מדידה ישירה של מים, חלבונים ושומנים עם רזולוציית עומק בנושאים אנושיים חשובה מאוד למחלות הקשורות לעור, לאפיון ביצועי המוצר לטיפוח העור. שיטה זו, יחד עם הניתוח הבא, ממנפת כימומטריה כדי לחלץ מידע כימי. היתרון העיקרי של טכניקה זו הוא שהיא מאפשרת את ערכת הנתונים הקלינית של Raman שנאספה על ידי מפעילי מכשירים מיומנים חסרי מומחיות טכנית לזהות, לא לכלול ולתקנן את כל המקורות של חפצים ספקטרוסקופיים.
לאחר מכן ניתן לעבד את ערכת הנתונים המתקבלת כדי לזהות חריגים שיש לא לכלול בתאריך שלפני הניתוח. במהלך ניתוח הנתונים, אתגר מרכזי הוא הסרת החריגים וזיהוי מספר רכיבי המפתח ב ערכת הנתונים. הגישה מראה בסרטון זה מינוף של ידע מוקדם של ערכת נתונים קליניים וגישה כימומטרית כדי לחלץ בהצלחה את המים, חלבון ושומנים עם רזולוציית עומק.
מדגים את ההליך יהיה לי יאנג, טכנאי ממעבדת C&T שלנו. כדי להתחיל, יש את הנושא למקם אתר גוף הנגע מסומן או אתר בקרה במגע הדוק עם חלון ההדמיה של מכשיר אינפוקל רמאן in vivo. ודא שהם מכסים את כל החלון כדי למנוע את ההשפעה של אור החדר על הדמיה.
לאחר מכן, לפתוח את התוכנה ולהזיז את המיקוד עד ספקטרום דומה לזה המוצג כאן, נראה. לאחר מכן, להזיז את המיקוד 10 מיקרון מפני העור. אסוף נתונים עבור 26 שלבים עם גודל צעד של שני מיקרון באזור התדר המוצג כאן, תוך שימוש בזמן חשיפה של שנייה אחת.
למדוד שמונה שכפולים עבור כל אזור, שנמשך עד 15 דקות בסך הכל. תחילה, השתמש בחלון הפקודה וב- MATLAB כדי לשנות את סיומת הקובץ של הנתונים שנאספו מ- ric למזרן. לאחר מכן טען את קובץ המחצלת לפלטפורמת התוכנה MATLAB, כפי שמוצג כאן.
תקן את תוכנית הבסיס של ערכת הנתונים באמצעות שיטת הריבועים האוטומטית המשוקללת פחות, על-ידי מעבר לחלון PLS_Workspace ולחיצה באמצעות לחצן העכבר הימני על ערכת הנתונים המיובלת, גלילה אל Analyze, בחירת כלים אחרים ולחיצה על עיבוד מקדים. בחלון שצץ, לחץ על הצג. לאחר מכן, גלול מטה בסרגל הכלים שיטות זמינות לסינון הבסיסי של ריבועים משוקללים אוטומטיים ובחר הוסף.
לאחר מכן, לחץ על אישור כדי להגדיר את האפשרויות ולהחיל מעבד מקדים על הנתונים. שמור את זה Spectra_baseline. לאחר מכן, חזור לחלון הפקודה והחלף את הנתונים באמצעות התוצאה המתוקנה הבסיסית.
עכשיו, עבור אל עורך הטקסט והפעל את התוכנית כפי שמוצג כאן. פעולה זו תסכם את הערכים בין 2910 ל- 2965 סנטימטרים הפוכים כדי לקבל את ערכי העוצמה תחת כל ספקטרום של Raman ממדידת 26 השלבים הרצופים ולאחסן אותם בקובץ Excel. ב- MATLAB, עבור אל סביבת העבודה והגדר את הנתיב עבור הנתונים Depth_save, כפי שמוצג.
לאחר מכן, השתמש בתהליך המתואר כאן כדי לאינטרפולציה של ערך היסט המכשיר מ- 26 עד 260 באמצעות פונקציית linspace ב- MATLAB. תהליך זה יהפוך את ערך העוצמה מ- 26 ל- 260 לאינטרפולציה באמצעות שיטת spline, תוך מינוף ערכי המיקום החדשים שנוצרו ב- 260. בנוסף, הוא ישתמש בערכי המיקום והעוצמה של 260 כתשומות x ו- y עבור פונקציית הפוליפיט בהתאמה, ויהפוך את ערך התואר ל- 20.
לאחר מכן, הוא ישתמש במקדמי הפלט וב-260 ערכי המיקום המורחבים כקלט לפוליבל, כדי להשיג את 260 ערכי העוצמה הסופיים. לאחר מכן, הוא יחשב את העוצמה הממוצעת וימצא את הנקודה בעקומה הקרובה ביותר לעוצמה הממוצעת. זה גם ישנה את ערך העומק על פי פני העור, בגודל הידוע של שני מיקרון צעד.
