近日，中國科學院合肥物質院安光所團隊聯合中國科學院合肥腫瘤醫院，在血液近紅外光譜（NIRS）定量分析領域取得重要進展。相關成果以《基于小波包-模糊收縮降噪模型的血紅蛋白特征提取以提高全血近紅外光譜定量分析的精度》為題，發表在生命信號處理領域知名期刊Biomedical Signal Processing and Control上。
NIRS具有便捷、無創、靈敏等優勢，但在全血檢測中，強烈的水吸收、樣品散射與儀器噪聲等會顯著淹沒血紅蛋白（Hb）微弱吸收特征，制約定量精度。針對這一難題，研究團隊提出一項一體化處理與檢索新方法：將小波包-模糊收縮去噪（WPT-FS）與鯨魚優化算法（WOA）相結合，先以自適應的“模糊收縮”閾值函數在多尺度上抑制噪聲、保留潛在有效系數，再利用群智能優化在高維節點空間中搜索最優特征節點組合，重構富含Hb信息的特征光譜，并基于偏最小二乘（PLS）完成定量建模。
在106例全血樣本的實測數據上，該方法表現出顯著優勢：背景噪聲指標由原始光譜的58.68×10-5降至 1.8542×10-5；Hb定量模型的預測均方根誤差（RMSEP）為 2.0409，預測決定系數 (R2_P) 達到 0.9746，優于二階導數、連續小波變換（CWT）、OSC、airPLS 等常用預處理策略。進一步的樣本擴增檢驗顯示，模型在更異質的數據分布下仍保持較高魯棒性，平均百分誤差約1.7%。
研究表明，WPT-FS 通過引入“模糊隸屬度”刻畫節點系數與噪聲的相似性，避免了傳統硬/軟閾值的過度壓縮與信息丟失；WOA 則高效篩選出與Hb高度相關的中低頻特征節點（如4260、4366、4600 cm-1等），實現對關鍵信號的強化與對殘余噪聲的抑制。該方法為全血近紅外定量提供了新的技術路徑，有望支持臨床場景下Hb的快速、準確檢測，并可推廣至其他生物標志物的光譜分析。
論文共同第一作者為方仁杰、王稼良，通訊作者為韓昕副研究員。研究工作得到國家重點研發計劃和安徽省重點研發計劃的資助。
圖.?基于WPT-FS的全血近紅外光譜噪聲抑制與重構方法框架
圖. 核心參數確定與Hb相關節點重構結果
