方向上的位移，使采样点的高度位于作为采血管中上清液部分的血清样本中。
9.根据权利要求3所述的基于拉曼光谱的血清检测系统，其特征在于：采样光纤（3）的耦合式光纤结构由多束激励光纤（31）和多束收集光纤（32）构成；多束激励光纤（31）构成采样光纤（3）的向前光路，将激光导向血清样本中多个采样点；多束收集光纤（32）构成采样光纤（3）的返回光路，从多个采样点处收集拉曼散射光；
拉曼检测装置还包括将采集光纤分别连接至激光源（1）和光谱分析装置（2）的传输光纤（5）及反向传输光纤（6）；所述传输光纤（5）及反向传输光纤（6）均为多芯光纤束结构，传输光纤（5）用于连接激光源（1）与向前光路的激励光纤，反向传输光纤（6）用于连接光谱分析装置（2）与返回光路的收集光纤。
10.一种如权利要求1-9任意一项所述的基于拉曼光谱的血清检测系统的血清检测方法，其特征在于：包括如下步骤：
S1. 对生物血清样本进行血清预制备操作；血清预制备操作包括生物血液样本离心、血细胞沉降、样本静置直至出现血清与血凝块的上下分层结构；采用完成血清预制备操作的采血管直接作为血清样本的样本管，其中，血清样本对应采血管中上下分层结构中的上清液部分；
S2. 将采血管穿过样本装载部（4）的样本通道（41）后，可拆卸地固定于样本位移机构（43）；
S3. 对血清样本进行拉曼光谱采集，并对拉曼光谱数据所呈现的整体数据模式进行分析处理，判断是否需要调整采样条件；其中，采样条件包括采样点高度及入射光聚光强度；若需要调整采样条件，进入步骤S4；若无需调整采样条件，进入步骤S5；
S4. 根据实际情况进行采血管在水平方向及垂直方向上的位置调整；
重复进行S3、S4，直到将采血管在水平方向上调整至其固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度，将采血管在垂直方向上调整至采样点的高度位于作为采血管中上清液部分的血清样本中；
S5. 对血清样本进行多次、多采样点的拉曼光谱采样；
S6. 对血清样本拉曼光谱数据进行预处理及光谱数据模式分类，实现血清样本检测。
11.根据权利要求10所述的血清检测方法，其特征在于：
步骤S5包括：
S51.轻微震荡采血管；
S52. 对血清样本进行多采样点的拉曼光谱采样；
重复进行步骤S51、S52，直到完成对血清样本的多次拉曼光谱采样后，进入步骤S6。
12.一种如权利要求1-9任意一项所述的基于拉曼光谱的血清检测系统的血清分组检测方法，其特征在于：包括如下步骤：
S1. 对生物血清样本进行血清预制备操作；血清预制备操作包括生物血液样本离心、血细胞沉降、样本静置直至出现血清与血凝块的上下分层结构；采用完成血清预制备操作的采血管直接作为血清样本的样本管，其中，血清样本对应采血管中上下分层结构中的上清液部分；
S2. 将采血管穿过样本装载部（4）的样本通道（41）后，可拆卸地固定于样本位移机构（43）；
S3. 对血清样本进行多次、多采样点的拉曼光谱采样；其中，多次拉曼光谱采样分为多组进行；
S4. 对血清样本拉曼光谱数据进行预处理及光谱数据模式分类，实现血清样本检测。
13.根据权利要求12所述的血清分组检测方法，其特征在于：
步骤S3具体包括：
S31. 对血清样本进行拉曼光谱采集，并对拉曼光谱数据所呈现的整体数据模式进行分析处理，判断是否需要调整采样条件；其中，采样条件包括采样点高度及入射光聚光强度；若需要调整采样条件，进入步骤S32；若无需调整采样条件，进入步骤S33；
S32. 根据实际情况进行采血管在水平方向及垂直方向上的位置调整；
重复进行S31、S32，直到将采血管在水平方向上调整至其固定位置及角度能够提供维持拉曼光谱数据有效性的聚光强度，将采血管在垂直方向上调整至采样点的高度位于作为采血管中上清液部分的血清样本中；
S33. 轻微震荡采血管；
S34. 对血清样本进行多采样点的拉曼光谱采样；
在多组拉曼光谱采样的每一组内，循环步骤S33、S34，直到完成各组内的多次拉曼光谱采样后，结束循环操作，进入步骤S35，开始另一组别的拉曼光谱采样；
S35. 将采血管在三维方向上重新定位；
在多组拉曼光谱采样的各组间，循环步骤S31-S35，直到完成所有组别的拉曼光谱采样后，结束循环操作，进入步骤S4。
CN202010362904.4A 2020-04-30 2020-04-30 基于拉曼光谱的血清检测系统及方法 Active CN111413318B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010362904.4A CN111413318B (zh) 2020-04-30 2020-04-30 基于拉曼光谱的血清检测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010362904.4A CN111413318B (zh) 2020-04-30 2020-04-30 基于拉曼光谱的血清检测系统及方法

