1、在本文(bnwn)中，光譜數據處理是指所有與comput-過程從所測量的“原始”光譜荷蘭國際集團的葡萄糖濃度(nngd)值。它涉及四個主要步驟：（i）將所述傳動裝置（或反射率）光譜成吸收譜，（）除去頻譜的錯誤包括基線噪聲和高頻電子(dinz)噪聲（稱為預處理步驟），（）顯影葡萄糖通過一個校準模型多元的技術，和（iv）從一組新的預計算葡萄糖濃度處理光譜。圖5-1給出了一般的光譜處理步驟包括校準和預測階段。5.1傳輸到吸收率轉換在已被證明在通道。 2，在臨床相關濃度范圍內，NIR葡萄糖吸收的信號成線性比例的濃度。因此，線性模型已被廣泛使用。常見的包括偏最小二乘法（PLS），主成分分析（PCA）和經

2、典最小二乘（CLS）。這樣的應用程序之前一個模型，然而，所檢測到的輻射應該被對數轉換 - 如所述通過公知的比爾 - 朗伯定律：預處理過程：其中a是吸收幅度作為波長A的函數，TCOMP是傳輸組件的光譜，Trej是參照樣品的透射光譜，一個是樣品吸收系數，c是濃度，f是輻射的路徑長度通過樣品。 TREF是一般成分的緩沖液的透射光譜解決方案。例如，在含水葡萄糖測量的情況下，傳輸水頻譜通常被用作溫度Tref。然而，對于葡萄糖的實際目的濃度的預測，用來生產Trej組件并不重要，因為什么問題是光譜變化AA級。事實上，在我們所有的實驗測量，Trej的簡直就是一個常數。然而，往往只使用緩沖區作為參照，我們才能夠

3、看到該組件定性特征。5.2。光譜預處理在本文完成的工作，涉及生物樣品大多數測量，基線噪聲已被發現是幅度比高頻噪聲較大的訂單，并迄今為止噪聲的更重要的類型來抑制。有幾種類型的基線噪聲去除技術。最常見的在光譜是多項式擬合，光譜分化和帶通濾波的字段或通常被稱為傅里葉濾波。以下部分提供了他們的簡要說明。然而，它首先確定基線噪聲的來源是重要的。5.2.1來源基線(jxin)噪音基線噪音通常與“漂移”或不需要的變化有時間關聯大小作為頻譜讀取時間周期的順序相同的尺度。這樣的漂移可能源于儀器（如在光源(gungyun)輸出和檢測器響應漂移功能），環境（例如在濕度和溫度）漂移，樣品本身（例如溫度和散射變化）。盡

4、管使用低噪聲和良好控制電子，該儀器漂移可能仍然是數量級高于由于生理(shngl)葡萄糖變化的信號的變化，僅僅是因為葡萄糖信號是非常小的。在所有本文工作進行的實驗調查，沒有控制環境和條件下的樣品使用。原型機的那些“露天”類型，而控制柜。液體樣品置于石英比色皿，而不使用溫度控制。因此，實驗和優良的成功復光譜的重復性表明，錯誤和漂移得到了有效通過預處理技術抑制，這表現不久。在非散射，水生物樣品，基線噪音的最大來源是大概樣品的溫度變化1，2，它是通過在改變支配水吸收光譜由于氫鍵的量的變化。在這里，我們表明，使用適當的前處理法中，溫度引起的光譜變型中，它主要是在基線噪聲的形式，可以有效地抑制。示于圖5-

5、2是蒸餾水在各種溫度的差光譜差異。例如，實線表示的吸水率差異譜78where a是吸收幅度作為波長A的函數，TCOMP是傳輸組件的光譜，Trej是參照樣品的透射光譜，一個是樣品吸收系數，c是濃度，f是輻射的路徑長度通過樣品。 TREF是一般成分的緩沖液的透射光譜解決方案。例如，在含水葡萄糖測量的情況下，傳輸水頻譜通常被用作溫度Tref。然而，對于葡萄糖的實際目的濃度的預測，用來生產Trej組件并不重要，因為什么問題是光譜變化AA級。事實上，在我們所有的實驗測量，Trej的簡直就是一個常數。然而，往往只使用緩沖區作為參照，我們才能夠看到該組件定性特征。5.2光譜預處理光譜這里預處理指的原始吸收處

