光譜處理過程

1、在本文中，光譜數(shù)據(jù)處理是指所有與comput-過程從所測量的“原始”光譜荷蘭國際集團的葡萄糖濃度值。它涉及四個主要步驟：（i）將所述傳動裝置（或反射率）光譜成吸收譜，（）除去頻譜的錯誤包括基線噪聲和高頻電子噪聲（稱為預(yù)處理步驟），（）顯影葡萄糖通過一個校準(zhǔn)模型多元的技術(shù)，和（iv）從一組新的預(yù)計算葡萄糖濃度處理光譜。圖5-1給出了一般的光譜處理步驟包括校準(zhǔn)和預(yù)測階段。5.1傳輸?shù)轿章兽D(zhuǎn)換在已被證明在通道。 2，在臨床相關(guān)濃度范圍內(nèi)，NIR葡萄糖吸收的信號成線性比例的濃度。因此，線性模型已被廣泛使用。常見的包括偏最小二乘法（PLS），主成分分析（PCA）和經(jīng)典最小二乘（CLS）。這樣的應(yīng)用程序

2、之前一個模型，然而，所檢測到的輻射應(yīng)該被對數(shù)轉(zhuǎn)換 - 如所述通過公知的比爾 - 朗伯定律：預(yù)處理過程：其中a是吸收幅度作為波長A的函數(shù)，TCOMP是傳輸組件的光譜，Trej是參照樣品的透射光譜，一個是樣品吸收系數(shù)，c是濃度，f是輻射的路徑長度通過樣品。 TREF是一般成分的緩沖液的透射光譜解決方案。例如，在含水葡萄糖測量的情況下，傳輸水頻譜通常被用作溫度Tref。然而，對于葡萄糖的實際目的濃度的預(yù)測，用來生產(chǎn)Trej組件并不重要，因為什么問題是光譜變化AA級。事實上，在我們所有的實驗測量，Trej的簡直就是一個常數(shù)。然而，往往只使用緩沖區(qū)作為參照，我們才能夠看到該組件定性特征。5.2。光譜預(yù)處

3、理在本文完成的工作，涉及生物樣品大多數(shù)測量，基線噪聲已被發(fā)現(xiàn)是幅度比高頻噪聲較大的訂單，并迄今為止噪聲的更重要的類型來抑制。有幾種類型的基線噪聲去除技術(shù)。最常見的在光譜是多項式擬合，光譜分化和帶通濾波的字段或通常被稱為傅里葉濾波。以下部分提供了他們的簡要說明。然而，它首先確定基線噪聲的來源是重要的。5.2.1來源基線噪音基線噪音通常與“漂移”或不需要的變化有時間關(guān)聯(lián)大小作為頻譜讀取時間周期的順序相同的尺度。這樣的漂移可能源于儀器（如在光源輸出和檢測器響應(yīng)漂移功能），環(huán)境（例如在濕度和溫度）漂移，樣品本身（例如溫度和散射變化）。盡管使用低噪聲和良好控制電子，該儀器漂移可能仍然是數(shù)量級高于由于生理

4、葡萄糖變化的信號的變化，僅僅是因為葡萄糖信號是非常小的。在所有本文工作進行的實驗調(diào)查，沒有控制環(huán)境和條件下的樣品使用。原型機的那些“露天”類型，而控制柜。液體樣品置于石英比色皿，而不使用溫度控制。因此，實驗和優(yōu)良的成功復(fù)光譜的重復(fù)性表明，錯誤和漂移得到了有效通過預(yù)處理技術(shù)抑制，這表現(xiàn)不久。在非散射，水生物樣品，基線噪音的最大來源是大概樣品的溫度變化1，2，它是通過在改變支配水吸收光譜由于氫鍵的量的變化。在這里，我們表明，使用適當(dāng)?shù)那疤幚矸ㄖ?，溫度引起的光譜變型中，它主要是在基線噪聲的形式，可以有效地抑制。示于圖5-2是蒸餾水在各種溫度的差光譜差異。例如，實線表示的吸水率差異譜78where a