Publications (2)

Publication Number Publication Date
CN111413318A CN111413318A (zh) 2020-07-14
CN111413318B true CN111413318B (zh) 2023-05-26

Family

ID=71493899

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010362904.4A Active CN111413318B (zh) 2020-04-30 2020-04-30 基于拉曼光谱的血清检测系统及方法

Country Status (1)

Country Link
CN (1) CN111413318B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114486855B (zh) * 2022-02-22 2023-03-31 射阳拉曼半导体科技有限公司 一种拉曼光谱检测系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997036540A1 (en) * 1993-11-30 1997-10-09 Florida Institute Of Technology Determination of concentrations of biological substances using raman spectroscopy and artificial neural network discriminator
CN105628680A (zh) * 2016-03-23 2016-06-01 中国科学院上海技术物理研究所 基于红外拉曼超连续漫综合谱的血液鉴别方法
CN105738526A (zh) * 2016-03-11 2016-07-06 重庆市肿瘤研究所 筛选三阴性乳腺癌特异性血清代谢标志物的方法
CN106885798A (zh) * 2017-03-28 2017-06-23 戎创前沿科技(北京)有限公司 一种拉曼检测系统
CN108007917A (zh) * 2017-03-16 2018-05-08 黑龙江八农垦大学 希尔伯特法建立稻株中氮素含量拉曼光谱测量模型方法
CN108088834A (zh) * 2017-09-13 2018-05-29 新疆大学 基于优化反向传播神经网络的包虫病血清拉曼光谱诊断仪
CN110470646A (zh) * 2019-08-23 2019-11-19 成都大象分形智能科技有限公司 基于人工智能与拉曼光谱的肿瘤组织识别系统

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6522398B2 (en) * 1999-02-08 2003-02-18 Cme Telemetrix Inc. Apparatus for measuring hematocrit
WO2006130728A2 (en) * 2005-05-31 2006-12-07 The Regents Of The University Of California Single-cell raman spectroscopy for the non-destructive, non-invasive analysis of cells and cellular components
US9103793B2 (en) * 2005-07-22 2015-08-11 Massachusetts Institute Of Technology Intrinsic Raman spectroscopy
CN101799421B (zh) * 2010-04-19 2011-06-15 福建师范大学 一种体液表面增强拉曼光谱的检测方法
EP2917734A4 (en) * 2012-11-06 2016-09-07 Chemimage Corp SYSTEM AND METHOD FOR DETECTION OF CANCER BASED ON SERUM
US9927364B1 (en) * 2013-11-01 2018-03-27 The United States Of America, As Represented By The Secretary Of Agriculture Line-scan Raman imaging method and apparatus for sample evaluation
CN103645170B (zh) * 2013-12-03 2016-03-02 北京航空航天大学 一种利用拉曼光谱检测肿瘤性质的装置
CN105997000B (zh) * 2016-05-30 2023-04-14 福建师范大学 一种基于纤维内窥镜的拉曼光谱检测装置及其实现方法
AU2017314217A1 (en) * 2016-08-19 2019-03-28 Monash University Spectroscopic systems and methods for the identification and quantification of pathogens
CN110320197A (zh) * 2018-03-31 2019-10-11 重庆大学 基于Raman光谱分析的微小型拉曼血液专用分析仪
EP3622882A1 (en) * 2018-09-14 2020-03-18 Fundació Institut de Ciències Fotòniques System and computer-implemented method for detecting and categorizing pathologies through an analysis of pulsatile blood flow

