光谱学装置和方法
【技术领域】
[0001 ] 本发明涉及光谱学装置和方法。本发明在拉曼光谱学中尤其有用，但它还可以用于其它形式的光谱学，例如，窄线光致发光、焚光、阴极发光、UV可见(UV Vis)、核磁共振(NMR)、中红外(mid-1R)或近红外(NIR)。
【背景技术】
[0002]拉曼效应是通过样本进行的光的非弹性散射。在拉曼光谱学中，通过单色激光照射样本且随后通过衍射光栅等色散装置使散射的光色散，例如在单色器中，以产生被称为拉曼光谱的光谱。通过电荷耦合装置(CCD)等检测器检测拉曼光谱。拉曼光谱学装置的实例从美国专利第5，442，438号和第5，510, 894号已知，该美国专利通过引用并入本文中。
[0003]不同化合物具有不同特性拉曼光谱。因此，拉曼效应可以用于分析样本中存在的化合物。
[0004]所检测的光谱包括与背景信号一起的拉曼光谱，该背景信号的强度(尤其是对于生物样本)是比拉曼光谱更大的数量级。除其它因素外，此背景信号通常因支撑样本的基底、荧光以及拉曼装置的物镜而产生。为了分析拉曼光谱，通常首先必需确认可以归因于背景源的所检测的光谱的比例。
[0005]B.D.比尔(音译，B.D.Beier)和A.J.伯杰(音译，A.J.Berger)在皇家化学学会2009年第134期第1198到1202页公开了一种方法，该方法使用多项式拟合技术和已知光谱污染物的参考光谱来使从拉曼信号去除背景自动化。在所描述的实例中，显微镜载片的玻璃是已知污染物。
[0006]该方法包括迭代算法，其中首先将背景分量的估计设定为所检测的光谱。初始估计由已知污染物的浓度构成，并且用多项式拟合残差，该残差在估计背景和由已知污染物所做的估计贡献之间。多项式和已知污染物的估计贡献在一起形成背景的当前估计。通过比较当前估计与背景的前一估计且通过保留在每个波数处的最小值来确定用于下一次迭代的背景的新估计。
[0007]希望具有用于自动估计背景的技术，该技术不需要知道贡献于背景的光谱分量。
[0008]赵建华(音译，Jianhua Zhao)、哈维.雷(音译，Harvey Lui)、大卫.I.麦克林(音译，David 1.McLean)以及曾海山(音译，Haishan Zeng)在应用光谱学2007年第61卷第11号第1225到1232页的“用于生物医学拉曼光谱学的自动自体荧光背景减法算法(Automated Autofluorescence Background Subtract1n Algorithm for B1medicalRaman Spectroscopy) ”公开了一种估计荧光背景的迭代方法，其包括用多项式拟合光谱。在第一次迭代中，用多项式拟合原始拉曼光谱。在每个相继的迭代中，用多项式拟合经修改的光谱。在第一次迭代中，使用峰值去除步骤形成经修改的光谱，其中，对于每个波数，较低值等于多项式加DEV值，且保留原始数据值。DEV是在从原始拉曼数据取出多项式时剩余物的残余分量的标准差。对于随后的迭代，通过保留多项式和用该多项式拟合的经修改的光谱的较低值来形成经修改的光谱。
[0009]在查得.A.李德(音译，Chad A.Lieder)和安尼塔.马哈德万-延森(音译，Anita Mahadevan-Jensen)在应用光谱学2003年第57卷第11号第1363到1367页上的“用于从生物学拉曼光谱减去焚光的自动方法(Automated Method for Subtract1nof Fluorescence from B1logical Raman Spectra)，，和甘峰(音译，Feng Gan)、阮贵华(音译，Guihua Ruan)、莫金垣(音译，Jinyuan Mo)在化学计量学和智能实验室系统第82(2006)期第59到65页上的“通过具有自动阈值的改进的迭代多项式拟合进行的基线校正(Baseline Correct1n By Improved Iterative Polynomial Fitting with AutomatedThreshold) ”中公开了估计荧光背景的其它方法，其中用多项式迭代地拟合拉曼数据。
【发明内容】
[0010]根据本发明的第一方面，提供一种估计光谱数据中的背景辐射的方法，所述方法包括迭代地用多项式拟合参考数据，确定参考数据与多项式之间的容许偏差，剪除在多项式上超过容许偏差的参考数据或光谱数据的数据点，以为下一次迭代提供参考数据，直到满足终止准则，其中参考数据最初是基于光谱数据。
