乳腺癌是世界上对于女性非常危险的疾病, 其患病率逐年增长, 是世界妇女死亡的主要原因。 在大样本情况下, 乳腺癌临床诊断受优质医疗资源相对短缺的限制, 诊断周期长、 检测费用高。 因此, 高效、 准确、 性价比高的乳腺癌诊断方法具有广阔的应用前景, 为临床诊断迫切需求。 荧光光谱检测是一种可以表征细胞中物理和化学综合变化的方法, 可用于表征正常和癌变细胞的特征。 机器学习擅长从大量数据中挖掘有用信息, 是进行分类和预测的有效手段。 以往机器学习多使用包含部分生化信息的数据库训练模型, 易导致信息缺失。 荧光光谱是细胞多种物质的叠加光谱, 使用荧光光谱特征峰诊断乳腺癌存在量化不确定性问题。 因此, 提出了机器学习结合乳腺癌样本荧光光谱的诊断方法。 使用405 nm波长的激光, 采集了正常和癌变乳腺组织(已做出病理诊断)的荧光光谱数据, 以此作为数据集, 比较了K-近邻(KNN)、 支持向量机(SVM)、 随机森林(RF)三种算法对正常和癌变乳腺组织荧光光谱的分类能力。 判别结果显示: 与SVM算法相比, KNN和RF算法的准确率更高、 平衡召回率和精度的能力更强, 对乳腺癌荧光光谱的分类能力更好, 其准确性、 召回率、 精度以及F1-score函数结果均在95%之上, 更利于乳腺癌的诊断。 进而探讨了权重KNN(WKNN)算法对正常和癌变乳腺组织荧光光谱的分类能力。 WKNN较KNN算法的分类评估结果有小幅度提升, 且具有更好的抗噪和适应能力, 算法简单。 综上所述, 本文提出的机器学习结合荧光光谱的乳腺癌诊断方法, 精度高、 速度快、 性价比高, 是未来乳腺癌诊断方法的发展方向, 具有重要的临床应用价值。
荧光光谱 乳腺癌 机器学习 Fluorescence spectrum Breast cancer Machine learning K-nearest Neighbor KNN 光谱学与光谱分析
2023, 43(8): 2407
1 浙江理工大学基础结构技术研究所, 杭州 310018
2 浙江省装配式混凝土工业化建筑工程技术研究中心, 杭州 310018
为提高工业废渣的利用率, 选用磷石膏、高炉矿渣、硅酸钠代替部分水泥并对土样进行固化处理。通过D-最优混料设计, 得出3与7 d的无侧限抗压强度回归方程, 并计算得到最优质量配合比。使用最优配方固化土样, 测得3和7 d无侧限抗压强度分别达4.88和5.84 MPa。通过因素间交互分析结果, 得出固化材料的最优掺量范围。通过X射线衍射和扫描电子显微镜对固化土微观机理进行分析, 结果表明最优固化土相比水泥固化土水化反应更完全, 颗粒间连接更密实, 结构更稳定。最后通过对最优配方进行环境效益与经济性评价, 得出该配方在强度、环境效益、经济性等方面均要优于水泥。
工业废渣 早强固化剂 D-最优混料设计 最优配合比 无侧限抗压强度 微观机理 industrial waste residue early strength curing agent D-optimal mixture design optimal mixture ratio unconfined compression strength microscopic mechanism
牛奶主要成分的测定是评价牛奶品质的重要标准。 国家相关部门已经制定了一系列较为详尽的规范以保证牛奶等乳制品的质量安全, 但传统的检测方法操作复杂、 费时耗力并导致环境污染, 难以满足当代乳制品生产和消费的快速检测需要。 将衰减全反射-傅里叶变换红外光谱(ATR-FTIR)技术与相对湿度(RH)调控系统相结合, 建立了一种在RH连续下降条件下测量不同种类牛奶红外光谱的方法; 为牛奶等乳制品的原位无损检测、 种类区分、 品质分析等提供了新的途径。 (1)选取伊利品牌纯牛奶、 臻浓牛奶、 脱脂纯牛奶、 高钙低脂奶、 舒化牛奶5类牛奶为研究对象, 在RH连续下降的条件下, 采集不同种类牛奶样品在蒸发浓缩过程中的红外光谱, 对其主要营养成分进行峰位归属和定性分析, 仅需要微升级样品, 就可在短时间内提取样品浓缩过程中水、 碳水化合物、 脂肪、 蛋白质等主要成分的光谱信息, 实现对不同类别市售牛奶化学成分的较全面表征; (2)采用NWUSA软件对所得红外光谱数据进行建模分析, 选取4 000~400 cm-1波段为变量对所得光谱数据进行主成分分析(PCA), 并评估模型对不同类别牛奶的鉴别能力。 所得PCA分析数据在同组内聚集度良好, 不同组内坐标轴上相距较远, 说明模型选取合理可靠, 具有代表性。 实验中共使用了75份牛奶样品, 其中生产日期、 产地为随机因素, 牛奶的种类和品牌为固定因素。 结果表明, 该方法具有操作简便、 反应灵敏、 光谱质量高、 无损测量等优点, 适用于牛奶等乳制品的原位、 快速、 无损鉴别分析。