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO1997036540A1 (en) * 1993-11-30 1997-10-09 Florida Institute Of Technology Determination of concentrations of biological substances using raman spectroscopy and artificial neural network discriminator
CN105738526A (zh) * 2016-03-11 2016-07-06 重庆市肿瘤研究所 筛选三阴性乳腺癌特异性血清代谢标志物的方法
CN105628680A (zh) * 2016-03-23 2016-06-01 中国科学院上海技术物理研究所 基于红外拉曼超连续漫综合谱的血液鉴别方法
CN108007917A (zh) * 2017-03-16 2018-05-08 黑龙江八农垦大学 希尔伯特法建立稻株中氮素含量拉曼光谱测量模型方法
CN106885798A (zh) * 2017-03-28 2017-06-23 戎创前沿科技(北京)有限公司 一种拉曼检测系统
CN108088834A (zh) * 2017-09-13 2018-05-29 新疆大学 基于优化反向传播神经网络的包虫病血清拉曼光谱诊断仪
CN110470646A (zh) * 2019-08-23 2019-11-19 成都大象分形智能科技有限公司 基于人工智能与拉曼光谱的肿瘤组织识别系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
李志刚.《光谱数据处理及定量分析技术》.北京邮电大学出版社,2017,5-6. *
脑内源性光学成像中的图像增强处理;尹愚;《生物医学工程学杂志》;第29卷(第1期);137-142 *
血清激光拉曼光谱鉴别肺癌、慢性阻塞性肺疾病 患者及健康人的价值;王虹;《广东医学》;第36卷(第6期);885-887 *

Also Published As

Publication number Publication date
CN111413318A (zh) 2020-07-14

Similar Documents

Publication Publication Date Title
US20230258552A1 (en) Scanning infrared measurement system
US20070159619A1 (en) Cytometer
US20070210269A1 (en) Apparatus for photon detection
CN105628679B (zh) 基于红外拉曼紫外荧光超连续谱的血液鉴别仪
CN109297952B (zh) 基于激光诱导击穿光谱技术的宣纸优劣鉴别系统
CN107991270A (zh) 基于相干反斯托克斯拉曼光谱的血液种属鉴别系统
CN111413318B (zh) 基于拉曼光谱的血清检测系统及方法
CN111562252A (zh) 一种基于同轴双波长消荧光的拉曼检测系统
CN114460060A (zh) 一种用于纳/微塑料快速检测的拉曼光谱成像系统及方法
US9110009B2 (en) Gradient index (GRIN)-based absorption spectroscopy apparatus, method, and applications
CN111413319B (zh) 基于拉曼光谱的复杂低浓度液体样本检测系统
CN105842224B (zh) 基于红外拉曼紫外荧光超连续谱的血液鉴别方法
CN110530783B (zh) 用于流式细胞仪的侧向光束收集方法、装置及流式细胞仪
CN106338499A (zh) 元素激光检测分析仪器及矿物元素分析方法
CN116297273B (zh) 基于入厂的煤质在线分析系统及方法
CN112557368A (zh) 交叉式照射测定微量样品的拉曼光谱装置
CN110530782B (zh) 消除旁瓣信号干扰的光学系统及方法
CN102095712A (zh) 一种蓝藻检测光电传感器
CN201984016U (zh) 一种蓝藻检测光电传感器
CN111272736B (zh) 一种击穿光谱与吸收光谱组合测量系统及方法
JPH03154850A (ja) 検体検査装置
DE102011008788B3 (de) Anordnung zur Durchführung einer Einzelprobenanalyse und -manipulation für die Raman-Mikrospektroskopie
CN108982389B (zh) 一种可见和近红外光谱的背景和参考自动校正系统及校正方法
CN111239087A (zh) 基于超连续谱光源的流动粒子测量方法及装置
CN114813706B (zh) 一种血细胞高光谱光镊捕获能量共振转移分析仪

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
GR01 Patent grant
GR01 Patent grant