6、理光譜的（A）的前一個多元算法的校準和預測中的應用。該此預處理步驟的主要目的是消除或抑制基線的影響噪聲通常被樣品，儀器，和/或環境的變化而引起的。通常情況下，它也被設計以除去檢測器及其電子器件的高頻噪聲。5.2。光譜預處理在27度和31度C（水，在27度的吸收光譜減去水在31度的吸收光譜）。頂部圖顯示了未加工的光譜，和底部圖顯示了處理前的光譜。預處理方法是一個一階譜的分化和二階多項式的組合適合作為我們將描述秒。 5.2.6。在頂部和底部的數字比較光譜，我們可以看到，在光譜的變化的幅度是由三個數量抑制的在下面的2315納米的窗口大小。圖5-2：在不同溫度(wnd)下重復用水譜差譜。上圖：生吸收光

7、譜。底部：使用(shyng)分化的組合過濾光譜和多項式擬合技術。實線：4度變更(bingng)，短虛線：6度雜物 - 化，長虛線：8度變更在經皮，在體內測量，基線噪聲的主要來源是組織散射 - ING。光譜變化是由于組織的散射特性已經討論了在CH。 2.它顯示在本文的工作，這樣的變化可以有效地移除通過適當的預處理技術的應用。使用相同的預加工技術，其所述一個用于抑制溫度的影響的（一個組合一階譜的分化和二階多項式FIT），有效的抑制實現，如將要證實在Ch 9。5.2.2多項式擬合在一個多項式擬合方法中，原始吸收光譜araw（A）的第一個安裝有一個多項式函數fpolv（A），它是等于其中CO，CI，.

8、是常數。該常數通過最小化殘差確定：其中n等于頻譜單元的總數。用戶確定的順序多項式，一般是通過(tnggu)的頻譜噪聲的一些(yxi)知識相(shxing)結合特性和試驗和錯誤。的“過濾”或處理前吸收光譜是然后之間的差原始吸收光譜和所述嵌合多項式：在本文的工作，所述多項式擬合光譜預處理方法已被發現非常有效地去除涉及非散射測量的基線噪聲樣品。例如，一個三階多項式擬合用在一個很好的結果用于實驗涉及合成生物學的解決方案，在ch6。5.2.3光譜分化顧名思義，該方法包括測量的原始吸收衍生物譜：其中n是分化的順序。例如，對于一個二階導數譜，n等于2，一種光譜衍生物方法往往比一個更強大的多項式擬合，因為它不

9、查明特定基準形狀。然而，頻譜衍生物的方法傾向于降低SNR通過增強高頻噪聲。因此，它們通常用于以“平滑”的方法，以補償SNR惡化5.2。光譜預處理在這項工作中使用的光譜系統，光譜分化已發現是非常有效。當樣品散射效應都存在，特別地，它是用最有效的方法。5.2.4傅里葉濾波光譜預處理的另一種常見的方法被稱為傅里葉濾波，這涉及傅立葉變換的原始頻譜數據，施加一定的過濾器功能（高斯，低通，高通等），并取逆傅立葉變換以獲得經過濾的譜。該過程示意性示于圖。 5-3。 光譜(gungp)預處理它沿著光譜從一端到另一移動(ydng)。該窗口可以取形式的各種( zhn)功能，例如矩形，高斯，或三角形的。這里的想法是

