基于表面增强拉曼光谱技术的陈皮年份检测北大核心CSCD

采用表面增强拉曼光谱技术对8种不同储存年份的陈皮进行检测。测试分析了储存11年的陈皮样品于金膜、银纳米颗粒、金膜-银纳米颗粒增强基底上的拉曼光谱。在金膜-银纳米颗粒增强基底上的陈皮拉曼光谱特征峰最明显,对375、493、650cm-1等12处的拉曼特征峰进行初步归属分析,据此对陈皮的生化成分进行初步判断,并探讨了陈皮在金膜-银纳米颗粒基底上拉曼信号的增强机理。此外,通过分析比较8种不同年份陈皮的表面增强拉曼光谱信息,区分出不同存储年份的陈皮。根据峰值位置信息的变化,得出与存放5年及以下的陈皮相比,存放7年及以上的陈皮产生了某些新成分的结论。     

槠叶种新鲜茶树叶的拉曼光谱检测

基于激光拉曼光谱技术对新鲜茶叶原叶品质鉴定及产地区分进行了研究,对安徽祁门县六个村庄槠叶种新鲜茶树叶(简称原叶)进行了检测.结果表明不同产地原叶在748,831,1005,1158,1328,1527,1609 cm-1等处均有较强拉曼峰,但每组峰强度存在差异.采用主成分分析法(PCA)及线性判别分析法(LDA)对原叶的拉曼光谱进行了分析,得到不同产地原叶的区分度为70.7％.     

基于随机森林算法的食源性致病菌拉曼光谱识别

药品食品的安全问题一直是人们关注的重点。相比于传统的食源性致病菌光谱检测方法,拉曼光谱法具有检测范围广、检测灵活、光谱特征突出等特点。本文以常见的食源性致病菌为研究对象,利用拉曼光谱仪采集了11种食源性致病菌样品的132个拉曼光谱数据,提出了一种基于主成分分析和随机森林算法的分类模型。实验结果表明,主成分分析结合随机森林算法的分类模型可以将食源性致病菌区分开,且分类准确度可达到91.36%。     

基于拉曼光谱的鼻咽癌与正常鼻咽细胞株的分类研究

高空间分辨率的共聚焦显微拉曼光谱技术从分子水平上提供了生物分子成分和结构的指纹性信息。以鼻咽癌细胞株C666-1、CNE2和正常鼻咽细胞株NP69为对象,利用拉曼光谱探索和分析癌细胞株与正常细胞株之间的差别。结果表明:谱峰比I1449/I1657(1.10)可以准确地将鼻咽癌与正常鼻咽细胞株分成两组,这一结论与相关支气管癌组织的报道结果一致;此外,采用主成分分析方法说明3种细胞株的拉曼光谱之间存在统计学差异,并以线性判别分析方法对其进行统计划分,灵敏度和特异性分别达到90%和100%。这些结论可以为拉曼光谱技术用于NPC的临床诊断提供依据,并有可能为鼻咽癌的早期诊断提供有益参考。     

拉曼光谱结合Adaboost算法的食源性致病菌分类识别

食源性致病菌的检测分类一直是食品安全领域的重要研究对象,与传统的病原菌分类方法相比,基于拉曼光谱的分类识别方法具有更高的灵活性和准确性.实验以常见食源性致病菌的拉曼光谱为对象,利用11种病原菌的132条光谱数据,提出一种基于主成成分分析(PCA)和线性判别分析(LDA)的Adaboost集成分类识别模型.实验结果表明,...     

基于直方图分层映射的近红外光谱预处理算法北大核心CSCD

为解决近红外光谱快速检测乳品成分及含量时光谱数据的预处理问题,提出一种基于直方图分层映射技术的近红外光谱主成分得分重置(SR)预处理方法。以葡萄糖氯化钠水溶液三组分样品中的葡萄糖含量、鲜牛奶样品中的乳糖含量为定量检测目标,进行散射光谱主成分得分累计贡献率的分层分段规定化映射预处理,利用偏最小二乘(PLS)回归分析建模手段,对相应近红外光谱中的糖含量信息进行测试及分析。结果表明,经过SR预处理后,牛奶中乳糖含量PLS模型的校正集样品交互验证预测偏差降低23.9%,实际预测偏差降低27.8%;验证集实际预测偏差降低16.7%。该SR光谱预处理方法兼顾光谱、参考值及组分相关性等多尺度信息,以实现光谱信息增强去噪,能避免有用信息误删,防止不充分拟合及过拟合。     