5、是吸收幅度作為波長A的函數(shù)，TCOMP是傳輸組件的光譜，Trej是參照樣品的透射光譜，一個是樣品吸收系數(shù)，c是濃度，f是輻射的路徑長度通過樣品。 TREF是一般成分的緩沖液的透射光譜解決方案。例如，在含水葡萄糖測量的情況下，傳輸水頻譜通常被用作溫度Tref。然而，對于葡萄糖的實際目的濃度的預(yù)測，用來生產(chǎn)Trej組件并不重要，因為什么問題是光譜變化AA級。事實上，在我們所有的實驗測量，Trej的簡直就是一個常數(shù)。然而，往往只使用緩沖區(qū)作為參照，我們才能夠看到該組件定性特征。5.2光譜預(yù)處理光譜這里預(yù)處理指的原始吸收處理光譜的（A）的前一個多元算法的校準(zhǔn)和預(yù)測中的應(yīng)用。該此預(yù)處理步驟的主要目的是消

6、除或抑制基線的影響噪聲通常被樣品，儀器，和/或環(huán)境的變化而引起的。通常情況下，它也被設(shè)計以除去檢測器及其電子器件的高頻噪聲。5.2。光譜預(yù)處理在27度和31度C（水，在27度的吸收光譜減去水在31度的吸收光譜）。頂部圖顯示了未加工的光譜，和底部圖顯示了處理前的光譜。預(yù)處理方法是一個一階譜的分化和二階多項式的組合適合作為我們將描述秒。 5.2.6。在頂部和底部的數(shù)字比較光譜，我們可以看到，在光譜的變化的幅度是由三個數(shù)量抑制的在下面的2315納米的窗口大小。圖5-2：在不同溫度下重復(fù)用水譜差譜。上圖：生吸收光譜。底部：使用分化的組合過濾光譜和多項式擬合技術(shù)。實線：4度變更，短虛線：6度雜物 - 化

7、，長虛線：8度變更在經(jīng)皮，在體內(nèi)測量，基線噪聲的主要來源是組織散射 - ING。光譜變化是由于組織的散射特性已經(jīng)討論了在CH。 2.它顯示在本文的工作，這樣的變化可以有效地移除通過適當(dāng)?shù)念A(yù)處理技術(shù)的應(yīng)用。使用相同的預(yù)加工技術(shù)，其所述一個用于抑制溫度的影響的（一個組合一階譜的分化和二階多項式FIT），有效的抑制實現(xiàn)，如將要證實在Ch 9。5.2.2多項式擬合在一個多項式擬合方法中，原始吸收光譜araw（A）的第一個安裝有一個多項式函數(shù)fpolv（A），它是等于其中CO，CI，.是常數(shù)。該常數(shù)通過最小化殘差確定：其中n等于頻譜單元的總數(shù)。用戶確定的順序多項式，一般是通過的頻譜噪聲的一些知識相結(jié)合特

8、性和試驗和錯誤。的“過濾”或處理前吸收光譜是然后之間的差原始吸收光譜和所述嵌合多項式：在本文的工作，所述多項式擬合光譜預(yù)處理方法已被發(fā)現(xiàn)非常有效地去除涉及非散射測量的基線噪聲樣品。例如，一個三階多項式擬合用在一個很好的結(jié)果用于實驗涉及合成生物學(xué)的解決方案，在ch6。5.2.3光譜分化顧名思義，該方法包括測量的原始吸收衍生物譜：其中n是分化的順序。例如，對于一個二階導(dǎo)數(shù)譜，n等于2，一種光譜衍生物方法往往比一個更強大的多項式擬合，因為它不查明特定基準(zhǔn)形狀。然而，頻譜衍生物的方法傾向于降低SNR通過增強高頻噪聲。因此，它們通常用于以“平滑”的方法，以補償SNR惡化5.2。光譜預(yù)處理在這項工作中使用

9、的光譜系統(tǒng)，光譜分化已發(fā)現(xiàn)是非常有效。當(dāng)樣品散射效應(yīng)都存在，特別地，它是用最有效的方法。5.2.4傅里葉濾波光譜預(yù)處理的另一種常見的方法被稱為傅里葉濾波，這涉及傅立葉變換的原始頻譜數(shù)據(jù)，施加一定的過濾器功能（高斯，低通，高通等），并取逆傅立葉變換以獲得經(jīng)過濾的譜。該過程示意性示于圖。 5-3。 光譜預(yù)處理它沿著光譜從一端到另一移動。該窗口可以取形式的各種功能，例如矩形，高斯，或三角形的。這里的想法是通過這代表了他們的“平均”值的單個數(shù)據(jù)替換幾個相鄰的數(shù)據(jù)點。因此，如果噪聲是隨機的，將得到的光譜會比原來的更平滑。其缺點是，該光譜分辨率會降低。降解增加該平均窗的寬度。本文的工作，這種平滑技術(shù)時使用