10、通過這代表了他們的“平均”值的單個數據替換幾個相鄰的數據點。因此，如果噪聲是隨機的，將得到的光譜會比原來的更平滑。其缺點是，該光譜分辨率會降低。降解增加該平均窗的寬度。本文的工作，這種平滑技術時使用的頻譜分化為了補償信噪比的減小固有分化進行方法。使用的窗口是矩形窗口平均四個數據點（矢量1,1,1,1）。5.2.6選擇預加工方法光譜預處理肯定是在近紅外光譜豐富而重要的課題。怎么樣-以往，似乎有沒有硬性規定，以確定要使用哪個預處理技術，和最好的方法是經常反復試驗，結合的一些物理知識噪音的特點。本文的工作，重復的光譜之間的差光譜（復制相同的樣品的光譜）經常被用來在預的選擇，以幫助使用的加工方法。一種

11、有效的方法會導致不同的光譜接近零。差譜的幅值通常與幅度相比生理性血糖譜。例如，假定一個2毫米路徑長度樣品，1毫米的葡萄糖變化將引起410-5 AU。如果預處理方法，能夠抑制差譜的幅度，以低于，它被認為是一種有效的方法。作為一個例子，讓我們回過來看基線噪音抑制的溫度 - 如前所述引起的變化。如圖。 5-2，第一階的組合分化和二階多項式擬合抑制基線噪聲幅度來小于410 AU甚至對于大的8度-C的變異。鑒于這種噪聲特性，我們可以說，這樣的前處理方法是有效的足夠。讓我們比較這使用三階單獨多項式擬合。使用相同的原始吸收光譜，所述得到的濾波光譜顯示在圖5-4。在這種情況下，前處理方法82For此方法是有效

12、的，噪聲“頻率”或光譜帶寬需求為比所關心的吸收特征的帶寬顯著不同。于此外，一般工作得更好在周期性信號具有大量的數據點。雖然這種方法已被證明是由傅立葉光譜得到相當有效的變換光譜儀2，3，4，5，61，未發現它是比任何優越多項式擬合或光譜鑒別方法。主要的原因是最有可能的事實，即由濾波器光譜儀獲得的數據點的數量相對較低和光譜窗口較窄，間2100和2300納米。5.2.5平滑通過平滑，我們試圖減少高頻噪聲由于檢測器的電子和其他的隨機噪聲源。在這項工作中，一個運動的窗口平均法已認為是有效的。它涉及到卷積頻譜具有一定小“窗口”，5.2。光譜預處理被認為不足以作為所產生的噪音過濾比410-5 AU大得多 -

13、 的1-毫米的葡萄糖在2 mm光程吸收幅度。圖5-4：水的吸收光譜的差異光譜以變化的溫度(wnd)。過濾頻譜使用單獨的多項式擬合方法。實線：4度變更(bingng)，短虛線行：6度的變化(binhu)，長虛線：8度變更。選擇的方法：由于其堅固性和有效性，預處理方法組合第一代為了分化和二階多項式擬合用于所有的測量涉及血漿和組織樣品。還采用了移動窗口平均法以補償信噪比降低由于分化。這說明示意圖該過程示于圖。 5-5。框圖下方的曲線是吸收曲線在譜預處理算法的不同階段所指示由垂直箭。注意，該算法是由施加到每兩個頻譜窗口中（得到兩個過濾器）分開。因此，2100納米和2200 NMN之間的光譜窗口是分開獨

14、立處理從光譜窗口2200 nm和2300之間納米，相同的算法。這樣做是因為頻譜不連續，通常是本圍繞兩個濾波器的過渡波長區域。這種不連續性的示例5.3。多元技術的校準和預測可以看出，在圖8.1。基線校正算法的企圖以校正不需要頻譜不連續性，并有可能減少抑制其有效性相關基線噪音。 圖5-5：光譜預處理方法原理圖和說明(shumng)，以抑制基準的變化。5.3多元(du yun)技術的校準和預測本節旨在提供一些多元校正的簡要概述（和預文辭）方法在本文工作(gngzu)中使用。這并不意味著提供一個完整的審查或的方法或一般的主題，為優秀的章節中許多“化療分析Metrics的教科書一直致力于為這樣的討論。這

