本发明涉及血液成分检验的，尤其涉及一种基于光谱识别的血液检验方法及系统。
背景技术：
1、近年来，光谱识别技术凭借其独特优势在血液成分检验领域的应用不断拓展加深，其中，可见-近红外光谱技术涵盖了波长范围为400nm至780nm的可见光区间和波长范围为780nm至1100nm的近红外光区间，这两个区间内的光波与血液中的各种成分发生相互作用明显，从而产生可测量的光谱信号，不同成分对光的吸收和散射特性不同并产生不同的光谱特征，利用光谱识别技术对这些特征进行分析和处理，可以实现对血液成分的定性和定量检测。通过可见-近红外光谱技术进行无创检验避免了对测试者进行血液采样，降低了感染风险，操作相对简便且快速，可实现血液成分的快速检测，从而实时监测血液中的成分参数变化，为临床决策提供及时的信息。
2、目前，申请号为cn202210035976.7的中国发明专利公开了一种用于无创血液成分检测传感器组的作业布局方法，该申请方案具体包括如下步骤：预设待测参数；预设传感器组：根据待测成分对近红外光谱的共振吸收状况配置传感器组；传感器组布局：根据传感器组对近红外光谱的共振吸收状况，预设发射传感器、透射和反射接收传感器的布局数量以及安装策略；预设传感器响应：将发射传感器配置响应控制时序，使发射传感器由控制指令依次响应开启，使各光谱波长传感器组进行数据采集互不干扰，精准得到光电信号通过各待测成分形成的脉搏波形，从而完成传感器组的作业布局。该发明涉及的技术方案能够对被测人员的血液成分浓度值进行便捷快速数据采集，确保得到准确计算数据，为后续测试计算提供准确的数据前提。但由于血液成分复杂，大范围波长的照射导致不同血液成分的吸收峰发生重叠，导致不同成分的光谱信号相互干扰，影响检测结果的准确性，并且血红蛋白含量巨大，对可见-红外光的吸收最强，影响其他成分的光谱数据。此外。人体血液成分复杂，采集到的光谱数据直接特征提取难度高，直接计算得到的结果误差较大。
技术实现思路
1、本发明解决的技术问题是：传统的可见-红外光谱识别方法对血液成分进行检验时选择全波段扫描，未考虑血红蛋白的干扰进行波长优选。血液成分复杂，采集到的光谱数据直接特征提取难度高，传统方法计算得到的中性粒细胞含量误差大。
2、为解决上述技术问题，本发明提供如下技术方案：
3、一种基于光谱识别的血液检验方法，具体包括如下步骤：
4、步骤s1，获取环境温度与测试者信息，基于环境温度与测试者信息计算优选波长，通过优选波长的可见-近红外光对测试者的手指血液进行采集，获得初始光谱数据；
5、步骤s2，通过双正交daubechies小波基函数对初始光谱数据进行分解得到低频系数与高频系数的系数对集合，对高频系数进行平滑滤波去除噪声，通过计算均方误差值并由低至高进行排序选取出最优系数对，基于最优系数对得到最优小波基函数与最优分解层数；
6、步骤s3，基于最优小波基函数与最优分解层数对初始光谱数据进行最优小波分解得到目标低频系数与目标高频系数，对目标低频系数进行线性变换与均值滤波得到特征低频系数，对目标高频系数进行高斯滤波得到特征高频系数，通过小波重构得到特征光谱数据；
7、步骤s4，将特征光谱数据带入光谱-中性粒细胞定量回归模型，计算得到测试者血液的中性粒细胞含量数据。
8、作为本发明所述的一种基于光谱识别的血液检验方法的一种优选方案，其中：测量环境温度，统计测试者信息，测试者信息包括测试者性别、年龄与病理数据，基于测试者信息与人体血液红细胞浓度参考模型得到血液红细胞浓度参考范围，通过血液红细胞浓度范围与血红蛋白的吸光系数计算得到透光比例系数，基于透光比例系数与环境温度得到近红外照射光的波长优选范围，其计算表达式为：
9、；
10、其中，q表示透光比例系数，表示在浓度下的血红蛋白光吸收系数，表示在浓度下的血红蛋白光吸收系数，表示血液红细胞浓度参考范围上限值，表示血液红细胞浓度参考范围下限值。人体血液的主要细胞组成中血红蛋白占比最大，使用传统方式全波段不仅增加能耗与时间，而且易受温度和血红蛋白吸光干扰，通过优选出血红蛋白吸光的波长范围能够减少血红蛋白对光谱数据的影响，有利于采集到清晰显示中性粒细胞特征的光谱数据。
11、作为本发明所述的一种基于光谱识别的血液检验方法的一种优选方案，其中：基于可见-近红外照射光的波长优选范围设定光谱仪照射参数，对测试者手指进行夹持并保持稳定，完成对初始光谱数据的采集。操作简单快捷，对使用者专业度要求低。
