论文部分内容阅读
人体血液成分的无创检测是人们梦寐以求的愿望,它的实现会代替传统的有创检测方法,可以减轻很多病人的痛苦。但是,这项测量分析技术用于人体检测还有相当的距离,主要是由于近红外光谱技术受着多种因素的干扰,使得最终结果的检测精度在实际的应用中受到限制。在近红外光谱经皮无创检测中,个体差异对于吸光度的影响尚无法测量,因此设法消除皮肤组织及其皮下组织对于吸光度的影响,成为近红外光谱无创检测血液成分是否能够实施的关键。本文首次以消除近红外光谱分析中个体差异为重点,进行了一系列研究:①首次提出了基于光电容积脉搏波的产生机理和傅立叶变换的检测血液成分浓度的新方法--动态光谱的频域提取法,这种方法可以消除测量中由于皮肤组织和肌肉组织产生的大部分差异,从理论和实验两个方面说明了这种方法的优点,并通过实验直接提取了各波长中仅由血液成分产生的吸光度光谱图。该方法对于近红外光谱无创检测血液成分的实际应用有着重要意义。②动态光谱的采集过程中,由于脉搏波的数据是动态光谱稳定的基础,因此处理好脉搏波数据是取得稳定动态光谱的关键,针对脉搏波采集过程中,信噪比相对较低,采集的信号受呼吸作用及其他干扰等影响较大,用传统的滤波方法难以去除此类噪声,本文首次提出了基于小波自适应神经网络的脉搏波去噪方法,大大改善了信号提取的精度。③首次分别从积分时间、测量位置、测量压力、测量物体表面状况等方面探讨了提取动态光谱的最佳实验条件的问题。④深入研究了光谱处理过程中的奇异点剔除问题,首次提出一种基于最小子集——自组织特征映射神经网络的稳健奇异点检测方法,来提高校正模型的稳健性。⑤首次提出了一种在多变量数据中检测多奇异点的新方法,这种方法结合了矢量长度和自组织竞争网络的算法,是一种运用神经网络的稳健算法。运用这两种算法,光谱中的所有奇异点均可被检出,且结合了传统稳健算法与神经网络的优点。⑥针对红外光谱图中信号重叠的特点,分析研究了重叠峰分辨的问题;针对建立模型的过程中波长选择对于模型的影响,首次提出了基于小波系数倍乘法--箱形图法的波长选择方法。此方法简单有效,可以有效地提高模型的预测精度。⑦针对人体内成分无创近红外光谱测量中,动脉血液的散射对于动态光谱测量的影响的问题,首次提出了基于动脉血厚度变化的蒙特卡罗模型。并仿真研究人体内成分无创近红外光谱检测中动脉血管厚度变化及其他组织厚度变化时接受光能量的变化情况,并从实验方面做出了证明。动态光谱为近红外光谱技术在无创人体内成分检测中提供了一个全新的思路,从理论上证明了它的可行性,具有广阔的发展前景,本文的研究成果为该方法的成功实施奠定了理论和实验基础。