İnsan deneklerde derinlemesine çözünürlüğe sahip su, protein ve lipidlerin doğrudan ölçümü cilt bakımı ürün performansının karakterizasyonu için ciltle ilgili hastalıklar için çok önemlidir. Bu yöntem, sonraki analizile birlikte, kimyasal bilgi ayıklamak için kemometri kullanır. Bu tekniğin en büyük avantajı, spektroskopik eserlerin tüm kaynaklarını tanımlamak, dışlamak ve düzeltmek için teknik uzmanlığa sahip olmayan eğitimli alet operatörleri tarafından klinik Raman veri setinin toplanmasına olanak sağlamasıdır.
Elde edilen veri kümesi, analizden önceki tarihten hariç alınması gereken aykırıları tanımlamak için işlenebilir. Veri analizi sırasında, önemli bir sorun aykırı kaldırma ve veri kümesinde önemli bileşenlerin sayısının belirlenmesidir. Bu videoda, su, protein ve lipidin derinlik çözünürlüğü ile başarılı bir şekilde ayıklanması için klinik veri seti ve kemometrik yaklaşım hakkında önceden bilgi sahibi olunması yaklaşım gösterin.
Prosedürü gösteren Li Yang, C&T laboratuarımızın teknisyeni olacak. Başlamak için, konu in vivo konfokal Raman aletin görüntüleme penceresi ile yakın temas içinde işaretli bir lezyon vücut sitesi veya kontrol sitesi yerleştirin. Oda ışığının görüntüleme üzerindeki etkisini önlemek için tüm pencereyi kapladıklarından emin olun.
Daha sonra, yazılımı açın ve burada gösterilene benzer bir spektrum görülene kadar odağı hareket ettirin. Daha sonra, odak 10 mikron uzak cilt yüzeyinden taşıyın. Bir saniyelik pozlama süresini kullanarak, burada gösterilen frekans bölgesinde iki mikron adım boyutuna sahip 26 adım için veri toplayın.
Toplam da 15 dakikaya kadar süren her alan için sekiz kopya ölçün. İlk olarak, toplanan verilerin dosya uzantısını ric'den mat'a değiştirmek için komut penceresini ve MATLAB'ı kullanın. Daha sonra paspas dosyasını burada gösterildiği gibi MATLAB yazılım platformuna yükleyin.
PLS_Workspace penceresine giderek ve içe aktarılan veri kümesini sağ tıklatarak, Çözüme Yönelik kaydırma yaparak, Diğer Araçları seçerek ve Ön İşleme'yi tıklatarak otomatik ağırlıklı en küçük kareler yöntemini kullanarak veri kümesinin taban çizgisini düzeltin. Açılan pencerede Göster'e tıklayın. Ardından, Kullanılabilir Yöntemler araç çubuğunu Otomatik Ağırlıklı Kiralık Kareler Taban Çizgisi filtresine kaydırın ve Ekle'yi seçin.
Ardından, seçenekleri ayarlamak ve verilere ön işleme uygulamak için Tamam'ı tıklatın. Bunu Spectra_baseline olarak sakla. Ardından, komut penceresine dönün ve temel düzeltilmiş sonucu kullanarak verileri değiştirin.
Şimdi, Metin Düzenleyici'ye gidin ve burada gösterildiği gibi programı çalıştırın. Bu, 2910 ve 2965 ters santimetre arasındaki değerleri özetler, her Raman spektrumu altındaki yoğunluk değerlerini 26 ardışık adım ölçümünden elde eder ve bunları bir Excel dosyasında saklar. MATLAB'da, Çalışma Alanına gidin ve gösterildiği gibi Depth_save'daki verilerin yolunu ayarlayın.
Daha sonra, MATLAB'daki linspace işlevini kullanarak enstrüman ofset değerini 26'dan 260'a enterpolasyonyapmak için burada açıklanan işlemi kullanın. Bu işlem, yeni oluşturulan 260 konum değerlerinden yararlanarak, spline yöntemini kullanarak yoğunluk değerini 26'dan 260'a interpolate edecektir. Ayrıca, 260 konum ve yoğunluk değerlerini sırasıyla polifit işlevi için x ve y girişleri olarak kullanarak derece değerini 20'ye ayarlar.
Daha sonra, son 260 yoğunluk değerlerini elde etmek için çıktı katsayılarını ve 260 genişletilmiş konum değerlerini polival girdisi olarak kullanır. Daha sonra, ortalama yoğunluğunu hesaplar ve ortalama yoğunluğuna en yakın eğrideki noktayı bulur. Ayrıca bilinen iki mikron adım boyutu, cilt yüzeyine göre derinlik değerini değiştirecek.
