拉曼光谱定量监测物质含量的方法技术

拉曼光谱定量监测物质含量的方法，对多种浓度的监测物质，建立欧氏几何和黎曼几何的监测函数，分别计算相应的拉曼数据，采用统计法或查询法标记拉曼谱线特征峰；对同一种浓度的监测物质的多个拉曼数据设定的特征峰形状及种类等特征种类，通过Z检验算法等算法计算特征分数，基于统计学原理，筛选出高概率的拉曼数据作为最终筛选数据；用平均值法计算筛选数据的均值，建立均值与浓度的定量对应表，通过查询定量对应表获取未知浓度的物质的浓度和误差；或采用拟合法对对应表已知物质浓度的值所对应的拉曼数据为拟合点，进行可控误差的曲线拟合，获取拟合方程，实现对未知浓度监测物质的更加精确的浓度值计算，此外还提供了云计算的工作步骤。算的工作步骤。算的工作步骤。

【技术实现步骤摘要】
拉曼光谱定量监测物质含量的方法


[0001]本专利技术涉及工业
和生物医学领域，具体涉及医学数据和工业数据的拉曼光谱大数据分析方法，尤其是对于医学领域的拉曼测试，通过建立监测物质拉曼光谱大数据，实施拉曼光谱定量监测物质含量的方法。

