基于近紅外光譜的SG-MSC-MC-UVE-PLS算法在全血血紅蛋白濃度檢測(cè)中的應(yīng)用

孫代青， 謝麗蓉， 周 延， 郭煜濤， 車少敏

1. 新疆大學(xué)電氣工程學(xué)院， 新疆 烏魯木齊 830047 2. 西安交通大學(xué)能源動(dòng)力工程學(xué)院， 陜西 西安 710049

引 言

血紅蛋白(Hemoglobin)是生物化學(xué)和生物醫(yī)學(xué)研究中最重要的成分之一[1-2]， 它大約占紅細(xì)胞的96%， 承擔(dān)著將氧氣通過循環(huán)系統(tǒng)運(yùn)輸?shù)狡鞴俚闹匾?zé)任， 同時(shí)血紅蛋白濃度的測(cè)定也是臨床上應(yīng)用最廣的檢查項(xiàng)目。 目前血紅蛋白濃度檢測(cè)方法主要分為兩類， 一種為有化學(xué)試劑類型[3]， 另一種為無化學(xué)試劑類型[1-2,4-6]。 有化學(xué)試劑的檢測(cè)方法通常因?yàn)樗褂玫幕瘜W(xué)試劑對(duì)人體和環(huán)境有害而使其應(yīng)用場(chǎng)所受到限制。 無化學(xué)試劑方法測(cè)量精度很低， 所需血液量較多(20 μL)[6]， 而且其價(jià)格及其昂貴[7]。

近年來， 近紅外光譜技術(shù)不斷發(fā)展， 其應(yīng)用領(lǐng)域也越來越廣泛。 基于近紅外光譜技術(shù)能反映組織細(xì)胞生理病理信息的特點(diǎn)， 對(duì)藍(lán)莓果渣花色苷含量進(jìn)行了測(cè)定[8]。 同時(shí)， 基于近紅外光譜的無創(chuàng)、 快速等特點(diǎn)， 將近紅外光譜與偏最小二乘(PLS)回歸相結(jié)合用以檢測(cè)血液中的不同成分含量的方法廣受歡迎[5,9]。 偏最小二乘回歸是建立光譜信號(hào)和濃度關(guān)系的最流行的方法[10]。 其中也不乏對(duì)于血紅蛋白濃度的檢測(cè)研究， 但是， 目前基于這種方法建立的血紅蛋白濃度檢測(cè)模型都存在精度不高的問題， 很難達(dá)到臨床應(yīng)用的標(biāo)準(zhǔn)， 主要原因是所獲取的近紅外光譜數(shù)據(jù)可能包含很多背景信號(hào)， 降低了光譜信號(hào)的信噪比。

為減小背景信號(hào)對(duì)光譜數(shù)據(jù)質(zhì)量的影響， 一階導(dǎo)數(shù)[11]、 二階導(dǎo)數(shù)[12]、 主成分分析[13]、 多元散射校正(MSC)[14]等數(shù)據(jù)預(yù)處理方法被提出， 然而缺少對(duì)于全血光譜數(shù)據(jù)的預(yù)處理方法、 波長選擇的研究。 故基于近紅外光譜分析， 對(duì)全血光譜數(shù)據(jù)的預(yù)處理方法、 波長篩選、 以及全血血紅蛋白濃度預(yù)測(cè)模型進(jìn)行研究， 為提高全血血紅蛋白濃度預(yù)測(cè)精度提供一種新的思路。

1 實(shí)驗(yàn)部分

1.1 樣本

數(shù)據(jù)集取自Karl Norris[15]的文章。 這組數(shù)據(jù)是使用NIRSystems6500光譜儀獲得。 儀器參數(shù)設(shè)置如下： 波長變量為1 100～2 498 nm,分辨率為2 nm。 樣品池是帶有石英窗口的直徑2 cm的不銹鋼圓柱體。 將200 μL全血從移液管轉(zhuǎn)移至樣品池， 使樣品厚度為0.6 mm， 一共獲得190組不同血紅的蛋白濃度的全血透射光譜， 所獲透射光譜對(duì)應(yīng)最小血紅蛋白濃度為10.3 g·dL-1， 最大血紅蛋白濃度為17.3 g·dL-1。

