時間：2023-05-17 10:07:11
序論：速發(fā)表網(wǎng)結(jié)合其深厚的文秘經(jīng)驗，特別為您篩選了11篇光譜學(xué)分析范文。如果您需要更多原創(chuàng)資料，歡迎隨時與我們的客服老師聯(lián)系，希望您能從中汲取靈感和知識！
我國中藥資源豐富，應(yīng)用歷史悠久。然而由于我國中藥生產(chǎn)工藝及質(zhì)量控制技術(shù)水平較低，嚴(yán)重制約我國中藥產(chǎn)業(yè)現(xiàn)代化的發(fā)展。隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，藥物分析方法己經(jīng)從傳統(tǒng)的化學(xué)分析發(fā)展到儀器分析階段，紫外可見分光光度法、薄層掃描色譜法、電泳法、氣相和高效液相色譜法及各種聯(lián)用分析技術(shù)等己經(jīng)應(yīng)用到中藥材分析中。但這些方法都需要經(jīng)過復(fù)雜的樣品準(zhǔn)備和預(yù)處理，測定成本高且效率較低，因此難以用于中藥產(chǎn)品及其生產(chǎn)過程的快速分析。
近年來國際上提出了一種全新的藥物非破壞快速分析法，該法是將化學(xué)計量學(xué)同近紅外（NIR）光譜分析法相結(jié)合而形成的新技術(shù)。由于NIR光譜分析法操作簡便、快速、能非破壞的對各種樣品進(jìn)行快速、精確的分析，加之分析儀器的數(shù)字化和化學(xué)計量學(xué)的發(fā)展，運用化學(xué)計量學(xué)方法已能很好的解決光譜信息的提取及背景干擾方面的影響。因此，NIR光譜在制藥工業(yè)中的應(yīng)用日趨廣泛。隨著中藥產(chǎn)業(yè)現(xiàn)代化進(jìn)程的逐步加快，NIR光譜分析法被引入到中藥材分析領(lǐng)域，在中藥材鑒別和有效組分定量分析等方面取得了可喜的進(jìn)展，顯示出NIR光譜分析技術(shù)在中藥材分析中具有廣闊的發(fā)展空間。
一、NIR技術(shù)簡介
近紅外光譜是人們發(fā)現(xiàn)最早的處于可見光和中紅外光之間的非可見光譜區(qū)域。許多有機物在該區(qū)域有著特征性吸收，且不同光譜波段的吸收強度與該物質(zhì)的分子結(jié)構(gòu)及濃度之間存在一定的對應(yīng)關(guān)系。它的發(fā)現(xiàn)已有近200年的歷史，而近紅外光譜分析方法卻僅在最近這二十年間才得到了迅速發(fā)展和廣泛應(yīng)用。特別是進(jìn)入90年代后，現(xiàn)代近紅外光譜成為了發(fā)展最快、最為引人矚目的光譜分析技術(shù)，是化學(xué)計量學(xué)與光譜測量技術(shù)的有機結(jié)合，被譽為分析的巨人。而我國對近紅外光譜技術(shù)的研究及應(yīng)用起步相對較晚，但逐漸受到關(guān)注，并在光譜儀器研制、配套軟件開發(fā)、基礎(chǔ)研究和應(yīng)用等方面取得了豐碩的成果，并帶來了極好的經(jīng)濟(jì)效益與社會效益。
二、常見的化學(xué)計量學(xué)方法
目前，在NIR 光譜分析中最常用的化學(xué)計量學(xué)方法為多元校正方法，主要包括：多元線性回歸、主成分分析、主成分回歸和偏最小二乘等。最近十幾年，包括人工神經(jīng)網(wǎng)絡(luò)、遺傳算法和模糊邏輯系統(tǒng)等軟計算方法在化學(xué)中的應(yīng)用得到了越來越多的關(guān)注。由于中藥材化學(xué)物質(zhì)體系非常復(fù)雜，待分析的藥效成分多是混合體，如各種中藥制劑和天然藥物等。同時在中藥材質(zhì)量控制中，由于中藥生產(chǎn)方式：提取、炮制、煎煮等對待測成分的影響，又存在著動態(tài)化學(xué)變化和新成分的生成，致使其內(nèi)部有效成分復(fù)雜多變，難以闡明。所以，在實際的中藥材分析應(yīng)用中，使用常規(guī)的NIR光譜多元校正建?；蚰Ｊ椒诸惖确椒ㄍ荒苋〉美硐氲亩ㄐ曰蚨糠治鼋Y(jié)果，導(dǎo)致其成為阻礙中藥NIR光譜分析技術(shù)應(yīng)用發(fā)展的瓶頸。為此，有必要進(jìn)一步研究中藥材的NIR光譜計算分析方法學(xué)。
三、NIR技術(shù)在中藥材分析中的應(yīng)用
中藥材分析包括定性分析和定量分析兩個方面。定性分析多為對中藥材及中成藥的真假鑒別、產(chǎn)地鑒別和來源鑒別。湯彥豐等[1]將近紅外漫反射光譜分析技術(shù)與人工神經(jīng)網(wǎng)絡(luò)方法相結(jié)合, 對52種大黃樣品進(jìn)行了測定和鑒別, 正確率可達(dá)96%。劉沭華等[2]采用近紅外光譜法結(jié)合近鄰法和多類支持向量機等模式識別技術(shù)對來自4個不同產(chǎn)地的269個白芷樣本和6個不同產(chǎn)地的350個野生和栽培丹參樣本進(jìn)行了產(chǎn)地鑒別。劉荔荔等[3]采用傅立葉變換近紅外光譜結(jié)合聚類分析對7種紅曲霉屬真菌發(fā)酵制成的紅曲藥材進(jìn)行了成功鑒別。
中藥材的定量分析主要指對中藥材有效成分含量的測定, 于曉輝等[4]將近紅外光譜技術(shù)與徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)相結(jié)合,對42種大黃樣品中的主要有效成分: 蒽醌類化合物、水溶性蒽甙類化合物、芪甙類化合物和鞣質(zhì)類化合物進(jìn)行了定量預(yù)測分析。朱向榮[5]應(yīng)用近紅外光譜分析技術(shù)結(jié)合化學(xué)計量學(xué)方法, 成功的測出中藥清開靈注射液中間體總氮和梔子苷的含量。趙玉清等[6]采用近紅外光譜建立了偏最小二乘模型，實現(xiàn)了對黃芪提取液中總皂苷含量的測定。
四、展望
為了更好發(fā)揮近紅外光譜法在中藥領(lǐng)域的快速分析作用，拓展各種化學(xué)計量學(xué)方法的應(yīng)用范圍，為其在中藥材分析中的應(yīng)用打下一定基礎(chǔ)，當(dāng)前必須進(jìn)行中藥材近紅外光譜的化學(xué)計量學(xué)方法研究，特別是發(fā)展近紅外光譜非線性建模方法、特征光譜信息提取、化學(xué)信息模式識別以及模糊聚類分析等方法，發(fā)展形成中藥材快速分析新技術(shù)，實現(xiàn)中藥生產(chǎn)全過程質(zhì)量監(jiān)控，這對于推進(jìn)我國中藥產(chǎn)業(yè)現(xiàn)代化進(jìn)程具有重大理論意義和實際應(yīng)用價值。
參考文獻(xiàn)
[1]湯彥豐, 張卓勇, 范國強 光譜學(xué)與光譜分析 2004, 24 (11): 1348-1351
[2]劉沭華，張學(xué)工，周群，光譜學(xué)與光譜分析 2006，26（4）∶629-632.
[3]劉荔荔, 邢旺興, 賈暖, 林培英, 必鶴鳴, 吳玉田 第二軍醫(yī)大學(xué)學(xué)報2002，23（11）:1230-1232
化學(xué)耗氧量（ChemicalOxygenDemand，COD）是指在一定條件下用強氧化劑處理水樣時所消耗氧化劑的量，以氧含量（mg•L－1）來表示．它可以反映水體受有機物的污染程度，是衡量水質(zhì)的重要指標(biāo)之一．水體中COD的測定方法有化學(xué)法、紫外吸收法、熒光法以及臭氧氧化法等［1－4］．目前環(huán)保領(lǐng)域COD的測量主要是采用化學(xué)法中的高錳酸鹽指數(shù)法和重鉻酸鉀回流法．水體中COD的測定受諸多因素的影響，如加入的氧化劑種類、濃度、反應(yīng)液的pH值、反應(yīng)溫度、時間以及催化劑的種類和用量等［5］．目前采用的高錳酸鹽指數(shù)法和重鉻酸鉀回流法，分析周期長，能源浪費大，受回流設(shè)備的限制不能進(jìn)行大批量分析，且會產(chǎn)生嚴(yán)重的貴金屬銀鹽及汞鹽污染．近年來利用光學(xué)法進(jìn)行水質(zhì)監(jiān)測已成為國際的研究熱點［6－10］．與傳統(tǒng)方法相比，光學(xué)監(jiān)測技術(shù)具有操作簡便、不需要消耗試劑、重復(fù)性好、測量準(zhǔn)確度高和檢測快速的優(yōu)點［11－15］，非常適合對環(huán)境水樣的快速在線監(jiān)測．本文基于紫外光譜法的COD測量技術(shù)，設(shè)計了一種全光譜分析的水質(zhì)COD在線監(jiān)測系統(tǒng)，利用最小二乘法建立了計算模型，并進(jìn)行模型參量反演．針對現(xiàn)實水樣的復(fù)雜性，在實驗室內(nèi)配制模擬水樣進(jìn)行測量，并與相關(guān)儀器測量結(jié)果進(jìn)行了對比．實驗結(jié)果表明．該方法無需消耗任何試劑，測量準(zhǔn)確度高、重復(fù)性好，可以應(yīng)用于復(fù)雜水質(zhì)的COD在線監(jiān)測．
1測量原理與實驗系統(tǒng)