10、的頻譜分化為了補償信噪比的減小固有分化進行方法。使用的窗口是矩形窗口平均四個數(shù)據(jù)點（矢量1,1,1,1）。5.2.6選擇預(yù)加工方法光譜預(yù)處理肯定是在近紅外光譜豐富而重要的課題。怎么樣-以往，似乎有沒有硬性規(guī)定，以確定要使用哪個預(yù)處理技術(shù)，和最好的方法是經(jīng)常反復(fù)試驗，結(jié)合的一些物理知識噪音的特點。本文的工作，重復(fù)的光譜之間的差光譜（復(fù)制相同的樣品的光譜）經(jīng)常被用來在預(yù)的選擇，以幫助使用的加工方法。一種有效的方法會導(dǎo)致不同的光譜接近零。差譜的幅值通常與幅度相比生理性血糖譜。例如，假定一個2毫米路徑長度樣品，1毫米的葡萄糖變化將引起4×10-5 AU。如果預(yù)處理方法，能夠抑制差譜的幅度，以

11、低于，它被認為是一種有效的方法。作為一個例子，讓我們回過來看基線噪音抑制的溫度 - 如前所述引起的變化。如圖。 5-2，第一階的組合分化和二階多項式擬合抑制基線噪聲幅度來小于4×10 AU甚至對于大的8度-C的變異。鑒于這種噪聲特性，我們可以說，這樣的前處理方法是有效的足夠。讓我們比較這使用三階單獨多項式擬合。使用相同的原始吸收光譜，所述得到的濾波光譜顯示在圖5-4。在這種情況下，前處理方法82For此方法是有效的，噪聲“頻率”或光譜帶寬需求為比所關(guān)心的吸收特征的帶寬顯著不同。于此外，一般工作得更好在周期性信號具有大量的數(shù)據(jù)點。雖然這種方法已被證明是由傅立葉光譜得到相當(dāng)有效的變換光譜

12、儀2，3，4，5，61，未發(fā)現(xiàn)它是比任何優(yōu)越多項式擬合或光譜鑒別方法。主要的原因是最有可能的事實，即由濾波器光譜儀獲得的數(shù)據(jù)點的數(shù)量相對較低和光譜窗口較窄，間2100和2300納米。5.2.5平滑通過平滑，我們試圖減少高頻噪聲由于檢測器的電子和其他的隨機噪聲源。在這項工作中，一個運動的窗口平均法已認為是有效的。它涉及到卷積頻譜具有一定小“窗口”，5.2。光譜預(yù)處理被認為不足以作為所產(chǎn)生的噪音過濾比4×10-5 AU大得多 - 的1-毫米的葡萄糖在2 mm光程吸收幅度。圖5-4：水的吸收光譜的差異光譜以變化的溫度。過濾頻譜使用單獨的多項式擬合方法。實線：4度變更，短虛線行：6度的變化，

13、長虛線：8度變更。選擇的方法：由于其堅固性和有效性，預(yù)處理方法組合第一代為了分化和二階多項式擬合用于所有的測量涉及血漿和組織樣品。還采用了移動窗口平均法以補償信噪比降低由于分化。這說明示意圖該過程示于圖。 5-5?？驁D下方的曲線是吸收曲線在譜預(yù)處理算法的不同階段所指示由垂直箭。注意，該算法是由施加到每兩個頻譜窗口中（得到兩個過濾器）分開。因此，2100納米和2200 NMN之間的光譜窗口是分開獨立處理從光譜窗口2200 nm和2300之間納米，相同的算法。這樣做是因為頻譜不連續(xù)，通常是本圍繞兩個濾波器的過渡波長區(qū)域。這種不連續(xù)性的示例5.3。多元技術(shù)的校準(zhǔn)和預(yù)測可以看出，在圖8.1?；€校正算