基于拉曼光谱的口罩物证检验方法研究

为分析口罩材质,建立口罩物证鉴别方法,试验用拉曼光谱仪检测107个口罩纤维样品,研究黑色、粉红色、蓝色染料对口罩纤维拉曼光谱的影响程度,基于主成分分析和相关性检验法对不同品牌、相同品牌不同批次的口罩进行区分,并实现未知品牌口罩的预测。研究表明,在拉曼特征峰相同的条件下,通过分析口罩纤维拉曼强度的差异和主成分得分图可快速找到与未知品牌相关性最强的口罩。在犯罪现场模拟试验中,未知品牌与相似品牌在主成分得分图中显示的距离最近,Pearson、Kendall Rank和Spearman 3种相关系数最大分别为0.932、0.799、0.942,据此找到了与未知品牌相似度较高的口罩。该方法缩小了物证搜查范围,可为公安办案寻找线索提供依据。     

活体糖尿病小鼠中单个白细胞的拉曼光谱分析

利用拉曼光镊并结合多元统计分析方法无损地对活体糖尿病(DM)小鼠中的白细胞(WBC)进行了研究,分别检测了糖尿病和正常小鼠活体中的白细胞拉曼光谱,利用主成分分析(PCA)建立拉曼光谱诊断多元统计算法模型。结果表明,患糖尿病小鼠和正常小鼠白细胞拉曼光谱差别明显,且实验存在较好的重现性。利用PCA统计分析方法得到诊断特异性和灵敏度达到了98%。在活体糖尿病小鼠白细胞中出现较高的蛋白质的特征峰1302cm-1,表明活体糖尿病白细胞中的蛋白质浓度比正常状态高。糖尿病小鼠内的白细胞与正常相比,DNA磷酸骨架基团强度和蛋白质酰胺强度升高,表明DNA双螺旋结构、蛋白质主链和氢键体系发生变化,二级构象改变。     

基于XGBoost算法的新冠病毒拉曼光谱感染诊断

新型冠状病毒的出现给全球经济、公共安全等方面带来严重损失,快速且准确地诊断新冠病毒对控制疫情爆发尤为重要.将机器学习与拉曼光谱技术结合,选取157份(包含确诊和健康)血清样品对应的拉曼光谱数据作为样本.首先使用Min-max方法对样本数据归一化、Savitzky-Golay方法对光谱平滑滤波和线性判别分析方法LDA对光...     

几种人工合成色素的荧光光谱与拉曼光谱研究

应用荧光光谱仪及微拉曼光谱仪分别对几种常见人工合成色素溶液的荧光光谱和拉曼光谱进行了实验研究。一方面,首次测量其不同浓度合成色素溶液的荧光光谱,讨论其谱线特性。另一方面,以有致癌性的合成色素苋菜红为例,应用拉曼光谱技术进行定性和定量检测,验证拉曼光谱对色素检测的可行性。为了提高探测灵敏度,以55 nm的金纳米粒子溶胶为基底,在785 nm激发光下对不同浓度的苋菜红溶液进行了表面增强拉曼光谱探测,探测到的最低浓度为10~(-17)mol/L。分析结果为这种色素的合理利用及安全快速检测提供了有效的光谱实验依据,也为其它色素的检测提供了参考方法。     

几种人工合成色素的荧光光谱与拉曼光谱研究

应用荧光光谱仪及微拉曼光谱仪分别对几种常见的人工合成色素溶液的荧光光谱和拉曼光谱进行了实验研究。一方面,首次测量其不同浓度合成色素溶液的荧光光谱,讨论其谱线特性。另一方面,以有致癌性的合成色素苋菜红为例,应用拉曼光谱技术进行定性和定量检测,验证拉曼光谱对色素检测的可行性。为了提高探测灵敏度,以55nm的金纳米粒子溶胶为基底,在785nm激发光下对不同浓度的苋菜红溶液进行了表面增强拉曼光谱探测,探测到的最低浓度为10-17mol/L。分析结果为这种色素的合理利用及安全快速检测提供了有效的光谱实验依据,也为其它色素的检测提供了参考方法。     

拉曼光谱快速诊断恶性肿瘤研究

恶性肿瘤是目前威胁人类健康的主要疾病之一,早期发现可降低发病率和死亡率。本文利用表面增强拉曼散射原理,自行研制了超高灵敏近场拉曼分子指纹分析系统。对癌症患者血清和正常人血清进行检测,分别得到了它们的拉曼指纹图谱。通过癌症患者血清和正常人血清拉曼图谱的对比分析,初步证明用拉曼光谱可以实现恶性肿瘤的早期诊断。     

