龋病是发病率最高的口腔疾病，也是全世界最流行的疾病之一。太赫兹光谱成像技术因具有宽频带光谱分析能力强、空间分辨率高、电离辐射低等优势，有望成为龋病诊断的新技术手段。本文以含牙本质龋的牙齿切片为研究对象，进行反射式太赫兹光谱扫描，以频域幅值为参数对样品的光谱数据做二维重构成像，获得多幅不同频率下的龋齿太赫兹光谱图像。为了解决单一参数所得的龋齿太赫兹图像动态范围小、对比度低，边缘和细节位置模糊不清的问题，采用小波梯度域重建的融合方法，将多幅图像中梯度幅值较大的部分集中于一幅图像上，得到了一幅细节特征更加清晰完整的新图像。实验结果表明，融合后的图像相较于融合前的图像在信息熵、平均梯度以及对比度上均有所提高，不同组织之间的区分效果更加显著。

聚烯烃薄膜材料的孔隙率会影响材料的力学性能、绝缘性和贯通性，但少有对聚烯烃孔隙率无损检测的精确方法。本文以有效介电常数为桥梁，建立了四种材料等效折射率与孔隙率之间的等效模型；通过实际测试电池隔膜及微孔滤膜的太赫兹时域光谱，定量得到材料的折射率、介电常数、孔隙率等数据。结果表明：对于聚烯烃材料与空气的两相介质，其孔隙率与介电常数存在高相关性；采用改进的有效介质模型测得的孔隙率与常规的气体置换法测得的孔隙率的平均相对误差在2.53%左右；利用太赫兹光谱测量聚烯烃薄膜的孔隙率具备一定的可行性，有望成为薄膜检测的补充手段。

太赫兹光谱成像, 不但包括在二维图像空间的强度信息, 同时可以得到太赫兹波段的光谱信息, 构成了一个三维的数据矩阵。 由于受到太赫兹成像系统内部硬件的限制和影响, 太赫兹频域较高频段处信号存在能量弱、 信噪比低的特点, 导致所成的太赫兹图像普遍存在分辨率低、 对比度低等问题。 因此, 利用三维数据矩阵, 应用适合的算法, 实现了提高太赫兹光谱成像空间分辨率、 边缘细节可见度的目的。 搭建了三维可移动式太赫兹时域光谱成像系统, 实现了对标准高分辨率板的二维扫描。 对该系统所采集到的信号分别进行时域、 频域等多种方式成像对比, 结合瑞利判据和分辨率标尺对成像系统的空间分辨率、 景深进行标定, 研究了提高太赫兹光谱成像的空间分辨率算法。 然后, 针对太赫兹频域高频区域信噪比低、 对比度低、 噪声原因复杂的特点, 结合深度残差学习的图像去噪理论, 提出了太赫兹图像深度去噪网络, 在训练集中引入成像系统中真实的“太赫兹残差噪声”。 最后, 利用所训练出的模型对太赫兹频域高频区域图像进行盲去噪, 并用重建图像分别与原始成像结果和传统太赫兹去噪算法结果进行比较, 分别从主观和客观两个方面评价了不同算法对太赫兹频域高频图像的去噪效果。 实验结果表明, 通过该算法实现了极限空间分辨率约为157 μm, 去噪后图像极限空间分辨率处的瑞利判据鞍-峰比约为0.623, 图像整体对比度为46.635; 空间分辨率相比传统成像方法提高了约一倍, 对比度提高约26%。 研究结果为高空间分辨率高可见度的太赫兹光谱成像方式提供了一种新的规范, 并针对太赫兹频域较高频区域的图像噪声问题提供了一种新的解决方案。

太赫兹扫描成像中，由于激光器功率波动和仪器振动等原因，导致图像对比度较低，成像质量有待提高，且目前针对太赫兹图像的处理还停留在传统算法阶段。本文结合深度学习思想，提出了一种基于生成式对抗网络的图像增强方法。通过对训练集图像引入模糊和噪声，学习低质量图像和高质量图像之间的映射关系，并将其应用在真实太赫兹图像中。实验结果表明，与双边滤波、非局部均值滤波等传统算法相比，本文方法可在改善图像细节的基础上显著提高图像对比度，且视觉体验良好，这为太赫兹图像增强提供了新思路。