15、種教科書的例子是參考文獻7。多變量的方法通常需要在數量近紅外光譜。這是因為吸收光譜是相對寬的，更不利的，重疊的，這使直接峰到峰值分析困難的，如果不是不可能的。不幸的是，這也是適用于血糖測量，我們可以在圖看到。 2.8示出的重疊主要血液成分的光譜。在這項工作中，3多變量方法已經被研究并用于：古典5.3。多元技術的校準和預測最小二乘（CLS），偏最小二乘（PLS）和混合線性分析（HLA）。面前我們討論這些技術，讓我們首先定義中使用的變量和矩陣整個討論。首先，矩陣A是指測量amxn矩陣樣品的光譜，其中，m是樣本的數目，且n是頻譜單元的數目例如，在一個人血漿實驗涉及的30次測量的情況下樣品A是30 X

16、N矩陣，用含有所測量的頻譜單元的每一行血漿樣品。C是AMX1基質含有樣品的濃度值，其中1表示的單一元素：例如，在一個(y )五分量樣的情況下，C是AMX5矩陣(j zhn)，每行含有五個組分的濃度在特定(tdng)的樣品溶液。K是將含有純成分譜在單位濃度1倍n的矩陣和單位路徑長度：5.3。多元技術的校準和預測因此，比爾 - 朗伯在這多組分法，多樣品的情況下變為：A = CK。5.3.1古典最小二乘CLS的方法是直接申請啤酒蘭伯特定律模型，其中AB-的吸收光譜 在每個波長元件是成正比的組分濃度。于校準步驟中，我們試圖確定IK，從純組分譜模式多組分校準樣品A的光譜：RK =（的CtCTA檢查（5.

17、6）在預測步驟中，我們力求找到包含我的成分濃度矢量一個新的預測樣本的濃度值：E =（K T）1嘉，（5.7）其中，a是表示預測樣品的吸收光譜的向量。此方法要求所有干擾成分是已知的，并在包括校準。這意味著，他們的濃度值需要也是已知的（C類矩陣(j zhn)）。這是該方法的進行的實際測量值的主要缺點血糖，因為它是難以知道存在于血液中的所有可能(knng)的干擾和組織，以及(yj)測量它們的濃度。而不是使用的嵌合基于校準過程如等式描述。 （5.6），在5.3。多元技術的校準和預測其中，純分量矩陣是由“接頭”被測樣品基質得到，純組分光譜可以單獨確定。例如，純可通過測定牛血清白蛋白的水溶液中獲得的蛋白組

18、分光譜并從測量葡萄糖水溶液中的葡萄糖光譜。這些獨立純組分光譜然后可用于構建純組分矩陣K.這樣，校準模型由實際物理組件光譜，而不是從經驗擬合得到。這通常確保了校準模型是的更高的質量和魯棒性。在通道。 6，我們描述了涉及合成的實驗使用這種方法的生物樣品。5.3.2偏最小二乘所述PLS法是最常用的技術在近紅外spectrsocopy領域，包括近紅外血糖檢測。與PLS方法，只有感興趣的組件需要是已知的。這意味著在血糖測量，僅葡萄糖參考濃度需要測量和校準期間使用。該方法將自動考慮而不需要背景或干擾變化用戶指定什么干擾成分。這一特點使它成為一個更實用的方法比CLS方法。在PLS，C和K矩陣方程。 （5.5

19、）被T代替和B矩陣分別為：A = TB（5.8）其中T是amxh矩陣，B是ahxn矩陣。而不是使用純組分光譜為基礎的載體，所述PLS算法使用加載向量（B的列），它是彼此正交的。從某種意義上說，它會創建一個新的坐標系。號碼加載向量h的是由用戶確定的，根據所需要的模型復雜或所希望的。經t矩陣組成的強度（或分數）的裝載體，很像C是組成基本光譜的強度。雖然內容的T不再濃度本身，它們仍然線性相關的濃度。文獻8提出優異的描述和PLS算法的詳細信息，并親志愿組織比較與CLS和主成分分析（PCA）的方法。該875.3.1古典最小二乘CLS的方法是直接申請啤酒蘭伯特定律模型，其中AB-的sorbance在每個波

