一種非接觸式基于超連續衰蕩光譜的全血分類系統及方法
【專利摘要】本發明公開了一種非接觸式基于超連續衰蕩光譜的全血分類系統及方法。該方法采用超連續譜光纖激光器作為超連續譜光源，照射放置在衰蕩樣品腔中的全血試管，對整個超連續譜段取均勻間隔分布的M個波長，然后對該全血試管進行超連續譜的衰蕩時間分辨光譜信號進行檢測與分析，得到該全血樣品整個譜段M個波長對應的衰蕩時間t1,t2,t3,……,tM作為細胞分類特征。采用BP神經網絡分類器，進行不同種類動物血細胞的判別。本發明的有益效果是，光源強度高相干性好；針對M個波長的M個光電探測器，進行衰蕩時間的同步檢測，提高了整個譜段衰蕩時間檢測的實時性；超連續譜與衰蕩光譜的結合方法提高了全血鑒別的靈敏度，可在非接觸情況下改進全血分類的效果。
【專利說明】一種非接觸式基于超連續衰蕩光譜的全血分類系統及方法

【技術領域】
[0001]本發明涉及一種全血分類技術，尤其涉及一種非接觸式基于超連續衰蕩光譜(ring-down spectroscopy)的全血分類系統及方法。

【背景技術】
[0002]在進出口檢測檢疫部門，血液制品的檢驗與分類是件重要且復雜的事情。因為對于血液這種特殊樣品，開放式的采集可能被操作所污染，且血樣中可能攜帶的致病因子可能會對檢測人員造成危害。因此，非接觸式的能判斷是何種動物血液的全血分類檢測方法和儀器是急需解決的事情。
[0003]流式細胞術在血細胞分類識別中是種常見方法，但因需要探針取樣，所以不滿足非接觸式的要求，需要開發新的方法和技術。吸收光譜技術是非接觸式全血分類鑒別的可行方法之一，其通常采用氙燈或鹵鎢燈作為連續譜源，但試管中的全血樣厚度很大，普通光源穿透血樣的衰減非常大，導致信號微弱，很難探測。
[0004]針對該問題,本發明提出一種基于超連續衰蕩光譜(ring-down spectroscopy)的非接觸式全血神經網絡分類方法。該方法采用超連續譜光纖激光器作為超連續譜光源，照射放置在衰蕩樣品腔中的全血試管，對整個超連續譜段取均勻間隔分布的M個波長，然后對該全血試管進行超連續譜的衰蕩時間分辨光譜信號進行檢測與分析，得到該全血樣品整個譜段M個波長對應的衰蕩時間tp t2, t3,......，tM作為細胞分類特征。采用后向傳播(back
propagat1n,簡稱BP)神經網絡分類器，進行不同種類動物血細胞的判別。
[0005]本發明的有益效果是，采用了超連續譜激光光源，比常規光源氙燈或鹵鎢燈強度高相干性好；分光后采用針對M個波長的M個光電探測器，進行衰蕩時間的同步檢測，提高了整個譜段衰蕩時間檢測的實時性；相對常規吸收光譜測試，超連續譜衰蕩光譜方法結合光譜及時域檢測，提高了全血鑒別的靈敏度，可在非接觸情況下改進全血分類的效果。


