近日，中国科学院合肥物质院安光所团队联合中国科学院合肥肿瘤医院，在血液近红外光谱（NIRS）定量分析领域取得重要进展。相关成果以《基于小波包-模糊收缩降噪模型的血红蛋白特征提取以提高全血近红外光谱定量分析的精度》为题，发表在生命信号处理领域知名期刊Biomedical Signal Processing and Control上。
NIRS具有便捷、无创、灵敏等优势，但在全血检测中，强烈的水吸收、样品散射与仪器噪声等会显著淹没血红蛋白（Hb）微弱吸收特征，制约定量精度。针对这一难题，研究团队提出一项一体化处理与检索新方法：将小波包-模糊收缩去噪（WPT-FS）与鲸鱼优化算法（WOA）相结合，先以自适应的“模糊收缩”阈值函数在多尺度上抑制噪声、保留潜在有效系数，再利用群智能优化在高维节点空间中搜索最优特征节点组合，重构富含Hb信息的特征光谱，并基于偏最小二乘（PLS）完成定量建模。
在106例全血样本的实测数据上，该方法表现出显著优势：背景噪声指标由原始光谱的58.68×10-5降至 1.8542×10-5；Hb定量模型的预测均方根误差（RMSEP）为 2.0409，预测决定系数 (R2_P) 达到 0.9746，优于二阶导数、连续小波变换（CWT）、OSC、airPLS 等常用预处理策略。进一步的样本扩增检验显示，模型在更异质的数据分布下仍保持较高鲁棒性，平均百分误差约1.7%。
研究表明，WPT-FS 通过引入“模糊隶属度”刻画节点系数与噪声的相似性，避免了传统硬/软阈值的过度压缩与信息丢失；WOA 则高效筛选出与Hb高度相关的中低频特征节点（如4260、4366、4600 cm-1等），实现对关键信号的强化与对残余噪声的抑制。该方法为全血近红外定量提供了新的技术路径，有望支持临床场景下Hb的快速、准确检测，并可推广至其他生物标志物的光谱分析。
论文共同第一作者为方仁杰、王稼良，通讯作者为韩昕副研究员。研究工作得到国家重点研发计划和安徽省重点研发计划的资助。
图. 基于WPT-FS的全血近红外光谱噪声抑制与重构方法框架
图. 核心参数确定与Hb相关节点重构结果
