- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
[IEEE 2018年第40届国际医学与生物工程学会年会(EMBC) - 美国夏威夷檀香山(2018年7月18日-2018年7月21日)] 2018年第40届国际医学与生物工程学会年会(EMBC) - 利用反射式近红外光谱技术无创监测急性屏障破坏期间人体角质层的分子变化
摘要： 角质层是皮肤最外层的屏障功能部分。角质层功能障碍与痤疮、特应性皮炎和银屑病等多种皮肤病相关。在发达国家，约20%的人群存在角质层屏障功能异常。胶带剥离法是研究角质层障碍时破坏皮肤屏障功能的常用方法。本研究获取了胶带剥离后人皮肤的近红外（NIR）光谱，通过光谱主成分分析（PCA）探究了屏障破坏后的皮肤光谱变化。PCA分析显示，-NH伸缩峰和-CH振动峰是导致屏障破坏光谱变异的主要贡献者。此外，光谱二阶导数分析表明，急性屏障破坏会引起与角质层蛋白质二级结构、脂质及脂质相关水区域相关的光谱变化。我们证实急性屏障破坏会影响近红外光谱特征，这些光谱变化揭示了急性屏障破坏对人类角质层角蛋白和神经酰胺的影响。结果表明，近红外光谱技术可用于监测角质层纤维网络和层状结构的变化。通过追踪角质层蛋白质和脂质结构的紊乱情况，该技术能为研究屏障破坏相关皮肤病提供无创检测手段。
关键词： 蛋白质、屏障破坏、角质层、胶带剥离、水、近红外光谱、脂质
更新于2025-11-14 15:14:40
-
用于单粒油菜（Brassica napus）种子成分分析的二极管阵列近红外光谱仪校准
摘要： 油菜育种者需要一种准确、快速且无损的方法来分析单株种子，以筛选最具潜力的样本用于后续育种试验。近红外光谱技术（NIRS）被广泛用于油籽的无损定量分析。本研究旨在利用二极管阵列近红外光谱仪（波长范围950-1650纳米）、多元预测模型及镜面样品杯，建立单株油菜种子的NIRS校准模型。通过采用不同预处理技术（均值中心化、导数法、变量法）和模型（偏最小二乘法PLS、主成分回归PCR），使用每种成分的100个样本建立了18种不同的NIRS校准模型。基于30个验证集样本获得的R2、SEP和性能偏差比（RPD）值，比较了各成分不同校准模型的相对性能。采用PLS回归算法建立的含水量模型（R2=0.97，SEP=0.32，RPD=6.13）和油分模型（R2=0.84，SEP=0.61，RPD=4.16）效果良好。但由于脂肪酸和硫苷成分的变异性有限、含量较低以及二极管阵列近红外仪器波长范围较窄，未能获得可接受的相应NIRS模型。
关键词： 水分含量，二极管阵列，脂肪酸组成，镜面杯，二极管阵列近红外光谱（DA - NIRS），油含量，油酸，硬脂酸，近红外光谱（NIRS）校准模型，棕榈酸
更新于2025-09-23 15:23:52
-
利用近红外光谱和化学计量学检测针叶材表面节子缺陷
摘要： 木材构件通常存在节子等缺陷，这些缺陷会显著影响其强度和刚度。为建立基于节子特征的快速精准木材分级模型，本研究选用花旗松、云杉-松-冷杉（SPF）、中国铁杉和龙柏作为试验材料。通过新型变量筛选方法——随机蛙跳法（RF）选取有效波长，实验探究了建模方法与光谱预处理方式对节子检测的影响，并验证了单一树种模型跨树种判别的可行性。结果表明：最小二乘支持向量机结合一阶导数预处理光谱的方法，在单一模型和混合模型中均表现最优。龙柏构建的模型可有效分类SPF和中国铁杉的节子样本，但对花旗松无效，反之亦然。随机蛙跳法筛选出8个有效波长（1314nm、1358nm、1409nm、1340nm、1260nm、1586nm、1288nm和1402nm）用于建模，验证集灵敏度、特异性和准确率分别达98.49%、93.42%和96.30%。仅使用这8个波长的数据即可获得良好效果，可作为全光谱评估的替代方案。
