公开(公告)号：CN110376180A

公开(公告)日：2019-10-25

申请号：CN201910700333.8

申请日：2019-07-31

Applicant: 东北大学

Inventor： 陈硕 ,  刘米星 ,  朱姗姗

IPC: G01N21/65 ,  G01J3/44

Abstract: 本发明涉及光学领域，公开了一种基于LED光源的高光谱分辨率的拉曼测量系统及方法，包括基于LED光源的拉曼信号采集模块和数据后处理模块。其中，基于LED光源的拉曼信号采集模块，通过LED激发拉曼信号，并利用特定的滤光片和光电探测器相结合，获得拉曼窄带测量信号；数据后处理模块通过光谱重建算法，从待测样本的拉曼窄带测量信号重建高光谱分辨率的拉曼测量，可有效解决由于LED的宽带较宽所导致的光谱分辨率较低的问题。该技术是以LED作为光源，由于LED具有价格便宜、寿命长、功耗低、体积小等特点，可用于构建低成本、便携式的拉曼测量系统，且所获得的拉曼测量具有较高的光谱分辨率。

公开(公告)号：CN110376180B

公开(公告)日：2020-08-25

申请号：CN201910700333.8

申请日：2019-07-31

Applicant: 东北大学

Inventor： 陈硕 ,  刘米星 ,  朱姗姗

IPC: G01N21/65 ,  G01J3/44

Abstract: 本发明涉及光学领域，公开了一种基于LED光源的高光谱分辨率的拉曼测量系统及方法，包括基于LED光源的拉曼信号采集模块和数据后处理模块。其中，基于LED光源的拉曼信号采集模块，通过LED激发拉曼信号，并利用特定的滤光片和光电探测器相结合，获得拉曼窄带测量信号；数据后处理模块通过光谱重建算法，从待测样本的拉曼窄带测量信号重建高光谱分辨率的拉曼测量，可有效解决由于LED的宽带较宽所导致的光谱分辨率较低的问题。该技术是以LED作为光源，由于LED具有价格便宜、寿命长、功耗低、体积小等特点，可用于构建低成本、便携式的拉曼测量系统，且所获得的拉曼测量具有较高的光谱分辨率。

公开(公告)号：CN109270045A

公开(公告)日：2019-01-25

申请号：CN201810907494.X

申请日：2018-08-10

Applicant: 东北大学

Inventor： 陈硕 ,  孔令敏 ,  路交 ,  朱姗姗

IPC: G01N21/65

Abstract: 一种用于拉曼光谱的快速荧光背景抑制方法，通过建立标准数据库对荧光背景抑制算法模型进行训练。在训练阶段，通过维纳估算的方法计算荧光背景光谱与窄带测量间关系的数学模型，即维纳矩阵1；然后通过维纳估算的方法计算去除荧光背景后的拉曼光谱与扣除荧光背景的窄带测量间关系的数学模型，即维纳矩阵2。对于待处理样本数据，即未去除荧光背景的拉曼光谱，首先通过与特定滤光片的光谱透过率相乘后得到窄带测量。随后，基于维纳矩阵1，通过窄带测量重建其对应的荧光背景光谱，并从窄带测量中扣除该荧光背景进而获得扣除荧光背景的窄带测量。最后，利用维纳矩阵2与扣除荧光背景的窄带测量重建去除背景后的拉曼光谱。

公开(公告)号：CN108537282A

公开(公告)日：2018-09-14

申请号：CN201810331222.X

申请日：2018-04-13

Applicant: 东北大学

Inventor： 陈大力 ,  梅丹蕾 ,  朱姗姗 ,  王孝阳 ,  罗凌 ,  佟萌萌

IPC: G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种使用超轻量级SqueezeNet网络的糖尿病视网膜病变分级方法，它针对每一类糖尿病视网膜病变准备大量SLO眼底照片并进行预处理和数据扩增；建立包含fire模块的超轻量级SqueezeNet深度卷积神经网络；基于大量眼底照片对深度卷积神经网络进行训练，使深度卷积神经网络的最终输出值符合眼底照片的分级结果；从而即可利用训练好的深度卷积神经网络自动进行疾病分级。本发明的方法通过对大量包括诊断标记的眼底镜照片的运用，通过超轻量级深度学习网络和很少的参数来实现自动从训练范例库中学习所需特征并进行分级判断，在训练过程中不断纠正用于判断的数据特征以及深度卷积神经网络参数，从而能够极大提高在现实应用场景中的分级准确性和可靠度。