注射用头孢他啶中头孢他啶、水分和精氨酸近红外定量模型的更新

以注射用头孢他啶通用性定量分析模型为例,通过对新的预测样本光谱与原模型训练集光谱相似性的研究,寻找更为合理的用于判断模型更新的指标以及模型更新的一般方法。对注射用头孢他啶新的待测样品,首先使用聚类分析的方法将所有样品分成5类,依次加入每一类中代表性光谱到原模型中进行模型更新,计算模型更新前后的平均预测偏差,并以此作为评判模型更新是否有效的标准。同时以相似系数为指标探讨模型更新的一般方法。再应用注射用头孢他啶通用性定量分析模型(包括头孢他啶、水分及精氨酸的定量分析模型)以及新的预测样品对该方法进行验证。实验数据证明当新样本光谱与原模型训练集样本的平均光谱在原模型建模谱段上的相似系数(r_T)小于96.5%时,模型需要更新。使用上述判断指标对含碳酸钠为助溶剂的样品进行模型更新后,预测头孢他啶含量的平均偏差由8.1%变为2.3%,预测水分含量的平均偏差由2.2%变为0.3%;对含精氨酸为助溶剂样品,预测头孢他啶含量的平均偏差由7.0%变为1.9%,预测水分含量的平均偏差由0.6%变为0.3%,预测精氨酸含量的平均偏差由2.3%变为0.4%。经过更新的模型能够用于分析国内市场上常见的注射用头孢他啶中头孢他啶、水分及精氨酸含量。以r_T作为模型更新指标较为合理,必要时可以参考新预测样品光谱与原模型训练集光谱的PCA得分图进行判断,该模型更新方法具有一定的普适性,r_T=96.5%可以初步作为判断模型是否需要更新的阈值。     

近红外技术在我国药品流通领域的应用进展

药品是直接关系到每一个公民身体健康与生命安危的特殊商品,其生命周期内的每一个环节都需要进行严密的质量监控。 近红外光谱分析技术由于快速、 非破坏性和无污染等特点,十分适合于流通领域药品的质量监测。 因此,将我国1997年以来,应用近红外技术进行药品终产物快速分析的文献进行了总结、 整理,从分析对象、 分析方法和分析仪器等方面综述了该领域的研究进展,并阐述了亟待解决的问题和发展前景。     

基于近红外光谱检测和平衡级联稀疏分类的药品鉴别方法

近红外光谱检测和模式识别方法相结合,在药品的现场快速无损监督管理中有广阔的应用前景。传统的鉴别方法以最小化错误率为目标,往往忽略了样本数据的类别不平衡性,从而使得少数类样本被多数类样本淹没,降低少数类样本对分类器的影响,使分类结果更加倾向正确识别多数类样本,严重影响鉴别结果。针对药品光谱数据中真假药品类别不平衡问题进行研究,融合平衡级联和稀疏分类方法(SRC),提出一种级联的稀疏分类药品鉴别方法(BC-SRC)。文中在多数类样本中选取和少数类数目相同的样本作为训练样本,并在多数类样本中进行多次平行采样使得多数类样本被全部获得过(采样次数为多数类样本数与少数类样本数商的向上取整),最终得到测试样本的多组预测结果,根据得到的多组结果获得最终预测标签。将提出的方法在Matlab 2012a上进行仿真实验,通过三组样本集的实验证明该方法的有效性,实验结果表明该方法优于常用的偏最小二乘(PLS)、极限学习机(ELM)和BP神经网络分类法,特别是在解决类别不平衡问题时,当不平衡因子大于10时,BC-SRC算法分类相对于其他算法性能更好,且稳定性更高。     

刺五加注射液近红外含量预测模型谱段选择规律和消除溶剂干扰方法的探讨

目前中药制剂生产过程中缺乏全过程参数检测和质量控制技术手段,不同生产批次药品化学成分差异较大、质量不够稳定、临床使用疗效和安全性不理想,因此,建立其完善的质量评价体系及其准确快速的质量评价方法,成为中药质量控制的重中之重.通过对刺五加注射液近红外(near infrared,NIR)含量预测模型的谱段选择规律和消除溶剂干扰方法的探讨,发现采用表征混合物结构差异的结构相关谱段结合含量相关谱段作为NIR组分预测模型谱段,用基于水为参比光谱的样本光谱建立含量预测模型,并利用水作为参比光谱识别和提取待分析组分的光谱信息,可以得到较理想的NIR含量预测结果.通过对刺五加注射液中绿原酸、紫丁香苷和刺五加苷E组分的近红外光谱结构相关谱段和含量相关谱段的归属,分别建立了绿原酸、紫丁香苷和刺五加苷E组分的含量预测模型,可用于快速分析刺五加注射液中不同组分的含量.