從20世紀(jì)60年代起，國外就開始了紫外吸收光譜法測量COD的研究，其發(fā)展經(jīng)歷了單波長法、雙波長法、多波長法、全光譜法的發(fā)展歷程．單／雙波長光度計的結(jié)構(gòu)簡單，只適用于成分單一的水質(zhì)COD的測定．而實際水樣COD的測定會受到多種因素的干擾，且水體中有機物組分不同，最大吸收峰也并非都在254nm處（如圖1，圖中1～6分別表示苯胺、苯酚、丙酮、腐植酸、鄰苯二甲酸莖鉀和水楊酸）．因此，只用254nm來捕捉全部有機物是非常困難的．全光譜法COD測量的理論基礎(chǔ)：大多數(shù)有機物在200～400nm紫外波段都有吸收，通過測定水中有機物在紫外波段的吸光度值，可以間接反應(yīng)出水體中有機物的含量，從而廣泛應(yīng)用于水中有機物的定性、定量測定．整個測量系統(tǒng)的結(jié)構(gòu)如圖2．系統(tǒng)采用流通式進(jìn)水方式，進(jìn)水口通過進(jìn)水泵控制水流速度，排水口通過電磁閥控制排水；光源采用光纖燈（賀利士氘－鎢燈，型號：DTM6－10），波長范圍覆蓋200～1100nm波段；光源通過光纖耦合到樣品池，樣品池兩端設(shè)計為標(biāo)準(zhǔn)的SMA905接口，為了保證入射光、透射光的傳輸效率，在樣品池兩端增加透鏡組；光譜檢測設(shè)備采用微型光譜儀作為檢測終端（OceanOpticsUSB4000），負(fù)責(zé)光譜信號的采集；控制單元是測量系統(tǒng)的核心，負(fù)責(zé)光源控制、進(jìn)水泵控制、電磁閥排水、光譜信號采集與處理．
2基于全光譜分析的COD計算方法
2．1實驗數(shù)據(jù)選擇配制了5種不同COD的鄰苯二甲酸氫鉀溶液．圖3為其吸光度光譜圖，測量波長范圍為200～750nm．從圖中可以看出，5種濃度的溶液在400750nm的波段內(nèi)基本沒有吸收，結(jié)合圖1中6種有機物在此波段內(nèi)也基本不產(chǎn)生吸收，所以本文選取了200～400nm波段范圍內(nèi)的數(shù)據(jù)用來進(jìn)行系統(tǒng)模型的建立．
2．2系統(tǒng)模型建立數(shù)據(jù)的處理流程如圖4，其中計算模型的流程如圖4（a）．光譜值通過實驗獲?。杉脑脊庾V一般會有噪音，通過小波濾波的方法對光譜進(jìn)行預(yù)處理，濾除環(huán)境雜散光帶來的擾動．光譜經(jīng)過濾波預(yù)處理后，進(jìn)行吸光度計算，計算公式依據(jù)朗伯－比爾定律A＝－lg（I／Io）（1）式中，A表示吸光度，I表示透射光強度，Io表示入射光強度．根據(jù)吸光度的計算結(jié)果，選取特征波長處吸光度用于模型計算．參量反演數(shù)學(xué)模型：將200～400nm波長段的吸收光譜分成n個區(qū)間，建立吸光度系數(shù)a與濃度c的方程．取n個區(qū)間的中心波長作為特征波長，n即為特征波長的個數(shù)．將特征光譜映射為COD值的特征向量，可以建立如下方程那么式（3）可以記為ax＝c．其中，a為吸光度，x為傳遞系數(shù)，c為COD值．吸光度a可以通過實驗的方法計算得到，COD為待測量．這樣對傳遞系數(shù)x的求解可以轉(zhuǎn)換為通過m個方程解n個未知數(shù)的問題．利用最小二乘法對方程組進(jìn)行多元線性回歸，就可以得到相應(yīng)傳遞系數(shù)．在本文的實際應(yīng)用中，n取值20，m取值30．
3結(jié)果與討論
3．1精密度及檢出限實驗精密度的測定：取20mg•L－1的鄰苯二甲酸氫鉀標(biāo)準(zhǔn)溶液連續(xù)測定11次，相對標(biāo)準(zhǔn)偏差為2．93％，精密度良好．檢出限的測定：平行測定質(zhì)量濃度為1．0mg•L－1的鄰苯二甲酸氫鉀標(biāo)準(zhǔn)溶液7次，據(jù)式（4）計算最小檢出限ρMDL＝S＊t（n－1，0．90）（4）式中S為標(biāo)準(zhǔn)偏差，t（n－1，0．90）表示置信度為90％、自由度為n－1時的統(tǒng)計量t值，本實驗中t（6，0．90）＝1．94．計算得本法的檢出限為0．0985mg•L－1．
1．1在病原微生物檢測中的應(yīng)用
微生物細(xì)胞膜表面有大量已知的生化成分可以看作是微生物的特征性標(biāo)志，因而可以作為菌種快速識別和鑒定的判斷標(biāo)準(zhǔn)。利用拉曼光譜可以在不依賴培養(yǎng)基的情況下直接對患者體內(nèi)分離下來的或?qū)嶒炇抑斜４娴膯我痪N或混合菌群進(jìn)行快速鑒別及分析［8］。美國華盛頓州的研究人員利用拉曼光譜對從臨床患者和醫(yī)院環(huán)境中分離得到的7株副溶血弧菌進(jìn)行了分析，結(jié)果發(fā)現(xiàn)7株菌株都有其各自不同于其他菌株的特征峰。他們還將其中2株副溶血弧菌菌株分別按照1∶2、1∶1和2∶1的比例混勻后分別利用拉曼光譜檢測，結(jié)果顯示可以通過2株細(xì)菌各自的特征峰將兩者明確區(qū)別開來，其中一株副溶血弧菌的特征峰出現(xiàn)在了1002cm－1、1177cm－1和1532cm－1處，而另一株副溶血弧菌的特征峰卻分別出現(xiàn)在了525cm－1、738cm－1、1319cm－1和1639cm－1處，證明拉曼光譜無論在單一菌種標(biāo)本還是混合菌群標(biāo)本中均具有良好的分析鑒定能力［9］。另有研究發(fā)現(xiàn)結(jié)合使用拉曼光譜和化學(xué)計量法可以鑒別微生物的種類及各自血清型，已有實驗利用銀納米顆粒作為基底對綠豆芽中的李斯特菌、霍亂弧菌、金黃色葡萄球菌等6種食物源性致病菌進(jìn)行了拉曼光譜的鑒定和區(qū)分［10］。有研究報道對日常生活中主要的食物源性致病菌進(jìn)行了拉曼光譜分析，從而對細(xì)菌進(jìn)行等級劃分，第一級便是區(qū)分革蘭陽性菌和革蘭陰性菌，另外通過各自特征峰區(qū)別不同細(xì)菌菌屬，結(jié)果顯示各級的識別結(jié)果準(zhǔn)確度均在91％以上［11］。利用拉曼光譜技術(shù)與微流控芯片相結(jié)合的辦法，毛麗華等人設(shè)計并建立了拉曼光譜－微流控芯片自動化檢測系統(tǒng)，檢測并統(tǒng)計了珠蛋白生成性障礙貧血型紅細(xì)胞與健康人紅細(xì)胞的拉曼光譜值，通過在1004cm－1、1130cm－1、1450cm－1等拉曼光譜特征峰的數(shù)據(jù)對比，發(fā)現(xiàn)了珠蛋白生成障礙性貧血型紅細(xì)胞的血紅蛋白寬度較健康人紅細(xì)胞廣，并以此發(fā)現(xiàn)了新的快速、便捷的檢測珠蛋白生成障礙性貧血的檢驗醫(yī)學(xué)技術(shù)。另有研究者也利用拉曼光譜技術(shù)與微流控芯片相結(jié)合的辦法從十多種細(xì)菌混合的菌群中對耐甲氧西林金黃色葡萄球菌進(jìn)行了快速分析研究。結(jié)果表明耐甲氧西林金黃色葡萄球菌較其他細(xì)菌有其獨特的拉曼波峰，并且整個檢測過程用時只需20s時間，在檢驗精度上也與傳統(tǒng)PCR技術(shù)、免疫學(xué)檢測技術(shù)所得到的結(jié)果相似［12］。該方法簡便快速，安全可靠，非常適合用于衛(wèi)生稽查部門的快速檢驗。
1．2在腫瘤檢驗中的應(yīng)用
目前在全世界范圍內(nèi)依然沒有很好的針對腫瘤的治療手段，腫瘤的分期對預(yù)后起著決定性的影響，那么對腫瘤的早發(fā)現(xiàn)、早診斷、早治療就擺在了尤為突出的地位［13］。在腫瘤組織中，在細(xì)胞發(fā)生病理學(xué)手段可觀測到的形態(tài)惡變之前，其實已經(jīng)存在由細(xì)胞增殖分裂分化或一些信號蛋白的產(chǎn)生等引起的細(xì)胞中遺傳物質(zhì)、蛋白質(zhì)和脂類的結(jié)構(gòu)和含量改變，而這些細(xì)微的改變可以及時通過拉曼光譜檢測反映出來［14］。因而在腫瘤檢驗中拉曼光譜技術(shù)具有傳統(tǒng)病理學(xué)檢測所無法替代的功能用途，對腫瘤的早期診斷有巨大幫助。實驗證明拉曼光譜可用于癌變組織與正常組織的鑒別。早在1991年就有人率先對拉曼光譜的腫瘤檢驗學(xué)價值進(jìn)行了報道。他們發(fā)現(xiàn)正常乳腺組織與腫瘤組織甚至良性腫瘤與惡性腫瘤的拉曼光譜在700～1900cm－1存在著明顯差別，且對應(yīng)的各自拉曼峰相對強度也存在顯著差異［15］。從此掀開了拉曼光譜應(yīng)用于早期腫瘤診斷的新時代。Gawinkowski等［16］對拉曼光譜技術(shù)進(jìn)行改進(jìn)設(shè)計了快速近紅外拉曼光譜檢測系統(tǒng)，進(jìn)一步提高了檢測效率，可在5s內(nèi)快速測得活體皮膚的拉曼光譜。隨即該科研團(tuán)隊利用此系統(tǒng)對肺癌組織進(jìn)行拉曼光譜檢測，結(jié)果顯示肺癌組織的拉曼光譜特征與正常肺組織之間存在明顯差別。此后，該科研小組又成功獲得了亞洲人種皮膚黑色素組織的拉曼光譜數(shù)據(jù)。在對胃癌的在體拉曼檢測中研究人員將拉曼光譜技術(shù)與微型攝像機、圖像分光儀、雙極管激光發(fā)生器等結(jié)合建立了新型拉曼內(nèi)鏡系統(tǒng)，也推動了內(nèi)鏡技術(shù)的發(fā)展［17］。有學(xué)者利用激光作為拉曼光譜的激發(fā)光源，對15例手術(shù)切除且經(jīng)病理確診為基底細(xì)胞癌的組織標(biāo)本進(jìn)行拉曼照射，同時與正常皮膚組織進(jìn)行對比分析，結(jié)果顯示通過拉曼光譜檢測可以實現(xiàn)對基底細(xì)胞癌的高靈敏度診斷［18］。在對鼻咽癌組織和正常鼻咽組織的拉曼光譜比較中也有相似發(fā)現(xiàn)，它們在1290～1320cm－1，1420～1470cm－1和1530～1580cm－1這3處波段區(qū)間均存在明顯特征差異，可以作為鑒別要點。另有研究人員選用830nm波長激光對甲狀旁腺腺瘤組織標(biāo)本及增生組織標(biāo)本中的結(jié)節(jié)區(qū)域進(jìn)行拉曼照射，重復(fù)了四十多次試驗，比較發(fā)現(xiàn)二者的拉曼光譜比較相似，但在蛋白質(zhì)、脂質(zhì)等某些特定波段仍存在可區(qū)別的差異，建立線性分析的數(shù)學(xué)模型可以很好地將二者區(qū)別開來［19］。對人體多處腫瘤組織的拉曼檢測均得到了較好的鑒別指標(biāo)，預(yù)示著拉曼光譜在腫瘤學(xué)檢驗中將有寬廣的發(fā)展空間。
