인간의 피험자의 깊이 해상도를 가진 물, 단백질 및 지질의 직접 측정은 스킨케어 제품 성능의 특성화를 위해 피부 관련 질병에 매우 중요합니다. 이 방법은 후속 분석과 함께 화학 적 정보를 추출하기 위해 화학 적 메트릭을 활용합니다. 이 기술의 주요 장점은 임상 라만 데이터 세트를 기술 적 전문 지식이 부족한 숙련 된 계기 운영자가 수집하여 모든 분광 유물을 식별, 배제 및 수정 할 수 있다는 것입니다.
그런 다음 결과 데이터 집합을 처리하여 분석 전 날짜에서 제외해야 하는 이상값을 식별할 수 있습니다. 데이터 분석 중에 중요한 과제는 이상값을 제거하고 데이터 집합의 주요 구성 요소 수를 식별하는 것입니다. 이 비디오에서 는 임상 데이터 세트 및 화학 요법 접근 방식에 대한 사전 지식을 활용하여 깊이 해상도로 물, 단백질 및 지질을 성공적으로 추출합니다.
시술을 시연하는 것은 C&T 연구소의 기술자인 리양(Li Yang)이 될 것입니다. 시작하려면, 피험자가 생체 내 공초점 라만 기기의 이미징 창과 밀접한 접촉으로 표시된 병변 본체 사이트 또는 제어 부위를 배치하게 한다. 방 빛이 이미징에 미치는 영향을 피하기 위해 전체 창을 덮는지 확인하십시오.
그런 다음 소프트웨어를 열고 여기에 표시된 스펙트럼과 유사한 스펙트럼이 보일 때까지 초점을 이동합니다. 그 후, 초점 10 미크론을 피부 표면에서 멀리 이동합니다. 여기에 표시된 주파수 영역에서 2-미크론 단계 크기로 26 단계에 대한 데이터를 수집하여 1초의 노출 시간을 이용하여 수집합니다.
각 영역에 대해 8개의 복제를 측정하여 총 15분까지 지속됩니다. 먼저 명령 창과 MATLAB을 사용하여 수집된 데이터의 파일 확장을 ric에서 매트로 변경합니다. 그런 다음 매트 파일을 여기에 표시된 대로 MATLAB 소프트웨어 플랫폼에 로드합니다.
자동 가중 최소 사각형 메서드를 사용하여 데이터 세트의 기준을 수정하고, PLS_Workspace 창으로 이동하여 가져온 데이터 집합을 마우스 오른쪽 단추로 클릭하고, 스크롤하여 분석하고, 다른 도구를 선택하고, 전처리를 클릭합니다. 팝업 창에서 쇼를 클릭합니다. 그런 다음 사용 가능한 메서드 도구 모음을 자동 가중 임대 사각형 기준 필터링으로 스크롤하고 추가를 선택합니다.
다음으로 확인을 클릭하여 옵션을 설정하고 데이터에 전처리를 적용합니다. 이 것을 Spectra_baseline 저장합니다. 다음으로 명령 창으로 돌아가 수정된 결과를 사용하여 데이터를 대체합니다.
이제 텍스트 편집기로 이동하여 여기에 표시된 대로 프로그램을 실행합니다. 이렇게 하면 2910년에서 2965년 역센티미터 사이의 값을 요약하여 26개의 연속 단계 측정에서 각 Raman 스펙트럼의 강도 값을 얻고 Excel 파일에 저장합니다. MATLAB에서 작업 영역으로 이동하여 그림과 같이 Depth_save 데이터에 대한 경로를 설정합니다.
다음으로, 여기에 설명된 프로세스를 사용하여 MATLAB의 린스페이스 함수를 사용하여 계측기 오프셋 값을 26에서 260으로 보간합니다. 이 프로세스는 스프라인 방법을 사용하여 강도 값을 26에서 260으로 보간하여 새로 생성된 260 위치 값을 활용합니다. 또한 260개의 위치 및 강도 값을 각각 다립 함수에 대한 x 및 y 입력으로 사용하여 도 값을 20으로 설정합니다.
이어서, 출력 계수와 260개의 확장된 위치 값을 다발용 입력으로 사용하고, 최종 260강도 값을 얻을 것이다. 그런 다음 평균 강도를 계산하고 평균 강도에 가장 가까운 곡선의 점을 찾습니다. 또한 알려진 2미크론 스텝 크기에서 피부 표면에 따라 깊이 값을 변경합니다.
