智能拉曼仪

拉曼光谱分析法是基于印度科学家C.V.拉曼(Raman)所发现的拉曼散射效应，根据每种分子如人类指纹一样，都有其独特的光谱指纹，可以很好的识别分子物质，当前，随着拉曼光谱技术的发展，各样式拉曼检测仪不断涌现，如便携式科研拉曼检测仪、手持式拉曼检测仪等。它们为拉曼技术的推广提供了条件。　　普识纳米在现有常规拉曼技术研究的基础之上，针对不同拉曼检测仪性能不同导致的采集拉曼谱图与比对标准谱图差异大，拉曼检测仪物质识别能力不强、检测限等问题，设计并开发了通用拉曼智能识别模块，解决了拉曼谱图的自适应采集、多维度校准和多核加速技术等问题，提高了谱图识别的准确性和速度。　　拉曼智能模块对常规拉曼升级包括以下几点：　　(1)针对信号强度不确定性样品，设计了拉曼自动积分控制算法，通过实时评价拉曼信号的信噪比或峰强，自动控制拉曼积分时间、激光功率等参数，使得针对不同的样品，不同性能的拉曼信号采集模块都能自动获得高质量的拉曼谱图数据。　　(2)为提高拉曼谱图智能识别算法的通用性和准确度，设计了多维度的拉曼谱图校准算法，在对拉曼谱图进行滤波去噪的基础上，设计了基于多物质的标定的拉曼位移校准方法和相对强度校准方法，改进了不同性能拉曼信号采集模块获得的拉曼谱图的特征信息差异，从而提高了谱图识别的准确性。　　(3)基于嵌入式系统，实现了智能识别算法的并行加速。通过采用多核多线程并行处理、哈希表数据库检索方法等，提高了拉曼谱图智能识别算法的计算速度，大幅提高了智能识别模块的性能。　　(4)同时还开发了基于串口通讯的通信桥，实现了基于http通讯的前后端程序在串口下的通信。 本文开发设计了微型的拉曼智能识别模块，编写了算法和控制程序，进行了实验分析和算法验证，表明了拉曼智能识别模块能适配不同性能的拉曼光谱检测模块，可以提供离线式和在线式的拉曼谱图快速识别服务。　　根据以上四大方面升级，解决了不同厂家常规拉曼的数据匹配问题，结合普识纳米SERS增强技术，完美实现了常规拉曼毒品痕量检测难题。　　例如第三代毒品“芬太尼”，常规拉曼是无法检测芬太尼类强荧光干扰和低浓度的两大核心问题，集合普识纳米SERS智能处理器，升级后灵敏度可达ppb级别(可以在毒贩或者吸毒人员摸过的纸币上面采样)。基于拉曼光谱SERS原理，采用独特的便携设计，具有简单、精准、高效、便携等特点。满足现场使用需求，并可根据要求支持扩容升级万条数据库，还可以随时自建谱图库，检测新出现的芬太尼。

仪器信息网讯 为推动生物医学及相关研究领域持续向前发展，加强学术交流，由中国物理学会光散射专业委员会主办，上海交通大学、武汉大学、上海师范大学和华中农业大学联合承办的第三届全国生物医学拉曼光谱学术会议于3月29日在上海召开。会议期间，近60位报告嘉宾在线分享，内容涵盖了拉曼光谱与单细胞分析、人工智能与拉曼光谱、拉曼光谱与生化传感分析、拉曼与生物医学其他相关、拉曼相关显微技术及生物成像、拉曼光谱与疾病诊断、等离激元纳米结构与新型SERS基底等相关内容。29日下午，会议安排了人工智能与拉曼光谱、拉曼光谱与生化传感分析两个主题，14位报告嘉宾现场分享。特别值得一提的是，“人工智能与拉曼光谱”成为本次会议的热议话题之一，吸引了各位专家、学者和厂商交流成果经验，引发热烈讨论。“人工智能”（Artificial intelligence, AI）自1956年正式命名，经过数十年的发展过程中，已经渗透到各个学科领域，成为引领科技发展的重要力量，并已在各行各业得到了广泛的应用。特别是近年来，国家对人工智能越来越重视，2024年政府工作报告指出，“深化大数据、人工智能等研发应用，开展‘人工智能+’行动，打造具有国际竞争力的数字产业集群”；不仅如此，国务院印发的《推动大规模设备更新和消费品以旧换新行动方案》中，也指出要建立激励和约束相结合的长效机制，加快淘汰落后产品设备，提升安全可靠水平，促进产业高端化、智能化、绿色化发展。那么当拉曼光谱携手人工智能，会碰撞出什么样的火花？又会给学科发展带来怎样的助力呢？厦门大学 任斌教授报告题目：《人工智能助力的拉曼光谱》厦门大学任斌教授在报告中介绍了课题组近年在利用人工智能方法提升拉曼光谱数据采集与分析能力方面所开展的研究。在数据采集阶段，他们提出一种学习仪器固有噪声的方法，以提高拉曼光谱的信噪比与时空分辨率。为了降低数据采集与训练成本，其课题组发展了只需输入单张谱图或者高光谱图像即可实现轻量去噪，无需额外准备训练集，使得深度学习的实时降噪成为可能。