1．3在藥物分析檢測中的應(yīng)用
拉曼光譜較早即應(yīng)用于藥物檢驗領(lǐng)域。早期便有科研人員用共聚焦拉曼光譜儀對鹽酸曲馬多進(jìn)行了檢測，所獲得的拉曼譜帶顯示圖譜峰形良好，峰強明顯，可以較準(zhǔn)確地反映出鹽酸曲馬多的化學(xué)結(jié)構(gòu)信息［20］。研究人員分析了倍他米松磷酸鈉和地塞米松磷酸鈉這兩種差向異構(gòu)體的化學(xué)結(jié)構(gòu)差異，分別對其固態(tài)及水溶飽和態(tài)進(jìn)行了常規(guī)拉曼光譜檢測，并進(jìn)一步對以銀膠為基底的這兩種藥物進(jìn)行了增強拉曼光譜檢測分析，成功建立了這兩種差向異構(gòu)體的拉曼區(qū)分系統(tǒng)，可以實現(xiàn)其快速區(qū)分鑒別的目的［21］?？蒲腥藛T采用傅里葉變換拉曼光譜法對不同產(chǎn)地且不同采集時間的野生及人工種植黃芩進(jìn)行了分析研究，結(jié)果顯示利用該方法對中藥材的質(zhì)量鑒定較傳統(tǒng)鑒別方法更快速簡便且不會對受檢樣品造成破壞，值得推廣。有學(xué)者在前人基礎(chǔ)上開創(chuàng)性地將拉曼光譜技術(shù)與光纖傳感技術(shù)相結(jié)合，實現(xiàn)了甲硝唑片的快速無損鑒別，尤其適合于藥品監(jiān)管部門對藥品快速檢驗。
1．4在眼部疾病檢驗中的應(yīng)用
晶狀體是一具有高濃度蛋白質(zhì)的雙凸面透明組織，其內(nèi)蛋白變化對晶狀體功能改變具有決定性作用，對人眼屈光調(diào)節(jié)也有重要意義。利用拉曼光譜對晶狀體蛋白質(zhì)的亞結(jié)構(gòu)例如：氨基酸亞基、二硫鍵、羧基、巰基等的分析可以幫助人們更好地認(rèn)識晶狀體及其調(diào)節(jié)模式。拉曼光譜技術(shù)引入眼部疾病的研究首先是測定了牛晶狀體中α、β和γ蛋白的拉曼圖譜，結(jié)果顯示α蛋白主要集中于核部而β蛋白主要集中于皮質(zhì)部［22］。Short等［23］測試了紫外線誘導(dǎo)下的兔白內(nèi)障晶狀體拉曼光譜，結(jié)果顯示氨基酸殘基中的羥基譜線強度顯著增加，無法與水形成氫鍵，從而科學(xué)地解釋了白內(nèi)障晶狀體中水分的缺失。與此同時，研究中發(fā)現(xiàn)了多肽水解物的組成成分鄰氨基苯甲酸，暗示著光化學(xué)反應(yīng)可以造成色氨酸殘基的下降。綜合現(xiàn)有發(fā)現(xiàn)，他們提出了紫外線誘導(dǎo)白內(nèi)障發(fā)生的熱損傷學(xué)說。研究人員測試了誘發(fā)哺乳動物白內(nèi)障的致病性光譜，以6月齡家兔為陰性對照組，以7月齡糖尿病家兔為糖尿病組，對比發(fā)現(xiàn)在900～1700cm－1，并無明顯差異，而在800～850cm－1兩組差異明顯［24］。分析后認(rèn)為誘發(fā)晶狀體混濁的主要原因是α、β和γ晶體蛋白的不良聚合反應(yīng)。
1．5在骨科疾病檢測中的應(yīng)用
絕大部分生物樣本都有自體熒光，而熒光的強背景會對拉曼光譜造成很大的干擾，從而影響拉曼光譜的準(zhǔn)確性。雖然關(guān)于引起骨組織光譜背景的物質(zhì)尚不明確，但很有可能是一些有機基質(zhì)中的某些非膠原蛋白分子［25］。如果在未處理的情況下，利用拉曼光譜對骨組織的檢測很不準(zhǔn)確。隨后熊義等［26］發(fā)現(xiàn)了通過雙氧水法降低骨組織光譜背景的方法，從而為拉曼光譜在骨組織中的研究打開了大門。骨組織在發(fā)育成熟后其密度與硬度即隨生物力學(xué)環(huán)境的改變而改變，稱為骨重建。在人體整個生命進(jìn)程中，骨質(zhì)會伴隨著有所改變，利用拉曼光譜可以對這一過程進(jìn)行深入研究。一旦吸收與沉積的動態(tài)平衡被打破，則會造成不同類型的骨科疾病。Oshokoya等［27］建立了以拉曼光譜為研究手段的外力作用下的顱縫早閉模型，研究內(nèi)容涉及顱骨成分、骨質(zhì)及基質(zhì)的相對含量和分布。顱縫早閉癥是一種由多病因造成的顱縫發(fā)育異常綜合征，在嬰幼兒屬于常見疾病，由于顱縫過早閉合，限制了顱腔的容積，不利于智力的發(fā)展。結(jié)果顯示在非軸向壓力的作用下成骨區(qū)的前端礦物含量相比無壓力的狀態(tài)下有所下降，其原因可能是礦物沉積不完全［28］。在成骨不全癥的研究中，有學(xué)者利用拉曼光譜證實了成骨不全癥小鼠在6月齡后的骨強度增長不是由于骨形態(tài)改變引起的，而是由于骨基質(zhì)的改進(jìn)而達(dá)成的［29］。
【關(guān)鍵詞】 余甘子葉 氣相色譜-質(zhì)譜聯(lián)用 成分分析
余甘子葉，來源于大戟科葉下珠屬植物余甘子Phyllanthus emblical L．的葉子，收載于1974年出版的《云南省藥品標(biāo)準(zhǔn)》、1978年版《藏藥標(biāo)準(zhǔn)》、1977～2005年版《中華人民共和國藥典》。別名橄欖、滇橄欖 、油甘子、山油甘、庵摩勒、牛甘子、喉甘子、楊甘等，為多個民族習(xí)用藥［1］，廣泛分布于世界上許多國家。我國對余甘子的栽培利用有1800年以上的悠久歷史，該植物主要分布于我國的云南、四川、福建、廣東、廣西等地，是一種具有較高的食用和藥用價值的植物果實，被聯(lián)合國衛(wèi)生組織指定為在全世界推廣種植的3種保健植物之一。主治血病、赤巴病、培根病、肝病、心臟病和高血壓病，以治療血熱血瘀引起的血病為長。近年研究表明余甘子具有抗菌［2］、抗腫瘤［3］、抗氧化［4］、抗動脈粥樣硬化［5，6］、抗乙肝病毒［7］、保肝［8］等作用。國內(nèi)學(xué)者對余甘子果實的化學(xué)成分進(jìn)行了較多的報道，但余甘子葉的化學(xué)成分研究未見報道，而余甘子葉含有較濃的芳香氣，本實驗提取了揮發(fā)油，進(jìn)行了定性定量分析。
1 儀器與材料
美國 HP 6890/5973N氣相色譜質(zhì)譜聯(lián)用儀（美國安捷倫)，HP-5MS彈性石英毛細(xì)管柱 (30 mm ×0. 25 mm，0. 25 μm)；G1701DA MSD化學(xué)工作站。相關(guān)試劑為分析純；余甘子葉采自廣西地區(qū)，經(jīng)廣西中醫(yī)學(xué)院劉壽養(yǎng)副教授鑒定為廣西產(chǎn)的大戟科葉下珠屬植物余甘子Phyllanthusemblica L.的全草。標(biāo)本存于廣西中醫(yī)學(xué)院藥學(xué)中心實驗室。
2 方法
2.1 余甘子葉揮發(fā)油的提取取60 g新鮮余甘子葉，搗碎，放進(jìn)1 000 ml圓底燒瓶中，用揮發(fā)油提取器按常規(guī)水蒸氣蒸餾法提取揮發(fā)油，經(jīng)無水Na2SO4 干燥后得淡黃綠色揮發(fā)油，收油率為0.2%。
2.2 氣相-質(zhì)譜分析條件氣相色譜條件：進(jìn)樣口溫度250℃，載氣：氦氣，流速1 ml·min- 1。柱溫：程序升溫70～280℃，初始溫度 70℃，保留3min，升溫速率10℃/min，終止溫度 100 ℃，以5. 0℃/min升溫至120℃后，再以30℃/min，升溫至220℃后，以20 ℃/min升溫至280℃，溶劑延遲1. 0 min；進(jìn)樣量1.0 μl，不分流。
質(zhì)譜條件：EI電離方式，離子源溫度 230℃；四極桿溫度：150℃；倍增電壓：1 247 V；發(fā)射電流：34.6μA；接口溫度：250 ℃；質(zhì)量范圍：35～500 amu；電子能量70 Ev。3 結(jié)果與討論
用GC-MS分析法從余甘子葉揮發(fā)油共分離出29個峰（見圖1）。用氣相色譜數(shù)據(jù)處理系統(tǒng)，以峰面積歸一法測得其中各組分的相對百分含量，對總離子流圖中的各峰經(jīng)質(zhì)譜掃描后得到質(zhì)譜圖，經(jīng)過NIST98質(zhì)譜計算機數(shù)據(jù)系統(tǒng)檢索，結(jié)合人工譜圖解析，按各色譜峰的質(zhì)譜裂片圖與文獻(xiàn)核對，對基峰、質(zhì)荷比和相對豐度等方面進(jìn)行直觀比較，鑒定了其中26個峰，占總揮發(fā)油成分的90%以上，結(jié)果見表1。 表1 余甘子葉揮發(fā)油的化學(xué)成分由表1 可知，已鑒定的化合物占色譜流出組分峰面積的90%以上，主要為醇類、苯酚類及烷烴化合物。在已鑒定的組分中，相對含量較高的主要幾種組分有葉綠醇(19.00% ) 、2，4-二叔丁基苯酚 (18.79% )和異植物醇 (10.54% )。這些化合物形成了余甘子葉的特有氣味。另外還有3種組分的含量相對較少，未能鑒定，有待進(jìn)一步研究。
有關(guān)余甘子葉揮發(fā)油的化學(xué)成分研究，目前國內(nèi)外尚未見報道，本文采用GC-MS方法，對余甘子葉揮發(fā)油的化學(xué)成分進(jìn)行了研究，鑒定了其中的26種成分。該法簡便、快速、靈敏度高。本研究為余甘子葉揮發(fā)油的應(yīng)用拓開了廣闊的前景。
【參考文獻(xiàn)】
［1］ 張?zhí)m珍，趙文華，郭亞健，等.藏藥余甘子化學(xué)成分研究［J］.中國中藥雜志，2003，28（10）：940.
［2］ 鐘振國，曾春蘭.余甘子葉提取物體外抗菌實驗研究［J］.中藥材，2008，31（3）：428.
［3］ 曾春蘭，鐘振國.余甘子葉提取物體外抗腫瘤作用研究［J］.時珍國醫(yī)國藥，2008，19（3）：580.
［4］ 潘國慶，趙旭升，蔣炘治.余甘子抗氧化作用的研究［J］.青?？萍?，2007，12（6）：33.
［5］ 劉麗梅，高 政，李寶文. 余甘子對實驗性頸動脈粥樣硬化家兔的影響［J］. 中國臨床康復(fù)， 2003，7 (5) : 766.
