论文部分内容阅读
生物组织化学成分无创分光检测具有极其重要的临床和现实意义。但目前该技术的基本传感理论研究还相对薄弱,存在许多问题有待解决。本文从组织光学的观点出发,并结合空间分辨稳态漫反射测量技术,深入研究了生物组织化学成分无创分光检测的基本传感理论。首先对光在生物组织中的传输理论——蒙特卡罗模拟(MCS)和漫射近似理论进行了深入、系统地研究。其中,利用考虑多层组织结构的蒙特卡罗模型MCML分析了不同组织光学特性参数对漫反射波形的影响,给出了MCS的统计特性和时间特性的具体数学描述;修正并统一了可取得最佳漫反射率预测性能的漫射模型的各重要参变量定义,并给出了漫射模型的适用范围的量化指标。其次,利用基于统计学原理的数据压缩技术——主成分分析(PCA)详细分析了MCS产生的仿真漫反射率数据与组织光学特性参数之间的一一对应关系,有效地证明了PCA确实适用于提取漫反射率数据的主要特征,给出了应用PCA得到漫反射率数据的主分量表示时应注意的问题;并针对单层和双层组织模型,分别给出了在不同测量条件下从漫反射率波形反推组织光学特性参数的可能性。然后,针对单层组织模型的光学特性参数反演问题,详细评估了目前两种主要的非线性反演算法:非线性最小二乘拟合和传统神经网络方法的预测性能和特点,其中,非线性最小二乘拟合以漫射模型作为正向光传输模型,传统神经网络则采用MCS;在此基础上,提出将基于MCS的主成分分析-神经网络(PCA-NN)方法应用于从漫反射率波形反推组织吸收系数和约化散射系数,并利用Intralipid-10%溶液实验对PCA-NN方法的有效性进行了初步实验验证。最后,将基于MCS的PCA-NN方法推广用于解决考虑多层组织结构的组织光学特性参数反演问题。具体针对上层组织厚度已知的双层组织模型的双层组织光学特性参数反演问题,提出多种基于双层组织模型所对应的漫反射率数据与上层和/或下层组织光学特性参数对应关系建立的PCA-NN及其改进算法,给出了这些算法用于从漫反射率波形反推双层组织光学特性参数的可行性及必要条件,并分析了应用这些算法时,上层组织厚度的测量不确定性对双层组织光学特性参数的预测精度的影响,为实际进行组织化学成分无创分光检测提供理论依据。