14、法的企圖以校正不需要頻譜不連續(xù)性，并有可能減少抑制其有效性相關(guān)基線噪音。 圖5-5：光譜預(yù)處理方法原理圖和說明，以抑制基準(zhǔn)的變化。5.3多元技術(shù)的校準(zhǔn)和預(yù)測本節(jié)旨在提供一些多元校正的簡要概述（和預(yù)文辭）方法在本文工作中使用。這并不意味著提供一個完整的審查或的方法或一般的主題，為優(yōu)秀的章節(jié)中許多“化療分析Metrics的教科書一直致力于為這樣的討論。這種教科書的例子是參考文獻7。多變量的方法通常需要在數(shù)量近紅外光譜。這是因為吸收光譜是相對寬的，更不利的，重疊的，這使直接峰到峰值分析困難的，如果不是不可能的。不幸的是，這也是適用于血糖測量，我們可以在圖看到。 2.8示出的重疊主要血液成分的光譜。在

15、這項工作中，3多變量方法已經(jīng)被研究并用于：古典5.3。多元技術(shù)的校準(zhǔn)和預(yù)測最小二乘（CLS），偏最小二乘（PLS）和混合線性分析（HLA）。面前我們討論這些技術(shù)，讓我們首先定義中使用的變量和矩陣整個討論。首先，矩陣A是指測量amxn矩陣樣品的光譜，其中，m是樣本的數(shù)目，且n是頻譜單元的數(shù)目例如，在一個人血漿實驗涉及的30次測量的情況下樣品A是30 XN矩陣，用含有所測量的頻譜單元的每一行血漿樣品。C是AMX1基質(zhì)含有樣品的濃度值，其中1表示的單一元素：例如，在一個五分量樣的情況下，C是AMX5矩陣，每行含有五個組分的濃度在特定的樣品溶液。K是將含有純成分譜在單位濃度1倍n的矩陣和單位路徑長度：

16、5.3。多元技術(shù)的校準(zhǔn)和預(yù)測因此，比爾 - 朗伯在這多組分法，多樣品的情況下變?yōu)椋篈 = CK。5.3.1古典最小二乘CLS的方法是直接申請啤酒蘭伯特定律模型，其中AB-的吸收光譜 在每個波長元件是成正比的組分濃度。于校準(zhǔn)步驟中，我們試圖確定IK，從純組分譜模式多組分校準(zhǔn)樣品A的光譜：RK =（的CtÇCTA檢查（5.6）在預(yù)測步驟中，我們力求找到包含我的成分濃度矢量一個新的預(yù)測樣本的濃度值：E =（K T）1嘉，（5.7）其中，a是表示預(yù)測樣品的吸收光譜的向量。此方法要求所有干擾成分是已知的，并在包括校準(zhǔn)。這意味著，他們的濃度值需要也是已知的（'C'類矩陣）。這是該

17、方法的進行的實際測量值的主要缺點血糖，因為它是難以知道存在于血液中的所有可能的干擾和組織，以及測量它們的濃度。而不是使用的嵌合基于校準(zhǔn)過程如等式描述。 （5.6），在5.3。多元技術(shù)的校準(zhǔn)和預(yù)測其中，純分量矩陣是由“接頭”被測樣品基質(zhì)得到，純組分光譜可以單獨確定。例如，純可通過測定牛血清白蛋白的水溶液中獲得的蛋白組分光譜并從測量葡萄糖水溶液中的葡萄糖光譜。這些獨立純組分光譜然后可用于構(gòu)建純組分矩陣K.這樣，校準(zhǔn)模型由實際物理組件光譜，而不是從經(jīng)驗擬合得到。這通常確保了校準(zhǔn)模型是的更高的質(zhì)量和魯棒性。在通道。 6，我們描述了涉及合成的實驗使用這種方法的生物樣品。5.3.2偏最小二乘所述PLS法是

18、最常用的技術(shù)在近紅外spectrsocopy領(lǐng)域，包括近紅外血糖檢測。與PLS方法，只有感興趣的組件需要是已知的。這意味著在血糖測量，僅葡萄糖參考濃度需要測量和校準(zhǔn)期間使用。該方法將自動考慮而不需要背景或干擾變化用戶指定什么干擾成分。這一特點使它成為一個更實用的方法比CLS方法。在PLS，C和K矩陣方程。 （5.5）被T代替和B矩陣分別為：A = TB（5.8）其中T是amxh矩陣，B是ahxn矩陣。而不是使用純組分光譜為基礎(chǔ)的載體，所述PLS算法使用加載向量（B的列），它是彼此正交的。從某種意義上說，它會創(chuàng)建一個新的坐標(biāo)系。號碼加載向量h的是由用戶確定的，根據(jù)所需要的模型復(fù)雜或所希望的。經(jīng)t