在化學(xué)元素周期表的第三、四、五行中間的一些元素通常稱為過渡金屬，其別是由第三行的鈦（Ti）、釩（V）、鉻（Gr）、錳（Mn）、鐵（Fe）、鈷（Gu）、鎳（Ni）、銅（Cu）等的3d離子摻雜的晶體中發(fā)現(xiàn)了激光振蕩現(xiàn)象。這些離子有著極優(yōu)越的特性，由于其電子能級與環(huán)繞它們的晶體結(jié)構(gòu)產(chǎn)生的場之間的強烈耦合，造成了它們具有很寬的能帶發(fā)射。因此，這些過渡金屬離子的激光波長通常可以在幾個納米到幾百個納米的很寬的范圍內(nèi)調(diào)控。上世紀(jì)80年代初實現(xiàn)了利用鉻和鈦3d離子的摻雜晶體，得到了可調(diào)室溫激光，從而極大地推動了將過渡金屬離子作為晶體的激活介質(zhì)的研究，從而使過渡金屬離子激光在通過鎖模產(chǎn)生超短脈沖以及必須精確調(diào)節(jié)波長的激光的應(yīng)用領(lǐng)域受到了人們的普遍重視，而在科學(xué)研究、醫(yī)學(xué)、測量和檢驗技術(shù)、通訊以及激光光度學(xué)等方面得到了廣泛的應(yīng)用。
本書詳細(xì)地討論了用作可調(diào)固體激光的活性介質(zhì)或其它晶體的3d離子光譜學(xué)、電振動和磁性質(zhì)等一般性質(zhì)，系統(tǒng)地闡述了晶體場計算（包括能級和吸收譜的第一原理計算）涉及的方方面面，包括微擾計算與完整的哈密頓量的對角化，并給出了理論結(jié)果與實驗光譜細(xì)致的比較、研究了動力學(xué)JohnTeller效應(yīng)對于晶體中3d雜質(zhì)光譜的影響、電振動譜的分析以及過渡金屬離子摻雜材料的應(yīng)用等。
本書內(nèi)容共分7章：1.具有3d離子的激光晶體最新發(fā)展（S.Kück）； 2.3d離子晶體場的交換電荷模型（M.G.Brik等）；3.疊加模型及其應(yīng)用（Y.Y.Yeung）；4.自旋哈密頓量和3dn雜質(zhì)附近晶格的畸變（W.C.Zheng）；5.3d離子摻雜晶體中的動力學(xué)JohnTeller效應(yīng)（L.Martinelli）；6.晶體場效應(yīng)的第一原理計算與在激光晶體中3d離子吸收譜（M.G.Brik）；7.在硒化鋅（ZnSe）晶體內(nèi)作為非線性光學(xué)設(shè)備新吸收器的鈷絡(luò)合物（I.V.Kityk）。
本書是由羅馬尼亞和愛沙尼亞大學(xué)的兩位著名教授編著的一部研究摻雜3d離子的固體激光的研制、一般性質(zhì)、計算方法以及理論與實驗比較的專著。其內(nèi)容非常豐富，特別注重實際的理論計算方法以及與各種實驗數(shù)據(jù)的詳細(xì)比較。本書的讀者對象是晶體光譜學(xué)、材料科學(xué)及其光學(xué)應(yīng)用的研究人員和研究生。研習(xí)本書需要讀者熟悉原子能級和電子組態(tài)的光譜學(xué)符號，掌握晶體點群的基礎(chǔ)知識。
（中國科學(xué)院大學(xué)）
21世紀(jì)以來，隨著科學(xué)技術(shù)的不斷發(fā)展，人們對于科學(xué)信息及宇宙探索的渴望，使得天文學(xué)以驚人的速度快速發(fā)展。天文觀測進(jìn)一步從可見光、射電波段擴(kuò)展到包括紅外、紫外、X射線和γ射線在內(nèi)的電磁波各個階段，形成了全波段天文光譜學(xué)，并為探索各類天體和天文現(xiàn)象的物理本質(zhì)提供了強有力的觀測手段。
一、光譜分析數(shù)據(jù)的形成
對于天體光譜分析數(shù)據(jù)的有效研究表明，光譜分析數(shù)據(jù)是按照波長的有序排列來表示的天體電磁輻射，是一系列有連續(xù)性的數(shù)據(jù)，在每一處的波長中所對應(yīng)的的有效流量是不同的。天文學(xué)家利用光譜信息軟件，可以對宇宙中物質(zhì)的分布特征進(jìn)行相關(guān)研究及數(shù)據(jù)收集，同時可以對天體的形成及隨時間的演化等重大科學(xué)問題進(jìn)行初步的探索，并為進(jìn)一步的探索打下堅實的基礎(chǔ)。
二、光譜分析數(shù)據(jù)的特征提取方法
特征提取是光譜分析軟件應(yīng)用中的一個重要環(huán)節(jié)，也是對光譜數(shù)據(jù)進(jìn)行挖掘的重要一步。對于海量天體光譜數(shù)據(jù)處理的效率及準(zhǔn)確性有著重要的影響，這一環(huán)節(jié)中包括轉(zhuǎn)換和選擇兩個步驟，首先著重提取與目標(biāo)有關(guān)的信息并進(jìn)行數(shù)據(jù)成分分析，剔除與當(dāng)前任務(wù)無關(guān)的信息，隨后將提取的信息轉(zhuǎn)化為適合分析研究的表達(dá)方式，以供研究，在這里主要介紹三種特征的表達(dá)方式：統(tǒng)計約簡法、特征譜法、譜線法。
2.1統(tǒng)計約簡法
這是在目前的實際探索中，應(yīng)用最廣泛的一種提取方式，它的優(yōu)點是便于操作及使用。使用過程是對天體輻射能量進(jìn)行分解、重組和取舍，盡可能的去除冗余和噪聲，并及時的將信號進(jìn)行轉(zhuǎn)化。
2.2特征譜法
特征譜法可以看作是人工"光譜"，主要包括兩種構(gòu)造方法：一種是強調(diào)頻譜特征的準(zhǔn)確表征，相關(guān)研究者基于觀測光譜流量的中值法和幾何均值法研究了類星體特征普的構(gòu)造；第二種是強調(diào)對觀測光譜近似表達(dá)能力，這一方面的相關(guān)研究者根據(jù)PCA方法研究了恒星特定譜的構(gòu)造。
2.3譜線法
譜線法的優(yōu)點是物理意義強，易于解釋，但也有其相關(guān)的局限性：儀器、波長和流量標(biāo)定情況對于譜線的描述影響較大等。
三、軟件簡介
目前應(yīng)用較為廣泛且使用性能好的光譜分析軟件有以下7種：
3.1VOSpec軟件
VOSpec軟件在使用過程中，利用了光譜訪問協(xié)議，對數(shù)據(jù)的組織功能強大，用戶在使用時可以通過天體名稱或坐標(biāo)在光譜庫中進(jìn)行有效的相關(guān)z索。VOSpec軟件標(biāo)準(zhǔn)功能主要有光譜分析和擬合光譜能量分布兩種，能夠為用戶提供可靠的光譜處理功能，在有效時間內(nèi)整合來自不同的數(shù)據(jù)提供者、波段和元數(shù)據(jù)光譜。
3.2VOSED軟件
通過簡單的光譜訪問協(xié)議，VOSED軟件可以進(jìn)行在線查詢光譜信息，并及時合成光譜能量分布。目前，VOSED軟件有兩種工作模式：單目標(biāo)模式和多目標(biāo)模式。單目標(biāo)模式是指用戶在輸入目標(biāo)名稱后，VOSED通過數(shù)據(jù)庫現(xiàn)實該目標(biāo)的的相關(guān)信息；多目標(biāo)模式是指，用戶在工作中可以實時的監(jiān)控查詢狀態(tài)，查詢結(jié)束后可以創(chuàng)建相關(guān)的壓縮文件。VOSED的查詢界面和顯示界面如下圖：
3.3Spec View軟件
Spec View軟件不僅能夠讀取哈勃空間望遠(yuǎn)鏡的數(shù)據(jù)格式，還可以讀取其他科學(xué)設(shè)備的光譜，并通過虛擬天文臺查詢并讀取數(shù)據(jù)。它的功能主要包括：光譜單位轉(zhuǎn)換、數(shù)據(jù)質(zhì)量控制、繪圖注釋、可視化參數(shù)自定義、平鋪繪圖等。
3.4Iris軟件
Iris軟件主要有NED數(shù)據(jù)導(dǎo)入、數(shù)據(jù)可視化和自定義、光譜模型擬合光譜能量分布和非常規(guī)數(shù)據(jù)格式轉(zhuǎn)換工具四個特點。Iris可以讀取多個單獨的數(shù)據(jù)源或光譜能量分布，用戶可以通過Iris的紅移法、插值法、集成法三種方法來創(chuàng)建光譜能量分布。
3.5SPLAT軟件
SPLAT軟件在工作過程中能夠同時讀取多個光譜，并進(jìn)行單個或多個顯示。它的功能主要體現(xiàn)在兩個方面：查詢和下載光譜的簡單光譜訪問協(xié)議；在桌面上使用的簡單應(yīng)用程序傳遞消息。
3.6CASSIS軟件
CASSIS軟件主要有譜線認(rèn)證、構(gòu)造任何望遠(yuǎn)鏡的理論光譜、比較望遠(yuǎn)鏡數(shù)據(jù)和和各種模型光譜數(shù)據(jù)及估計光譜物理參量四個特點，可以通過簡單應(yīng)用程序消息傳遞協(xié)議使數(shù)據(jù)在不同的天文軟件間傳遞和交互操作。
3.7ASERA軟件
ASERA軟件的特點：譜線能夠隨鼠標(biāo)而動，同時紅移值自動給出；自定義可視化；批處理程序，可以同時處理多個光譜；光譜平滑等。用戶借助ASERA軟件可以輕松識別光譜和估測紅移，尤其對低質(zhì)量光譜的識別。
結(jié)束語：
在未來的天文學(xué)發(fā)展中光譜軟件的應(yīng)用會越來越廣泛，相信隨著天文學(xué)家和研究者的互動，光譜分析軟件會朝著方便快捷、強大有效的方向繼續(xù)發(fā)展。
DOIDOI：10.11907/rjdk.162600
中圖分類號：TP317.4文獻(xiàn)標(biāo)識碼：A文章編號文章編號：16727800（2017）001016105
對于連續(xù)狹窄的光譜帶，高光譜成像傳感器能夠捕獲詳細(xì)和豐富的光譜信息。近年來，隨著圖像處理技術(shù)的發(fā)展，高光譜圖像得到廣泛應(yīng)用，在高光譜圖像應(yīng)用中最重要的任務(wù)是對圖像進(jìn)行分類。然而，在高光譜遙感圖像分類問題中存在一些挑戰(zhàn)。例如有限訓(xùn)練樣本之間的不平衡和高維度，高光譜遙感圖像幾何形狀復(fù)雜，高光譜遙感圖像分類計算復(fù)雜度高。為使高光譜遙感圖像分類取得良好效果，近年來，機器學(xué)習(xí)方法在高光譜圖像分類中得到廣泛應(yīng)用，例如人工神經(jīng)網(wǎng)絡(luò)（Artificial neural networks，ANNs）[1]、支持向量機（Support vector machine，SVM）[2]、多項邏輯回歸（Multinomial logistic regression，MLR）[3]、主動學(xué)習(xí)（Active learning，AL）[4]等，其它方法如利用稀疏表示[5]以及譜聚類[6]對高光譜進(jìn)行分離也得到廣泛應(yīng)用。然而，由于高光譜遙感圖像具有{維度以及復(fù)雜性，通過機器學(xué)習(xí)算法尋找最優(yōu)的參數(shù)來進(jìn)行分類通常非常困難，并且耗時，實現(xiàn)高光譜遙感圖像高效快速分類已成為遙感圖像領(lǐng)域的重要問題。
