随着新精神活性物质在全世界范围内的蔓延, 在查缉现场对疑似新精神活性物质样品进行快速定性分析是一线缉毒工作人员的迫切需求。 卡西酮类物质属于卡西酮的衍生物, 是新精神活性物质中的第二大类别。 采用便携式拉曼光谱仪分析了70种卡西酮类化合物的拉曼光谱图, 系统总结了卡西酮类物质的拉曼光谱特征, 这些特征将有助于对未知卡西酮类物质的识别。 所有卡西酮类化合物在(1 597±19)和(1 676±16) cm-1处均存在由于苯环CC键和CO键伸缩振动产生的高强度拉曼峰, 该特征可用于卡西酮类物质的识别。 苯环上单取代和1,3-二取代卡西酮类化合物在992~1 000 cm-1处存在由苯环上C—H面内变形振动引起的最强拉曼峰。 3,4-亚甲二氧基取代卡西酮类化合物在(712±9)、 (809±5)、 (1 250±16)、 (1 355±9)、 (1 444±12)、 (1 597±19)和(1 676±16) cm-1有高强度拉曼峰, 且(1 597±19) cm-1位置的峰为肩峰。 通过对70种卡西酮类化合物的拉曼光谱逐一相互比对, 考察了拉曼光谱对于各种位置异构体和结构类似物的区分度。 结果表明, 拉曼光谱对绝大多数卡西酮类物质具有较高的区分度, 特别是对苯环上甲基、 卤素、 甲氧基不同位置取代的位置异构体区分显著, 这也是拉曼光谱对比于气质联用法和液质联用法的显著优势。 拉曼光谱对于部分烷基取代基不同的结构类似物区分度较弱, 但通过特征峰也能实现区分。 采用拉曼光谱法对实际案件缴获样品进行了分析, 除部分样品存在荧光干扰无法识别外, 其他样品的拉曼分析结果与气质联用法分析结果高度一致, 证明了方法的可靠性和适用性。 便携式拉曼光谱仪具有操作简单、 测样速度快、 可进行非接触式测样等优点, 可用于新精神活性物质现场快速筛查分析。

智能手机构成的生物医学成像系统的应用范围不断拓展，通过设计光学附件适配器，可以扩展系统的成像功能，从而进行医疗临床辅助诊断。智能手机成像系统已在皮肤科、眼科、口腔科及耳鼻喉科、妇科等有广泛应用，并取得良好效果。综述当前基于智能手机的医疗设备成像系统在临床辅助诊断领域的应用情况，分析其成像技术原理和特点，依据在不同科室的应用分析并总结了成像系统的特点，并对其未来发展趋势进行展望，旨在为后续研究和开发基于智能手机的医疗成像系统提供参考。

目前，口腔黏膜病的筛查和诊断主要依靠临床医生的目视观察和触诊，组织病理学仍然是口腔癌诊断的金标准。目视观察、触诊和组织病理学方法都存在不同的局限性。近年来，随着影像学技术的不断发展，X射线计算层析、核磁共振、超声、荧光、光声、光学相干层析等技术逐渐被应用于口腔黏膜病的成像研究。不同影像学技术的成像原理、成像能力及性能各不相同，在口腔癌的筛查与诊断中可以发挥不同的优势，具有极大的临床应用潜力。本文主要总结了现有影像学技术在辅助口腔癌筛查和诊断中的研究进展，分析了它们的临床适用性，并预测了口腔癌筛查与诊断影像学技术未来的发展趋势。

介绍了发热筛查热成像系统的发展历程和系统构成及热像仪测温的基本原理，指出热像仪的内辐射对测温准确性具有明显影响，分析了发热筛查热成像系统用黑体参考源消除内辐射影响的工作原理。介绍了发热筛查热成像系统的测温准确性评价模型及其主要参数的要求，逐项分析了这些参数与热像仪噪声、黑体参考源及使用环境等因素的关系，发现热像仪的时间低频噪声和空间低频噪声是影响测温准确性的关键因素，指出黑体参考源可以消除时间低频噪声的影响，基于外挡片的两点校正法可以消除空间低频噪声的影响，从而使发热筛查热成像系统满足人体测温准确性要求。