עכשיו, להפעיל את התכנית. טען את ערכת הנתונים ספקטרום Raman לאחר הסרת ספקטרום העור החיצוני לתוכנה PLS_Toolbox, תחת פלטפורמת MATLAB ולחץ באמצעות לחצן העכבר הימני על ערכת הנתונים כדי לבחור לנתח ולאחר מכן לבחור PCA. לאחר מכן, לחץ על בחר מעבד מקדים.
בחר נרמול כגישה של קדם-מעבד. לאחר מכן, בחר באפשרות ללא עבור האימות הנגדי. לאחר מכן, בנה את המודל באמצעות שלושת הרכיבים לניתוח הפירוק של PCA.
עכשיו, להסיר את הכיסוי על חלון איסוף מכשיר in vivo ראמן, ולאסוף את ספקטרום אור החדר באזור התדר הגבוה באמצעות אותם פרמטרים המשמשים לאיסוף הנתונים של חומר הייחוס. זהה את גורם אפקט אור החדר באמצעות השוואה לרקע האור בחדר. עכשיו, לסקור את הציונים ולהסיר את הספקטרום עם ערך הציון המתאים גבוה באופן משמעותי מהרגיל.
משמעות הדבר היא הסרת ערכי ציון של יותר מ- 99.8% מערכת הנתונים כולה, שהיא 0.16 במחקר זה. שמור את נתוני בלוק X של הכיול המתקבל. לבסוף, עבור אל PLS_Workspace וערוך את הקובץ החדש.
בחר את תוויות השורה ולעבור למחיקה קשיחה לא כלולה כדי למחוק לצמיתות את הנתונים שלא ייכללו לפני שמירה מחדש של הקובץ. התחל בתיקון תוכנית הבסיס של ספקטרום Raman באמצעות אותו הדבר המוצג זהה זהה. לאחר מכן, בצע את ניתוח ה- PCA על ערכת הנתונים המזורעת מראש.
התווה את ערכי האייגן בקנה מידה לוגריתמי יחד עם מספר הרכיבים על-ידי לחיצה על לחצן בחר רכיב ובחר יומן רישום (eigenvalues) כערך y. כדי לבצע ניתוח רזולוציית עקומה רב-תכליתית, השתמש תחילה בלחצן בחירת הנתונים כדי לטעון את ערכת הנתונים MCR_main התוכנה. בחר באופן ידני את מספר הרכיבים והגדר את מספר הרכיב בין שלוש לשמונה.
לאחר מכן, תחת הכרטיסיה הערכה ראשונית, לחץ על לחצן טהור. לאחר מכן, בחרו 'ריכוז' ולחצו על הלחצן 'בצע'. לאחר רענון המסך, לחץ על לחצן אישור ולאחר מכן על המשך כדי לעבור לעמוד הבא.
כעת, לחץ על המשך ותחת יישום, החל fnnls. לאחר מכן, בחרו שישה מהתפריט הנפתח עבור מספר המינים עם פרופילים שאינם שליליות ולחצו על 'המשך'. בעמוד הבא, בחר באותם פרמטרים ולחץ על המשך.
כדי לקבוע את המיקום על פני העור, האזור מתחת לשיא הראמאן של החלבון שולבו כדי להשיג את פרופיל העומק של אות החלבון. משטח העור הוגדר כמיקום שבו ערך העוצמה מפרופיל העומק האינטרפולציה היה הקרוב ביותר לעוצמה הממוצעת. המיקום המדויק של פני העור אינו צריך לחפוף לנקודת נתונים ניסיונית.
בסך הכל נאספו 30, 862 ספקטרום אמן עם פרוטוקול איסוף הנתונים המתואר בסרטון זה. ערכת נתונים ספקטרלית גדולה זו מכילה חריגים ספקטרליים של 20%. זיהוי והסרה נאותים של הספקטרום החריג חשובים להשגת ערכת נתונים נכונה.
כאן, ניתן לראות את התרומה מאורות החדר, על פני ספקטרום התייחסות של Roomlight. ניתוח רכיבים עקרוני בוצע בערכת הנתונים הקונפוקל ראמן המנוסה מראש, וה- eigenvalue, יחד עם מספר הגורמים המשמשים, מותווים כאן. ירידה משמעותית ב eigenvalue נצפתה עבור גורם תשע.
תצפית זו מציעה לחקור מודלים עם מספר הרכיבים העיקריים המשתנים בין שלושה לשמונה גורמים להכללה במודל רזולוציית העקומה הרב-משתנית. בעת ניסיון הליך זה, חיוני להתחיל פרופיל עומק מעל פני העור, כדי לקבוע במדויק את המיקום של פני העור. מתודולוגיה זו מאפשרת חקירה של ההשפעה של מוצרי טיפוח העור על רכיבי עור מרכזיים, כולל מים, חלבונים ושומנים.