关键词： 针叶材，节子检测，近红外光谱（NIRS），随机蛙跳算法，最小二乘-支持向量机（LS-SVM）
更新于2025-09-23 15:23:52
-
利用近红外光谱和化学计量学评估浑浊超声处理苹果汁的货架期
摘要： 新鲜产品（如果汁浑浊苹果汁）可通过超声等非热加工技术延缓早期腐败。但基于微生物和感官评价的货架期分析既昂贵又耗时。目前鲜有研究应用近红外光谱评估苹果汁品质衰变。本研究通过结合化学计量学的1300-2500nm波段光谱行为可行性试验，开展两项实验监测货架期：一是接种腐败酵母菌（未超声接种组INS/超声处理组IS）的挑战试验，二是评估未接种果汁（未接种未超声组NINS/未接种超声组NIS）腐败的贮藏试验，分别在7、14、21、28和60天五个冷藏节点检测。通过建模两个函数描述第一主成分随贮藏时间的变化规律，与先前理化及感官评价一致，该方法明确显示未超声与超声样品的货架终点分别为7天和14天。为分类目的建立三个模型：(1)超声与非处理样品分类；(2)NINS和INS果汁7天货架终点判定；(3)IS和NIS样品14天货架终点鉴别。偏最小二乘判别分析实现分组分类准确率达0.63-1.00。通过投影变量重要性指数解析光谱特征波长，表明有机酸和脂类对腐败预测具有贡献。典型判别分析更清晰呈现了不同贮藏时间（尤其是7天和14天两个关键节点）的样品分离效果。
关键词： 苹果汁、变质、近红外光谱、保质期、超声处理
更新于2025-09-23 15:23:52
-
近红外光谱分析中变量选择的变量重要性准则
摘要： 变量选择是构建多元校正模型（如定量构效关系QSAR、物质量/性质与光谱数据间的定量关系）中的普遍问题。通过减少无信息变量引入的偏差，可显著提升模型的预测能力。本研究提出名为C的新准则来评估模型中变量的重要性——其数值定义为变量对模型的平均贡献度，该值通过采用不同变量组合构建的模型统计量计算得出。计算过程中，利用随机重采样选取的变量子集建立大量偏最小二乘(PLS)模型，进而获得以交叉验证均方根误差(RMSECV)表示的预测误差向量，以及由1和0构成的指示变量选留情况的矩阵。若采用多元线性回归(MLR)建立RMSECV与矩阵的关系模型，则该MLR模型的系数可作为评估变量对RMSECV贡献度的准则。为提高方法效率，采用了多步收缩策略。使用三个近红外基准数据集与蒙特卡洛无信息变量消除(MC-UVE)、随机化检验(RT)及竞争自适应重加权采样(CARS)进行对比，结果表明：所提准则能有效筛选光谱中的信息变量，从而提升模型预测能力。
关键词： 多元校正、多步策略、变量选择、近红外光谱
更新于2025-09-23 15:23:52
-
利用决策树及其集成方法分析近红外光谱数据
摘要： 在过去十年中，决策树及其集成方法在数据分析领域广受欢迎。主要原因之一是当前大数据的蓬勃发展，传统统计方法（如多元线性回归）在此情境下效率不高。然而在化学计量学领域，这些方法仍未普及，首要原因是变量数量与观测值比例相关的若干限制。本文通过多个实例展示决策树及其集成方法如何应用于近红外光谱数据的回归与分类分析。我们将全面探讨包括模型优化与验证、结果评估、缺失数据处理及关键变量筛选等所有重要环节，并将基于决策树方法的性能表现与结果与传统偏最小二乘法进行对比。
关键词： 决策树、分类与回归树、随机森林、近红外光谱
更新于2025-09-23 15:23:52
-
利用化学计量学辅助的反射式近红外光谱法同时测定Helicure片剂中克拉霉素、替硝唑和奥美拉唑的含量
摘要： 开发了一种近红外光谱法，用于同时测定药物制剂中活性成分克拉霉素、替硝唑和奥美拉唑。采用偏最小二乘回归法对这三种活性成分进行定量分析。该方法适用于标示含量80%-120%的宽浓度范围，因此需要仔细选择校准集并确保产品的充分均质化。根据ICH近红外光谱标准验证指南，通过测定其选择性、线性、准确度、精密度和稳定性对该方法进行了验证。结果表明，该方法可作为现有HPLC方法的有效替代方案，用于相同检测目的。
