利用多通道吸收光谱技术对健康人群和胃病患者群体的N?O呼气光谱进行确定性基线校正与线形建模

《Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy》：Deterministic baseline correction and line-shape modeling for N?O breath spectra from healthy and gastric-disease cohorts using multi-pass absorption spectroscopy

　　摘要：本研究针对通过分布式反馈量子级联激光多通道吸收光谱系统获得的一氧化二氮呼吸光谱，进行了基线校正和线形模型选择。分析数据包括592份健康人群的光谱以及407份经内镜确诊患有胃部疾病患者的光谱。在N?O光谱中观察到的基线波动由两个主要成分构成：缓慢变化的趋势和振荡模式。因此，采用了结合线性与正弦成分的确定性基线校正模型。将原始光谱与经过基线校正后的光谱与软件生成的Voigt重建结果进行比较，结果显示在两组数据中，均方根误差均降低了约25–28%，信噪比提升了约19–27%。随后在固定窗口条件及基于信噪比优化的窗口条件下，分别使用洛伦兹型、伪Voigt型以及指数修正高斯型函数对光谱的局部线形进行建模。在固定窗口条件下，基于最低的局部均方根误差，指数修正高斯模型在433份健康人群光谱和281份患者光谱中被认定为最优模型。曲线下面积与ppm的校准分析也证明了该模型的定量一致性，健康组的相关系数为R2=0.6970，均方根误差为0.0905 ppm；患者组的相关系数为R2=0.8980，均方根误差为0.0903 ppm。这些结果表明，在当前数据集中，线形模型的选择对N?O光谱拟合和浓度重建的影响要显著高于适度优化的窗口参数设置。所提出的框架为N?O呼吸光谱建模提供了一种计算高效且具有物理意义的方法，同时也支持在基于MuPAS的呼吸分析中采用指数修正高斯拟合方法。