近年來，Huang等[7]基于單隱層前饋神經(jīng)網(wǎng)絡(luò)（Single-hidden layer feedforward networks，SLFNs）結(jié)構(gòu)提出了極限學(xué)習(xí)機（Extreme learning machine，ELM）。ELM隨機產(chǎn)生隱層節(jié)點的輸入權(quán)值和偏置值，所有參數(shù)中僅有輸出權(quán)值經(jīng)過分析確定。ELM將傳統(tǒng)神經(jīng)網(wǎng)絡(luò)的求解過程轉(zhuǎn)化為一個線性模型，ELM隨機選擇輸入權(quán)值和分析確定SLFNs的輸出權(quán)值，避免了傳統(tǒng)神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)方法收斂速度慢及陷入局部極小解的可能，具有更好的泛化能力和更快的學(xué)習(xí)速度。文獻(xiàn)[7]指出ELM通過隨機產(chǎn)生隱層節(jié)點的輸入權(quán)值和偏置值分析確定輸出權(quán)值，保持了SLFNs的通用逼近能力，同時能夠得到一個全局最優(yōu)解。由于ELM良好的泛化能力，使得ELM應(yīng)用在不同的領(lǐng)域中。在高光譜遙感圖像領(lǐng)域，Pal等[8]將ELM應(yīng)用到土地覆蓋分類中，與BP[9]神經(jīng)網(wǎng)絡(luò)和支持向量機相比，ELM取得了更好的分類效果，并且ELM算法的計算復(fù)雜度遠(yuǎn)遠(yuǎn)小于BP和支持向量機。Bazi等[10]利用差分進(jìn)化方法優(yōu)化核ELM算法的參數(shù)，提高了高光譜遙感圖像的分類效果。為了提高ELM算法在高光譜遙感圖像分類中的穩(wěn)定性，Samat等[11]基于Bagging 和 AdaBoost算法提出了集成的極限學(xué)習(xí)機算法（Ensemble extreme learning machine，E2LM）。
雖然針對高光譜遙感圖像分類問題，研究人員在ELM算法的基礎(chǔ)上提出了改進(jìn)，然而 ELM及其改進(jìn)算法并未充分考慮數(shù)據(jù)樣本間的幾何特征和數(shù)據(jù)蘊含的判別信息。知道樣本之間具有某些相似的屬性和分布特征，樣本之間的相似屬性和分布特征能夠彌補ELM學(xué)習(xí)不夠充分的問題，進(jìn)而可以提高ELM的泛化能力，因而數(shù)據(jù)樣本的幾何特征和數(shù)據(jù)蘊含的判別信息對ELM的分類性能具有重要作用。
基于以上分析，本文提出一種基于判別信息極端學(xué)習(xí)機（Discriminative information regularized extreme learning machine，IELM），對于分類問題，IELM同時考慮到數(shù)據(jù)樣本的幾何特征和數(shù)據(jù)蘊含的判別信息，通過最大化異類離散度和最小化同類離散度，優(yōu)化極端學(xué)習(xí)機的輸出權(quán)值，從而在一定程度上提高ELM的分類性能和泛化能力。IELM方法的優(yōu)勢在于：①繼承了ELM的優(yōu)點，在一定程度上避免了ELM學(xué)習(xí)不充分的問題；②將異類離散度和同類離散度引入到ELM中，充分利用數(shù)據(jù)樣本的判別信息；③利用MMC[12]方法有效解決最大化異類離散度和最小化同類離散度矩陣奇異問題。
為評價和驗證本文提出的基于判別信息極端學(xué)習(xí)機的高光譜遙感圖像分類方法，實驗使用Indian Pines，Salinas scene兩個高光譜遙感圖像數(shù)據(jù)，將本文所提出的方法與ELM、支持向量機（Support vector machine，SVM）、最近鄰分類器協(xié)作表示（Collaborative representation nearest neighbor classifier，CRNN）[13]進(jìn)行對比，實驗結(jié)果表明本文提出的算法能夠取得較好的分類效果。
實驗環(huán)境為惠普工作站處理器：Intel（R）Xeon（R） CPU E5-1603 0 @2.80 GHz，安裝內(nèi)存：8.00GB ，系統(tǒng)類型：64位操作系統(tǒng)，版本：win7，語言開發(fā)環(huán)境采用 Matlab 2010b。
第一組實驗數(shù)據(jù)為Indian Pines遙感圖像數(shù)據(jù)，Indian Pines數(shù)據(jù)是AVIRIS傳感器在薩利納斯山谷收集的數(shù)據(jù)，該圖像包含200個波段，圖像大小為145×145，地表真實分類如圖1所示，Indian Pines數(shù)據(jù)集屬性設(shè)置如表1所示。
第二組實驗數(shù)據(jù)為Salinas scene遙感圖像數(shù)據(jù)，Salinas scene數(shù)據(jù)是AVIRIS傳感器在薩利納斯山谷收集的數(shù)據(jù)，該圖像包含204個波段，圖像大小為512×217，地表真實分類如圖2所示， Salinas scene數(shù)據(jù)集屬性設(shè)置如表2所示。
實驗中，對于Indian Pines和Salinas scene圖像數(shù)據(jù)，隨機選取1%的數(shù)據(jù)樣本作為訓(xùn)練集，剩下部分為測試集，使用總體精度（OA），Kappa系數(shù)，平均準(zhǔn)確率（AA）衡量不同算法的性能。
（1）體精度?？傮w精度（overall accuracy，OA）是對分類結(jié)果質(zhì)量的總體評價，等于被正確分類的像素總和除 以總的像素個數(shù)。被正確分類的像素沿著混淆矩陣的對角線分布，它顯示了被正確分類到真實分類中的像元數(shù)。根據(jù)混淆矩陣可得OA的計算式為：p=∑ci=1miiN（21）其中，c表示類別數(shù)目，mii表示混淆矩陣對角線上的元素，N=∑ci=1∑cj=1mij表示測試樣本的總數(shù)。
（2）Kappa系數(shù)。Kappa系數(shù)采用一種多元離散分析技術(shù)，反映分類結(jié)果與參考數(shù)據(jù)之間的吻合程度，它考慮了混淆矩陣的所有因子，是一種更為客觀的評價指標(biāo)，其定義為：k=N∑ci=1mii-∑ci=1（mi+m+i）N2-∑ci=1（mi+m+i）（22）其中，mi+，m+i分別表示混淆矩陣第i行的總和、第i列的總和，c表示類別數(shù)目，N為測試樣本總數(shù)，mii表示混淆矩陣對角線上的元素，Kappa系數(shù)越大分類精度越高。
（3）平均精度。平均精度（average accuracy，AA）定義為每類分類準(zhǔn)確率相加除以類別總數(shù)。AA=∑ci=1accic（23）其中，c表示類別數(shù)目，acci表示每類的分類準(zhǔn)確率。
4.2實驗結(jié)果及分析
將IELM與ELM，SVM，CRNN進(jìn)行對比，SVM采用libsvm工具箱，核函數(shù)采用徑向基核函數(shù)（Radial basis function，RBF），懲罰參數(shù)c=0.02，核函數(shù)參數(shù)g=0.02，IELM與ELM均采用Sigmoid函數(shù)作為激活函數(shù)，隱層節(jié)點個數(shù)設(shè)置為500，懲罰參數(shù)c=20。
5結(jié)語
本文提出了一種基于判別信息極端學(xué)習(xí)機的高光譜遙感圖像分類方法，創(chuàng)新之外在于考慮到光譜遙感圖像數(shù)據(jù)的聯(lián)系和差異信息。IELM引入同類離散度和異類離散度的概念，體現(xiàn)了輸入空間數(shù)據(jù)的判別信息，通過最大化異類離散度和最小化同類離散度，優(yōu)化極端學(xué)習(xí)機的輸出權(quán)值。與NN，SVM， ELM算法的對比實驗表明，本文所提出方法的分類效果優(yōu)于NN，SVM，ELM算法。
參考文獻(xiàn)：
[1]Q SAMI UL HAQ，L TAO.Neural network based adaboosting approach for hyperspectral data classication[J].International Conference on Computer Science and Network Technology（ICCSNT），2011：241245.
[2]J A GUALTI，R F CROMP.Support vector machines for hyperspectral remote sensing classification[J].in Proc.SPIE 27th AIPR Workshop：put.Assisted Recognit.Int.Soc.Opt.Photonics，Washington，DC，USA，1999：221232.
[3]J Li，J BIOUCASDIAS，A.PLAZA.Semisupervised hyperspectral image classification using soft sparse multinomial logistic regression[J].IEEE Geosci.Remote Sens.Lett，2013，10（2）：318322.
[4]W DI，MM CRAWFORD.Active learning via multiview and local proximity coregularization for hyperspectral image classification[J].IEEE Journal of Selected Topics in Signal Processing，2011，5（3）：618628.
[5]J BIOUCASDIAS，M A T.FIGUEIREDO.Alternating direction algorithms for constrained sparse regression：application to hyperspectral unmixing[J].Hyperspectral Image and Signal Processing：Evolution in Remote Sensing （WHISPERS），2010：14.
[6]Y TARABALKA，J A BENEDIKTSSON，J CHANUSSOT.Spectralspatial classification of hyperspectral imagery based on partitional clustering techniques[J].IEEE Transactions on Geoscience and Remote Sensing，2009，47（8）：29732987.
[7]GB HUANG，H ZHOU，X DING，et al.Extreme learning machine for regression and multiclass classification[J].IEEE Trans.Syst Man Cybern B，2012，42（2）：51329.
[8]M PAL，A E MAXWELL，T A WARNER.Kernelbased extreme learning machine for remotesensing image classification[J].Remote Sens.Lett，2013，4（9）：853862.
[9]D RUMELHART，G HINTON，R WILLIAMS.Learning by backpropagating errors[J].Nature，1986，323（6088）：533536.
[10]Y BAZI.Differential evolution extreme learning machine for the classification of hyperspectral images[J].IEEE Geosci.Remote Sens.Lett，2014，11（6）：10661070.
[11]A SAMAT，P DU，S LIU，et al.E2LMs：ensemble extreme learning machines for hyperspectral image classification[J].IEEE J.Sel.Topics Appl.Earth Observ.Remote Sens，2014，7（4）：10601069.
