Study on Vis-NIR Spectral Pattern Recognition of Serum HBsAg Infection

GAO Qiao-ji; WU Zhen-bang; XU Xi; CHEN Min; LIU Wen-xuan; CAO Cheng-cheng; LIAO Jing-long; OU Chao; PAN Tao

doi:10.12452/j.fxcsxb.250227129

您当前的位置：

首页 >

文章列表页 >

Study on Vis-NIR Spectral Pattern Recognition of Serum HBsAg Infection

Scientific Papers | 更新时间：2025-06-09

- Study on Vis-NIR Spectral Pattern Recognition of Serum HBsAg Infection
- Journal of Instrumental Analysis Vol. 44, Issue 6, Pages: 1016-1023(2025)
- 作者机构：
  
  1.暨南大学物理与光电工程学院，广东广州 510632
  2.广西医科大学附属肿瘤医院，广西南宁 530021
  3.北京理工大学重庆微电子研究院，重庆 400000
- 作者简介：
- 基金信息：
- DOI：10.12452/j.fxcsxb.250227129
  CLC： O657.3;R457.2
- Received：27 February 2025，
  
  Revised：03 April 2025，
  
  Accepted：07 April 2025，
  
  Published：15 June 2025
- 稿件说明：
移动端阅览
高乔基,吴振邦,徐茜,陈敏,刘文轩,曹诚诚,廖敬龙,欧超,潘涛.血清HBsAg感染的Vis-NIR光谱模式识别研究[J].分析测试学报,2025,44(06):1016-1023.

GAO Qiao-ji,WU Zhen-bang,XU Xi,CHEN Min,LIU Wen-xuan,CAO Cheng-cheng,LIAO Jing-long,OU Chao,PAN Tao.Study on Vis-NIR Spectral Pattern Recognition of Serum HBsAg Infection[J].Journal of Instrumental Analysis,2025,44(06):1016-1023.
高乔基,吴振邦,徐茜,陈敏,刘文轩,曹诚诚,廖敬龙,欧超,潘涛.血清HBsAg感染的Vis-NIR光谱模式识别研究[J].分析测试学报,2025,44(06):1016-1023. DOI： 10.12452/j.fxcsxb.250227129.

GAO Qiao-ji,WU Zhen-bang,XU Xi,CHEN Min,LIU Wen-xuan,CAO Cheng-cheng,LIAO Jing-long,OU Chao,PAN Tao.Study on Vis-NIR Spectral Pattern Recognition of Serum HBsAg Infection[J].Journal of Instrumental Analysis,2025,44(06):1016-1023. DOI： 10.12452/j.fxcsxb.250227129.

摘要

乙肝表面抗原（HBsAg）是乙肝病毒感染的重要标志物。该文建立了血清HBsAg感染的无试剂可见-近红外（Vis-NIR）光谱模式识别新方法。收集到临床血清样品1 243例（HBsAg阳性601、阴性642），采用训练-预测-检验实验设计，搭建了基于多尺度卷积、压缩-激励网络（SE Net）注意力机制和多尺度膨胀卷积的新型卷积神经网络（CNN）集成算法，连同经典的偏最小二乘-判别分析（PLS-DA）和普通浅层CNN算法，被用于建立HBsAg阳性和阴性血清的Vis-NIR光谱判别模型。该研究采用标准正态变量（SNV）变换进行光谱预处理。基于近红外区（780~1 118 nm）经SNV处理的光谱的PLS-DA模型和新型CNN模型取得更优的建模效果，新型CNN模型的灵敏度（SEN）达到99.3%，漏诊率（FNR）达到0.7%。结果表明，采用Vis-NIR光谱精准判别HBsAg阳性和阴性血清具有可行性，提出的新型深度学习算法可望应用于其他光谱分析领域。

Abstract

Hepatitis B surface antigen（HBsAg） is an important marker of hepatitis B virus infection. In this article，a novel method of reagent-free visible-near-infrared（Vis-NIR） spectral pattern recognition for serum HBsAg infection was studied. A total of 1 243 clinical serum samples（HBsAg positive 601 and negative 642） were collected，and a training-prediction-validation experimental design was used. A novel CNN integrated algorithm based on multi-cale convolution，SE Net attention mechanism and multi-scale dilated convolutions was constructed，which together with the classic partial least squares-discriminant analysis（PLS-DA） and the ordinary shallow CNN algorithm，were used to establish the Vis-NIR spectral discrimination model for HBsAg positive and negative serums. The standard normal variable（SNV） transform was used for spectral preprocessing. The PLS-DA and new types of CNN models based on the SNV spectra of near-infrared region（780-1 118nm） achieved significantly better modeling results，and the sensitivity（SEN） of the new CNN model reached a significantly higher 99.3%，and the false negative rate（FNR） reached a significantly lower 0.7%. The results show the feasibility of using serum Vis-NIR spectra to accurately identify HBsAg infection，and the proposed new types of deep learning algorithm is also promising for application in other spectral analysis fields.

