多位置散射光谱法对皮肤组织内部信息的初步研究

摘要

研究目的:
　　为了消除皮肤浅表组织的干扰，实现光谱分析方法对皮肤组织内部信息的高精度测量和分析，本研究设计并搭建了多位置散射光谱采集装置，并对光谱测量数据进行了结合“M+N”理论的BP神经网络分析。通过仿体模型实验和动物组织离体实验验证多位置散射光谱法对组织内部成分进行分析的可行性。
　　研究方法:
　　1.根据光在组织中所走路径的“香蕉模型”理论，运用单片机、LabVIEW软件等对原有光谱采集系统的硬件和软件系统进行改进和优化，采集系统包括调制光源系统、光纤、水平微位移平台、光谱仪、PC机等组成部分，用于实现硬件系统的自动控制。
　　2.构造牛奶—半透膜仿体模型，对其进行多位置散射光谱数据采集，并运用BP神经网络结合“M+N”理论对大量数据进行建模分析，并对底层牛奶溶液的浓度进行预测。
　　3.设计动物组织离体实验，给猪肉皮下脂肪层注入不同毫升数的水分，通过对猪肉表皮进行多位置散射光谱数据采集，运用BP神经网络结合“M+N”理论对光谱数据进行建模分析，预测猪肉皮下脂肪层中水分含量。
　　研究结果:
　　1.实现了多位置散射光谱采集系统的自动控制，系统稳定性良好。调制光源系统减小了环境光和仪器暗电流等噪声对测量过程产生的影响，提高了测量精度。
　　2.牛奶—半透膜双层仿体实验中，对光谱数据分别进行单点位置建模和多点位置建模对比，普通BP神经网络建模和结合“M+N”理论的BP神经网络建模的对比，得出采用BP神经网络结合“M+N”理论对多位置散射光谱数据进行分析时，下层牛奶溶液浓度的预测精度最高的结果。
　　3.动物组织离体实验中，多位置散射光谱数据建模比单点位置建模的分析精度高，采用BP神经网络结合“M+N”理论对多位置散射光谱数据进行建模，实现了猪肉注水含量的有效预测。
　　研究结论:
　　1.通过仿体组织实验和动物组织离体实验，验证了多位置散射光谱法可涵盖更多的组织内部信息，有效提高测量精度。
　　2.验证了“M+N”理论结合BP神经网络建模方法比普通BP神经网络具有更高的分析精度。

目录

声明

摘要

前言

1 研究背景

2 研究目的

3 研究内容

一、多位置散射光谱采集系统设计

1．1 微位移平台设计

1．1．1 微位移平台机械结构简介

1．1．2 单片机最小系统

1．1．3 步进电机模块

1．1．4 串口模块

1．2 调制光源设计

1．2．1 斩光调制的原理

1．2．2 调制光源系统组成部分

1．2．3 调制光源控制系统设计

1．3 上位机采集系统设计

1．3．1 虚拟仪器与LabVIEW

1．3．2 整体程序设计

二、光谱数据分析方法研究

2．1 数据预处理

2．1．1 调制法去噪

2．1．2 主成分分析

2．2 BP神经网络

2．2．1 BP神经网络简介

2．2．2 BP神经网络训练过程

2．2．3 BP神经网络的特点

2．3 光谱分析中“M+N”理论的应用

三、多位置散射光谱法的牛奶—半透膜仿体实验

3．1 牛奶—半透膜仿体模型的构造

3．1．1 实验材料

3．1．2 制备方法

3．2 实验过程

3．2．1 实验设备与仪器

3．2．2 多位置散射光谱采集

3．3 数据分析

3．3．1 数据预处理

3．3．2 基于“M+N”理论的数据分配

3．3．3 网络训练

3．4 实验结果

3．4．1 上层半透膜厚度分类的实验结果

3．4．2 下层牛奶溶液浓度预测的实验结果

四、多位置散射光谱法的离体动物组织实验

4．1 对象与方法

4．1．1 实验对象

4．1．2 实验系统

4．1．3 实验方法

4．2 数据分析

4．2．1 调制光源去噪

4．2．2 主成分分析

4．2．3 基于“M+N”理论的数据分配

4．2．4 网络训练

4．3 实验结果

4．3．1 猪肉注水含量光谱

4．3．2 猪肉注水量预测的实验结果

结论与讨论

结论

讨论

参考文献

发表论文和参加科研情况说明

综述 皮肤组织光谱分析无创检测研究的现状与展望

致谢