【技术实现步骤摘要】
本专利技术属于药品检验，具体而言，涉及一种基于支持向量机建立的阿咖酚散的检测方法。
技术介绍
1、随着全球药品市场的迅速扩张和医疗保健需求的不断增长，药品的质量控制与安全性监测显得尤为关键。阿咖酚散主要是由阿司匹林、对乙酰氨基酚和咖啡因组成的复方制剂，其中阿司匹林及对乙酰氨基酚均能抑制前列腺素合成，具有解热镇痛作用；咖啡因是中枢兴奋药，能增强上列药物的解热镇痛作用。阿咖酚散是临床上用于治疗普通感冒或流行性感冒引起的发热，缓解轻至中度疼痛的临床常用药品之一，该产品产量大、市场需求量广，在日常的市场监督抽查检验中十分常见。由于该产品在市场上占有率较高，每年抽检数量较多，在检验检测中需要重复消耗大量的人力、物力和财力，且日常检验周期长，需要消耗大量的化学试剂、对照品等，对环境造成污染，造成资源的浪费。因此，阿咖酚散作为一种在临床上广泛使用的药物，其安全有效的使用依赖于严格的质量控制流程，才能确保其与其他药物之间能够被准确无误地区分。然而，传统的药品鉴别手段，包括色谱法、质谱法等，虽然精确度高，但通常涉及复杂的样品处理过程、长时间的分析周期和较高的运行成本，这些因素限制了它们在日常快速药品检测中的应用。
2、红外光谱技术作为一种非破坏性、灵敏度高、选择性好的分析方法，为化学与药品分析领域提供了创新的解决方案。通过分析分子对红外光谱的吸收特性，ir技术能够提供详细的分子结构和化学成分信息。如果能结合先进的数据处理技术和算法，将有潜力实现对复杂样品的快速、准确的分析。
3、申请号为cn201410589498.x的中
4、申请号为cn201710541051.9的中国专利公开了一种基于边界点的抗噪支持向量机的水蜜桃品质分级方法，其步骤如下：(1)采集不同品质等级的水蜜桃可见/近红外光谱数据，并对可见/近红外光谱数据进行预处理和pca特征提取；(2)将不同品质等级的水蜜桃可见/近红外光谱样本集两两组合，建立多组水蜜桃可见/近红外光谱训练集；(3)使用基于边界点的抗噪支持向量机对训练集进行训练，得到多个水蜜桃品质等级分类器；(4)利用水蜜桃品质等级分类器对待分级的水蜜桃可见/近红外光谱进行检测。该专利技术使用基于边界点的抗噪支持向量机对水蜜桃的可见/近红外光谱进行检测，可实现在噪声检测环境下对水蜜桃品质等级分级。该申请同样公开了使用近红外光谱数据集来训练svm分类器从而得到对应的鉴别分类方法，但仍是在已知原始数据中分类情况下进行，对于企业生产线或者市场监管中可能存在掺假的场景，如何对分类器进行针对性的训练使其划分边界更清晰，从而更适用于阿咖酚散的多种鉴定鉴别场景，上述方法并未给出对应的解决方案。
5、综上所述，以上专利中虽然均公开了采集红外光谱数据作为原始数据，并经过预处理后用于训练svm分类器，从而得到对应的分类体系，以用于未知样品的鉴别或分类，但是均未指出其过程是否能对阿咖酚散适用。也就是说，在阿咖酚散的分类鉴别过程中，并不能提前已知在生产中存在怎样的掺杂、掺假，以及如何影响红外光谱数据，从而无法提前预知可能存在的复杂分类情况。因此，找到一种阿咖酚散的红外光谱定性分类模型，能够准确地、针对地进行鉴定鉴别，成为本领域技术人员亟待解决的技术问题。
技术实现思路
1、针对阿咖酚散药品生产过程中存在掺假、掺杂等情况，利用红外光谱进行检测时，除了由于自身复杂组分导致的干扰之外，还会受到其他添加物的影响，导致检测结果不准确，耗时长，本专利技术的目的在于，提供一种基于支持向量机进行建模的方法，得到阿咖酚散的红外定性分类模型，可以准确、高效地区分出阿咖酚散类药品与非阿咖酚散类药品。
2、本专利技术解决其技术问题所采用的技术方案是：
3、一种基于支持向量机建立阿咖酚散鉴别模型的方法，包括以下步骤：
4、s1：原始数据收集：收集原始数据作为建模样本，所述原始数据包括：标准阿咖酚散样品的红外光谱数据和其他标准样品的红外光谱数据。
5、上述标准阿咖酚散样品与其他标准样品的数量比为90～150∶5～20；进一步分别优选为90个和5个；其中，其他标准样品可以是：氨咖黄敏胶囊、复方氨氛烷胺片、复方氨酚那敏颗粒、维生素c和蔗糖。