中圖分類號：G40-013.9 文獻(xiàn)標(biāo)識碼：A 文章編號：1671-0568(2012)41-0118-02
隨著社會進(jìn)步，網(wǎng)球運動從簡單游戲發(fā)展演變成為一種精彩紛呈、對抗激烈的現(xiàn)代體育運動項目，在世界廣泛而又蓬勃地發(fā)展，其意義已不再局限于體育和游戲的范疇，越來越多地被賦予了社會因素。本文對廣州市26所普通高校網(wǎng)球教學(xué)的現(xiàn)狀進(jìn)行調(diào)查與研究，據(jù)此對廣州市普通高校網(wǎng)球教學(xué)的現(xiàn)狀進(jìn)行客觀的評價與分析，找出影響該市普通高校網(wǎng)球教學(xué)可持續(xù)發(fā)展的因素，并提出相應(yīng)的發(fā)展對策和建議。
一、廣州市普通高校網(wǎng)球教學(xué)的現(xiàn)狀分析
1.網(wǎng)球課教學(xué)內(nèi)容的現(xiàn)狀分析
廣州市普通高校網(wǎng)球課教學(xué)內(nèi)容主要包括兩方面：實踐和理論。
(1)網(wǎng)球課實踐教學(xué)內(nèi)容的現(xiàn)狀分析。廣州市普通高校網(wǎng)球課實踐部分內(nèi)容基本類似，只不過是各個高校的課時安排不一，側(cè)重點不同，其主要以正手擊球、反手擊球、發(fā)球與接發(fā)球、正手截?fù)簟⒎词纸負(fù)舻燃夹g(shù)動作內(nèi)容和一定量的身體素質(zhì)練習(xí)等輔助教學(xué)內(nèi)容。其中只有6所高校網(wǎng)球?qū)嵺`教學(xué)內(nèi)容全部是網(wǎng)球技、戰(zhàn)術(shù)練習(xí)，其它高校都還包含一些輔助教學(xué)內(nèi)容。另外，廣州市普通高校網(wǎng)球?qū)嵺`教學(xué)內(nèi)容的主要形式是在室外集中授課學(xué)習(xí)。
通過對大學(xué)生的問卷調(diào)查可以看出，大學(xué)生對實踐教學(xué)內(nèi)容滿意的占30.3％；較滿意的占29.4％；不滿意的占40.3％，說明目前廣州市高校網(wǎng)球?qū)嵺`教學(xué)內(nèi)容存在較多的問題。大學(xué)生普遍認(rèn)為：網(wǎng)球課實踐教學(xué)內(nèi)容的技術(shù)動作的重復(fù)性練習(xí)過多、單調(diào)，網(wǎng)球?qū)嵺`課變成了網(wǎng)球運動競技目的的訓(xùn)練課，長此以往，會使學(xué)生產(chǎn)生厭煩心理，不利于激發(fā)學(xué)習(xí)激情。
(2)網(wǎng)球課理論內(nèi)容與形式的現(xiàn)狀分析。通過調(diào)查統(tǒng)計看出，廣州市26所普通高校都有各自的網(wǎng)球理論教學(xué)內(nèi)容，只是各校的側(cè)重點不同。廣州市普通高校網(wǎng)球理論教學(xué)內(nèi)容大體包含以下內(nèi)容：網(wǎng)球運動概述、網(wǎng)球比賽規(guī)則和裁判法以及競賽的組織、網(wǎng)球運動的發(fā)展趨勢、價值、意義，等等。各個高校的理論教學(xué)形式存在一定的差異，有的高校在室內(nèi)集中講解，有的室內(nèi)外相結(jié)合講解，有的采用視頻與講解相結(jié)合的形式。從走訪調(diào)研看，各個高校都有相應(yīng)的理論體系。但是，進(jìn)一步了解發(fā)現(xiàn)，有些高校網(wǎng)球理論太陳舊，流于形式，往往應(yīng)付上級領(lǐng)導(dǎo)的檢查，實效性內(nèi)容太少，與終身體育發(fā)展的內(nèi)容不多。因此，各個高校要加強網(wǎng)球理論的建設(shè)，使當(dāng)代大學(xué)生能真正了解網(wǎng)球運動的價值，能掌握科學(xué)地進(jìn)行網(wǎng)球鍛煉的原理和方法。
2.網(wǎng)球課形式、教學(xué)時數(shù)的現(xiàn)狀分析
通過對廣州市普通高校網(wǎng)球課開課形式的調(diào)查結(jié)果可知，作為選修課形式授課的有3所學(xué)校，作為選項課形式授課的有6所學(xué)校，二種形式都有的有17所學(xué)校，其所占百分比分別為11.5％、23.0％、65.5％。通過訪談得知，大學(xué)一年級開設(shè)網(wǎng)球課的有14所高校，在大學(xué)二年級開始開設(shè)網(wǎng)球課的有10所，在大三、大四開設(shè)網(wǎng)球課的一共才2所，可看出，廣州市網(wǎng)球課在大學(xué)一二年級開課率較高，而三四年級開課率相對較低。從以上數(shù)據(jù)說明，廣州市普通高校網(wǎng)球課開展較好，同時也說明網(wǎng)球課的開設(shè)率不均衡，主觀原因是學(xué)校相關(guān)體育教學(xué)的領(lǐng)導(dǎo)對網(wǎng)球課的目的、價值等方面缺乏應(yīng)有的認(rèn)識，客觀原因是高校網(wǎng)球教學(xué)師資、場館設(shè)施等方面存在不足。
其次，廣州市普通高校網(wǎng)球課的課時偏少。每個學(xué)期在完成網(wǎng)球?qū)嵺`內(nèi)容與理論內(nèi)容教學(xué)外，網(wǎng)球教師很難有時間再進(jìn)行輔助內(nèi)容的教學(xué)。被調(diào)查的廣州市普通高校中，網(wǎng)球課教學(xué)時數(shù)總體偏少，表面看有18所高校每學(xué)期教學(xué)進(jìn)度中安排達(dá)到了32學(xué)時，但是由于受陰雨天氣的影響，大部分高校網(wǎng)球課教學(xué)時數(shù)還是不足，與教育部規(guī)定每學(xué)期教學(xué)時數(shù)一共不得少于32學(xué)時相比偏少。
3.教學(xué)方法和手段的現(xiàn)狀分析
教學(xué)過程離不開教學(xué)方法和手段，不同的教學(xué)方法或手段都會產(chǎn)生不同的教學(xué)效果。被調(diào)查的教師中，大部分教師喜歡用傳統(tǒng)教學(xué)方法，有32.5％的教師喜歡用錄像多媒體教學(xué)法，還有17.6％的教師采用網(wǎng)絡(luò)教學(xué)法等其它方法。顯然，傳統(tǒng)教學(xué)方法仍然是廣州市普通高校網(wǎng)球教師首選的教學(xué)方法，而一些現(xiàn)代化教學(xué)方法和手段使用率相對較低。分析這種現(xiàn)象的原因：網(wǎng)球教師長期使用傳統(tǒng)教學(xué)方法和手段已養(yǎng)成了習(xí)慣，他們對傳統(tǒng)的教學(xué)方法具有一定經(jīng)驗，認(rèn)為傳統(tǒng)的教學(xué)方法和手段操作簡單、方便、實用。現(xiàn)代網(wǎng)球運動與比賽并不是單單體力與技術(shù)的對抗，而是運動者智力和意識的較量，需要從事網(wǎng)球教學(xué)與訓(xùn)練的教師提高自身的專業(yè)水平和能力，不斷學(xué)習(xí)國內(nèi)外先進(jìn)技術(shù)及教學(xué)與訓(xùn)練方法，使高校的網(wǎng)球教學(xué)水平跟上時代的步伐，以滿足廣大學(xué)生對網(wǎng)球運動的需要。
4.教學(xué)場館與器材設(shè)施現(xiàn)狀分析
硬件設(shè)施是高校體育教學(xué)和群體工作開展的基礎(chǔ)，硬件設(shè)施否完備直接影響到高校網(wǎng)球運動的普及與發(fā)展。調(diào)查得知，目前廣州市普通高校網(wǎng)球場地主要有塑膠、硬地(鋪水泥或瀝青)和沙土地這三種類型，其中塑膠場地最多，沙土地最少。這可能和各高校本科的教學(xué)評估有關(guān)，大多數(shù)網(wǎng)球場地是新建場地，要求的標(biāo)準(zhǔn)相對較高。調(diào)查得知：24.7％的高校擁有6塊場地以上，57.7％的高校擁有2～6塊場地，19.2％的高校擁有場地低于2塊。從各個高校擁有場地數(shù)量與學(xué)生人數(shù)的比例來看，與教育部的要求(場地數(shù)與學(xué)生數(shù)之比是1:1000)相差較大。在調(diào)查中，有84.5％的學(xué)生對場地表示不滿意。這些數(shù)據(jù)可以看出，廣州市普通高校網(wǎng)球場地的配備存在嚴(yán)重的不足現(xiàn)象。
在器材方面：好的球拍對掌握技術(shù)會有很大的幫助，但各高校對此提供的支持和幫助明顯不足。在被調(diào)查的26所高校中，近9成的學(xué)校網(wǎng)球課沒有給學(xué)生提供球拍和球，由學(xué)生自己負(fù)擔(dān)，勢必影響學(xué)生對網(wǎng)球的興趣。學(xué)生購置的球拍，一般是價位在100K左右，多數(shù)是較差的鋁合金材料，只有極少數(shù)的學(xué)生使用較為高檔的球拍。球也是多種多樣，有的彈性很低，有的彈性很高，平均每個學(xué)生才擁有2個球，平均有3％左右的學(xué)生沒有網(wǎng)球。這些充分說明，廣州市普通高校網(wǎng)球課的器材配備非常缺乏，遠(yuǎn)遠(yuǎn)滿足不了大學(xué)生的體育鍛煉需求。
二、發(fā)展對策
1.深化網(wǎng)球課的教學(xué)改革
建議對高校一二年級學(xué)生開設(shè)網(wǎng)球選項課，主要以網(wǎng)球運動技能為教學(xué)內(nèi)容。對三四年級學(xué)生開設(shè)網(wǎng)球選修課，主要是網(wǎng)球競賽法、規(guī)則裁判法、網(wǎng)球技戰(zhàn)術(shù)欣賞等教學(xué)內(nèi)容。這樣才能使大學(xué)生較系統(tǒng)地掌握網(wǎng)球的技戰(zhàn)術(shù)和理論水平，對興趣的培養(yǎng)起到促進(jìn)作用。第二要合理安排教學(xué)時數(shù)(每學(xué)期要大于32學(xué)時)。應(yīng)轉(zhuǎn)變“傳統(tǒng)型”的教學(xué)方法，加強教學(xué)方法鉆研和利用，掌握各種現(xiàn)代化教學(xué)方法和手段。對于初級班的學(xué)生可以采用“軟式網(wǎng)球”，以降低初學(xué)者的難度，使之較易掌握技術(shù)動作，對網(wǎng)球動作定型非常有益。
2.加快網(wǎng)球教師教育一體化進(jìn)程
[中圖分類號]R730.57 [文獻(xiàn)標(biāo)識碼]A [文章編號]1008-6455（2014）13-1083-04
皮膚血管性病變?yōu)槠つw科常見病癥，常見的有血管瘤、微靜脈畸形、毛細(xì)血管擴(kuò)張等。由于血管性病變可能累及毛細(xì)血管、靜脈或者動脈，病變的范圍和深度各有不同，雖然目前有多種激光可以治療，但療效各異。2013年8月～2014年2月，筆者科室嘗試采用窄譜強脈沖光聯(lián)合長脈寬1 064nm激光治療皮膚血管性病變，取得了滿意療效，現(xiàn)將結(jié)果報道如下。
1 資料和方法