关键词

Keywords

references

Bec' K B ， Grabska J ， Huck C W . Molecules ， 2020 ， 25 （ 12 ）： 2948 .

Fonseca A C S ， Pereira J F Q ， Honorato R S ， Bro R ， Pimentel M F . Spectrochim. Acta A ， 2022 ， 267 ： 120533 .

Yao L J ， Xu W Q ， Pan T ， Chen J M . J. Innovative Opt. Health Sci. ， 2018 ， 11 （ 2 ）： 1850005 .

Yuan L ， Zhang J ， Xu J H ， Yao L J ， Wang D W ， Pan T . Sense the Real Change：Proceedings of the 20th International Conference on Near Infrared Spectroscopy . Singapore ： Springer ， 2022 ： 87 - 192 .

Wang Q ， Wang T ， Cao L ， Mu A ， Fu S ， Wang P ， Gao Y ， Ji W X ， Liu Z Y ， Du Z Q ， Guddat L W ， Zhang W C ， Li S ， Li X M ， Lou Z Y ， Wang X X ， Hu Z Y ， Rao Z H . Science ， 2024 ， 385 （ 6714 ）： 1217 – 1224 .

Zeng J ， Guo Y ， Han Y Q ， Li Z M ， Yang Z X ， Chai Q Q ， Wang W ， Zhang Y Y ， Fu C L . Molecules ， 2021 ， 26 （ 3 ）： 749 .

Gan F ， Luo J . Chemom. Intell. Lab. ， 2023 ， 232 ： 104710 .

Huang H H ， Luo J F ， Gan F ， Hopke P K . Appl. Sci. ， 2023 ， 13 （ 14 ）： 8494 .

Zhu Y K ， Lu C H ， Zhang Y J ， Jiang W W . Spectrosc. Spectral Anal. （朱御康，鲁昌华，张玉钧，蒋薇薇. 光谱学与光谱分析）， 2024 ， 9 ： 2607 - 2612 .

Deng T M ， Liu X H ， Wang L . Electronics-Switz. ， 2022 ， 11 （ 17 ）： 2709 .

Hu J ， Shen L ， Albanie S ， Sun G ， Wu E . IEEE Trans. Pattern Anal. Mach. Intell. ， 2020 ， 42 （ 8 ）： 2011 – 2023 .

He K M ， Zhang X Y ， Ren S Q ， Sun J . 2016 IEEE Conference on Computer Vision and Pattern Recognition（CVPR）， Las Vegas，USA ， 2016 ： 770 - 778 .

Liu H T ， Hong X P ， Xi J ， Menne S ， Hu J M ， Wang J C Y . Sci. Adv. ， 2022 ， 8 （ 31 ）： eabo4184 .

Gu J X ， Wang Z H ， Kuen J ， Ma L Y ， Shahroudy A ， Shuai B ， Liu T ， Wang X X ， Wang G ， Cai J F ， Chen T H . Pattern. Recognit. ， 2018 ， 77 ： 354 - 377 .

Barnes R J ， Dhanoa M S ， Lister S J . Appl. Spectrosc. ， 1989 ， 43 （ 5 ）： 772 – 777 .

Dhanoa M S ， Lister S J ， Sanderson R ， Barnes R J . J. Near Infrared Spectrosc. ， 1994 ， 2 （ 1 ）： 43 – 47 .

Huang Y ， Liu H ， Lu X ， Yao L ， Chen J ， Pan T . Spectrochim. Acta A ， 2024 ， 317 ： 124394 .

Puertas G ， Cazón P ， Vázquez M . LWT Technol. ， 2023 ， 174 ： 114429 .

Chen J M ， Peng L J ， Han Y ， Yao L J ， Zhang J ， Pan T . Spectrochim. Acta A ， 2018 ， 193 ： 499 - 506 .

Views

下载量

CSCD

Alert me when the article has been cited

提交

Tools

Publicity Resources

Fusion Model of LSTM Optimization Based on CNN Framework and Its Application to NIR Spectroscopic Analysis of Mango Dry Matter

Related Author

GAO Qiao-ji

WU Zhen-bang

CHEN Min

LIU Wen-xuan

CAO Cheng-cheng

LIAO Jing-long

PAN Tao

CHEN Hua-zhou

Related Institution

Jinan University

School of Mathematics and Statistics，Guilin University of Technology

College of Automation，Zhongkai University of Agriculture and Engineering

Guangxi Colleges and Universities Key Laboratory of Applied Statistics

Guangxi Colleges and Universities Key Laboratory of Applied Statistics，Guilin University of Technology

Address：100 Xianlie Middle Road, Guangzhou Postal code：510070
Tel：020-87684776,37656606 Fax：020-87684776 Email：fxcsxb@china.com
Technical support is provided by Beijing Founder electronics co., LTD 粤ICP备12017312号-3 京公网安备11010802024621
It is recommended to read the content of this site in Chrome&IE9+. Please switch to extreme mode in browser 360.
Cookies We use cookies to help provide and enhance our service and tailor content. By continuing, you agree to the use of cookies.
Total Visits：495725 Visits Today：873

⁰