6、本步骤中，选择合适的样本数和比例关系，由于红外光谱数据通常包含丰富的化学信息，但也可能存在噪声，足够的样本数量有助于模型捕捉数据的真实变化。并结合svm(支持向量机)的需求，svm通过寻找在特征空间中划分不同类别的最优决策边界来进行分类。本申请设置标准阿咖酚散样品与其他标准样品的数量比为90～150∶5～20，通过设置合适的样本数据以帮助模型更好地学习并得到决策边界，对其他标准样品的种类进行优选，能够使机器在足量的样本数据的基础上自主学习阿咖酚散的特征进行分类的同时，能够较好地找到其与非阿咖酚散类的差异，使二者的分类边界更为清晰，以最终达到对阿咖酚散和非阿咖酚散类的区分。
7、分别收集标准阿咖酚散样品和其他标准样品，并进行红外扫描得到对应的光谱数据，将其他标准品的红外光谱数据一起作为建模的原始数据，并选择氨咖黄敏胶囊、复方氨氛烷胺片、复方氨酚那敏颗粒、维生素c和蔗糖作为优选的六个其他标准样品。以上五种药品通常可以作为阿咖酚散药品生产过程中的掺假物，其中，氨咖黄敏胶囊本品为粉末状，且颜色与阿咖酚散相似，制剂中含有与阿咖酚散相同的对乙酰氨基酚、咖啡因成分，红外光谱近似，功能主治和使用适应症与阿咖酚散相似；复方氨氛烷胺片本品为粉末状，且颜色与阿咖酚散相似，制剂中含有与阿咖酚散相同的对乙酰氨基酚、咖啡因成分，红外光谱近似，功能主治和使用适应症与阿咖酚散相似；复方氨酚那敏颗粒本品为粉末状，且颜色与阿咖酚散相似，制剂中含有与阿咖酚散相同的对乙酰氨基酚、咖啡因成分，红外光谱近似，功能主治和使用适应症与阿咖酚散相似；维生素c和蔗糖则作为制药过程中的一般添加物，原材料来源途径广泛，生产流通使用监管不严，且价格便宜、使用范围广泛，易被用于假劣药的生产。加入以上其他标准药品参与建模过程，作为标签数组中的类别2，也就是“非阿咖酚散类”，除了考虑生产生活中实际的掺杂情况，选择了维生素c和蔗糖等一般添加物的同时，选择在红外光谱中与阿咖酚散存在重叠与干扰的药品，使得到的模型能够同时兼顾阿咖酚散红外光谱的共性，以及和近似本文档来自技高网...
【技术保护点】
1.一种基于支持向量机建立阿咖酚散鉴别模型的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于支持向量机建立阿咖酚散鉴别模型的方法，其特征在于，在所述S4中训练SVM分类器时，将其中的核函数设置为线性核，标准化参数设置为真。
3.根据权利要求1所述的一种基于支持向量机建立阿咖酚散鉴别模型的方法，其特征在于，所述S4中，当选择前两个主成分PC1和PC2用于训练时，所述决策边界的公式为：w1PC1+w2PC2+b＝0。
4.根据权利要求1所述的一种基于支持向量机建立阿咖酚散鉴别模型的方法，其特征在于，所述标准阿咖酚散样品与所述其他标准样品的数量比为90～150∶5～20。
5.根据权利要求4所述的一种基于支持向量机建立阿咖酚散鉴别模型的方法，其特征在于，所述标准阿咖酚散样品为90个，所述其他标准样品为5个。
6.根据权利要求5所述的一种基于支持向量机建立阿咖酚散鉴别模型的方法，其特征在于，所述其他标准样品包括：氨咖黄敏胶囊、复方氨氛烷胺片、复方氨酚那敏颗粒、维生素C和蔗糖。
【技术特征摘要】
1.一种基于支持向量机建立阿咖酚散鉴别模型的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于支持向量机建立阿咖酚散鉴别模型的方法，其特征在于，在所述s4中训练svm分类器时，将其中的核函数设置为线性核，标准化参数设置为真。
3.根据权利要求1所述的一种基于支持向量机建立阿咖酚散鉴别模型的方法，其特征在于，所述s4中，当选择前两个主成分pc1和pc2用于训练时，所述决策边界的公式为：w1pc1+w2pc2+b＝0。
4.根据...
【专利技术属性】
技术研发人员：张宝林，谭佳，杨俊芸，罗誓言，姚诚，梁栋，罗东玲，廖梦蝶，母芹，陈鑫，
申请(专利权)人：内江市食品药品检验检测中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。