20、長元件是成正比的組分濃度。于校準步驟中，我們試圖確定IK，從純組分譜模式多組分校準樣品A的光譜：RK =（的CtCTA檢查（5.6）在預測步驟中，我們力求找到包含我的成分濃度矢量一個新的預測樣本的濃度值：E =（K T）1嘉，（5.7）其中(qzhng)，a是表示預測樣品的吸收光譜(x shu un p)的向量。此方法要求所有干擾成分(chng fn)是已知的，并在包括校準。這意味著，他們的濃度值需要也是已知的（C類矩陣）。這是該方法的進行的實際測量值的主要缺點血糖，因為它是難以知道存在于血液中的所有可能的干擾和組織，以及測量它們的濃度。而不是使用的嵌合基于校準過程如等式描述。 （5.6），在

21、5.3。多元技術的校準和預測還提供完整的校準和預測算法。一個例子MATLAB所述PLS法的程序示于附錄A的讀者可參考引用8用于該算法的一個步驟一步解釋。與PLS方法中，葡萄糖校準模型只能由所獲得的最小二乘所測量的多組分光譜A.本的嵌合被認為是不利的，因為有建設一個錯誤的葡萄糖校準潛力模型可能是由于次要因素。這些次要因素可能是一些儀器，環境和/或生理變異發生關聯與血糖濃度，這表現在阿諾德等。人。 9。5.3.3混合線性分析背后的HLA方法的開發和利用的主要動機是，我們將想利用的PLS的執行單組分分析能力，同時利用已知的血糖譜。因此，雖然其型號為干擾建立隱式最小二乘法擬合，葡萄糖是仿照明確使用的實

22、際或物理血糖譜分別獲得。因此，質量和的真實性葡萄糖校正模型得到保證。該技術提出了Berger等。人。10，并應用于使用拉曼光譜對葡萄糖的測量。它被稱為混合方法，因為它結合了兩種不同的方法在構建校準模型：葡萄糖和背景干擾的隱建模顯式建模。人物5-6示出校準過程，其進一步在下面詳細說明的段落。5.3。多元技術的校準和預測該方法由下列步驟組成：1.測量葡萄糖股份公司（一個1 XN矢量）的高質量的光譜。這是可以做到通過測量高度濃縮的含水葡萄糖溶液與長采集時間，減去水吸收光譜，和縮放它代表一個“單位”濃度化和光程。需要注意的是股份公司應該是處理前的頻譜，不受基線噪聲。2.從樣品(yngpn)譜矩陣A除去

23、葡萄糖的光譜(gungp)貢獻，這樣(zhyng)就產生葡萄糖，免費樣品的光譜矩陣AGF：AGF = A - cgag，（5.9）其中的cg是AMX 1載體含有樣品的葡萄糖濃度值，由基準儀器測定的。3.計算Ag的主要部件。這個步驟類似于的代正交基譜伏的基質的主要部件構成為已完成在主成分分析（PCA）7,11。 V是anxp矩陣，其中p是數主成分使用時，作為由用戶選擇。從股份公司4.減去其突起上的每一個在V矢量，留下的殘余光譜*：9 *A * = AG - agVtV。 （5.10）此殘余頻譜a *為實際上股份公司的，不能由所述建模的部中所含的干擾五換言之主成分的光譜，a *為股份公司的一部分，這是正交給V.5.規格化一個*，使之成為合適的葡萄糖校準矢量b：B = A * /（阿加*）。 （5.11）所述HLA方法的一例MATLAB程序見附錄B.載體中的*產生等式。 （5.10）被稱為分量凈分析物信號。這項向量作為評價葡萄糖信號和的“專一”的重要工具89Figure 5-6：