此外，为了提升拉曼光谱对复杂样本的识别能力，他们还发展了可同时提取光谱全局和局部特征的分类算法，能够实现对光谱细微差异的病原体囊泡的鉴定，为拉曼光谱用于快速诊断细菌感染奠定了基础。厦门大学 刘国坤教授报告题目：《人工智能+SERS快检》厦门大学刘国坤教授在报告中也分享了人工智能+SERS快检的相关工作。课题组开展了面向 SERS 快检的相关研究，提出了基于酸度系数的样品前处理方法。考虑到实际样品基质对目标分子的 SERS信号识别的严重干扰，他们提出了基于CNN 的深度学习算法。该方法与简单前处理方法结合，可以实现多种复杂基质中的痕量目标分子SERS信号的快速准确识别，检测灵敏度达到专家级用户水平，该工作将进有力推动 SERS快检实用化和智能化。中国科学院微生物研究所 傅钰研究员报告题目：《机器学习辅助拉曼光谱技术单细胞水平表征微生物》中国科学院微生物研究所傅钰研究员也在报告中谈到机器学习辅助拉曼光谱技术单细胞水平表征微生物方面开展的工作。他们通过逐一遮蔽光谱的理念建立了新型的微生物拉曼光谱特征峰提取算法(ORSFE)，可视化呈现了人工智能分析微生物拉曼光谱的关键位移峰，打破了人工智能鉴定过程的黑箱。中国科学院长春光学精密机械与物理研究所 李备研究员报告题目：《先进拉曼技术在生物医学领域的应用》中科院城市环境研究所 崔丽研究员报告题目：《基于单细胞拉曼的环境抗生素抗性及进化研究》中国科学院长春光学精密机械与物理研究所李备研究员在报告中也讲到基于人工智能与深度学习算法的拉曼光谱分析方法。中科院城市环境研究所崔丽研究员分享了该课题组发展的单细胞拉曼-统计算法连用新方法，以及拉曼结合深度学习高灵敏快速识别病原菌及囊泡等相关工作。除此以上报告之外，大会第一天下午还有多位报告嘉宾从不同角度分享了创新的工作，由武汉纺织大学沈爱国教授和中国科学院合肥物质科学研究院杨良保研究员分别主持。武汉纺织大学 沈爱国教授主持中国科学院合肥物质科学研究院 杨良保研究员主持华中农业大学 韩鹤友教授报告题目：《药物的纳米传递及其精准治疗应用》江南大学 谢云飞教授报告题目：《拉曼光谱在食品安全与质量控制中的应用》陕西师范大学 张正龙教授报告题目：《近场调控稀土发光》南京大学 龙亿涛教授报告题目：《纳米孔道限域增强的单分子测量》雅盖隆大学 Malgorzata Baranska教授报告题目：《SRS:Sensitive, Rapid and Specific Raman imaging of cells》吉林大学 徐抒平教授报告题目：《细胞膜蛋白相关的SERS分析技术》科研的进步，离不开仪器技术的助力。在下午的报告环节，多位仪器厂商的代表也在现场分享了最新的技术、仪器及解决方案。HORIBA中国 周磊博士报告题目：《守护美好生活-HORIBA生命科学解决方案》雷尼绍(上海)贸易有限公司 李兆芬报告题目：《雷尼绍拉曼光谱技术在生命科学领域最新进展》牛津仪器WITec 苏虹羊报告题目：《WITec高分辨快速拉曼成像赋能生医前沿科学研究》第一天的报告内容丰富多彩，各位报告嘉宾不仅给大家展示了最新的研究成果，更是从不同角度给大家提供了创新的科研思路。精彩还在继续，敬请期待……为了展现光谱产业化的最新成果，探讨人工智能对光谱新产业的影响，第十七届科学仪器发展年会（ACCSI2024，苏州，2024年4月17-19日）特别开设“人工智能赋能光谱仪器新产业”专题论坛。本次论坛将邀请行业知名专家及企业代表现场分享，欢迎各位领导、专家学者、用户、仪器企业管理及研发负责人、投融资机构代表等共聚一堂，为产业发展献计献策。本次论坛由中国仪器仪表学会近红外光谱分会、仪器信息网共同主办；会议时间：2024年4月19日 ；会议地点：苏州狮山国际会议中心。详细信息请查看ACCSI2024会议官网：https://www.instrument.com.cn/accsi/2024/index

