القياس المباشر للمياه والبروتينات والدهون مع دقة العمق في البشر مهم جدا للأمراض المرتبطة بالجلد، لتوصيف أداء منتجات العناية بالبشرة. وهذه الطريقة، إلى جانب التحليل اللاحق، تعزز القياسات الكيميائية لاستخراج المعلومات الكيميائية. الميزة الرئيسية لهذه التقنية هي أنها تسمح لجمع مجموعة بيانات Raman السريرية من قبل مشغلي الأجهزة المدربين الذين يفتقرون إلى الخبرة التقنية لتحديد واستبعاد وعلاج جميع مصادر القطع الأثرية الطيفية.
ويمكن بعد ذلك معالجة مجموعة البيانات الناتجة لتحديد القيم المتطرفة التي يتعين استبعادها من التاريخ السابق للتحليل. 11- ويتمثل أحد التحديات الرئيسية أثناء تحليل البيانات في إزالة القيم المتطرفة وتحديد عدد المكونات الرئيسية في مجموعة البيانات. النهج تظهر في هذا الفيديو روافع من المعرفة السابقة لمجموعة البيانات السريرية ونهج chemometrics لاستخراج المياه بنجاح, البروتين والدهون مع دقة العمق.
إثبات الإجراء سيكون لي يانغ، فني من مختبرنا C & T. للبدء، يكون الموضوع مكان موقع جسم الآفة ملحوظ أو موقع التحكم في اتصال وثيق مع نافذة التصوير في صك vivo confocal Raman. تأكد من أنها تغطي النافذة بأكملها لتجنب تأثير ضوء الغرفة على التصوير.
ثم، يتم رؤية البرنامج وفتح نقل التركيز حتى الطيف مماثلة لتلك التي تظهر هنا. بعد ذلك، حرك التركيز 10 ميكرون بعيدا عن سطح الجلد. جمع البيانات ل 26 خطوة مع حجم خطوة اثنين ميكرون في منطقة التردد هو مبين هنا، وذلك باستخدام وقت التعرض لثانية واحدة.
قياس ثمانية يكرر لكل منطقة، وتستمر حتى 15 دقيقة في المجموع. أولاً، استخدم إطار الأوامر MATLAB لتغيير امتداد الملف من البيانات التي تم جمعها من ric إلى حصيرة. ثم قم بتحميل ملف الحصيرة إلى منصة برامج MATLAB ، كما هو موضح هنا.
قم بتصحيح خط الأساس لمجموعة البيانات باستخدام طريقة المربعات الأقل المرجحة التلقائية ، من خلال الانتقال إلى نافذة PLS_Workspace والنقر بزر الماوس الأيمن فوق مجموعة البيانات المستوردة ، والتمرير إلى Analyze ، وتحديد أدوات أخرى والنقر على المعالجة المسبقة. في النافذة التي تظهر، انقر على إظهار. ثم قم بالتمرير لأسفل شريط الأدوات "الأساليب المتوفرة" إلى تصفية "الأساس التلقائي للأقواد المؤجرة" الموزونة، ثم حدد إضافة.
بعد ذلك، انقر على موافق لتعيين الخيارات وتطبيق المعالجة المسبقة للبيانات. حفظ هذا كما Spectra_baseline. بعد ذلك، ارجع إلى نافذة الأوامر واستبدل البيانات باستخدام النتيجة تصحيح الأساس.
الآن، انتقل إلى محرر النصوص وتشغيل البرنامج كما هو موضح هنا. هذا سوف يلخص القيم بين سنتيمترين عكسي 2910 و2965 للحصول على قيم الكثافة ضمن كل طيف Raman من قياس الخطوات المتتالية 26 ثم تخزينها في ملف Excel. في MATLAB، انتقل إلى مساحة العمل وتعيين مسار البيانات في Depth_save، كما هو موضح.
بعد ذلك ، استخدم العملية الموضحة هنا لالتدهاب قيمة إزاحة الصك من 26 إلى 260 باستخدام وظيفة linspace في MATLAB. هذه العملية سوف interpolate قيمة الكثافة من 26 إلى 260 باستخدام أسلوب spline، الاستفادة من قيم موضع 260 التي تم إنشاؤها حديثا. بالإضافة إلى ذلك، فإنه سيتم استخدام 260 موضع و قيم الكثافة كمدخلات س و ص الدالة بوليفيت على التوالي، تعيين قيمة درجة إلى 20.
ثم، فإنه سيتم استخدام معاملات الإخراج و 260 قيم الموضع الموسعة كمدخل لـ polyval، للحصول على قيم كثافة 260 النهائية. بعد ذلك، فإنه سيتم حساب شدة المتوسط والعثور على نقطة في منحنى الذي هو الأقرب إلى شدة المتوسط. وسوف تغير أيضا قيمة العمق وفقا لسطح الجلد، في حجم الخطوة اثنين ميكرون المعروفة.
