中国工程物理研究院激光聚变研究中心莫文博获国家专利权
买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
龙图腾网获悉中国工程物理研究院激光聚变研究中心申请的专利基于ICCD和光纤式门控的拉曼光谱系统获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN119770001B 。
龙图腾网通过国家知识产权局官网在2025-11-11发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510190032.0,技术领域涉及:A61B5/00;该发明授权基于ICCD和光纤式门控的拉曼光谱系统是由莫文博;周民杰;祁道健;赵宗清;王新明;唐烽;倪爽设计研发完成,并于2025-02-20向国家知识产权局提交的专利申请。
本基于ICCD和光纤式门控的拉曼光谱系统在说明书摘要公布了:本发明公开了一种基于ICCD和光纤式门控的拉曼光谱系统应用方法及系统,包括:S1、控制单元切换激光光源的工作状态,以产生激发目标组织拉曼信号的激光;S2、所述激光通过柔性光纤探头到达待检测部分,控制单元切换门控单元和ICCD探测器的工作状态,以通过光纤探头采集目标组织的拉曼光谱信号;S3、所述控制单元将采集到的拉曼光谱信号输出至光谱分析模块,光谱分析模块基于内置的深度学习模型对采集拉曼光谱信号进行处理,以对采集组织的恶性程度进行分析评估。本发明提供一种基于ICCD和光纤式门控的拉曼光谱系统应用方法及系统,通过结合ICCD和门控技术,提升拉曼信号强度、降低荧光背景,进而提高检测灵敏度和效率。
本发明授权基于ICCD和光纤式门控的拉曼光谱系统在权利要求书中公布了:1.一种基于ICCD和光纤式门控的拉曼光谱系统,其特征在于,包括: 用于产生激发组织拉曼信号的激光光源; 用于快速采集拉曼光谱信号的ICCD探测器; 与激光光源、ICCD探测器通信连接的控制单元; 向控制单元提供光谱分析结果的光谱分析模块; 其中,所述激光光源、ICCD探测器分别通过对应的光纤合束至光纤探头; 所述光纤探头的末端设计为可弯曲式结构; 所述拉曼光谱系统的应用方法包括: S1、控制单元切换激光光源的工作状态,以产生激发目标组织拉曼信号的激光; S2、所述激光通过柔性光纤探头到达待检测部分,控制单元切换门控单元和ICCD探测器的工作状态,以通过光纤探头采集目标组织的拉曼光谱信号; S3、所述控制单元将采集到的拉曼光谱信号输出至光谱分析模块,光谱分析模块基于内置的深度学习模型对采集拉曼光谱信号进行处理,以对采集组织的恶性程度进行分析评估; S4、控制单元对光谱分析模块的处理结果进行输出和或显示; 在S3中,所述深度学习模型的获取方式包括: S30、对采集到的拉曼光谱信号进行预处理、特征提取得到采集组织成分光谱; S31、通过神经网络模型学习基本成分的标准拉曼光谱,并将采集组织成分光谱、正常组织光谱作为神经网络模型的训练数据进行训练; 采用训练后的神经网络模型分析采集组织成分光谱中基本成分的贡献程度,以给出组织中基本成分的比例关系; S32、基于拉曼光谱数据的特点,构建基于卷积神经网络和长短期记忆网络的融合式神经网络模型并训练,以通过交叉验证方法评估神经网络模型的性能,进而对卷积神经网络和长短期记忆网络的权重W1和权重W2分别进行赋值,以得到训练好的深度学习模型; 其中,所述基本成分包括DNA、脂肪、组蛋白、胶原蛋白、肌动蛋白; 在S3中,训练好的深度学习模型压缩后部署在光谱分析模块上,以实现对采集的拉曼光谱数据进行实时分析和反馈; 在S31中,训练神经网络模型以确定组织中基本成分比例关系的方式为: S310、通过下式获取模拟组织光谱S: 上式中,S0是正常组织光谱,S1-S5分别是DNA、脂质、组蛋白、胶原蛋白、肌动蛋白的光谱,且a0-a5分别为正常组织光谱、DNA光谱、脂质光谱、组蛋白光谱、胶原蛋白光谱、肌动蛋白光谱所对应的系数,且a0-a5的取值满足下式: S311、通过下式在模拟组织光谱S上叠加随机噪声,以得到生成光谱Sm: 上式中,n为随机噪声; S312、采用卷积神经网络Alexnet构建模型,将生成光谱Sm作为输入数据卷积神经网络模型的输入数据,输出数据是光谱中各成分的系数; 在S32中,所述融合式神经网络模型是基于Boosting模型完成卷积神经网络和长短期记忆网络的融合,且融合式神经网络模型的输出F通过下式得到: 其中,OCNN和OLSTM分别是CNN模型和LSTM模型的输出,表示修正线性单元,且。
如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人中国工程物理研究院激光聚变研究中心,其通讯地址为:621000 四川省绵阳市科学城绵山路64号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。
以上内容由龙图腾AI智能生成。
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

皖公网安备 34010402703815号
请提出您的宝贵建议,有机会获取IP积分或其他奖励