基于中红外光谱的甲醇/乙醇柴油鉴别与含量测定方法分析北大核心CSCD

为实现对醇类柴油的鉴别和含量的测定,在实验室制备了甲醇柴油和乙醇柴油。利用主成分分析方法将甲醇柴油和乙醇柴油分成两类,利用中红外光谱法对光谱数据进行平滑、基线校正、多元散射校正和归一化,得到预处理光谱图,使用最小二乘支持向量机(LSSVM)模型预测甲醇柴油的甲醇含量和乙醇柴油的乙醇含量,其模型误判率低于7.1%。结果表明,甲醇柴油甲醇含量LSSVM模型预测集相关系数和预测集均方误差分别为0.9791和1.7201;乙醇柴油乙醇含量LSSVM模型预测集相关系数和预测集均方误差分别为0.9802和2.9563。实验的结果表明最小二乘支持向量机模型能够预测甲醇乙醇柴油中的甲醇和乙醇含量,且是一种很有前途的方法。     

基于激光拉曼光谱的氯苯低浓度探测

采用激光拉曼光谱技术对氯苯的25种不同浓度的CCl4溶液进行了分析。研究结果表明,在253~0.44g/L范围内,氯苯及CCl4振动拉曼光谱强度比与氯苯浓度呈线性关系,利用最小二乘法拟合得到线性相关系数为0.995。激光拉曼光谱技术具有快速、无损、样品无需预处理等优点。该研究为有机分子的低浓度测量及定量分析提供了一种可行的光谱测量方法。     

重型α地中海贫血红细胞的拉曼光谱

采用光镊拉曼光谱(LTRS)方法收集一例重型α地中海贫血患者单个红细胞的拉曼光谱,分析同一群体内不同细胞间的光谱差异,从中了解地中海贫血红细胞的病理过程.结果发现,重型α地中海贫血患者红细胞的拉曼光谱信号显著低于正常对照,并检测到一定比例的有核红细胞;正常对照的红细胞拉曼光谱均一,而重型α地中海贫血患者的细胞形态和拉曼光谱均显示出多样性;中等大小、形态接近正常的一类红细胞,其细胞问光谱差异最大;单细胞拉曼光谱可观察到部分外表形态正常的红细胞,其血红蛋白可能发生了血红素凝集和蛋白质变性.     

基于密集连接网络模型的致病菌拉曼光谱分类

细菌拉曼光谱信号弱、相似度高且易被噪声干扰,使用传统机器学习方法对其分类时必须进行繁杂的光谱预处理,效率低下。为提高细菌拉曼光谱分类的准确率和效率,提出了一种基于密集连接的一维卷积神经网络模型Ramannet,无需额外的光谱预处理就能有效完成光谱分类。实验结果表明,Raman-net对Bacteria-ID公开数据集中30种细菌低信噪比拉曼光谱的分类准确率为84.26%,显著高于传统机器学习方法及对比方法。对于碳青霉烯类抗生素敏感和耐药的2种肺炎克雷伯菌表面增强拉曼光谱,Raman-net取得了99.16%的分类准确率。这表明对于细菌的普通拉曼光谱和表面增强拉曼光谱,Raman-net无需光谱预处理就能取得较好的分类效果,为致病菌的拉曼光谱鉴定提供了一种快速有效的方法。     

基于PCA和BP网络的地中海贫血红细胞拉曼光谱判别

应用激光镊子拉曼光谱(LTRS)技术,俘获单个红细胞并收集其拉曼光谱.将主成分分析(PCA)算法和反向传播BP网络预测模型相结合,进行地中海贫血(简称地贫)红细胞类型的判别.PCA结果显示,正常对照与中间型α-地贫(HbH-CS)基本可区分,但正常对照与重型β-地贫,HbH-CS与重型β-地贫间差异不明显.将归一化处理的前5个主成分进行BP网络训练及预测,结果发现,正常对照与HbH-CS间预测正确率高达97.90%,正常对照与重型β-地贫,HbH-CS与重型β-地贫间预测正确率分别为90.72%和86.28%.该结果与平均拉曼光谱及主成分分析结果基本吻合.取不同的实验条件下收集的光谱进行同样的分析,3种组合的预测正确率略有不同,分别为95.28%,92.08%,91.85%,但呈现基本相同的规律.