1.2 樣本數(shù)據(jù)集劃分

為使得建立的模型具有普遍性， 選用前143個(gè)血紅蛋白濃度對(duì)應(yīng)的透射光譜樣本作為校正集， 剩下47個(gè)作為驗(yàn)證集。 經(jīng)劃分后的校正集透射光譜樣本對(duì)應(yīng)最小血紅蛋白濃度為10.6 g·dL-1， 最大血紅蛋白濃度為17.3 g·dL-1， 平均血紅蛋白濃度為13.68 g·dL-1， 標(biāo)準(zhǔn)差為1.64 g·dL-1； 驗(yàn)證集透射光譜樣本對(duì)應(yīng)最小血紅蛋白濃度為10.3 g·dL-1， 最大血紅蛋白濃度為17.3 g·dL-1， 平均血紅蛋白濃度為13.94 g·dL-1， 標(biāo)準(zhǔn)差為1.65 g·dL-1。

1.3 數(shù)據(jù)預(yù)處理

首先對(duì)原始全血透射光譜取-log(T)， 將其轉(zhuǎn)換成吸收光譜數(shù)據(jù)， 然后對(duì)原始全血吸收光譜分別進(jìn)行均值中心化、 標(biāo)準(zhǔn)化、 SNV、 MSC以及SG卷積平滑結(jié)合MSC方法預(yù)處理操作。 討論卷積平滑與MSC的操作順序?qū)τ陬A(yù)處理效果的影響， 以及平滑窗口寬度對(duì)于SG-MSC平滑效果的影響， 比較不同平滑窗口的降噪效果， 選擇降噪效果最好的一個(gè)窗口寬度作為卷積平滑窗口。 對(duì)比以上幾種預(yù)處理方法的降噪效果， 選擇表現(xiàn)最好的方法作為全血吸收光譜數(shù)據(jù)預(yù)處理方法。

1.4 波長篩選程序及血紅蛋白濃度預(yù)測(cè)模型建立

蒙特卡洛無信息變量消除算法(Monte Carlo uninformative variable elimination,MC-UVE)是無信息變量消除方法的一種， 它是基于模型變量穩(wěn)定性值對(duì)無信息變量進(jìn)行剔除的方法。 穩(wěn)定性值的絕對(duì)值越大， 所對(duì)應(yīng)的變量越重要， 保留穩(wěn)定性值大的變量， 剔除穩(wěn)定性值小的變量。 利用此方法從預(yù)處理過的全血吸收光譜中選擇出穩(wěn)定性值較大的波長變量， 以提高基于近紅外光譜的全血血紅蛋白濃度預(yù)測(cè)模型的預(yù)測(cè)精度和預(yù)測(cè)效率。

2 結(jié)果與討論

2.1 原始全血透射光譜數(shù)據(jù)及吸收光譜

將170個(gè)不同全血血紅蛋白濃度的近紅外透射光譜數(shù)據(jù)導(dǎo)入Matlab R2017a計(jì)算原始全血透射比與全血血紅蛋白濃度之間的相關(guān)系數(shù)， 其相關(guān)系數(shù)曲線如圖1(a)所示。 再將透射光譜數(shù)據(jù)取-log(T)， 計(jì)算全血吸收度與全血血紅蛋白濃度的相關(guān)系數(shù)R2， 其曲線如圖1(b)所示。

分析圖1可知， 原始透射光譜的R2最大值僅為0.003 5， 在波長1 954 nm處取得。 相應(yīng)的原始吸收光譜的R2最大值也僅為0.005 0， 且只有少量的信號(hào)對(duì)應(yīng)于較大(此處指大于0.005 0)的R2值。 由此可見， 利用原始信號(hào)建立全血血紅蛋白濃度預(yù)測(cè)模型是比較困難的。