12、作为本发明所述的一种基于光谱识别的血液检验方法的一种优选方案，其中：选择小波基函数与分解层数，通过双正交daubechies小波基函数中的db1至db10函数对所述初始光谱数据分别进行小波分解，通过各小波基函数依次进行二层至五层的小波分解得到高频系数与低频系数的系数对集合。
13、作为本发明所述的一种基于光谱识别的血液检验方法的一种优选方案，其中：通过比值平滑阈值法对所述系数对集合之中的各高频系数进行滤波得到平滑高频系数，通过平滑高频系数与对应的低频系数进行小波逆变换得到重构光谱数据，分别计算重构光谱数据的均方误差值并进行排序，选取最小均方误差值对应的系数对作为最优系数对，将最优系数对对应的小波基函数与分解层数确定为最优小波基函数与最优分解层数。
14、作为本发明所述的一种基于光谱识别的血液检验方法的一种优选方案，其中：基于最优小波基函数与最优分解层数对初始光谱数据进行最优小波分解得到目标低频系数与目标高频系数，对目标低频系数进行线性变换与均值滤波得到特征低频系数，对目标高频系数进行高斯滤波得到特征高频系数，基于特征低频系数和特征高频系数进行小波重构得到特征光谱数据，将特征光谱数据带入光谱-中性粒细胞定量回归模型计算得到细胞数量预测矩阵，对细胞数量预测矩阵进行逆矩阵化处理得到测试者血液的中性粒细胞含量数据。
15、作为本发明所述的一种基于光谱识别的血液检验方法的一种优选方案，其中：所述光谱-中性粒细胞定量回归模型通过改进的偏最小二乘法计算得到，所述光谱-中性粒细胞定量回归模型的计算逻辑包括：基于近红外照射光的波长优选范围的对应波长序列对特征光谱数据进行矩阵化处理得到样本特征矩阵，基于主成分分析法建立样本特征矩阵与细胞数量矩阵的方程组，将样本特征矩阵与细胞数量矩阵分别分解为对应的荷载矩阵、得分矩阵和残差矩阵；
16、通过多项式核函数矩阵将样本特征矩阵中的向量映射至高维矩阵空间，通过特征值分解法计算得到权重分量与特征值对角矩阵，基于权重分量与细胞数量矩阵进行投影计算得到细胞数量矩阵对应的预测得分矩阵，基于细胞数量矩阵对应的预测得分矩阵与特征值对角矩阵进行计算得到样本特征矩阵对应的预测得分矩阵，通过样本光谱矩阵对应的得分矩阵、样本光谱矩阵对应的预测得分矩阵、细胞数量矩阵对应的预测得分矩阵和细胞数量矩阵对应的荷载矩阵计算得到细胞数量预测矩阵，其计算表达式为：
17、；
18、；
19、；
20、；
21、其中，x表示样本光谱矩阵，t表示样本光谱矩阵对应的得分矩阵，p表示样本光谱矩阵对应的荷载矩阵，e表示样本光谱矩阵对应的残差矩阵，y表示细胞数量矩阵，u表示细胞数量矩阵对应的得分矩阵，q表示细胞数量矩阵对应的荷载矩阵，f表示细胞数量矩阵对应的残差矩阵，表示权重分量，表示特征值对角矩阵，表示细胞数量矩阵对应的预测得分矩阵，表示样本光谱矩阵对应的预测得分矩阵，表示核函数矩阵对应的第i个正交分量，t表示矩阵转置，表示细胞数量预测矩阵。
22、一种基于光谱识别的血液检验系统，具体组成包括：采集模块、数据处理模块、电源模块和终端模块；
23、所述采集模块用于采集测试者血液的可见-近红外光谱数据并传输至数据处理模块，所述采集模块包括光源子模块部分、接收子模块、测温子模块和采集数据传输子模块；
24、所述光源子模块部分用于发送波长范围为400nm至1100nm的可见-近红外光波，包括激光二极管、光纤耦合器和传导光纤；
25、所述接收子模块用于接收可见-近红外波的透射波与反射波，包括二极管列阵探测器、手指夹具、光电转换器和模电转换器；
26、所述测温子模块用于测量环境温度，为照射波长范优选提供温度参数，包括热敏电阻探头和热电转换模组；
27、所述数据处理模块用于根据环境温度与测试者信息计算优选波长，通过优选波长的可见-近红外光对测试者的手指血液进行采集，获得初始光谱数据，通过双正交daubechies小波基函数对初始光谱数据进行分解得到低频系数与高频系数的系数对集合，对高频系数进行平滑滤波去除噪声，通过计算均方误差值并由低至高进行排序选取出最优系数对，基于最优系数对得到最优小波基函数与最优分解层数，基于最优小波基函数与最优分解层数对初始光谱数据进行最优小波分解得到目标低频系数与目标高频系数，对目标低频系数进行线性变换与均值滤波得到特征低频系数，对目标高频系数进行高斯滤波得到特征高频系数，通过小波重构得到特征光谱数据，将特征光谱数据带入光谱-中性粒细胞定量回归模型，计算得到测试者血液的中性粒细胞含量数据；