【發明內容】

[0006]本發明的目的在于提供一一種非接觸式基于超連續衰蕩光譜的全血分類系統及方法，克服傳統流式細胞術接觸采樣的弊端，滿足檢測檢疫部門特殊場合的需求。
[0007]本發明的技術方案是這樣來實現的，非接觸式基于超連續衰蕩光譜的全血神經網絡分類方法所采用的硬件系統主要由超連續譜激光器、衰蕩樣品腔、分光系統、電路系統及計算機構成。其中衰蕩樣品腔主要由具有高反射鏡面的左腔鏡和右腔鏡，以及固定器、采集光纖固定器及試管支架組成。分光系統主要由光纖接頭、入射狹縫、光柵、準直鏡、聚焦鏡、一維狹縫陣列及一維探測器陣列組成。電路系統主要包括探測器陣列供電電路、探測器陣列信號轉換放大采集電路及USB接口。
[0008]分類方法是這樣來實現的，超連續譜激光器發出的脈沖激光經過通過輸出尾纖輸出，輸出尾纖固定在固定器，采集光纖固定在采集光纖固定器上，并通過光纖接頭與分光系統聯接。測試時，全血試管固定安放在試管支架上。脈沖激光穿過左腔鏡、全血樣品后，透射光譜分布與全血樣品的光學性質有關，此外由于吸收其強度減少，部分激光穿過右腔鏡、通過采集光纖進入隨后的分光系統進行光譜采集與分析，部分激光經右腔鏡的高反射率鏡面反射再次穿過全血樣品，光強進一步減小，光束再經左腔鏡的高反射率鏡面反射再次穿過全血樣品，從而在衰蕩腔內來回振蕩，每次振蕩都有部分激光穿過右腔鏡、通過采集光纖進入隨后的分光系統進行光譜采集與分析。
[0009]進入分光系統的激光依次經過入射狹縫，被準直鏡反射，然后經光柵衍射，再經聚焦鏡聚焦。在聚焦的一級衍射光譜位置處放置一維狹縫陣列，一維狹縫陣列覆蓋整個一級衍射光譜寬度，由M條等間距等寬度的狹縫組成，用以從整個光譜段選取M個波長進行探測。M條狹縫出口排列一維探測器陣列，它由M個快速響應分立探測器元件組成，用以探測M個波長的光強隨時間的變化。探測器陣列供電電路用來對一維探測器陣列進行供電，一維探測器陣列的信號經過探測器陣列信號轉換放大采集電路進行同步放大、采集及模數轉換，轉換后的信號經過USB接口傳送到計算機USB接口，被計算機中的主程序接收并進行分析。
[0010]超連續譜整個譜段M個波長的信號的強度隨振蕩次數的增加而逐漸減少，當采集到的信號強度為初始強度的Ι/e時對應的時間為衰蕩時間，通過主程序進行信號隨時間的分析，可計算全血樣品整個譜段對應M個波長的衰蕩時間^ t2, t3,……，tM，把這些數據進行存儲以供細胞鑒別。
[0011]本發明采用BP(back propagat1n,后向傳播)神經網絡算法進行動物全血分類鑒別。設需要分類的動物種類數目為N，采用三層BP神經網絡，由輸入層、隱含層及輸出層組成。輸入層由M個神經元組成；隱含層由P個神經元組成；輸出層由N個神經元組成，把N種動物進行排序S1, S2, S3,……，Sn, 一種動物對應輸出層中的一個神經元。采集N種動物的大量全血樣品進行BP神經網絡訓練，對每個已知種類的全血樣品進行訓練，最終確定連接權值和閥值。
[0012]進行未知全血樣品分類鑒別時，對其進行測試，把測得的^ t2, t3,……，tM作為輸入層的輸入向量[tp t2, t3,……，tM]，計算BP神經網絡的輸出，輸出層中輸出為I的神經元序號對應該全血樣品的類別。
[0013]本發明的有益效果是，采用了超連續譜激光光源，比常規光源氙燈或鹵鎢燈強度高相干性好；分光后采用針對M個波長的M個光電探測器，進行衰蕩時間的同步檢測，提高了整個譜段衰蕩時間檢測的實時性；相對常規吸收光譜測試，超連續譜衰蕩光譜方法結合光譜及時域檢測，提高了全血鑒別的靈敏度，可在非接觸情況下改進全血分類的效果。

【專利附圖】

【附圖說明】
[0014]圖1為本發明的原理圖，圖2為本發明采用的分類算法示意圖，圖中:1——超連續譜激光器；2-輸出尾纖；3-固定器；4-衰蕩樣品腔；5-左腔鏡；6-試管支架；7 全血試管；8 全血樣品；9 右腔鏡；10 米集光纖固定器；11 米集光纖；12——光纖接頭；13——分光系統；14——入射狹縫；15——光柵；16——準直鏡；17——聚焦鏡；18——一維狹縫陣列；19——一維探測器陣列；20——探測器陣列供電電路；21——探測器陣列信號轉換放大采集電路；22——電路系統；23——USB接口 ；24——計算機USB接口 ；25——計算機；26——輸入層；27——隱含層；28——輸出層；26——神經元。