圖1 原始全血光譜相關(guān)系數(shù)平方R2曲線圖(a)： 原始透射; (b)： 原始吸收Fig.1 R2 curves for the original spectra of whole blood signals(a): Transmission spectrum; (b): Absorbance spectrum

2.2 數(shù)據(jù)預(yù)處理

表1中展示了分別使用均值中心化、 標(biāo)準(zhǔn)化、 SNV、 MSC以及SG卷積平滑結(jié)合MSC對(duì)原始全血吸收光譜分別進(jìn)行預(yù)處理后相關(guān)系數(shù)平方最大值R2*的變化情況。 其中， 中心化、 標(biāo)準(zhǔn)化、 SNV這幾種預(yù)處理方法對(duì)于全血吸收光譜的平滑處理效果都不明顯； 單獨(dú)使用MSC時(shí)， 其處理效果也不理想，R2*值僅為0.105 2， 但在結(jié)合SG卷積平滑后降噪效果迅速提升， 最大相關(guān)系數(shù)平方值R2*迅速提升至0.944 1， 這是因?yàn)镸SC在處理漿狀物透射近紅外光譜方面具有很好的效果， 血液樣本正好符合這一特征。 除此之外， 二階導(dǎo)數(shù)能消除光譜采集過程中由于檢測(cè)環(huán)境和儀器狀態(tài)等因素引起的基線平移， 平滑處理能消除光譜中的隨機(jī)誤差， 提高信號(hào)的信噪比。

表1 不同預(yù)處理方法R2*值比較Table 1 Comparison of R2* values of different preprocessing methods

圖2(a)中展示了不同平滑窗口寬度下的SG-MSC預(yù)處理的R2*值變化情況， 圖中R2*表示最大相關(guān)系數(shù)平方值， 將平滑窗口的寬度依次從1變化到61， 最大R2*值為0.944 1， 此時(shí)窗口寬度為27， 得到最佳平滑參數(shù)是2階導(dǎo)數(shù)平滑， 二階多項(xiàng)式和27個(gè)平滑點(diǎn)。 圖2(b)展示了在上述參數(shù)設(shè)置下的SG-MSC方法對(duì)全血原始吸收光譜處理后各波長點(diǎn)處的相關(guān)系數(shù)平方值R2。 與圖1(b)相比，R2迅速上升， 并且較大(此處指R2值大于0.6)R2個(gè)數(shù)也明顯增多。

圖2 平滑窗口寬度對(duì)SG-MSC預(yù)處理方法R2*值的影響(a)： 窗口寬度vs. R2*； (b)： SG-MSC處理后R2Fig.2 R2* vs. the width of the SG-MSC method(a): R2* vs. the width; (b)： R2 after preporcessing by SG-MSC

2.3 波長變量選擇與結(jié)果分析

為了進(jìn)一步提高預(yù)測(cè)模型的預(yù)測(cè)精度和預(yù)測(cè)效率， 對(duì)預(yù)處理過的全血吸收光譜的700個(gè)波長進(jìn)行蒙特卡洛無信息變量消除， 剔除509個(gè)波長， 剩余191個(gè)波長用于建立全血血紅蛋白濃度回歸模型。 為建立穩(wěn)健性好、 預(yù)測(cè)能力強(qiáng)的血紅蛋白濃度預(yù)測(cè)模型， 比較分析了原始全血透射光譜PLS模型、 原始全血吸收光譜PLS回歸模型、 SG-MSC-PLS回歸模型、 SG-MSC-MC-UVE-PLS回歸模型以及二階導(dǎo)數(shù)UVE-PLS回歸模型[12]， 各模型指標(biāo)結(jié)果如表2所示， 表中NW (number of wavelengths)為篩選出的波長變量個(gè)數(shù)。