光谱信息可视为材料的独特“指纹”，利用无处不在的智能手机，实现检测、记录、分析材料的光谱信息，一直是科学家和消费者所期待的。由于线上药店和药品供应链的不断增加，假药甚至已逐渐威胁到了公共健康安全。而拉曼光谱可以为药物分类识别提供有价值的信息。据麦姆斯咨询报道，近日，韩国三星综合技术院（Samsung Advanced Institute of Technology）、忠南大学（Chungnam National University）、成均馆大学（Sungkyunkwan University）和韩国中央大学（Chung-Ang University）组成的科研团队在Nature Communications期刊上发表了以“Drug classification with a spectral barcode obtained with a smartphone Raman spectrometer”为主题的论文。三星综合技术院的Un Jeong Kim和Suyeon Lee为该论文的共同第一作者，通讯作者为三星综合技术院的Hyuck Choo。这项研究重点展示了基于智能手机的拉曼光谱仪，该设备足以用于药物分类。该拉曼光谱仪是由三星Galaxy Note 9智能手机图像传感器上的二维（2D）带通滤波器周期阵列与紧凑型外置拉曼模块组成。该图像传感器所捕获的拉曼强度图被定义为类似于传统条形码的拉曼光谱条形码，即能够进行定位、识别和/或跟踪功能的机器可读光学标签。研究中，利用卷积神经网络（CNN）对药物的11种主要成分进行分类，准确率高达99.0%。光谱条形码的优势在于：它可以识别药物的品牌名称和未知药物的主要成分。将光谱条形码与红绿蓝（RGB）成像系统所获信息相结合，或直接应用图像识别技术，这种基于材料固有特性的标签系统将促进基础研究的进步并有望获得更多商业机遇。图1为基于智能手机的拉曼光谱仪和光谱条形码示意图。光谱条形码即通过智能手机拉曼光谱仪获取的2D拉曼强度图，智能手机内嵌了用于分类的人工智能（AI）算法。拉曼信号由一个集成了785 nm激光二极管的紧凑型外置模块来产生和收集。小型化的外置拉曼模块安装于Galaxy Note 9的后置摄像头上。图1 基于智能手机的拉曼光谱仪和数据处理分析的示意图研究人员演示了使用智能手机拉曼光谱仪进行药物分类的实验。该研究选择了三种常见疾病（高血压、糖尿病和高脂血症）最常用的处方药和三种非处方药（维生素B6、维生素C和对乙酰氨基酚）来进行药物分类实验。图2显示了在高血压、糖尿病、高脂血症和其他非处方药中发现的11种主要成分的代表性光谱条形码。图2 11种主要药物成分的代表性光谱条形码图3呈现了基于光谱条形码技术的药物分类数据处理示意图。当与CNN相结合时，拉曼光谱可成为预测药物主要成分甚至药物品牌的强大工具。图3 光谱条形码编码及数据处理分析的示意图图4展现了用于对药物主要化学成分进行分类的混淆矩阵。混淆矩阵主要用于评估药物分类的准确性、比较药物实际类别，并利用分类算法预测药物类别。图4 54种药物主要成分分类的混淆矩阵有时可能需要识别同一药物组中药物的名称和品牌，这是因为不同药物品牌特定的添加剂或涂层会影响药物在体内的作用过程，例如吸收速度或过敏反应。图5显示了三种品牌二甲双胍药物（Diabex 1000mg、Dybis、Glu-M SR）的光谱条形码及其光谱。图5 具有相同主成分的药物的光谱条形码比较综上所述，该研究介绍了利用基于智能手机的拉曼光谱仪获得光谱条形码的构想和实验。与安装光栅和CCD的市售光谱仪相比，尽管由于带通滤波器阵列和CMOS图像传感器的固有特性，智能手机拉曼光谱仪仍获得了相对较低的光谱分辨率和信噪比（SNR）；但作为便携式光谱仪，其品质因数（Q因数）仍足够高，而且功耗低。只需要外部光源和收集光学元件就可以从药物样品中激发并收集其拉曼信号，无需额外将电路板连接到智能手机。这使得这款智能手机光谱仪更为紧凑（外置模块最小化），用途更广泛。在智能手机光谱仪中集成人工智能功能，可使开发的光谱仪功能更加强大。实验结果表明：（1）利用包含弱拉曼信号的光谱条形码进行药物分类，对药物主要成分识别和药物品牌识别的准确率分别为99.0%和79.5%。（2）通过结合CNN处理药物的RGB图像，可将药物品牌识别的准确率提高到83.2%。未来，通过减小通道（CH）尺寸到像素级并增加通道阵列密度，利用智能手机摄像头有望同时测量目标的光谱和形态信息，即实现高光谱成像。这将大大提高光谱仪的便携性和可用性，在智能手机领域开辟新的应用。这项研究获得了韩国国家研究基金（NRF-2021R1F1A1062182、NRF- 2020R1A6A1A03047771、NRF-2021R1A2C1010747）和韩国卫生福利部（HR21C0885）的资助和支持。论文链接：https://doi.org/10.1038/s41467-023-40925-3