摘要
液滴蒸发方法（DEM）是一种分析技术，其中溶解或悬浮在液体中的物质在蒸发过程中会自组装成特定的图案。将该方法应用于血液及其衍生液体后，发现其在诊断领域具有潜力。在之前的研究中，我们确定了在干燥的血清和血浆液滴中生成两种主要图案特征的最佳温度和相对湿度（rH）条件：高rH条件下形成晶体结构，低rH条件下形成周边裂纹。本研究的目的是探讨在单次实验的蒸发过程中，先暴露于45%的rH，再暴露于15%的rH这两种湿度条件，是否能够同时结合这两种结构特征，从而增强供体特异性的图案特征。我们从八名健康供体中提取的血清和血浆液滴，在三种条件下进行蒸发：恒定45%的rH、恒定15%的rH，以及变化条件（先45%的rH持续2小时，然后变为15%的rH直至完全干燥）。血清的蒸发温度为24.5°C，血浆的蒸发温度为30.5°C。我们使用计算机化的纹理分析（GLCM）和分形分析（LCFD、MFD、BCFD、lacunarity）技术，将图像特征与血清和血浆的参数及成分进行关联。通过基于液滴图案图像训练的卷积神经网络（CNN）来进行供体鉴别。变化湿度条件下的图案结合了高rH条件下的中心晶体结构和低rH条件下的周边裂纹特征，从而实现了最高的供体分类准确率： serum为84.4%，血浆为83.3%，而稳定条件下的准确率为66.2–80.8%。选定的图像评估参数进一步与血液成分参数相关联，包括葡萄糖、总蛋白、甘油三酯、同型半胱氨酸、尿素以及供体的年龄。这些结果表明，顺序湿度处理显著丰富了DEM图案的结构信息内容，并提高了从中提取的供体特异性信息的量，对诊断应用具有潜在意义。