衰减全反射-傅里叶变换红外光谱 牛奶 主成分分析 连续降湿 ATR-FTIR Milk PCA Continuous decline of RH
为提高铁尾矿和脱硫灰等工业固废的综合利用, 利用氢氧化钠和硫酸钙作为复合激发剂, 铁尾矿粉、脱硫灰和矿渣微粉为原料, 制备铁尾矿粉-脱硫灰胶凝材料。开展正交试验分析铁尾矿粉掺量、脱硫灰掺量、氢氧化钠掺量和硫酸钙掺量对胶凝材料抗压强度的影响, 并进行配合比优化。结合X射线衍射仪(XRD)和扫描电子显微镜(SEM)对材料的微观结构进行分析表征。结果表明: 对胶凝材料3 d、7 d和28 d抗压强度影响最显著的分别是氢氧化钠掺量、铁尾矿粉掺量和硫酸钙掺量; 铁尾矿粉、脱硫灰、氢氧化钠和硫酸钙的最佳掺量分别为20%、10%、1%和9%(质量分数), 此时, 胶凝材料3 d抗压强度为4.59 MPa, 28 d抗压强度为18.44 MPa, 微观结构致密, 宏观强度最高。
胶凝材料 铁尾矿粉 脱硫灰 正交试验 抗压强度 微观分析 cementitious material iron tailings powder desulfurization ash orthogonal test compressive strength micro analysis
乳腺组织自体荧光光谱法通常采用420~512 nm波段的光源,本次实验采用波长为405 nm的激光源获取乳腺组织切片的自体荧光光谱,避免了活体检测时脂肪和血液对光谱的干扰。荧光光谱是多种发光基团的叠加光谱,基于荧光光谱对乳腺癌细胞的生化信息进行定性和定量分析时,光谱特征峰不易分辨。本文提出了高斯函数拟合乳腺组织切片荧光光谱的方法,该方法可有效分离重叠峰。与正常组织相比,癌变组织的荧光特征峰出现了明显的红移现象。通过面积比值法分析了正常与癌变乳腺组织中荧光物质的差异,癌变组织在517 nm和635 nm处的峰面积与492 nm处的峰面积之比(A517/A492和A635/A492)分别是正常组织的2.4~5.5倍和5.4~8.5倍,可作为诊断乳腺癌的标准。最后,本文分析了支持向量机(SVM)算法对乳腺组织荧光光谱进行分类的可行性,分类准确率为87.50%,为乳腺癌的快速诊断提供了新方向。
医用光学 高斯函数拟合 乳腺癌 荧光光谱 支持向量机 中国激光
2022, 49(20): 2007106
北京理工大学, 化学与化工学院, 北京 100081
硫酸盐是我国大气PM2.5的重要成分之一, 当前大气化学模型普遍严重低估雾霾期间大气硫酸盐的浓度, 说明我们对SO2大气转化机制的认识仍然不足。SO2与NO2在气溶胶微液滴内的协同氧化, 被认定是一种硫酸盐颗粒物的关键额外来源。然而, 在变化氛围(反应气体摩尔比、相对湿度)条件下, SO2/NO2与微液滴反应的关键动力学参数, 目前仍然得不到准确的测定。本研究利用傅里叶变换显微红外光谱技术, 在变化SO2/NO2摩尔比的条件下, 原位测定了海盐气溶胶MgCl2液滴中SO42-与NO3-浓度的时间演化。我们发现: MgCl2单液滴与SO2/NO2反应生成了SO42-和NO3-, 并且在SO2/NO2摩尔比为1∶5时SO42-的生成速率最快。本研究将为大气模型提供可靠参数, 为制定有效的PM2.5防控政策提供支撑。
显微红外 硫酸盐 非均相氧化 Micro-FTIR SO2 SO2 NO2 NO2 Sulfate Heterogeneous oxidation
红外与激光工程
2021, 50(9): 20210056
某透射式低温光学红外相机工作于倾斜地球同步轨道,所处空间热环境复杂多变,整个光学路径部组件属于低温光学系统,对温度梯度及温度稳定性要求较高,这对热控系统设计带来挑战。结合相机在轨成像温度需求及空间外热流特点,详细分析了相机热控设计的重点和难点,通过低温热管热量传输和辐射制冷的方式实现了低温光学系统的降温,通过高效热防护、热隔离及间接辐射控温技术实现了低温光学系统的高精度控温。热平衡试验温度数据表明:成像模式下,各光学部组件温度均满足指标要求,光学透镜温度均匀性和稳定性较高,光学透镜间最大温差小于1 K,最大温度波动小于±0.3 K,实现复杂内外热环境下光学透镜高精度控温;加热去污模式下,利用低温热管“热开关”的特点在常温下热阻增加,通过较小热控功耗实现光学透镜加热去污的需求。
低温光学 全光路 热设计 红外相机 cryogenic optical all-optical path thermal design infrared camera 红外与激光工程
2021, 50(5): 20200345
红外与激光工程
2021, 50(5): 20200332
红外与激光工程
2020, 49(4): 0413007