28、所述电源模块用于通过锂电池向采集模块、数据处理模块和终端模块提供电能，通过电源线与采集模块、数据处理模块和终端模块相连接；
29、所述终端模块用于向接受和执行用户的输入指令，并通过显示界面将指令运行结果反馈至用户，输入指令包括启动指令、检验指令和查询指令，指令运行结果反馈包括向用户显示系统状态、数据采集结果、实时检验结果与历史检验结果，所述终端模块通过数据线与采集模块和数据处理模块相连接，通过电源线和电源模块相连接。
30、本发明的有益效果：本发明能够无损实时检测血液的中性粒细胞含量，有利于对检测者的免疫情况与病理信息进行判断和检测。充分考虑到人体血液的主要细胞中血红蛋白占比最大的情况，避免了使用传统方式全波段扫描方式，不仅降低光谱扫描的能耗与时间，而且通过优选出血红蛋白吸光的波长范围能够减少血红蛋白对光谱数据的影响，有利于采集到清晰显示中性粒细胞特征的光谱数据。同时采集操作简单快捷，对使用者专业度要求低。对光谱数据进行处理时，先通过小波分解进行滤波，有利于减少噪声误差的同时保留有效信息，有效简化后续对复杂光谱数据的处理。通过建立的回归模型进行计算，有利于从复杂血液成分中定量计算出中性粒细胞数量，在计算出高精度结果的同时保证结果能实时输出。
1.一种基于光谱识别的血液检验方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于光谱识别的血液检验方法，其特征在于：测量环境温度，统计测试者信息，测试者信息包括测试者性别、年龄与病理数据，基于测试者信息与人体血液红细胞浓度参考模型得到血液红细胞浓度参考范围，通过血液红细胞浓度范围与血红蛋白的吸光系数计算得到透光比例系数，基于透光比例系数与环境温度得到近红外照射光的波长优选范围。
3.如权利要求1所述的一种基于光谱识别的血液检验方法，其特征在于：基于可见-近红外照射光的波长优选范围设定光谱仪照射参数，对测试者手指进行夹持并保持稳定，完成对初始光谱数据的采集。
4.如权利要求1所述的一种基于光谱识别的血液检验方法，其特征在于：选择小波基函数与分解层数，通过双正交daubechies小波基函数中的db1至db10函数对所述初始光谱数据分别进行小波分解，通过各小波基函数依次进行二层至五层的小波分解得到高频系数与低频系数的系数对集合。
5.如权利要求1所述的一种基于光谱识别的血液检验方法，其特征在于：通过比值平滑阈值法对所述系数对集合之中的各高频系数进行滤波得到平滑高频系数，基于平滑高频系数与对应的低频系数进行小波逆变换得到重构光谱数据，分别计算重构光谱数据的均方误差值并由低至高进行排序，选取最小均方误差值对应的系数对作为最优系数对，将最优系数对所对应的小波基函数与分解层数确定为最优小波基函数与最优分解层数。
6.如权利要求1所述的一种基于光谱识别的血液检验方法，其特征在于：基于最优小波基函数与最优分解层数对初始光谱数据进行最优小波分解得到目标低频系数与目标高频系数，对目标低频系数进行线性变换与均值滤波得到特征低频系数，对目标高频系数进行高斯滤波得到特征高频系数，基于特征低频系数和特征高频系数进行小波重构得到特征光谱数据，将特征光谱数据带入光谱-中性粒细胞定量回归模型计算得到细胞数量预测矩阵，对细胞数量预测矩阵进行逆矩阵化处理得到测试者血液的中性粒细胞含量数据。
7.如权利要求6所述的一种基于光谱识别的血液检验方法，其特征在于：所述光谱-中性粒细胞定量回归模型通过改进的偏最小二乘法计算得到，所述光谱-中性粒细胞定量回归模型的计算逻辑包括：基于近红外照射光的波长优选范围的对应波长序列对特征光谱数据进行矩阵化处理得到样本特征矩阵，基于主成分分析法建立样本特征矩阵与细胞数量矩阵的方程组，将样本特征矩阵与细胞数量矩阵分别分解为对应的荷载矩阵、得分矩阵和残差矩阵，
8.一种基于光谱识别的血液检验系统，其特征在于，包括：采集模块、数据处理模块、电源模块和终端模块；
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一所述一种基于光谱识别的血液检验方法的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一所述一种基于光谱识别的血液检验方法的步骤。