发动机润滑油是保障汽车发动机持久且稳定运转的基石, 准确评定发动机润滑油各项性能指标是其在生产到使用全过程必不可少的步骤。 发动机润滑油在一段时间的使用后会因为多种原因引起油品变质, 发动机润滑油变质的指标可以用其中非磁性颗粒物浓度、 金属屑含量、 pH值、 粘稠度、 含水率等表述。 关于发动机润滑油含水量的检测, 传统的检测方法存在操作复杂, 及时性差等缺点。 太赫兹对水吸收强烈, 适合用于对样品中微水含量的分析。 通过透射式太赫兹时域光谱系统获得1.0～3.5 THz下的六种不同水含量的发动机润滑油的吸收系数谱线, 对谱线进行Savitzky-Golay（SG）平滑去噪, 剔除奇异样本后, 采用Kennard-Stone算法划分样品集, 尝试常规区间偏最小二乘法（iPLS）、 向后区间偏最小二乘法（BiPLS）和联合区间偏最小二乘法（SiPLS）对其太赫兹时域光谱特征谱区间进行筛选, 着重研究区间间隔数、 PLS组件数、 最佳主因子数和区间选择等因素对PLS模型属性的影响, 并且对不同含水量的润滑油建模分析, 对不同模型比较选优, 建立最优定量分析模型。 建模结果表示特征谱区筛选可以提高建模性能、 降低模型复杂性, 特征谱区筛选算法通过剔除发动机润滑油太赫兹吸收系数谱线中非线性或者无关变量的方式, 使建模结果更好的表达吸收系数谱线与其含水量的关系。 结果表明: 采用BiPLS模型用于发电机润滑油中微量水含量的定量分析时建模效果最佳, 模型区间数为26, 入选区间为［18 10 4 3 8 12 5 11 24 13 16 21 2］, 主因子数为10, 最优模型的交互验证均方根误差RMSECV为0.003 5, 预测均方根误差RMSEP为0.004 6, 校正集相关系数r为0.919 3, 预测集相关系数r为0.865 7。 由此可见, 可以采用反向区间偏最小二乘法（BiPLS）用于发动机润滑油水含量的测定, 且实验过程简单, 建模计算速度快, 效果理想, 可以适用于非接触式油品含水量的定量分析。

生物活性肽作为21世纪人类健康的新宠儿, 研究证明其对人体生命活动有着很好的作用, 其检测方法也是备受关注, 太赫兹时域光谱技术因为其独特的性质在检测生物活性肽中有着不可比拟的优势。 选用牛骨肽、 海参肽和牛肽这三种生物活性肽, 通过透射式太赫兹时域光谱系统得到其在0.5～2 THz的吸收系数曲线。 从太赫兹吸收系数曲线来看, 鱼肽吸收系数大于海参肽和牛骨肽。 因为生物活性肽的氨基酸种类和肽键的相互作用, 导致其在太赫兹频段内没有明显的吸收峰, 为了更好的对其进行检测区分, 建立分类判别模型, 寻找出最适合这类物质的方法。 在对太赫兹原始吸收系数数据进行S-G平滑处理, 归一化预处理之后, 随机选取四分之三预处理好的数据划分为训练集, 其余为预测集, 导入分类判别模型。 模型包括分类器和最优参数选取两部分, 分类器选取支持向量机, 随机森林和极限学习机等有监督的分类方法, 使用遗传算法、 粒子群算法和网格搜索等智能优化算法选取支持向量机最优参数。 为了减少原始光谱数据维数并提高模型的运算速度, 使用主成分分析进行预处理, 将降维之后的结果导入分类模型。 综合考虑其准确率和运行时间等因素, 虽然基于粒子群算法的支持向量机具有最高的准确率98.3%, 但是运行时间较长为180 s; 使用极限学习机能够有着最短的运行时间0.2 s, 但是准确率为73.3%。 基于网格搜索的支持向量机准确率为95%, 运行时间为11 s, 能够在准确率较高的情况下使用较短的时间, 证明基于网格搜索的支持向量机对生物活性肽太赫兹吸收光谱具有快速, 准确的分类结果。 研究结果表明, 利用太赫兹时域光谱技术结合机器学习算法能够实现快速、 无损检测生物活性肽, 为生物活性肽的检测提供了一种新思路, 同时也为THz-TDS结合机器学习对吸收峰不明显的多肽之间的鉴别提供参考。

采用频率为0.1 THz、功率密度为2.65 mW/cm 2的太赫兹光源分别辐射SD大鼠海马神经元5,15,25 min,通过神经元膜电位的变化,研究了太赫兹辐射对海马神经元兴奋性的影响,结果发现,15 min和25 min的太赫兹辐射会显著诱发海马神经元去极化,从而提高其兴奋性。为了探究太赫兹辐射提高神经元兴奋性的原因,检测了神经元内Ca 2+、Na +和K +浓度的变化,结果表明,此辐射使海马神经元内Ca 2+、Na +浓度增加,K +浓度减小。研究证实了太赫兹辐射(0.1 THz,2.65 mW/cm 2)通过调节海马神经元内带电离子的浓度促使其兴奋,为太赫兹辐射技术在生物医学领域应用的发展奠定了前期实验基础。