Şimdi, programı çalıştırın. Raman spektrum veri kümesini dış deri spektrumlarının PLS_Toolbox yazılımına alınmasından sonra, MATLAB platformu altında yükleyin ve Analiz'i seçmek için veri kümesini sağ tıklatın ve ardından PCA'yı seçin. Ardından, Ön İşlemi Seç'e tıklayın.
İşlem öncesi yaklaşım olarak Normalleştir'i seçin. Ardından, çapraz doğrulama için hiçbirini seçmeyin. Ardından, PCA ayrıştırma çözümlemesi için üç bileşeni kullanarak modeli oluşturun.
Şimdi, in vivo Ramen enstrüman toplama penceresinde kapağı çıkarın ve referans malzemenin veri toplama için kullanılan aynı parametreleri kullanarak yüksek frekanslı bölgede oda ışık spektrumları toplamak. Oda ışık arka planı ile karşılaştırıldığında oda ışık efekti faktörbelirleyin. Şimdi, puanları gözden geçirin ve normalden önemli ölçüde daha yüksek karşılık gelen puan değeri ile spektrumkaldırın.
Bu, tüm veri kümesinin %99,8'inden fazlasının puan değerlerinin kaldırılması anlamına gelir ve bu da bu çalışmada 0,16'dır. Ortaya çıkan kalibrasyon X bloğu verilerini kaydedin. Son olarak, PLS_Workspace Browser'a gidin ve yeni dosyayı edin.
Dosyayı yeniden kaydetmeden önce dışlanan verileri kalıcı olarak silmek için Satır Etiketleri'ni seçin ve Dışlanmış Sabit Silme'ye gidin. Raman spektrum taban çizgisini düzelterek başlayın. Ardından, önceden işlenmiş veri kümesiüzerinde PCA çözümlemesi gerçekleştirin.
Bileşen Seç düğmesini tıklatarak logaritmik ölçekteki eigendeğerlerini ve bileşen sayısını çizin ve y değeri olarak log(eigenvalues)'ı seçin. Çok değişkenli eğri çözümleme çözümlemesi gerçekleştirmek için, veri kümesini MCR_main yazılımına yüklemek için önce veri seçimi düğmesini kullanın. Bileşen sayısını el ile seçin ve bileşen numarasını üç ile sekiz arasında ayarlayın.
Ardından, İlk Tahmin sekmesinin altında, Saf düğmesine tıklayın. Ardından Konsantrasyon'u seçin ve Yap düğmesini tıklatın. Ekran yenilendikten sonra Tamam düğmesini tıklatın ve ardından bir sonraki sayfaya geçmeye devam edin' düğmesine tıklayın.
Şimdi, Devam'ı tıklatın ve Uygulama altında, fnnls uygulayın. Ardından, olumsuzluk olmayan profilleri olan tür sayısı için açılır menüden altı yı seçin ve Devam'ı tıklatın. Sonraki sayfada, aynı parametreleri seçin ve Devam'ı tıklatın.
Deri yüzeyindeki yeri belirlemek için proteinin Raman zirvesinin altındaki alan protein sinyalinin derinlik profilini elde etmek için entegre edilmiştir. Deri yüzeyi, enterpolasyonlu derinlik profilindeki yoğunluk değerinin ortalama yoğunluğa en yakın olduğu yer olarak tanımlanmıştır. Deri yüzeyinin tam konumu deneysel bir veri noktası ile çakışması gerekmez.
Bu videoda açıklanan veri toplama protokolü ile toplam 30, 862 Raman spektrumu toplanmıştır. Bu büyük spektral veri seti%20 spektral dış layıcılar içerir. Uygun bir veri seti elde etmek için uygun tanımlama ve aykırı spektrumların kaldırılması önemlidir.
Burada, oda ışıklarından gelen katkıyı görebilirsiniz, Roomlight'ın referans spektrumuna bindirilmiş. İlke bileşen analizi önceden işlenmiş konfokal Raman veri seti üzerinde yapıldı ve kullanılan faktörlerin sayısı ile birlikte eigenvalue burada çizilir. Dokuzuncu faktör için eigenvalue'da önemli bir düşüş gözlendi.
Bu gözlem, çok değişkenli eğri çözünürlük modeline dahil edilmesi için üç ile sekiz faktör arasında değişen ilke bileşenlerinin sayısına sahip modellerin araştırılmasını önermektedir. Bu yordamı denerken, cilt yüzeyinin konumunu doğru bir şekilde belirlemek için cilt yüzeyinin üzerinde bir derinlik profili başlatmak çok önemlidir. Bu metodoloji, cilt bakım ürünlerinin su, protein ve lipidler de dahil olmak üzere önemli cilt bileşenleri üzerindeki etkisinin araştırılmasını sağlar.