技术介绍

[0002]早在1928年，印度科学家C.V.拉曼发现了拉曼散射现象，即当用光束照射到某些物质上后，其散射光会发生频率变化，这种特点的散射光形成的光谱后来被人们按照发现人的姓氏称之为拉曼光谱。不同物质都对应一张特有的光谱，具有极强的分辨率，这种特点使得拉曼光谱作为一种物质结构的分析测试手段而被应用成为可能。虽然C.V.拉曼于1930年因为这项发现与研究获得当年诺贝尔奖，但是由于产生拉曼散射光的光源技术、散射光传导以及收集等技术很长时间没有突破性发展，客观上限制了拉曼光谱技术应用。直到上个世纪60年代，激光技术的突破性发展，使得能产生散射光的高强度光源的激光光源发生器或设备成为现实。
[0003]依据专利技术人检索发现，近几年，拉曼光谱在对特定物质的定性监测方面研究非常多，基本上比较成熟。拉曼光谱在物质成分定量分析方面，目前可检索的对比文件，特点都是针对具体的特定的物质，在对单个拉曼谱线的信号处理上的方法比较多，还没涉及到大数据的方法。例如公布号：CN102495042 A，专利技术名称为：一种粉末混合物的拉曼光谱准确定量分析方法，其主要依据拉曼光谱特征峰强度与物质成分之间建立模型关系，通过双校准模型来加强定量分析的准确度。公布号：CN112304922 A，专利技术名称为：一种基于偏最小二乘法的拉曼光谱定量分析原油的方法，其主要限定在对原油的定性定量分析方法，其大篇幅阐述了对原油的单根拉曼光谱的预处理，然后基于已知浓度预处理的光谱强度利用偏最小二乘法建模，实现对应的“真实浓度值”分别进行计算预估。公布号：CN108802000 A，专利技术名称为：一种基于拉曼全谱分析的无损快速胆维丁含量定量方法，其主要限定在胆维丁含量定量的拉曼全谱分析，侧重点在于解决胆维丁样品拉曼谱峰偏移对定量测量精度的影响，主要方法是利用一根拉曼光谱全谱数据而不是个别特征峰数据进行分析。公布号：CN108593628 A，专利技术名称为：一种定量分析青蒿素含量的激光拉曼检测方法，主要针对小麦粉中青蒿素含量分析，利用拉曼光谱的特征峰的面积比作为特征参数，建立以青蒿素/小麦面粉混合物中的青蒿素质量分数与特征峰的面积比的对应关系，进行二次函数关系拟合建立数学模型来做定量分析。公布号：CN110455769 A，专利技术名称为：壳为内标的核壳纳米粒子表面增强拉曼光谱定量分析方法，则主要是通过物理方法，即通过制备核壳结构纳米粒子来实现表面增强拉曼光谱的信噪比，然后还是通过提取表面增强拉曼散射（SERS：Surface
‑
Enhanced Raman Scattering）信号相对强度与标准溶液浓度的关系绘制标准曲线实现定量分析。
[0004]依据专利技术人的研究发现，涉及到拉曼光谱分析以及大数据在工业、医疗方面的，其现有主要技术如下。
[0005]一、拉曼光谱在物质定性分析中应用。
[0006]激光拉曼光谱。
[0007]目前拉曼光谱技术无论是在医学医药领域、工业领域、生命科学领域、农业以及食品领域、甚至刑侦等领域，被用来做对被监测物质的定性分析有着广泛应用。特别随着激光技术发展，以及拉曼光谱采集设备或者拉曼光谱测试设备等技术的成熟，客观上有力地推动了拉曼光谱分析在上述医学医药领域、工业领域、生命科学领域或者刑侦等领域快速应用与发展，特别作为物质定性分析。
[0008]拉曼特征峰。
[0009]对被监测物质实施激光拉曼光谱的分析，根据不同物质对应特有的拉曼位移特征峰这个特点，可以识别物质的振动转动能级情况，分析物质的性质，从而可以鉴别被检测的物质为何种物质或者含有何种物质，即对被监测物质做物质鉴定的定性分析。
[0010]混合物成分鉴别。
[0011]当对多种物质混合物作拉曼光谱分析，可以鉴别出混合物的组成成分，这也属于比较流行的利用拉曼光谱做混合物成分的定性分析。
[0012]表面增强拉曼散射和针尖增强拉曼光谱 依据专利技术人的检索发现，在拉曼光谱分析的灵敏度与准确度方面，随着现代纳米技术的发展，促使了表面增强拉曼散射（SERS：Surface
‑
Enhanced Raman Scattering）和针尖增强拉曼光谱（TERS：Tip
‑
Enhanced Raman Spectroscopy）技术的诞生，提高了被监测物质拉曼散射光的强度，提高了信噪比，在超高灵敏度检测方面取得了巨大的进步，这也开拓了拉曼激光检测技术在对物质成分定量分析方面，也提供了一种可行的技术方向。
[0013]二、拉曼光谱在物质定量分析中技术应用。
[0014]溶液物质浓度的定量分析。
[0015]随着拉曼光谱技术发展，人们不但需要对被测试物质进行定性分析，更多应用领域，对被检测的未知物质含量或者浓度，或者已知性质的物质在物质的固体混合物或物质的溶液中的含量或者浓度的定量分析的需求越来越迫切。例如，在工业领域，利用拉曼光谱，对混合液中酒精含量的浓度分析，在医疗领域，利用拉曼激光光谱分析仪，对病人的采样血液样本，用拉曼光谱做血糖浓度的分析。目前基于拉曼光谱的定量分析，一般都是在专有的实验室，通过复杂的样本取样监测，样本特征识别复杂、数据处理分析大量依赖专业的分析人员、分析时间长，处理效率低，测试结果误差也较大等因素都会极大影响该技术在实际中的应用。
[0016]拉曼光谱定量分析的基本计算。
[0017]拉曼光谱在定量分析应用，首先处理荧光等干扰问题，同时对硬件设备噪声要求也非常高，一般情况只能专业的实验室来对被监测物质进行测试，基本技术流程如下：建立某纯物质溶液已知不同浓度与拉曼特峰强度之间的对应关系，这种关系可以是表格形式，也可以是拟合的曲线方程形式，形成一种参照对比标准。
[0018]用拉曼光谱设备对未知浓度被监测物质的溶液进行监测，获得拉曼特征峰谱线。
[0019]读取被监测物质溶液的拉曼谱线特征峰的强度数值，对照已知的该物质各浓度与拉曼特峰强度之间的对应关系表，人工分析或者设备的内嵌软件依据对应关系表或拟合的曲线方程分析被测物质的浓度。
[0020]无创拉曼血糖分析。
