光谱信息可视为材料的独特指纹，利用处不在的智能手机，现检测、记录、分析材料的光谱信息，一直是科学家和消费者所期待的。由于线上药店和药品供应链的不断增加，假药甚至已逐渐威胁到了公共健康安全。而拉曼光谱可以为药物分类识别提供有价值的信息。气密检测仪的最新消息可以到我们平台网站了解一下，也可以咨询客服人员进行详细的解答


据麦姆斯咨询报道，近日，星综合技术院（SAIT）、忠南大学（CNU）、成均馆大学（SU）和大学（C-AU）组成的科研团队在NC期刊上发表了以DR为主题的论文。星综合技术院的UJK和SL为该论文的共同首作者，通讯作者为星综合技术院的HC。


这项研究重点展示了基于智能手机的拉曼光谱仪，该设备足以用于药物分类。该拉曼光谱仪是由星GN9智能手机图像传感器上的二维（2D）带通滤波器周期阵列与紧凑型外置拉曼模块组成。该图像传感器所捕获的拉曼强度图被定义为类似于传统条形码的拉曼光谱条形码，即能够进行定位、识别和或跟踪功能的机器可读光学标签。研究中，利用卷积神经络（CNN）对药物的11种主要成分进行分类，准确率高达990%。光谱条形码的势在于：它可以识别药物的品牌称和未知药物的主要成分。将光谱条形码与红绿蓝（RGB）成像系统所获信息相结合，或直接应用图像识别技术，这种基于材料固有特性的标签系统将促进基础研究的进步并有望获得更多商业机遇。


图1为基于智能手机的拉曼光谱仪和光谱条形码示意图。光谱条形码即通过智能手机拉曼光谱仪获取的2D拉曼强度图，智能手机内嵌了用于分类的人工智能（AI）算法。拉曼信号由一个集成了785激光二极管的紧凑型外置模块来产生和收集。小型化的外置拉曼模块安装于GN9的后置摄像头上。


图1基于智能手机的拉曼光谱仪和数据处理分析的示意图


研究人员演示了使用智能手机拉曼光谱仪进行药物分类的验。该研究选择了种常见疾病（高血压、糖尿病和高脂血症）比较常用的处方药和种非处方药（维生素B6、维生素C和对乙酰氨基酚）来进行药物分类验。图2显示了在高血压、糖尿病、高脂血症和其他非处方药中发现的11种主要成分的代表性光谱条形码。


图211种主要药物成分的代表性光谱条形码


图3呈现了基于光谱条形码技术的药物分类数据处理示意图。当与CNN相结合时，拉曼光谱可成为预测药物主要成分甚至药物品牌的强大工具。


图3光谱条形码编码及数据处理分析的示意图


图4展现了用于对药物主要化学成分进行分类的混淆矩阵。混淆矩阵主要用于评估药物分类的准确性、比较药物际类别，并利用分类算法预测药物类别。


图454种药物主要成分分类的混淆矩阵


有时可能需要识别同一药物组中药物的称和品牌，这是因为不同药物品牌特定的添加剂或涂层会影响药物在体内的作用过程，例如吸收速度或过敏反应。图5显示了种品牌二甲双胍药物（D1000、D、G-MSR）的光谱条形码及其光谱。


图5具有相同主成分的药物的光谱条形码比较


综上所述，该研究介绍了利用基于智能手机的拉曼光谱仪获得光谱条形码的构想和验。与安装光栅和CCD的市售光谱仪相比，尽管由于带通滤波器阵列和CMOS图像传感器的固有特性，智能手机拉曼光谱仪仍获得了相对较低的光谱分辨率和信噪比（SNR）；但作为便携式光谱仪，其品质因数（Q因数）仍足够高，而且功耗低。只需要外部光源和收集光学元件就可以从药物样品中激发并收集其拉曼信号，需额外将电路板连接到智能手机。这使得这款智能手机光谱仪更为紧凑（外置模块比较小化），用途更广泛。在智能手机光谱仪中集成人工智能功能，可使开发的光谱仪功能更加强大。验结果表明：（1）利用包含弱拉曼信号的光谱条形码进行药物分类，对药物主要成分识别和药物品牌识别的准确率分别为990%和795%。（2）通过结合CNN处理药物的RGB图像，可将药物品牌识别的准确率提高到832%。未来，通过减小通道（CH）尺寸到像素级并增加通道阵列密度，利用智能手机摄像头有望同时测量目标的光谱和形态信息，即现高光谱成像。这将大大提高光谱仪的便携性和可用性，在智能手机领域开辟新的应用。


这项研究获得了研究基金（NRF-2022R1F1A1062182、NRF-2022R1A6A1A03047771、NRF-2022R1A2C1010747）和卫生福利部（HR21C0885）的资助和支持。


论文链接：10103841467-023-40925-3