【具體實施方式】
[0015]非接觸式基于超連續衰蕩光譜的全血神經網絡分類方法所采用的硬件系統結構如圖1所示，硬件系統主要由超連續譜激光器1、衰蕩樣品腔4、分光系統13、電路系統22及計算機25構成。其中衰蕩樣品腔4主要由具有高反射鏡面的左腔鏡5和右腔鏡9，以及固定器3、米集光纖固定器10及試管支架6組成。分光系統13主要由光纖接頭12、入射狹縫14、光柵15、準直鏡16、聚焦鏡17、一維狹縫陣列18及一維探測器陣列19組成。電路系統22主要包括探測器陣列供電電路20、探測器陣列信號轉換放大采集電路21及USB接口23。
[0016]在下述具體實施例中
[0017]超連續譜激光器I光譜范圍400nm-2400nm，功率2.4W，超連續譜激光脈沖脈寬5ps。其發出的脈沖激光通過輸出尾纖2輸出，輸出尾纖2固定在固定器3，采集光纖11固定在采集光纖固定器10上，并通過光纖接頭12與分光系統13聯接。測試時，全血試管7固定安放在試管支架6上。脈沖激光穿過左腔鏡5、全血樣品8后，透射光譜分布與全血樣品8的光學性質有關，此外由于吸收其強度減少，部分激光穿過右腔鏡9、通過采集光纖11進入隨后的分光系統13進行光譜采集與分析，部分激光經右腔鏡9的高反射率鏡面反射再次穿過全血樣品8，光強進一步減小，光束再經左腔鏡5的高反射率鏡面反射再次穿過全血樣品8，從而在衰蕩腔內來回振蕩，每次振蕩都有部分激光穿過右腔鏡9、通過采集光纖11進入隨后的分光系統13進行光譜采集與分析。
[0018]進入分光系統13的激光依次經過入射狹縫14，被準直鏡16反射，然后經光柵15衍射，再經聚焦鏡17聚焦。在聚焦的一級衍射光譜位置處放置一維狹縫陣列18，一維狹縫陣列覆蓋整個一級衍射光譜寬度，由M條等間距等寬度的狹縫組成，用以從整個光譜段選取M個波長進行探測。M條狹縫出口排列一維探測器陣列19，它由M個快速響應分立探測器元件組成，用以探測M個波長的光強隨時間的變化。探測器陣列供電電路20用來對一維探測器陣列19進行供電，一維探測器陣列19的信號經過探測器陣列信號轉換放大采集電路21進行同步放大、采集及模數轉換，轉換后的信號經過USB接口 23傳送到計算機USB接口 24，被計算機25中的主程序接收并進行分析。
[0019]超連續譜整個譜段M個波長的信號的強度隨振蕩次數的增加而逐漸減少，當采集到的信號強度為初始強度的Ι/e時對應的時間為衰蕩時間，通過主程序進行信號隨時間的分析，可計算全血樣品8整個譜段對應M個波長的衰蕩時間^ t2, t3,……，tM，把這些數據進行存儲以供細胞鑒別。
[0020]本發明采用BP (back propagat1n,后向傳播)神經網絡算法(如圖2所示)進行動物全血分類鑒別。設需要分類的動物種類數目為N，采用三層BP神經網絡，由輸入層26、隱含層27及輸出層28組成。輸入層26由M個神經元29組成；隱含層27由P個神經元29
組成；輸出層28由N個神經元組成，把N種動物進行排序S1, S2, S3,......，Sn, 一種動物對應輸出層中的一個神經兀。
[0021 ] 采集N種動物的大量全血樣品進行BP神經網絡訓練，對每個已知種類的全血樣品進行下列訓練步驟:
[0022]1.確定該動物在輸出層的序號，即S的序號，則該序號的輸出層神經元輸出為I，其它輸出層神經兀輸出為O,確定期望輸出向量。例:動物排序為3,則期望輸出向量為[O, O, I, O, 0..., O]。
[0023]2.進行全血樣品測試，將測得的ti，t2，t3，……，tM作為輸入層26的輸入向量
[t” 七2，七3，......，tM]。
[0024]3.指定一個很小的誤差E，隨機給定各神經元間的連接權值及各神經元的閥值。
[0025]4.計算隱含層、輸出層各神經元的輸出。求出輸出向量與期望輸出向量的誤差，如果誤差大于E，則將誤差反向傳遞用以修正各神經元間的連接權值及各神經元的閥值。
[0026]5.以修正后的連接權值和閥值，再重復第4步，直至誤差小于E結束。
[0027]對大量初始已知種類的全血樣品進行BP神經網絡訓練，最終確定連接權值和閥值。