乳腺癌是全球女性发病率和死亡率最高的癌症。采用红外热成像技术能发现早期乳腺癌，并降低死亡率。借鉴了国内外的相关研究成果，采用冷环境及热电激发双重诱导下的红外热成像方法来解决小尺寸癌变组织和乳腺深部癌变组织的红外热成像应用效果差的问题。红外热成像的对比度显著增加了，且通电模式下的温度对比度提高了26.5%。研究表明，热对比度主要受癌变组织大小、深度和温度的影响，同时还受环境温度和换热系数的影响。通过同时控制环境和热源温度的措施提高了热对比度，预期乳腺癌的早期筛查效果可提高50%以上。

\确定出生缺陷高危致病基因类型, 推进遗传性疾病早期筛查和生育指导, 对于先天性听力损失等出生缺陷的一级预防具有重要意义。本文采用通用数据挖掘工具, 应用其决策树算法分析了近千例 GJB2基因突变检测的临床数据, 建立了听力出生缺陷的致病基因辅助筛查模型。通过研究模型树的结构和样本分类结果, 发现模型树中有 5组分支获得了纯净的听力损失阳性样本。此外, 每个分支构成的基因位点的状态集合与临床研究证实的致病基因突变状态相一致。该决策树方法建立的筛查模型可以协助医生从临床大数据中快速筛选出致病基因的类型。

白光阴道镜图像对比度较低, 不利于医生鉴别不同病变程度组织, 也不利于自动化宫颈癌筛查。 利用癌变组织富含血红蛋白成分及血红蛋白具有特征波段这一特性, 与传统高光谱空间扫描成像及分时获取不同波段多光谱成像方法相反, 利用快照式多光谱窄带成像来加速光谱图像获取过程, 提升不同病变程度组织之间灰度对比度同时, 降低后续图像分析处理算法难度, 实现对宫颈组织病变类型高帧率自动化分类。 首先, 使用微型快照式窄带多光谱摄像方法, 在血红蛋白的两个强吸收峰(415±10)和(525±10) nm、 一个反射带(620±10) nm和一个背景波段(450±10) nm共四个波段对宫颈组织进行快照式零时差获取四幅窄带光谱图像。 而后, 对所获取的光谱图像进行简单代数加减, 以生成突显病变组织的融合图像, 提高不同病变程度组织之间的对比度。 最后, 使用欧式距离分类算法, 对光谱融合图像中不同病变级别进行分类, 建立计算机辅助宫颈癌筛查方法。 创新点在于实现了高帧率计算机辅助光学病理诊断方法。 分别采用临床常规白光阴道镜及微型快照式窄带多光谱摄像对宫颈癌手术切下的新鲜组织进行彩色图像及光谱融合图像的高帧率采集, 并使用同一个欧式距离分类算法对两种图像进行自动分类, 分类结果都以组织病理诊断作为标准来计算正确率。 通过对比两种分类结果正确率来检验光谱融合图像相对于彩色图像是否提升对比度, 及其是否可以实现与组织病理诊断（金标准）结果一致的诊断。 欧式距离分类算法对光谱融合图像分类准确率接近100%, 远高于对白光阴道镜图像约50%的准确率。 多位临床医生对基于微型快照式多光谱摄像头光谱融合图像的计算机自动分类结果表示接受。 微型快照式窄带多光谱成像方法能有效提升光谱融合图像获取帧率及不同病变程度组织之间灰度对比度, 能有效快速地将宫颈组织划分为与组织病理诊断结果一致的病变类型。 由于诊断客观、 无创伤、 结果立等可得, 该方法将有助于实现落后地区宫颈癌筛查的普及以及图像导航下的宫颈癌精准治疗手术。