1.1一般資料：血管性病變患者共214例，其中男47例，女167例，年齡1個月～53歲。病例類型：血管瘤133例，微靜脈畸形56例，毛細(xì)血管擴(kuò)張25例。本組選取的病例：血管性病變處于增生期或靜止期，而處于消退期或已有其他類型激光、冷凍、注射、放射敷貼等治療史者均不列入本研究。血管瘤患者治療前先行彩色B超檢查，明確瘤體的范圍大小和深度（厚度）；微靜脈畸形進(jìn)行病理活檢，以明確診斷，并進(jìn)一步了解病變內(nèi)血管情況，作為激光治療前參數(shù)設(shè)定依據(jù)。毛細(xì)血管擴(kuò)張的病例，包括炎癥性毛細(xì)血管擴(kuò)張和點陣激光術(shù)后面部紅斑。病變部位每次治療前行相同的數(shù)碼相機拍照，選擇相同的拍照環(huán)境、光線及相機參數(shù)。
1.2儀器參數(shù)及方法：用輝煌TM 360工作平臺（以色列飛頓激光公司生產(chǎn)），窄譜強脈沖光波長500～600nm，光斑面積3cm2，能量密度5～15J/cm2，脈寬選擇10ms、12ms或15ms。Nd：YAG激光長脈寬1 064nm，根據(jù)血管病變的深度和血管管徑的大小選擇2.0mm或6.0mm光斑，能量選擇30～450J/cm2，脈寬分別為10ms、15ms、45ms和60ms。
1.2.1血管瘤的治療：術(shù)前B超排除動靜脈漏的血管畸形。首先采用LP 1 064nm激光治療，光斑的選擇：病灶厚度大于1mm，選擇6mm光斑，小于1mm的病灶可選擇2.0mm的小光斑；能量選擇：起始能量160J/cm2，超過2.0mm厚度的病灶則中央位置為180～200 J/cm2；脈寬的選擇：隨著能量、密度的增加，視病灶厚度選擇40ms或60ms脈寬。散在點狀發(fā)射能量，不重疊，觀察可見病灶點狀變灰。然后用窄譜強脈沖光治療，脈寬15ms，能量密度8J/cm2，照射一遍。
針對各種病變類型做相應(yīng)調(diào)整，根據(jù)病變的厚度選擇脈寬及能量。治療后以達(dá)到血管病變表面變灰、萎縮，予以冰塊冷敷止痛、減輕水腫。病變厚度大于1mm時，長脈寬1 064nm激光可選擇6.0mm的大光斑，脈寬適當(dāng)延長至60ms；而厚度小于1mm的病變可選擇2.0mm的小光斑，脈寬40ms，然后應(yīng)用窄譜強脈沖光治療，能量選擇應(yīng)慎重，可以從低能量開始，逐漸加大至病變反應(yīng)變灰。
1.2.2微靜脈畸形的治療：根據(jù)微靜脈畸形的外觀、充血反應(yīng)、病變的厚度以及病理檢查的結(jié)果，選擇適當(dāng)?shù)募す鈪?shù)。淺層的微靜脈畸形（鮮紅色）應(yīng)用窄譜強脈沖光治療，顏色較深（紫紅色）和增厚型的微靜脈畸形聯(lián)合應(yīng)用長脈寬1 064nm激光和窄譜強脈沖光，治療方法與上述血管瘤基本相同。
1.2.3毛細(xì)血管擴(kuò)張的治療：對于毛細(xì)血管擴(kuò)張性紅斑、酒糟鼻以及點陣激光術(shù)后皮膚發(fā)紅的患者，病變大部分相對表淺，則使用窄譜強脈沖光治療，選擇脈寬15ms，能量8J/cm2，照射一遍，病灶即刻反應(yīng)會更紅，約3天后逐漸消退；炎癥性病變局部可能加深，病變較厚則需要聯(lián)合應(yīng)用窄譜強脈沖光和長脈寬1 064nm激光進(jìn)行治療。由于病灶相對較淺，長脈寬1 064nm激光的能量
1.3療效評定及標(biāo)準(zhǔn)：通過臨床觀察和測量病變的顏色、范圍，直尺和方格尺測量，數(shù)碼照片的對比，血管瘤病變可以根據(jù)皮損表面消退情況及復(fù)查彩色B超，客觀檢查血管瘤的范圍和深度的改變。微靜脈畸形和毛細(xì)血管擴(kuò)張則根據(jù)測量病變的范圍，加上治療前后照片的對比，由專業(yè)醫(yī)生判斷病變消退的程度，以及出現(xiàn)并發(fā)癥的情況。治愈：病變消退>90%；顯效：病變消退60%～90%；有效：病變消退30%～60%；無效：病變消退
2 結(jié)果
2.1治療結(jié)果：本組病例中血管瘤經(jīng)過1次聯(lián)合治療可見病灶變淺及部分消退，4周后重復(fù)治療，大部分病例經(jīng)過2～3次治療病變完全消退；微靜脈畸形需要2～6次治療；毛細(xì)血管擴(kuò)張激光治療1次即可見病灶消退。本組病例分別經(jīng)過1～6次治療后門診隨訪觀察3～6個月。治愈87例（40.65%），顯效115例（53.73%），9例有效（4.20%），總有效率94.38%。典型病例治療前后照片見圖1～4。
2.2不良反應(yīng)：治療中出現(xiàn)水皰13例、紫癜10例、色素沉著6例，偶見色素脫失2例，潰瘍和瘢痕各有1例（可能與光斑重疊或能量過大有關(guān)），水皰和紫癜均在1～2周消退，色素沉著2～3個月消退，色素部分脫失隨時間逐漸恢復(fù)。
3 討論
3.1 皮膚血管性疾病較為常見，表現(xiàn)為病理性的血管增生和擴(kuò)張，通常可以分為血管性腫瘤和血管畸形[1]。血管瘤好發(fā)于嬰幼兒，頭面部常見，表現(xiàn)為紅色、柔軟的腫塊，如草莓狀，部分位于皮下的柔軟腫塊，B超檢查可見血管密集，常存在血管畸形[2]。血管瘤有增生或消退的過程，目前提倡積極治療，尤其對于生長較快的血管瘤。微靜脈畸形舊稱鮮紅斑痣，表現(xiàn)為皮膚的紅色斑塊，先天性，好發(fā)于面、頸部，色斑不規(guī)則，邊界清楚，壓之部分退色，可見毛細(xì)血管擴(kuò)張，隨著年齡增長，后微靜脈擴(kuò)張，顏色加深變紅，變紫，皮膚增厚并出現(xiàn)結(jié)節(jié)[3]。皮膚反應(yīng)性潮紅、炎癥導(dǎo)致的局部病變（如酒渣鼻）、點陣激光磨削治療后皮膚長期的發(fā)紅，都可以是毛細(xì)血管擴(kuò)張，影響患者的容貌。
3.2窄譜強脈沖光的特性：根據(jù)選擇性光熱作用理論[4]，激光照射血管性病變后，氧合血紅蛋白特異性吸收激光能量，發(fā)生變性或凝固，紅細(xì)胞變形，產(chǎn)生正鐵血紅蛋白，紅細(xì)胞膜損傷，與內(nèi)皮細(xì)胞凝固，導(dǎo)致血管閉塞。氧合血紅蛋白的吸收峰為418nm、 542nm和577nm[5]。窄譜強脈沖光的波長為500～600nm，它同時包含兩個氧合血紅蛋白吸收峰，從而大大增強了治療效果。窄譜強脈沖光采用大光斑，能量分布均勻，不易產(chǎn)生花斑，它的序列脈沖模式使升溫更平穩(wěn)、治療更安全，不易產(chǎn)生紫癜和水皰。由于窄譜強脈沖光波長相對較短，它主要針對表淺的血管性病變[6]。
3.3 長脈寬1 064nm激光的特性：氧合血紅蛋白在800～1100nm之間有另外一個相對較弱的吸收峰， 1 064nm則位于這個吸收峰內(nèi)。雖然氧合血紅蛋白對1 064nm的吸收較542nm 和577nm少，但是增加激光的波長可以增加激光的穿透深度，同時加長脈寬，可以更有效地達(dá)到深層血管。Nd：YAG激光長脈寬1 064nm波長可以穿透皮下5.0～6.0mm，其脈寬一般在10～100ms時可凝固直徑較大的血管，對于皮損較厚或較深的血管瘤和靜脈畸形具有顯著的療效[7]。長脈沖1 064nm激光可以治療較深層的血管瘤和微靜脈畸形的真皮血管畸形[8-9]。
3.4 聯(lián)合應(yīng)用的治療效果：臨床常見的皮膚血管性病變，除了包含表淺的血管病變，也可能含有較深層的血管擴(kuò)張。以往筆者單獨應(yīng)用脈沖染料激光、長脈寬1 064nm激光或者強脈沖光（IPL），常常需要反復(fù)多次治療。脈沖染料激光和長脈寬1 064nm激光容易產(chǎn)生水泡和紫癜，能量過大則造成皮膚破潰，從而形成瘢痕，甚至影響容貌。IPL難以作用到深層的血管病變[10]。根據(jù)血管瘤和血管畸形的血管特性，筆者根據(jù)現(xiàn)有設(shè)備的特性，采用窄譜強脈沖光和Nd：YAG激光長脈寬1 064nm聯(lián)合應(yīng)用。先用1 064nm激光，穿透治療深層血管，然后應(yīng)用窄譜強脈沖光繼續(xù)照射血管病變，使得病變血管進(jìn)一步收縮、凝固，達(dá)到治療效果。
本組病例治療結(jié)果顯示如下特點：①達(dá)到治愈和顯著療效的治療次數(shù)明顯減少。血管病變經(jīng)過兩種激光的聯(lián)合治療，加快了病變血管的閉合，大部分病例2～4次即可達(dá)到治愈或顯著效果；②血管性病變的治愈率大為提高。窄譜強脈沖光和激光的聯(lián)合治療，同時兼顧了深、淺部位的血管病變，治療效果大為提升；③出現(xiàn)并發(fā)癥的情況輕微。窄譜強脈沖光的波長更加集中，選擇性治療的針對性較強，而正常皮膚組織吸收不多。應(yīng)用Nd：YAG激光長脈寬1 064nm時選擇能量密度應(yīng)由小到大逐漸增加，光斑不要重疊。本組研究的病例中沒有出現(xiàn)潰瘍或明顯的瘢痕，這對于嬰幼兒，尤其頭面部的治療更為關(guān)鍵。筆者認(rèn)為，窄譜強脈沖光和Nd：YAG激光長脈寬1 064nm聯(lián)合應(yīng)用，可以相互取長補短，既增加了療效，又縮短了治療次數(shù)，在血管性病變的臨床治療上值得推廣應(yīng)用。
[參考文獻(xiàn)]
[1]Gao K，Huang Z，Yuam KH，et al. Side-by-side comparison of photodynamic therapy and pulsed-dye laser treatment of port-wine stain birthmarks[J].British J of Dermatol，2013，168（5）：1040-1046.
[2]Fadi EM，Deepak G，Marco C，et al.Peripheral vascular tumors and vascular malformations： imaging （magnetic resonance imaging and conventional angiography）， pathologic correlation and treatment options[J].International J of Cardiovascular Imaging，2013，29（2）：379-393.
[3]張歌，楊建申，陶宇，等.595nm脈沖染料激光治療鮮紅斑痣2978例[J].實用醫(yī)藥雜志，2012，29（11）：1004-1005.DOI：10.3969/j.issn.671-4008.2012.11.031.
[4]Anderson RR，Parrish JA.Selective photothermolysis：precise microsurgery by selective absorption of pulsed radiation[J].Science，1983，4596：524-527.
[5]Tanzi EL，Lupton JR，Alster TS.Lasers in dermatology four decades of progress[J].J Am Acad Dermatol，2003，49（1）：1-31.
[6]楊建申，張歌，陶宇，等.不同方法治療微靜脈畸形療效比較[J].中國美容醫(yī)學(xué)，2012，21（10）：1797-1798.
[7]周國瑜，沈玲悅，田克斌，等.長脈寬可調(diào)脈寬 Gentle YAG 1064nm 激光治療頜面部血管瘤113例效果評估[J].上?？谇会t(yī)學(xué)，2006，15（3）：250-253.
[8]Yang MU，Yaroslavsky AN，F(xiàn)arinelli WA，et al.Long-pulsed Nd：YAG laser treatment for port-wine stains[J].J Am Acad Dermatol，2005，52（3）：480-490.