الآن، تشغيل البرنامج. قم بتحميل مجموعة بيانات أطياف Raman بعد إزالة أطياف البشرة الخارجية في برنامج PLS_Toolbox، تحت منصة MATLAB وانقر بزر الماوس الأيمن فوق مجموعة البيانات لاختيار تحليل ثم حدد PCA. بعد ذلك، انقر على اختيار المعالجة المسبقة.
حدد تطبيع كـ نهج المعالجة المسبقة. ثم اختر لا شيء للتحقق من صحة عبر. ثم، بناء النموذج باستخدام المكونات الثلاثة لتحليل التحليل PCA.
الآن، وإزالة الغطاء على في نافذة جمع صك vivo رامين، وجمع أطياف ضوء الغرفة في منطقة التردد العالي باستخدام نفس المعلمات المستخدمة لجمع البيانات المواد المرجعية. تحديد عامل تأثير الضوء من خلال المقارنة مع خلفية ضوء الغرفة. الآن، راجع النقاط وإزالة الأطياف مع قيمة درجة المقابلة أعلى بكثير من المعتاد.
وهذا يعني إزالة قيم النقاط لأكثر من 99.8٪ من مجموعة البيانات بأكملها، وهي 0.16 في هذه الدراسة. حفظ بيانات كتلة X المعايرة الناتجة. وأخيراً، انتقل إلى PLS_Workspace المستعرض ثم قم بتحرير الملف الجديد.
حدد تسميات الصفوف ثم انتقل إلى حذف القرص الثابت المستبعد لحذف البيانات المستبعدة نهائياً قبل إعادة حفظ الملف. تبدأ بتصحيح خط الأساس أطياف رامان باستخدام نفس هو موضح فقط. بعد ذلك، قم بإجراء تحليل PCA على مجموعة البيانات المعالجة مسبقًا.
رسم القيم الذاتية في مقياس لوغاريتمي جنبا إلى جنب مع عدد من المكونات عن طريق النقر على اختيار عنصر زر، وحدد log(eigenvalues) كقيمة y. لإجراء تحليل دقة المنحنى متعدد المتغيرات، استخدم زر تحديد البيانات أولاً لتحميل مجموعة البيانات في برنامج MCR_main. اختر يدوياً عدد المكونات وتعيين رقم المكون إلى ما بين ثلاثة وثمانية.
ثم، ضمن علامة التبويب التقدير الأولي، انقر على الزر نقي. بعد ذلك، حدد التركيز وانقر على زر "القيام". بمجرد تحديث الشاشة، انقر فوق الزر موافق، ثم على متابعة للانتقال إلى الصفحة التالية.
الآن، انقر فوق متابعة، وتحت تنفيذ تطبيق fnnls. ثم حدد ستة من القائمة المنسدلة لعدد الأنواع ذات التشكيلات الجانبية غير السلبية، وانقر على متابعة. في الصفحة التالية، اختر نفس المعلمات وانقر على متابعة.
لتحديد الموقع على سطح الجلد، تم دمج المنطقة الواقعة تحت ذروة رامان البروتين للحصول على ملف عمق إشارة البروتين. تم تعريف سطح الجلد بأنه الموقع الذي كانت فيه قيمة الكثافة من ملف العمق الـمستقر أقرب إلى شدة المتوسط. لا يحتاج الموقع الدقيق لسطح الجلد إلى أن يتزامن مع نقطة بيانات تجريبية.
تم جمع ما مجموعه 30,862 أطياف رامان مع بروتوكول جمع البيانات الموصوفة في هذا الفيديو. هذه مجموعة البيانات الطيفية الكبيرة تحتوي على 20٪ من القيم الطيفية. تحديد سليم وإزالة الأطياف المتطرفة مهم لتحقيق مجموعة بيانات مناسبة.
هنا ، يمكن للمرء أن يرى المساهمة من أضواء الغرفة ، فوق أطياف مرجعية من Roomlight. وقد تم إجراء تحليل المكونات المبدئية على مجموعة بيانات Raman confocal المعالجة مسبقًا، ويتم رسم القيمة الذاتية، بالإضافة إلى عدد العوامل المستخدمة، هنا. ولوحظ انخفاض كبير في القيمة الذاتية للعامل التاسع.
وتقترح هذه الملاحظة دراسة النماذج التي يتراوح عدد عناصرها الرئيسية بين ثلاثة وثمانية عوامل لإدراجها في نموذج القرار المنحنى المتعدد المتغيرات. عند محاولة هذا الإجراء، من المهم بدء تشكيل جانبي العمق فوق سطح الجلد، لتحديد موقع سطح الجلد بدقة. تمكن هذه المنهجية من إجراء تحقيق في تأثير منتجات العناية بالبشرة على مكونات البشرة الرئيسية، بما في ذلك المياه والبروتينات والدهون.
