学位论文 > 优秀研究生学位论文题录展示

人体红细胞比容近红外无创检测方法研究

作　者: 董艳飞
导　师: 卢启鹏
学　校: 中国科学院研究生院（长春光学精密机械与物理研究所）
专　业: 光学工程
关键词: 红细胞比容近红外光谱血流容积光谱相减法神经网络
分类号: TN219
类　型: 硕士论文
年　份: 2013年
下　载: 3次
引　用: 0次
阅　读: 论文下载

内容摘要

红细胞比容(HCT)是指红细胞占全血的容积百分比，在临床上具有重要的参考意义，主要用于贫血、失血等疾病的诊断。然而，常规检测红细胞比容的方法多为有创伤方法即静脉抽血检测血液样品。该方法有痛感，需要试剂，检测周期长而且需用专业人员操作。利用近红外无创技术检测红细胞比容具有快速、无损、操作简单、便于实时检测等优点，成为目前国际上研究的热点之一。本文围绕红细胞比容近红外无创检测展开了一系列研究。总结出目前红细胞比容近红外无创检测主要面临的问题，即组织背景干扰严重、信号微弱和测量波长点数少。本文针对红细胞比容近红外无创检测技术的三点问题提出解决方案。以红细胞比容为研究对象，对比分析了不同光谱预处理方法、多元校正模型算法及其组合对红细胞比容的预测能力，来提高红细胞比容近红外无创检测的精度。主要研究内容与取得的成果有：1)采用血流容积光谱相减方法处理容积脉搏波数据，消除人体皮肤、肌肉等组织产生的背景干扰；2)利用多通道高信噪比的红细胞比容近红外无创检测装置采集志愿者的食指指端容积脉搏波数据，解决了信号微弱、测量波长点数少的问题；3)采用一阶微分、二阶微分、多元散射校正以及标准正态变量变换四种不同的光谱预处理方法对吸收光谱进行预处理，消除了光谱中包含的噪声并解决基线漂移等问题；4)以红细胞比容为分析对象，利用偏最小二乘和误差反向传输神经网络(BP-神经网络)建模方法建立了红细胞比容多元校正模型，对比分析定标结果，优选出红细胞比容的多元校正模型；5)通过研究BP-神经网络中隐含层节点数的选取问题，优化红细胞比容的BP-神经网络模型，提高了定量校正模型的分析精度。经实验验证，BP-ANN模型结合一阶微分预处理方法对HCT预测能力较优，校正集相关系数可达到0.78，相对预测标准偏差为7.3%。本论文针对红细胞比容近红外无创检测技术的三点问题提出解决方案并优选红细胞比容校正模型，提高了近红外无创生化检测中红细胞比容的模型精度，为近红外无创生化检测技术的实际应用奠定了理论和实验基础。

全文目录

摘要  5-7
Abstract  7-9
目录  9-12
第1章绪论  12-18
  1.1 选题的背景和意义  12-13
  1.2 近红外光谱法测量红细胞比容的优点  13-14
  1.3 红细胞比容近红外无创检测的研究进展及存在的问题  14-15
    1.3.1 研究进展  14-15
    1.3.2 存在的问题  15
  1.4 本论文研究的目的及意义  15-16
  1.5 本论文的主要研究内容  16-18
第2章近红外光谱分析技术简介  18-30
  2.1 近红外光谱分析技术的原理  18-19
  2.2 近红外光谱分析技术的流程  19
  2.3 近红外光谱分析技术中常用的化学计量学方法  19-27
    2.3.1 异常样品剔除  20-21
    2.3.2 光谱数据预处理方法  21-25
    2.3.3 多元校正模型算法  25-27
      2.3.3.1 多元线性回归  25
      2.3.3.2 主成分回归  25-26
      2.3.3.3 偏最小二乘法  26-27
      2.3.3.4 人工神经网络法  27
  2.4 模型性能评价标准  27-28
  2.5 近红外光谱分析技术的误差来源  28-29
  2.6 本章小结  29-30
第3章红细胞比容近红外无创检测实验与容积脉搏波处理方法研究  30-41
  3.1 血流容积光谱相减法  30-31
  3.2 红细胞比容近红外无创检测装置  31-33
  3.3 红细胞比容近红外无创检测实验  33-35
    3.3.1 测量波段和部位的选择  33-34
    3.3.2 测量对象  34-35
  3.4 容积脉搏波的处理方法研究  35-40
    3.4.1 平滑法去噪  35-36
    3.4.2 提取近红外光谱信息  36-38
    3.4.3 光谱预处理方法  38-40
  3.5 本章小结  40-41
第4章红细胞比容多元校正模型的建立  41-63
  4.1 偏最小二乘校正模型的建立  41-46
    4.1.1 异常样品剔除  41-42
    4.1.3 校正集与预测集的划分  42-43
    4.1.4 PLS 校正模型的建立  43-46
  4.2 误差反向传输人工神经网络（BP-ANN）校正模型的建立  46-62
    4.2.1 BP-ANN 的结构  46-48
    4.2.2 BP-ANN 的训练函数  48-49
    4.2.3 BP-ANN 校正模型的建立  49-62
  4.3 本章小结  62-63
第5章总结与展望  63-65
  5.1 本论文的主要研究内容及结论  63-64
  5.2 本论文的主要创新点  64
  5.3 进一步研究展望  64-65
参考文献  65-72
在学期间学术成果情况  72-73
指导教师及作者简介  73-74
致谢  74

人体红细胞比容近红外无创检测方法研究

内容摘要

全文目录

相似论文