Vol.2,4th Edition
2009
Hardcover
ISBN 9783540749523
W 德姆特勒德著
自1960年第一臺激光器問世以來的近50年中,激光光譜學(xué)一直是研究領(lǐng)域的重點,并且在科學(xué)、醫(yī)藥以及技術(shù)的許多方面取得顯著進(jìn)展,得到越來越多的應(yīng)用。激光光譜學(xué)的發(fā)展部份地得力于新的實驗技術(shù)。這些新技術(shù)的出現(xiàn),激發(fā)了激光在化學(xué)、生物、醫(yī)藥、大氣研究、材料科學(xué)、計量學(xué)、光通訊網(wǎng)絡(luò)以及許多其它工業(yè)領(lǐng)域的應(yīng)用。
為了讓讀者了解這些新發(fā)展,新版書中增加了很多新內(nèi)容,譬如:外腔倍頻,穩(wěn)定的連續(xù)參量振蕩器,可調(diào)的窄帶紫外光源,更靈敏的檢測技術(shù),可調(diào)的飛秒或次飛秒激光器,原子或分子激發(fā)的控制,能與飛秒激光器同步的頻率梳,相干的物質(zhì)波,以及在化學(xué)分析、醫(yī)藥診斷、工程中更多的應(yīng)用實例。此外,對一些章節(jié)的內(nèi)容如非線性光譜學(xué)、離子阱、超短激光脈沖、以及激光光譜的新發(fā)展等作了較大改進(jìn)和擴(kuò)充。新增的50張插圖展示了最新的開發(fā)和研究結(jié)果。這些新內(nèi)容需要在第三版《激光光譜學(xué)》中增加很多頁面,因此著者決定將第四版的《激光光譜學(xué)》分為兩卷。第一卷主要論述激光光譜學(xué)的基礎(chǔ)。第二卷介紹了激光光譜學(xué)的各種實驗技術(shù)及應(yīng)用。新技術(shù)及新實驗裝置包括:用光梳直接測量光波的絕對頻率和脈沖;可見飛秒激光高次諧波的阿秒時間分辨率;飛秒非共線光參放大器,以及用它來高速測量激發(fā)分子的快速動態(tài)過程,它也是詳細(xì)研究一些重要過程如眼視網(wǎng)膜的視覺過程,或葉綠素分子中的光合成過程的基本工具。
本書共10章:1.激光的多普勒極限吸收光譜和熒光光譜;2.非線性光譜;3.激光喇曼光譜;4.分子束的激光光譜;5.光泵和雙共振技術(shù);6.時間分辨激光光譜;7.相干光譜;8.碰撞過程的激光光譜;9.激光光譜的新發(fā)展;10.激光光譜學(xué)的應(yīng)用。每一章的末尾有練習(xí)題。書的末尾有習(xí)題答案、參考文獻(xiàn)及主題索引。
著者任職于德國凱澤斯勞滕大學(xué)(Universitt Kaiserslautern)物理系。目前他的教學(xué)及研究的興趣包括:實驗物理學(xué),激光光譜,原子、分子和光子,分子物理學(xué)。他曾撰寫數(shù)十部著作。
本書填補了前沿研究論文與基本原理和基本實驗技術(shù)之間的空白。適合于想深入了解激光光譜學(xué)的物理學(xué)家及化學(xué)家閱讀;也可作為研究生的教科書。凡是學(xué)過原子物理、分子物理、電動力學(xué)和光學(xué)的學(xué)生都能閱讀本書。
劉克玲,退休研究員
中圖分類號：TS207.3 文獻(xiàn)標(biāo)識碼：A 文章編號：1672-5336（2015）02-0035-01
文章主要對轉(zhuǎn)基因的原料作物以及轉(zhuǎn)基因成分進(jìn)行分析檢測，消費者需要了解到插入的外源基因的信息以及外源基因的表達(dá)產(chǎn)物是否對人體以及環(huán)境有害，這就需要很高的轉(zhuǎn)基因食品的分析檢測技術(shù)。分析檢測技術(shù)的基礎(chǔ)為標(biāo)識制度，標(biāo)識制度有自愿標(biāo)識制度和強制標(biāo)識制度，盡管各國之間標(biāo)識制度不同，但食品進(jìn)出口時仍需對標(biāo)識制度進(jìn)行參照。轉(zhuǎn)基因食品的分析檢測技術(shù)主要有組學(xué)分析技術(shù)、光譜學(xué)分析技術(shù)、DNA水平和蛋白質(zhì)水平檢測策略、分子特征分析檢測技術(shù)、轉(zhuǎn)基因快速檢測技術(shù)、轉(zhuǎn)基因定量檢測技術(shù)等。
1 轉(zhuǎn)基因食品標(biāo)識制度
到目前為止，世界上有超過50個國家對轉(zhuǎn)基因食品采取了標(biāo)識制度。這類制度可大體分為兩類，一類是強制性標(biāo)識，另一類是自愿型標(biāo)識。其中，有著非常嚴(yán)格和預(yù)防性的法律制度以及對需要標(biāo)識的閾值進(jìn)行規(guī)定的國家為中國和歐盟等；另外，采取自愿標(biāo)識通常在只有食品中存在明顯差別如過敏原的情況下才進(jìn)行標(biāo)識。盡管各國采用不同的標(biāo)識制度，但是除卻政治因素，各國考慮更多的是實際檢測能力。經(jīng)過批準(zhǔn)進(jìn)口的轉(zhuǎn)基因食品全都具備相應(yīng)標(biāo)識制度，所以說，轉(zhuǎn)基因食品標(biāo)識制度是轉(zhuǎn)基因食品的重要組成。
2 轉(zhuǎn)基因食品分析檢測技術(shù)
隨著各種技術(shù)的不斷發(fā)展變化，轉(zhuǎn)基因分析檢測技術(shù)也不斷進(jìn)行發(fā)展。轉(zhuǎn)基因食品的非期望效應(yīng)的評價依賴于組學(xué)分析技術(shù)，而數(shù)字PCR技術(shù)的出現(xiàn)和好的彌補了普通PCR技術(shù)在轉(zhuǎn)基因檢測方面的缺陷[1]。在精確定量方面基因拷貝數(shù)的絕對定量通過一定的技術(shù)也能夠?qū)崿F(xiàn)，另外，等溫擴(kuò)增技術(shù)和試紙顯色原理在快速檢測領(lǐng)域的應(yīng)用，能夠幫助特殊崗位的工作人員進(jìn)行快速檢測。
2.1 組學(xué)分析技術(shù)
組學(xué)分析技術(shù)含有蛋白組學(xué)、轉(zhuǎn)錄組學(xué)以及代謝組學(xué)等技，是對一類個體系統(tǒng)集合的分析技術(shù)。蛋白組學(xué)指在特定的時間和環(huán)境下，對一個細(xì)胞中全部蛋白質(zhì)表達(dá)進(jìn)行研究的技術(shù)。蛋白組學(xué)主要研究某一細(xì)胞或者生物在一定的病理及生理情況，其蛋白質(zhì)的特點、數(shù)量、功能等[2]。轉(zhuǎn)錄組學(xué)主要研究細(xì)胞在表達(dá)某一功能其基因的和，其研究成果為外源基因表達(dá)的信息和外源基因進(jìn)入受體中所表達(dá)的狀況。代謝組學(xué)主要是對細(xì)胞在特定時間和環(huán)境下全部的小分子代謝物質(zhì)進(jìn)行研究。
2.2 光譜學(xué)分析技術(shù)
近紅外光譜檢測是轉(zhuǎn)基因光譜學(xué)技術(shù)的主要技術(shù)。近紅外光譜檢測的優(yōu)點在于其穿透性很強，因此不需要對其檢測物質(zhì)進(jìn)行基因組提取或者預(yù)處理。盡管還不能確定轉(zhuǎn)基因光譜學(xué)檢測的準(zhǔn)確性，但是光譜學(xué)檢測的優(yōu)勢在于簡單迅速和無損檢測。因為消費者格外關(guān)注轉(zhuǎn)基因食品的安全問題，因此，光譜學(xué)和組學(xué)分析的關(guān)注方面都在轉(zhuǎn)基因食品的非期望效應(yīng)上。
2.3 DNA水平和蛋白質(zhì)水平檢測策略
到目前為止，國內(nèi)外對轉(zhuǎn)基因食品的分析檢測技術(shù)的的主要研究方面是在蛋白質(zhì)和核酸上。在實際應(yīng)用過程中，以DNA作為檢測基礎(chǔ)的檢測技術(shù)被廣泛應(yīng)用的原因在于其檢測的靈敏度較高并具有特異性[3]。聚合酶鏈?zhǔn)椒磻?yīng)也是被廣泛使用的轉(zhuǎn)基因分析技術(shù)之一。另外，較為常用的還有酶聯(lián)免疫吸附法。PCR技術(shù)是DNA水平檢測較為常用的技術(shù)，因其導(dǎo)入受體的外源基因的位置和大小無法確定，所以，在檢測過程的實現(xiàn)需要篩選技術(shù)的輔助。其中，使植物體能夠穩(wěn)定表達(dá)的低拷貝基因內(nèi)標(biāo)基因和標(biāo)準(zhǔn)物質(zhì)是PCR檢測中常用的物質(zhì)。
2.4 分子特征分析檢測技術(shù)
將轉(zhuǎn)基因作物或食品中受體所插入的外源基因的所有信息稱為分子特征，主要有外源基因的特異序列、插入位點及數(shù)量、外源基因兩側(cè)的側(cè)翼序列等。這些信息是整個分析檢測技術(shù)的基礎(chǔ)，能夠輔助轉(zhuǎn)基因作物或食品分類、評價等。分子特征既是轉(zhuǎn)基因分析對象的同時，又是轉(zhuǎn)基因的檢測對象，在快速檢測和精準(zhǔn)定量檢測中起著重要作用，另外，在組學(xué)分析技術(shù)中也有著重要影響。
2.5 轉(zhuǎn)基因快速檢測技術(shù)
完善的轉(zhuǎn)基因食品分子特征信息相當(dāng)于一個巨大的信息篩選庫。但是在地方食藥監(jiān)局和港口出入境檢疫局的工作人員對精準(zhǔn)、高效的檢測未知樣品的技術(shù)重視程度更高。轉(zhuǎn)基因分析檢測在實際中的應(yīng)用應(yīng)該是沒有進(jìn)行專業(yè)培訓(xùn)的工作人員也能夠利用技術(shù)手段來進(jìn)行檢測。其中PCR技術(shù)需要在變溫的條件下進(jìn)行多步驟的操作，顯然不符合高效的原則，因此，有必要進(jìn)行開發(fā)恒溫下的檢測技術(shù)。轉(zhuǎn)基因快速檢測技術(shù)有等溫擴(kuò)增檢測技術(shù)、試紙檢測技術(shù)等。
2.6 轉(zhuǎn)基因定量檢測技術(shù)
制定標(biāo)識的基礎(chǔ)為分子特征，而利用定量檢測技術(shù)可以實現(xiàn)對標(biāo)識閾值的確定。一方面，定量檢測技術(shù)能夠在科研工作中進(jìn)行樣品轉(zhuǎn)基因相對含量以及外源基因拷貝數(shù)的確定；另一方面，定量檢測技術(shù)還可以在田間對樣品的含量進(jìn)行確定，并依據(jù)其閾值提供處理措施。作為貫穿整個轉(zhuǎn)基因分析檢測工作的技術(shù)手段，定量檢測技術(shù)為標(biāo)識制度提供了科學(xué)依據(jù)。有傳統(tǒng)的定量檢測技術(shù)、數(shù)字PCR檢測技術(shù)、新材料輔助的定量檢測技術(shù)等。
3 結(jié)語
自世界上首例轉(zhuǎn)基因作物耐草甘膦品系轉(zhuǎn)基因大豆問世以來，轉(zhuǎn)基因作物開始飛速發(fā)展，傳統(tǒng)農(nóng)業(yè)受到很大的沖擊。隨著轉(zhuǎn)基因作物的快速發(fā)展，越來越多的轉(zhuǎn)基因食品流入市場，轉(zhuǎn)基因食品在滿足人們物質(zhì)生活需要的同時，人們開始注重轉(zhuǎn)基因食品的安全性。世界各國紛紛出臺了一系列的管理制度來預(yù)防轉(zhuǎn)基因食品帶來的安全問題，在1922年，世界各國倒成了《卡塔赫納生物安全議定書》來對轉(zhuǎn)基因食品進(jìn)行規(guī)范。對轉(zhuǎn)基因食品進(jìn)行標(biāo)識和監(jiān)管的首要任務(wù)就是對轉(zhuǎn)基因食品進(jìn)行成分分析檢測，因此，轉(zhuǎn)基因食品分析檢測技術(shù)的發(fā)展對轉(zhuǎn)基因食品的安全有著至關(guān)重要的影響，此技術(shù)也屬于全球食品安全檢測的重要技術(shù)，值得推廣借鑒。
參考文獻(xiàn)