太赫兹生物医学是当前光谱研究领域的前沿热点, 其主要难点在于如何在有效避免水分干扰的同时, 实现复杂生物体系组分的精准分析。 太赫兹光谱产生于分子振动的信息, 其吸收谱较弱, 吸收峰严重重叠, 且多组分复杂样品的太赫兹光谱往往不是各组分光谱的简单叠加, 难以用传统的峰高、 峰面积标定技术进行定量计算。 但采用多元校正技术可以方便地实现太赫兹光谱的定量分析, 使太赫兹光谱成为一种快速、 简便且适用范围广泛的分析技术。 以KCl和NaCl的无机盐混合体系为典型研究体系, 两种组分的浓度范围均为0.1～2 mol·L-1, 浓度间隔为0.1 mol·L-1。 获取20组浓度配比不同的混合溶液的吸收系数和折射率, 巧妙利用水溶液体系中无机金属离子的水合氢键作用, 由此采集无机盐溶液体系的太赫兹时域光谱, 提取各组分的特征信息, 建立多尺度数据驱动的定量分析模型, 有望实现水溶液中无机金属离子的定量分析。 针对太赫兹光谱数据规模大、 基质干扰强及数据关联复杂等特点, 构建复杂二维小波变换、 多变量筛选、 贝叶斯数据挖掘、 深度学习和数据关联性分析技术为一体的算法数据库, 由此构建基于多尺度数据驱动的太赫兹光谱解析方法。 论文依据正交实验的原则, 构建具备良好数据结构特征的混合溶液数据集, 引导后续的光谱解析方法准确提取无机金属离子水合氢键信息。 在此基础上, 发展自适应算法, 寻找光谱数据变量与浓度间的关系, 并采用变量筛选技术, 从原始光谱数据中提取无机盐水合氢键的特征信息, 最终构建浓度与特征信息之间的数据驱动模型。 计算结果表明, KCl和NaCl组分的预测误差分别为8.0%和9.1%, 能有效满足大部分应用的检测精度要求。 多尺度数据驱动模型方法充分利用太赫兹光谱信号的时域和频域多尺度特性, 实现数据预处理与多元校正的一体化运算以避免重要信息丢失, 具备高度自适应特征。 因此, 基于数据驱动建模的太赫兹光谱分析新方法为太赫兹生物医学研究提供了新思路。

原发性开角型青光眼是常见的致盲性眼部疾病。 眼压升高是原发性开角型青光眼发生和发展最主要的危险因素, 是由小梁网途径的房水外流排出系统发生病变、 房水流出阻力增加所致。 研究表明, 房水中存在的转化生长因子-β能够使小梁细胞纤维化, 诱导小梁细胞过度增殖, 从而阻碍房水外流, 导致原发性开角型青光眼的发生。 原发性开角型青光眼发病隐蔽, 病程进展缓慢, 早期没有任何症状, 往往到晚期视力视野有显著损害时, 才会被发现, 因此原发性开角型青光眼的早期诊断尤为重要。 同步辐射红外显微成像结合高亮度、 高分辨率的同步辐射源, 同时配备傅里叶变换红外光谱仪与红外显微镜, 可以实现细胞的检测。 这对从分子层面获取细胞的变化信息, 深入理解疾病的发病机制以及疾病的早期诊断具有非常重要的意义。 虽然有很多红外光谱在生物医学领域的研究报道, 但是应用红外光谱显微成像技术研究细胞等生物医学体系仍然是亟待发展的领域, 并且目前未找到关于红外光谱用于小梁网细胞的检测报道。 在体外用转化生长因子-β对老鼠小梁网细胞进行诱导, 使其转化为肌成纤维细胞, 模拟小梁细胞纤维化过程。 对小梁网细胞以及经转化生长因子-β诱导形成的肌成纤维细胞进行同步辐射红外显微成像及光谱分析, 并进一步探讨同步辐射用于早期诊断原发性开角型青光眼的可行性。 研究表明肌成纤维细胞内的弹性蛋白明显高于小梁网细胞, 而弹性蛋白中95%为非极性氨基酸, 即氨基酸的侧链基团R基只有C和H两种元素。 对比两种细胞的红外谱图, 发现在2 934, 2 900和2 845 cm-1, 肌成纤维细胞的 CH3, CH2和CH的伸缩振动明显强于小梁网细胞, 推测可能是由于转化生长因子-β诱导后细胞内弹性蛋白增加所致。 在细胞层面检测了小梁网细胞的过度增殖, 为将来可以直接获取细胞的红外光谱从而检测小梁网细胞的增殖程度, 进而检测原发性开角型青光眼等疾病奠定了基础。 得出同步辐射红外谱学与显微成像有望成为检测原发性开角型青光眼新手段的结论, 也为将来便携式红外显微光谱仪临床实时检测青光眼等疾病提供了依据。