一种基于激光诱导击穿光谱技术的川贝母鉴定方法及系统

    公开(公告)号:CN112730384B

    公开(公告)日:2022-09-23

    申请号:CN202110091023.8

    申请日:2021-01-22

    Abstract: 本发明实施例涉及药材鉴定技术领域,公开了一种基于激光诱导击穿光谱技术的川贝母鉴定方法及系统,该方法包括:对川贝母标准品、浙贝母标准品及伊贝母标准品进行前处理,制得第一样本、第二样本及第三样本;采用激光诱导击穿光谱法检测上述样本得到第一光谱、第二光谱及第三光谱;基于上述光谱中的若干峰值谱线的积分强度进行有监督学习矢量量化,构造得到分类模型对待定贝母进行鉴定。可见,基于激光诱导击穿光谱法测得川贝母及对照样本的特征光谱,并结合学习矢量量化对特征光谱进行学习,可构造得到分类模型,从而通过特征光谱高效准确地分析待定样本的成分,进而根据成分差异对待定样本进行分类鉴别,可大规模应用于川贝母高效鉴定。

    一种基于生成对抗网络的光谱数据库扩展方法

    公开(公告)号:CN109508647A

    公开(公告)日:2019-03-22

    申请号:CN201811228596.5

    申请日:2018-10-22

    Abstract: 本发明涉及一种基于生成对抗网络的光谱数据库扩展方法,属于光谱检测技术领域,广泛适用于近红外光谱、拉曼光谱、激光诱导击穿光谱、荧光光谱和太赫兹等光谱数据库的扩展。利用光谱测量系统对被测样本进行测量得到少量实验光谱。根据所获得的实验光谱的维数生成相同维数的原始生成光谱。构造生成网络G和判别网络D,对生成网络和判别网络进行共享参数式的交互训练。重复以上交互训练步骤,随交互训练次数增多,生成光谱逐渐趋近于原始实验光谱。采用但不限于非监督学习聚类分析方法,对生成光谱和原始实验光谱的相似度进行判断。若不满足要求,则重复交互训练步骤;若满足要求,则用生成光谱和原始光谱一起构成光谱数据库。

    一种离在体通用的脑肿瘤活检和边界确定装置

    公开(公告)号:CN111624191A

    公开(公告)日:2020-09-04

    申请号:CN202010135036.6

    申请日:2020-03-02

    Abstract: 本发明涉及一种离在体通用的脑肿瘤活检和边界确定装置,属于医疗领域,解决了快速进行术中肿瘤活检和胶质瘤边界确定的难题,为推广激光诱导击穿光谱(LIBS)技术落地服务于脑肿瘤检测提供了基础。该离在体通用的脑肿瘤活检和边界确定装置包括激光器准直和激发模块、载物台和夹持器模块、LIBS探针模块、光谱仪延迟收集模块和计算机处理分析模块共5个模块。所述LIBS探针模块可在载物台和夹持器模块上固定或取下,固定时为台式设备,可以实现离体组织的稳定诊断检测,取下时是手持式设备,可以实现在体胶质瘤浸润边界判定。该装置可以在临床术中完成对离体切除组织的病理检测和在体胶质瘤浸润边界的实施判定,不必变换操作区域,不必更换设备。

    一种基于半监督学习的激光诱导击穿光谱分类识别方法

    公开(公告)号:CN109470686A

    公开(公告)日:2019-03-15

    申请号:CN201811372838.8

    申请日:2018-11-19

    Abstract: 本发明涉及一种基于半监督学习的激光诱导击穿光谱分类识别方法,属于光谱检测技术领域,解决难以为传统监督学习提供足够训练样本,非监督学习无法提供分类标签结果的难题。利用激光诱导击穿光谱测量系统分别获取少量带标签类别的光谱数据和大量未知的光谱数据。对数据进行标签扩散,设置标签扩散参数L,将每个已知类别的数据标签扩散给L个未知类别数据,以使部分未知数据获得标签。再对大量无类别数据进行分类,设置分类参数K,每个未知类别数据的标签取决于离它最近的K个已知类别数据的标签中出现频率最高的标签。

    一种基于激光诱导击穿光谱技术的川贝母鉴定方法及系统

    公开(公告)号:CN112730384A

    公开(公告)日:2021-04-30

    申请号:CN202110091023.8

    申请日:2021-01-22

    Abstract: 本发明实施例涉及药材鉴定技术领域,公开了一种基于激光诱导击穿光谱技术的川贝母鉴定方法及系统,该方法包括:对川贝母标准品、浙贝母标准品及伊贝母标准品进行前处理,制得第一样本、第二样本及第三样本;采用激光诱导击穿光谱法检测上述样本得到第一光谱、第二光谱及第三光谱;基于上述光谱中的若干峰值谱线的积分强度进行有监督学习矢量量化,构造得到分类模型对待定贝母进行鉴定。可见,基于激光诱导击穿光谱法测得川贝母及对照样本的特征光谱,并结合学习矢量量化对特征光谱进行学习,可构造得到分类模型,从而通过特征光谱高效准确地分析待定样本的成分,进而根据成分差异对待定样本进行分类鉴别,可大规模应用于川贝母高效鉴定。

    一种基于光与物质相互作用所产生的分子碎片谱的肿瘤诊断方法

    公开(公告)号:CN111398250A

    公开(公告)日:2020-07-10

    申请号:CN202010133904.7

    申请日:2020-03-02

    Abstract: 本发明涉及一种基于光与物质相互作用所产生的分子碎片谱的肿瘤病理诊断方法,属于光谱检测技术领域,解决手术前影像学诊断尚不能做到与术中情况高度一致,需要在术中进行病理活检,而冰冻病理活检依赖病理医生经验且诊断准确率不高难题。利用激光诱导击穿光谱测量系统获取肿瘤的激光诱导击穿光谱数据。识别数据中分子碎片谱带作为诊断识别特征,计算分子碎片谱带强度比值,扩展诊断识别特征数量。根据比值特征构建类脑计算脉冲神经网络模型,应用所获得的脉冲神经网络模型,对未知的分子碎片光谱数据进行诊断识别。

Patent Agency Ranking