[0021]当前又有学者提出，通过拉曼激光照射人体特定组织部位产生的拉曼光谱，实现无创的血糖浓度分析。然而无论是工业领域直接对被监测物质进行拉曼定量分析，还是医学领域无创血糖拉曼分析，设备本身系统噪声，荧光成分的干扰，人体组织蛋白质等物质拉曼光的干扰，以及测量误差造成拉曼谱线的特征峰不明显甚至被淹没，对被测物质含量或者浓度做的定量测试效果非常不乐观，仅存在于条件要求非常苛刻的实验室能实现，以至于影响相关设备研发进度，十分不利于相关拉曼测试产品的市场推广。
[0022]三、大数据技术在医疗领域中应用。
[0023]随本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.拉曼光谱定量监测物质含量的方法，包括：S2000步骤：依据一种以上已知浓度的监测物质，采用监测函数，分别计算一个以上的拉曼数据；S3000步骤：依据所述拉曼数据，采用统计法或查询法标记特征峰；S4000步骤：对于同一种所述已知浓度的所述监测物质的一个以上所述拉曼数据，依据所述特征峰设定拉曼位移区间，依据所述特征峰的包括形状、位置设定特征种类，计算所述特征种类所对应的特征分数；S5000步骤：设定特征分数阈值，依据所述特征种类和所述特征分数，筛选出概率大于特定概率的所述拉曼数据作为最终筛选数据；S6000步骤：采用平均值法，计算所述最终筛选数据的均值，并计算所述均值与所述已知浓度的定量对应表；S7000步骤：通过查询法查询所述定量对应表获取未知浓度的所述监测物质的浓度和误差，或采用拟合法计算所述未知浓度的所述监测物质的所述浓度和误差。2.根据权利要求1所述的方法，其特征在于，所述S2000步骤具体包括：S2010步骤：基于设定的平面坐标系，按照包括公式2.1建立欧氏几何的所述监测函数，计算获取所述拉曼数据，按照包括公式2.3计算获取拉曼谱线；或，S2020步骤：基于设定的曲面坐标系，按照包括公式2.2建立黎曼几何的所述监测函数，计算获取所述拉曼数据，按照包括公式2.3计算获取所述拉曼谱线；S2030步骤：对于不同浓度的所述监测物质，在监测范围之内，采用监测次数超过特定次数，按照公式2.1、公式2.2和公式2.3，监测和计算获取所述拉曼数据和所述拉曼谱线，构成拉曼大数据；所述监测物质，包括纯物质、纯物质溶液和混合成分物质，其形态包括固体、液体和气体，所述监测范围包括浓度范围、监测序号范围和拉曼位移编号范围；所述公式包括：其中：f
2.1
为采用拉曼光谱测量设备测量所述监测物质产生所述拉曼数据过程的所述监测函数的所述欧氏几何表述，R
2.23
为采用拉曼光谱测量设备测量所述监测物质产生所述拉曼数据过程的所述监测函数的所述黎曼几何表述，C为所述监测物质的所述浓度，S为获取所述拉曼数据次数的监测序号，W为所述拉曼光谱的位移值，所述R
2.23
中标号3表示包括为C、S、W的3个维度，f
2.2C
为维度C的实函数，f
2.2S
为维度S的实函数，f
2.2W
为维度W的实函数，LM为所述拉曼数据，LMS为所述拉曼谱线，α为浓度编号，β为监测序号，γ为拉曼位移编号，γ取值范围1≤γ≤p，p为拉曼位移编号最大值，所述拉曼谱线为一次测量中产生的全部所述拉曼数据所构成的拉曼光谱的谱线。3.根据权利要求2所述的方法，其特征在于，所述S2000步骤具体还包括：
S2040步骤：采用所述监测物质的纯物质，直接获取所述纯物质的一条以上所述拉曼谱线；和／或，S2050步骤：采用所述监测物质的由溶解剂溶解产生的混合溶液，分别获取所述混合溶液和所述溶解剂纯物质的一条以上所述拉曼谱线，采用包括公式3.1或公式3.2的差分计算方法，计算获取所述监测物质的所述拉曼谱线；所述公式包括：其中：LM1为所述混合溶液的所述拉曼数据，LM2为所述溶解剂的所述拉曼数据，k
γ
为拉曼位移编号为γ的拉曼峰统一加权系数，γ取值范围1≤γ≤p，p为拉曼位移编号最大值。4.根据权利要求2或3所述的方法，其特征在于，所述S3000步骤具体包括：S3010步骤：依据所述拉曼谱线，寻找并标记波峰，计算所述波峰的宽度和相对高度；S3020步骤：所述统计法包括依据一条以上所述拉曼谱线，以所述拉曼谱线数为统计样本，采用包括正态分布、T检验、Z检验、Bayes概率、SVM支持向量机、CNN卷积神经网络的计算方法，计算置信度包括大于50%的并且所述波峰相对高度包括大于20%的所述波峰，标记该所述波峰为所述特征峰；S3030步骤：所述查询法包括查询由所述统计法计算的所述监测物质的特征峰对应表或可信的所述监测物质的特征峰对应表，标记所述特征峰；所述特征峰为在所述拉曼谱线上的所述拉曼位移位置，所述特征峰的宽度为在所述拉曼谱线上的最大宽度值。5.根据权利要求4所述的方法，其特征在于，所述S4000步骤具体包括：S4010步骤：以每个所述特征峰的峰值所在的所述拉曼位移为中心点，依据所述特征峰的宽度，设定所述拉曼位移区间为2倍以上所述特征峰的宽度；S4020步骤：在所述拉曼位移区间内，按照所述特征种类，计算所述特征分数；S4030步骤：所述计算所述特征分数，包括所述统计法，其中包括所述Z检验、T检验、Bayes概率、SVM支持向量机、CNN卷积神经网络的计算方法，具体包括S4031步骤至S4033步骤，具体是：S4031步骤：取所述特定次数大于30以上所述拉曼谱线作为所述统计样本，在每个所述统计样本的所述特征峰的所述拉曼位移区间内，以所述拉曼数据作为所述特征种类的样本值，计算样本均值、样本方差和样本标准差；S4032步骤：按照计算方法包括公式5.1计算所述特征分数，其中，γ为所述拉曼谱线的编号，p为所选取的所述拉曼谱线的最大编号，Z
γ
为样本标准差，亦即所述特征分数，x
γ
为所述拉曼谱线的编号的所述样本值，为所述样本均值，s为所述
标准差；S4033步骤：所述特征种类具体包括所述拉曼谱线的最大值、最小值、所述特征峰的峰值、所述特征峰的前后谷值、所述特征峰的波峰面积值、所述特征峰的位置、所述特征峰的峰角。6.根据权利要求5所述的方法，其特征在于，所述S5000步骤具体包括：S5010步骤：对于所述特征种类，基于设定的所述特征分数阈值，标...

【专利技术属性】
技术研发人员：丁贤根，黄世回，嵇旭辉，丁远彤，
申请(专利权)人：港湾之星健康生物深圳有限公司，
类型：发明
国别省市：