[0028]進行未知全血樣品分類鑒別時，對其進行測試，把測得的^ t2, t3,……，tM作為輸入層26的輸入向量Lt1, t2, t3,……，tM]，計算BP神經網絡的輸出，輸出層中輸出為I的神經元序號對應該全血樣品的類別。
【權利要求】
1.一種非接觸式基于超連續衰蕩光譜的全血分類系統，它包括超連續譜激光器(I)、衰蕩樣品腔(4)、分光系統(13)、電路系統(22)及計算機(25)其特征在于: 所述的衰蕩樣品腔(4)包括具有高反射鏡面的左腔鏡(5)和右腔鏡(9)，以及固定器(3)、米集光纖固定器(10)及試管支架(6)； 所述的分光系統(13)包括光纖接頭(12)、入射狹縫(14)、光柵(15)、準直鏡(16)、聚焦鏡(17)、一維狹縫陣列(18)及一維探測器陣列(19)； 所述的電路系統(22)包括探測器陣列供電電路(20)、探測器陣列信號轉換放大采集電路(21)及 USB 接口 (23)； 超連續譜激光器(I)發出的脈沖激光通過輸出尾纖(2)輸出，輸出尾纖(2)固定在固定器(3)，采集光纖(11)固定在采集光纖固定器(10)上，并通過光纖接頭(12)與分光系統(13)聯接；測試時，全血試管(7)固定安放在試管支架(6)上，脈沖激光穿過左腔鏡(5)、全血樣品(8)后，透射光譜分布與全血樣品(8)的光學性質有關，此外由于吸收其強度減少，部分激光穿過右腔鏡(9)、通過采集光纖(11)進入隨后的分光系統(13)進行光譜采集與分析，部分激光經右腔鏡(9)的高反射率鏡面反射再次穿過全血樣品(8)，光強進一步減小，光束再經左腔鏡(5)的高反射率鏡面反射再次穿過全血樣品(8)，從而在衰蕩腔內來回振蕩，每次振蕩都有部分激光穿過右腔鏡(9)、通過采集光纖(11)進入隨后的分光系統(13)進行光譜采集與分析；進入分光系統(13)的激光依次經過入射狹縫(14)，被準直鏡(16)反射，然后經光柵(15)衍射，再經聚焦鏡(17)聚焦；在聚焦的一級衍射光譜位置處放置一維狹縫陣列(18)，一維狹縫陣列覆蓋整個一級衍射光譜寬度，由M條等間距等寬度的狹縫組成，用以從整個光譜段選取M個波長進行探測，M條狹縫出口排列一維探測器陣列(19)，它由M個快速響應分立探測器元件組成，用以探測M個波長的光強隨時間的變化；探測器陣列供電電路(20)用來對一維探測器陣列(19)進行供電，一維探測器陣列(19)的信號經過探測器陣列信號轉換放大采集電路(21)進行同步放大、采集及模數轉換，轉換后的信號經過USB接口(23)傳送到計算機USB接口(24)，被計算機(25)中的主程序接收并進行分析。
2.—種基于權利要求1所述的非接觸式基于超連續衰蕩光譜的全血分類系統的全血樣品的類別分析方法，其特征在于方法如下: 由一維探測器陣列(19)或取的超連續譜整個譜段M個波長的信號的強度隨振蕩次數的增加而逐漸減少，當采集到的信號強度為初始強度的Ι/e時對應的時間為衰蕩時間，通過主程序進行信號隨時間的分析，可計算全血樣品(8)整個譜段對應M個波長的衰蕩時間t1； t2, t3,……，tM，把這些數據進行存儲以供細胞鑒別； 采用BP神經網絡算法進行動物全血分類鑒別，設需要分類的動物種類數目為N，采用三層BP神經網絡，由輸入層(26)、隱含層(27)及輸出層(28)組成。輸入層(26)由M個神經元(29)組成；隱含層(27)由P個神經元(29)組成；輸出層(28)由N個神經元組成，把N種動物進行排序S1, S2, S3,……，SN，一種動物對應輸出層中的一個神經元； 采集N種動物的大量全血樣品進行BP神經網絡訓練，對每個已知種類的全血樣品進行訓練，最終確定連接權值和閥值，進行未知全血樣品分類鑒別時，對其進行測試，把測得的t1； t2, t3,……，tM作為輸入層的輸入向量[Lt2, t3,……，tM]，計算BP神經網絡的輸出，輸出層中輸出為I的神經元序號對應該全血樣品的類別。
【文檔編號】G01N21/25GK104330362SQ201410546826
【公開日】2015年2月4日 申請日期:2014年10月16日 優先權日:2014年10月16日
【發明者】萬雄, 王建, 劉鵬希, 章婷婷, 王建宇 申請人:中國科學院上海技術物理研究所