小麦不仅是我国主要的粮食品种, 也是一种重要的饲料和工业原料。 小麦易受赤霉病感染从而产生呕吐毒素, 学名脱氧雪腐镰刀菌烯醇(DON), 具有一定致癌性, 对人畜健康构成严重威胁。 尤其近年来极端异常气候频发, 小麦DON污染风险呈不断上升趋势, 已成为影响其产品质量安全的主要因素。 然而, 传统DON检测方法过程繁琐、 耗时费力, 因此发展一种快速、 低成本且适用于在线的检测方法对小麦安全生产及加工具有重要意义。 首先从江苏各地收集不同赤霉病感染程度的小麦样品200份, 磨粉后利用超高效液相色谱-串联质谱联用法(UPLC-MS/MS)测定小麦中DON含量, 再利用光谱仪在线采集小麦的可见/近红外光谱。 数据处理步骤为: 采用多元散射校正以及二阶导数对光谱进行预处理, 同时根据竞争性自适应权重取样算法提取特征波长, 最后利用线性判别分析(LDA)与偏最小二乘判别分析法(PLS-DA)建立小麦粉样品的定性分析模型(以国家标准1 000 μg·kg-1为界限), 根据偏最小二乘回归(PLSR)建立小麦粉样品DON含量定量分析模型。 UPLC-MS/MS结果表明小麦DON污染风险较高, 所测样品超标率约为50%。 可见/近红外光谱分析表明不同DON含量小麦样品光谱特征具有一定的差异, 原始光谱和二阶导数谱图可看出1 420 nm处DON含量越高, 吸光度越低。 由于DON绝对含量低而光谱仪的检测限有限, 通过主成分分析未能发现明显的聚类趋势, 但根据全光谱以及特征光谱所构建的LDA与PLS-DA判别模型均能够对超标和未超标样品进行快速识别与筛查, 最佳识别率达87.69%。 从定量分析结果来看, 所构建的小麦样品DON含量的PLSR模型结果不太理想, 最优模型结果: 预测集相关系数(rp)为0.688, 均方根误差(RMSEP)为727 μg·kg-1, 相对分析偏差(RPD)值为1.38, 模型精度和稳健性有待进一步提升。 利用可见/近红外光谱和化学计量学方法, 实现小麦DON含量超标与否的在线判别与筛查, 为我国小麦产品质量安全快速检测提供了技术参考。 但对DON含量的定量分析还需要进一步研究, 探究外部因素对模型的影响, 并拟扩大样品量, 收集不同地区、 不同品种的小麦样品, 提高模型的精度及普适性。

为了辅助无人值守式眼底筛查设备在不同光照环境下自动进行眼底成像, 搭建了瞳孔中心点自动定位与对准装置, 并提出了一种基于圆近似模型的算法来实现瞳孔中心点的自动定位。首先, 使用二值化、轮廓提取与填充等方法对图像进行了预处理, 以消除噪声和光斑对后续处理的影响; 接着, 使用本文提出的新型的圆近似算法来实现瞳孔中心点的精准定位; 最后, 根据定位的瞳孔中心点位置, 来控制步进电机移动平移台, 从而实现图像采集视场中心和瞳孔中心的对准。为验证有效性, 将文中算法、传统Hough圆算法及改进的Hough圆算法在定位精度、平均定位时间上进行了比较。本文算法的定位精度为93.33%, 平均定位时间为95.67 ms, 比传统Hough圆检测定位精度提高了约3.5倍, 定位时间减少了约68.86%, 比改进的Hough圆算法检测定位精度提高了约2倍, 定位时间减少了约63.11%。实验结果表明, 该系统在光照参量无法严格控制的拍摄环境下, 对瞳孔自动定位与对准的准确度和计算效率均有显著地提升。基本满足无人值守式眼底筛查设备的实时性、精确性、鲁棒性要求, 有助于无人值守式眼底筛查设备的推广。

针对宫颈细胞病理图像自动筛查问题，本文提出一种基于人工智能技术的计算机辅助诊断方法。该方法通过对宫颈细胞病理图像采用自适应双阈值法进行初步检测，再采用改进Chan-Vase模型进行精确分割，提取出细胞（粘连簇团）中的不同区域。然后，结合病理诊断专家规则，构建相应的正交特征集。在此基础上，使用神经网络集成模型进行正常、疑似病变二分类识别，完成计算机辅助诊断。实验表明，本文方法能够有效完成宫颈病理细胞（粘连簇团）的分类识别，具有较高的正确率（84%）与较低的误判率（2.1%）。满足了在保证判断正确率的条件下，尽量降低将疑似病变样本误判为正常样本的实际病理诊断要求。