19、矩陣組成的強度（或分數(shù)）的裝載體，很像C是組成基本光譜的強度。雖然內(nèi)容的T不再濃度本身，它們?nèi)匀痪€性相關(guān)的濃度。文獻8提出優(yōu)異的描述和PLS算法的詳細信息，并親志愿組織比較與CLS和主成分分析（PCA）的方法。該875.3.1古典最小二乘CLS的方法是直接申請啤酒蘭伯特定律模型，其中AB-的sorbance在每個波長元件是成正比的組分濃度。于校準(zhǔn)步驟中，我們試圖確定IK，從純組分譜模式多組分校準(zhǔn)樣品A的光譜：RK =（的CtÇCTA檢查（5.6）在預(yù)測步驟中，我們力求找到包含我的成分濃度矢量一個新的預(yù)測樣本的濃度值：E =（K T）1嘉，（5.7）其中，a是表示預(yù)測樣品的吸收光譜的向

20、量。此方法要求所有干擾成分是已知的，并在包括校準(zhǔn)。這意味著，他們的濃度值需要也是已知的（'C'類矩陣）。這是該方法的進行的實際測量值的主要缺點血糖，因為它是難以知道存在于血液中的所有可能的干擾和組織，以及測量它們的濃度。而不是使用的嵌合基于校準(zhǔn)過程如等式描述。 （5.6），在5.3。多元技術(shù)的校準(zhǔn)和預(yù)測還提供完整的校準(zhǔn)和預(yù)測算法。一個例子MATLAB所述PLS法的程序示于附錄A的讀者可參考引用8用于該算法的一個步驟一步解釋。與PLS方法中，葡萄糖校準(zhǔn)模型只能由所獲得的最小二乘所測量的多組分光譜A.本的嵌合被認為是不利的，因為有建設(shè)一個錯誤的葡萄糖校準(zhǔn)潛力模型可能是由于次要因素。

21、這些次要因素可能是一些儀器，環(huán)境和/或生理變異發(fā)生關(guān)聯(lián)與血糖濃度，這表現(xiàn)在阿諾德等。人。 9。5.3.3混合線性分析背后的HLA方法的開發(fā)和利用的主要動機是，我們將想利用的PLS的執(zhí)行單組分分析能力，同時利用已知的血糖譜。因此，雖然其型號為干擾建立隱式最小二乘法擬合，葡萄糖是仿照明確使用的實際或物理血糖譜分別獲得。因此，質(zhì)量和的真實性葡萄糖校正模型得到保證。該技術(shù)提出了Berger等。人。10，并應(yīng)用于使用拉曼光譜對葡萄糖的測量。它被稱為混合方法，因為它結(jié)合了兩種不同的方法在構(gòu)建校準(zhǔn)模型：葡萄糖和背景干擾的隱建模顯式建模。人物5-6示出校準(zhǔn)過程，其進一步在下面詳細說明的段落。5.3。多元技術(shù)的

22、校準(zhǔn)和預(yù)測該方法由下列步驟組成：1.測量葡萄糖股份公司（一個1 XN矢量）的高質(zhì)量的光譜。這是可以做到通過測量高度濃縮的含水葡萄糖溶液與長采集時間，減去水吸收光譜，和縮放它代表一個“單位”濃度化和光程。需要注意的是股份公司應(yīng)該是處理前的頻譜，不受基線噪聲。2.從樣品譜矩陣A除去葡萄糖的光譜貢獻，這樣就產(chǎn)生葡萄糖，免費樣品的光譜矩陣AGF：AGF = A - cgag，（5.9）其中的cg是AMX 1載體含有樣品的葡萄糖濃度值，由基準(zhǔn)儀器測定的。3.計算Ag的主要部件。這個步驟類似于的代正交基譜伏的基質(zhì)的主要部件構(gòu)成為已完成在主成分分析（PCA）7,11。 V是anxp矩陣，其中p是數(shù)主成分使用時，作為由用戶選擇。從股份公司4.減去其突起上的每一個在V矢量，留下的殘余光譜*：9 *A * = AG - agVtV。 （5.10）此殘余頻譜a *為實際上股份公