关键词： 偏最小二乘法，克拉霉素，Helicure（品牌名），近红外光谱，预处理，遗传算法，多元校正
更新于2025-09-23 15:23:52
-
利用便携式近红外光谱仪和化学计量学算法对樱桃番茄采后品质进行无损检测
摘要： 本研究旨在评估便携式近红外光谱系统与化学计量算法在智能检测圣女果采后品质中的适用性。通过硬度、可溶性固形物含量（SSC）和pH值评估圣女果采后品质，并采用便携式近红外光谱仪（950-1650 nm）获取其光谱数据。运用偏最小二乘法（PLS）、支持向量机（SVM）和极限学习机（ELM）从光谱预测圣女果采后品质，同时评估Savitzky-Golay（S-G）平滑、多元散射校正（MSC）和标准正态变量变换（SNV）等不同预处理技术对预测性能的影响。结果显示：圣女果在贮藏期间硬度、SSC和pH值均呈下降趋势，据此可将样品分为两个明显聚类；不同贮藏时间的圣女果也能通过近红外光谱特征区分。ELM算法使用原始光谱时获得最佳预测精度：硬度Rp2=0.9666、RMSEP=0.3141 N、RPD=5.6118；SSC Rp2=0.9179、RMSEP=0.1485%、RPD=3.6249；pH Rp2=0.8519、RMSEP=0.0164、RPD=2.7407。ELM模型对硬度和SSC的预测效果极佳（RPD>3.0），对pH的预测良好（RPD介于2.5-3.0）。近红外光谱技术能有效实现圣女果贮藏期采后品质的智能检测。
关键词： 偏最小二乘法、极限学习机、支持向量机、樱桃番茄、近红外光谱
更新于2025-09-23 15:23:52
-
利用近红外光谱和化学计量学技术检测特级初榨橄榄油的掺假
摘要： 引言与目标：由于特级初榨橄榄油（EVOO）的价值较高，掺假已成为该行业的重要问题，这催生了对快速且廉价的欺诈检测测试的需求。与许多现有的食品欺诈检测方法相比，近红外光谱（NIRS）通过最小化样品制备和测量时间，可以做到既经济又便捷。在本研究中，我们开发了一种使用NIRS和化学计量学的方法，用于检测EVOO与其他食用油的掺假情况，该方法无需样品制备，且可在10分钟内完成。 方法、结果与讨论：首先，将单一EVOO与玉米油以2.7%至25% w/w的比例进行掺假。测量了未掺假样品及其掺假对应物的光谱。主成分分析（PCA）得分图显示掺假混合物与未掺假样品之间存在分离，这表明如果提供相关油的未掺假样品，所开发的方法能够检测低至2.7% w/w的掺假。为了研究在没有未掺假样品作为参考的情况下检测掺假，测量了未掺假样品以及掺有玉米油、葵花籽油、大豆油和菜籽油的样品的光谱。采用带有软独立建模类比（SIMCA）的PCA进行掺假检测。发现玉米油、葵花籽油、大豆油和菜籽油的掺假最低检测限分别约为20%、20%、15%和10%。 结论：这些结果表明，所开发的方法可用于快速筛查掺假的橄榄油。
关键词： 主成分分析、橄榄油掺假、化学计量学、近红外光谱、光谱学
更新于2025-09-23 15:23:52
-
利用近红外光谱技术快速无损测定人参种子含水量
摘要： 人参种子含水量（SMC）的测定与监测在种子储存和贸易中具有重要意义。传统的烘箱干燥法测量SMC虽准确，但耗时费力。本研究旨在利用近红外光谱技术建立一种快速、无损的人参SMC测定方法。采用18个不同储存天数（日）的新鲜采收种子批次开发NIR模型，并用12个商业种子批次进行模型验证。本工作建立的模型R2为0.9913，剩余预测偏差（RPD）为11.3，交叉验证均方根误差（RMSECV）较低（0.387%）。商业种子批次测量中，SMC预测值与实测值几乎一致，相对差异小于2.96%。结论表明，近红外光谱适用于人参SMC的快速无损测定。
关键词： 近红外光谱，种子含水量，人参
更新于2025-09-23 15:23:52