遗传算法和神经网络的重叠光谱解析

都 月， 孟晓辰， 祝连庆

北京信息科技大学光电测试技术北京市重点实验室， 生物医学检测技术及仪器北京实验室， 北京 100101

引 言

随着生物医学的快速发展， 光谱分析已被广泛应用在细胞免疫学、 微生物学、 分子遗传学等方面。 其中， 荧光检测法由于灵敏度高、 信息量丰富等特点， 已发展成为一种科学且有效的研究手段。 近年来， 荧光检测的仪器种类不断增加， 发展迅速， 已从最初的间接免疫荧光染色逐步发展到多色荧光分析， 通过测定细胞内的多种荧光， 在一次实验中同时测得多种分量。 由于待测细胞通常携带两种或者两种以上的荧光素， 尽管它们的发射峰不相同， 但发射光谱范围仍会有一定的重叠。 在此情况下， 进一步对光谱进行研究分析的实现难度非常大， 所以需要准确的分离光谱重叠峰。

重叠峰的分离一直是光谱研究、 电化学分析等领域中重点研究的重点方向。 目前常用的分峰方法主要分为数学法及化学计量学法两类。 数学法具有直观、 计算速度快等特点， 适合进行在线实时分离[1]， 但有较大的局限性， 通常要求构成重叠峰的各单峰均为相似的， 故而已逐渐被代数法所取代。 在代数法中， 常用的方法是主成分曲线拟合分析[2]、 多元回归分析[3]、 神经网络分析[4-5]、 智能算法分析[6, 10]及小波变换[2, 4]等。 其中， 神经网络具有非线性适应性信息处理的能力， 克服了传统人工智能方法的缺陷； 遗传算法(genetic algorithm， GA)由于其全局寻优能力、 自适应调整搜索方向等优势， 已被广泛应用于机器学习、 信号处理等各方面。……