血清HBsAg感染的Vis-NIR光谱模式识别研究

高乔基; 吴振邦; 徐茜; 陈敏; 刘文轩; 曹诚诚; 廖敬龙; 欧超; 潘涛

doi:10.12452/j.fxcsxb.250227129

您当前的位置：

首页 >

文章列表页 >

血清HBsAg感染的Vis-NIR光谱模式识别研究

研究报告 | 更新时间：2025-06-09

- 血清HBsAg感染的Vis-NIR光谱模式识别研究
- Study on Vis-NIR Spectral Pattern Recognition of Serum HBsAg Infection
- 分析测试学报 2025年44卷第6期页码：1016-1023
- 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：
  
  潘涛，博士，教授、博士生导师，研究方向：光谱技术、光谱分析与化学计量学，E-mail：466945939@qq.com
- 基金信息：
  
  国家自然科学基金资助项目(82460611;62476112)
- DOI：10.12452/j.fxcsxb.250227129
  中图分类号： O657.3;R457.2
- 收稿日期：2025-02-27，
  
  修回日期：2025-04-03，
  
  录用日期：2025-04-07，
  
  纸质出版日期：2025-06-15
- 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 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于CNN框架的LSTM融合优化模型用于芒果干物质的近红外光谱分析