[0011]与样本的拉曼光谱的突然的尖峰相比，多项式往往会紧密得多地拟合缓慢变化的背景光谱。因此，剪除在多项式上的超过容许偏差的参考数据或光谱数据的数据点可以从参考数据去除锋利的拉曼光谱，而保留更加缓慢地变化的背景分量。以此方式，可以不必做出关于污染物的假设以便估计背景。最终迭代的多项式可以形成背景辐射的估计。然而，可以执行进一步的处理步骤以获得背景辐射的最终估计。
[0012]多项式可以是样条曲线且具体来说是三次样条。所述方法可以包括使用预先界定数目的锚点(结点)来用样条曲线拟合参考数据。所述方法可以是计算机实施的且锚点的数目通过用户而被预先界定。锚点的数目可以基于用于获得光谱数据或拉曼峰的可能宽度的光谱学装置的分辨率而被预先界定。
[0013]样条曲线的拟合可以包括确认锚的位置。锚的位置的确认可以是基于参考数据或光谱数据。可以使用算法自动确认用于每次迭代的锚的位置。
[0014]容许偏差可以是基于参考数据或光谱数据与多项式之间的偏差的量度。例如，偏差的量度可以是参考数据与多项式之间的平均偏差并且所述容许偏差为平均偏差的M倍。优选地，所述量度是参考数据与多项式之差的均方根RMS。然而，应理解，容许偏差可以是基于其它合适的量度，例如标准差、仅正偏差的均值或仅负偏差的均值。
[0015]在另一实施例中，容许偏差是基于在参考数据中的噪声的估计。噪声是在光谱数据中与背景的其它特征和样本的拉曼光谱相比相对较小的波动，所述背景的其它特征例如基底和物镜以及荧光的光谱特征。除其它因素外，此类噪声可以通过在光检测器和处理电路中的电子噪声产生。噪声的估计可以从光谱数据或参考数据估计。噪声可以从平均误差，例如在光谱数据或参考数据的每个点与其最邻近的点之间的RMS误差，或平均误差，例如在光谱数据或参考数据的每个局部最小点与其最邻近的点之间的RMS误差(局部最小点的意义是小于其两个相邻点的点)而被估计。替代地，噪声的估计可以是基于参考数据与多项式/背景辐射的估计之间的偏差。基于光谱数据的噪声的估计由于拉曼峰的存在而可能对噪声估计过高。已经剪除来自拉曼峰的至少一定比例的贡献以便形成参考数据，且因此，基于参考数据的噪声的估计可以更加准确。优选地，使用由最终迭代提供的参考数据来获得噪声的最终/真正估计。
[0016]例如，当确认拉曼光谱存在于光谱数据中时，此噪声的最终/真正估计可以用于光谱数据的进一步分析。例如，噪声的估计可以用于拉曼光谱的模型对光谱数据的拟合的评估。
[0017]因此，在本发明的一个方面中，提供一种估计光谱数据中的噪声的方法，其包括从光谱数据去除被确认为与拉曼峰相对应的数据点且从剩余的数据点估计光谱数据中的噪声。
[0018]剪除可以包括从参考数据或光谱数据消除(即去除)数据点。替代地，剪除可以包括将数据点设定成在多项式上的指定值，优选地设定成在多项式上的MX平均偏差的值。
[0019]终止准则可以是在迭代中不发生剪除时。另外或替代地，终止准则可以包括最大数目的迭代。
[0020]在一个实施例中，参考数据最初可以设定成等于光谱数据。然而，在其它实施例中，可以在光谱数据上执行特定程度的预处理。
[0021]所述方法可以包括确定某一阶数的多项式以拟合参考数据。
[0022]因此，根据本发明的第二方面，提供一种估计光谱数据中的背景辐射的方法，所述方法包括产生光谱数据的背景辐射的估计，每个估计基于用不同阶数的多项式拟合光谱数据；以及基于应用到不同阶数的多项式的拟合的拟合准则来选择某一阶数的多项式以用于估计背景辐射和/或背景辐射的估计中的一个。
[0023]所述方法根据拟合准则自动搜索用于产生背景辐射的估计的最合适阶数的多项式。以此方式，将根据拟合准则的“最佳”阶数的多项式用于估计背景。
[0024]所述方法可以包括用多项式拟合参考数据，所述参考数据与经剪除以去除所感兴趣的光谱分量的光谱数据相对应，所述拟合准则与多项式对参考数据的拟合的量度相对应。
[0025]所述方法可以包括产生背景辐射的估计，直到满足或不满足拟合准则。所选择的某一阶数的多项式和/或估计可以是基于使得估计的产生终止的所述阶数的多项式。
[0026]替代地，终止估计的产生可以是基于与拟合准则不同的准则，随后基于拟合准则搜索所产生的估计，以选择所述阶数的多项式以用于估计背景辐射和/或背景辐射的估计中的一个。
[0027]所述阶数的多项式和/或估计可以基于用于产生其拟合满足拟合准则的估计的最高阶