이제 프로그램을 실행합니다. 외부 피부 스펙트럼을 제거한 후 MATLAB 플랫폼 에서 라만 스펙트럼 데이터 세트를 PLS_Toolbox 소프트웨어에 로드한 다음 데이터 집합을 마우스 오른쪽 단추로 클릭하여 분석을 선택한 다음 PCA를 선택합니다. 다음으로 전처리를 선택하십시오.
전처리 접근 법으로 정규화를 선택합니다. 그런 다음 교차 유효성 검사에 대해 없음을 선택합니다. 그런 다음 PCA 분해 해석을 위한 세 가지 구성 요소를 사용하여 모델을 구축합니다.
이제 생체 내 라멘 계측기 컬렉션 창의 커버를 제거하고 참조 재료의 데이터 수집에 사용되는 것과 동일한 매개 변수를 사용하여 고주파 영역에서 실내 광 스펙트럼을 수집합니다. 방 광 배경과의 비교를 통해 방 광 효과 계수를 식별합니다. 이제 점수를 검토하고 표준보다 훨씬 높은 해당 점수 값으로 스펙트럼을 제거합니다.
즉, 전체 데이터 집합의 99.8% 이상의 점수 값을 제거하는 것을 의미하며, 이는 이 연구에서 0.16입니다. 결과 교정 X 블록 데이터를 저장합니다. 마지막으로 PLS_Workspace 브라우저로 이동하여 새 파일을 편집합니다.
행 레이블을 선택하고 파일을 다시 저장하기 전에 제외된 데이터를 영구적으로 삭제하려면 제외된 하드 삭제로 이동합니다. 먼저 표시된 것과 동일한 것을 사용하여 라만 스펙트럼 기준선을 수정합니다. 다음으로, 미리 처리된 데이터 집합에 대한 PCA 분석을 수행합니다.
구성 요소 선택 단추를 클릭하여 구성 요소 수와 함께 eigenvalue를 로그리스믹 스케일로 플롯하고 로그(eigenvalue)를 y 값으로 선택합니다. 다변량 곡선 해상도 분석을 수행하려면 먼저 데이터 선택 버튼을 사용하여 데이터 집합을 MCR_main 소프트웨어에 로드합니다. 수동으로 구성 요소 수를 선택하고 구성 요소 번호를 3개에서 8개 사이로 설정합니다.
그런 다음 초기 추정 탭에서 퓨어 버튼을 클릭합니다. 다음으로 농도를 선택하고 Do 버튼을 클릭합니다. 화면이 새로 고쳐지면 확인 단추를 클릭한 다음 계속 하여 다음 페이지로 이동합니다.
이제 계속을 클릭하고 구현 에서 fnnl을 적용합니다. 그런 다음 부정성 프로파일이 있는 종 수에 대해 드롭다운 메뉴에서 6을 선택하고 계속을 클릭합니다. 다음 페이지에서 동일한 매개 변수를 선택하고 계속을 클릭합니다.
피부 표면에서의 위치를 결정하기 위해 단백질의 라만 피크 아래의 영역이 통합되어 단백질 신호의 깊이 프로파일을 얻었다. 피부 표면은 보간 깊이 프로파일의 강도 값이 평균 강도에 가장 가까운 위치로 정의되었습니다. 피부 표면의 정확한 위치는 실험 데이터 포인트와 일치할 필요가 없습니다.
총 30, 862 라만 스펙트럼은 이 비디오에 설명된 데이터 수집 프로토콜과 함께 수집되었다. 이 큰 스펙트럼 데이터 집합에는 20%의 스펙트럼 이상치가 포함되어 있습니다. 적절한 데이터 집합을 달성하는 데 이상한 스펙트럼을 적절히 식별하고 제거하는 것이 중요합니다.
룸라이트의 기준 스펙트럼에 겹쳐진 룸라이트의 기여도를 볼 수 있습니다. 원리 성분 분석은 미리 처리된 공초점 라만 데이터 세트에서 수행되었으며, 에이젠밸은 사용되는 요인수와 함께 여기에 플롯된다. 에이겐밸류에 현저한 감소는 인자 9를 위해 관찰되었다.
이 관찰은 다변량 곡선 해상도 모델에 포함하기 위한 3~8개의 요소 사이에 다양한 원리 구성 요소 수를 가진 모델을 조사하는 것을 제안합니다. 이 절차를 시도할 때 피부 표면 위의 깊이 프로파일을 시작하여 피부 표면의 위치를 정확하게 결정하는 것이 중요합니다. 이 방법론은 물, 단백질 및 지질을 포함한 주요 피부 구성 요소에 대한 스킨케어 제품의 영향에 대한 조사를 가능하게 합니다.