由表2中結(jié)果分析可知， 原始全血透射光譜PLS模型的R2比較小， 且RMSEP很大， 這也說明了直接利用原始全血透射光譜進(jìn)行建模不可取。 加入SG-MSC預(yù)處理以后， 所建PLS模型的預(yù)測(cè)集R2相比于原始透射光譜數(shù)據(jù)提高了0.296 5， RMSEP下降了0.669 1， MAE減小了1.931 8。 證明SG-MSC對(duì)于全血光譜數(shù)據(jù)的平滑降噪能力非常強(qiáng)。 在此基礎(chǔ)上， 對(duì)預(yù)處理過的光譜數(shù)據(jù)進(jìn)行波長選擇， 建立SG-MSC-MC-UVE-PLS模型， 與SG-MSC-PLS模型指標(biāo)相比， 其R2， RMSEP， MAE， MRE均優(yōu)于未篩選波長的PLS模型， 且與前人所提二階導(dǎo)數(shù)UVE-PLS模型相比， 其具有更高的R2和更低的RMSEP值。 進(jìn)一步說明SG-MSC-MC-UVE-PLS算法可以有效降低噪聲、 篩選更具有價(jià)值的波長變量、 提高預(yù)測(cè)能力和預(yù)測(cè)效率。

表2 PLS模型預(yù)測(cè)結(jié)果Table 2 Determination results for PLS models

3 結(jié) 論

將獲取的原始全血透射光譜轉(zhuǎn)換成全血吸收光譜， 應(yīng)用偏最小二乘法建立全血血紅蛋白濃度回歸模型， 針對(duì)原始數(shù)據(jù)相關(guān)性低的問題， 對(duì)原始數(shù)據(jù)進(jìn)行了光譜數(shù)據(jù)預(yù)處理； 針對(duì)原始數(shù)據(jù)中無用信息成分較多問題采用了蒙特卡洛無信息變量消除方法對(duì)波長進(jìn)行篩選； 比較了原始數(shù)據(jù)、 預(yù)處理數(shù)據(jù)、 波長選擇數(shù)據(jù)建立的PLS模型效果， 得到以下結(jié)論：

(1)針對(duì)全血吸收光譜數(shù)據(jù)， 通過比較均值中心化、 標(biāo)準(zhǔn)化、 標(biāo)準(zhǔn)正態(tài)變量變換、 多元散射校正、 SG卷積平滑結(jié)合多元散射校正對(duì)全血光譜數(shù)據(jù)的預(yù)處理效果， 得到最佳預(yù)處理方法為SG卷積預(yù)處理+多元散射校正方法， 其R2為0.944 1。

(2)對(duì)SG-MSC預(yù)處理方法的平滑窗口寬度對(duì)于平滑效果的影響進(jìn)行研究， 得到最佳參數(shù)設(shè)置為窗口寬度為27， 二階導(dǎo)數(shù)平滑， 二階多項(xiàng)式擬合。 與先進(jìn)行多元散射校正再進(jìn)行SG卷積平滑(相關(guān)系數(shù)平方值為0.942 4)相比， 卷積平滑之后再對(duì)數(shù)據(jù)進(jìn)行多元散射校正處理， 其相關(guān)系數(shù)平方值更大， 為0.944 1。

(3)MC-UVE可以實(shí)現(xiàn)對(duì)全血吸收光譜波長變量的篩選， 且其篩選的波長變量個(gè)數(shù)僅為191個(gè)， 在模型效果更優(yōu)的情況下， 篩選出的波長變量更少， 可以大大簡(jiǎn)化模型， 提高模型效率。

(4)在全血血紅蛋白濃度回歸模型中， 將SG卷積平滑、 多元散射校正以及MC-UVE組合建立的PLS模型具有最優(yōu)的模型效果， 相比于原始全譜以及未經(jīng)波長選擇的SG-MSC-PLS模型， SG-MSC-MC-UVE-PLS模型的模型精度更高， 且篩選出的波長點(diǎn)更少， 其模型指標(biāo)R2為0.979 1， RMSEP為0.220 3， MAE為0.411 2， MRE為0.023 8。 該模型效果與前人所提方法相比有所提高。