一种基于电子鼻辨识复方中药配方颗粒中单味药的方法

1.本发明涉及医药领域，特别是一种基于电子鼻辨识复方中药配方颗粒中单味药的方法。


背景技术：

2.中药配方颗粒是利用现代科学技术，以单味中药饮片为原料，经水提、分离、浓缩、干燥、制粒而成的颗粒，在中医药理论指导下，按照中医临床处方调配后，供患者冲服使用。中药的临床应用通常由几味或十几味药物组成，而中药配方颗粒作为传统中药饮片的补充，在应用上与中药饮片具有相同的形式。然而对于复方中药配方颗粒而言，由于其失去了单味中药配方颗粒本来的特征，因此难以辨认复方中药配方颗粒中的组成。
3.尽管现代技术可以通过指纹图谱对比指标成分的有无判断复方中药配方颗粒中的组成，但该方法花费时间较长，且实验过程对于有机试剂的用量较大，对操作人员的安全性造成较大的危险，因此，迫切需要寻找一种快速、准确辨识复方中药配方颗粒中单味药的方法。


技术实现要素：

4.针对上述情况，为解决现有技术之缺陷，本发明之目的就是提供一种基于电子鼻辨识复方中药配方颗粒中单味药的方法，可对复方中药配方颗粒中单味药进行快速、准确辨识，有效地解决现代分析方法耗时费力、专属性差的问题。
5.本发明解决的技术方案是，包括以下步骤：1）数据采集，将经过或不经过前处理的复方中药配方颗粒，放置于电子鼻的样品池内，采集复方中药配方颗粒电子嗅觉数据；2）将采集后的数据传输到模式识别系统，在模式识别系统包含若干种单味配方颗粒的子模型yi=f(xi)（i=1，2，3，
…
，n）构成的总模型库yn↔
xn（yi为单味配方颗粒的模型辨识结果，xi为相对应的单味配方颗粒的智能感官数据，yn为n种配方颗粒的总模型辨识结果，xn为相对应配方颗粒的总智能感官数据），将采集的电子嗅觉数据匹配到单味中药配方颗粒对应的子模型，总模型库内的所有子模型均为事先建好的、经过验证的、具有良好预测性能的单味中药配方颗粒模型；3）模式识别，将采集数据代入上述对应的子模型yi=f(xi)，最终给出复方中药配方颗粒中单味药的辨识结果
ŷi。
6.所述的步骤2）中子模型的构建方法为：
①ꢀ
收集n批单味中药配方颗粒（药典项下规定性味不含兼味的单一味&气的中药饮片所对应的配方颗粒），经鉴定符合国家标准；
②ꢀ
采集n批单味中药配方颗粒的电子感官数据，得到n
×
p矩阵，p代表电子鼻的传感器数量；
③
以是否含有该单味药为依据，得到n批单味中药配方颗粒确切的分类信息y；
④
利用计算机matlab软件及分类工具箱，构建yi=f(xi)模型，并经过优化验证最终得到预测性能良好的模型。
7.所述的总模型库包括da模型、pca-da模型、pls-da模型、ls-svm模型、knn模型。
8.本发明方法新颖独特，操作便捷，快速高效，测试准确，有效解决了复方中药配方颗粒的鉴别问题及未知复方中药配方颗粒的组成问题，为复方中药配方颗粒的临床合理应用提供依据，具有很强的实际应用价值。
附图说明
9.图1为本发明的流程示意图，图中
①
为单味药模型。
具体实施方式
10.以下结合附图和具体实施例对本发明的具体实施方式作进一步详细说明。
11.本发明在具体实施时，所述的da模型构建方法为：
①
通过classification toolbox-version 5.0载入xx的自变量、yy的分类信息，点击“检查多元正态性”来分析数据的多元正态分布，由输出的平方广义距离-卡方百分位数图根据以下两种情况判断，假设数据符合多元正态分布，则有两种情况：一种是样品在平方广义距离-卡方百分位数图上的分布图形几乎是线性的；另一种是45-55%的距离小于等于卡方分布分位数表0.5对应的检验值（自由度由工具箱根据载入的矩阵自动检测代入）；
②
设置da判别的参数：识别模式选择线性；验证方法选择百叶窗交叉验证，开始计算，在分类结果窗口查看哪些样品被正确或错误分类并计算正判率；
③
在查看窗口调取wilks'lambda图，依次去除wilks'lambda值最大的变量，再次进行步骤
②
的计算，通过删除冗余变量提高模型正判率；
④
重复步骤
③
，直到删除变量后正判率出现降低，以前一次变量为最终选取变量，并以此参数模型为最优正判率模型。
12.所述的pca-da模型构建方法为：
①
通过classification toolbox-version 5.0载入xx的自变量、yy的分类信息，进入“pca-da最优主成分”选项卡为此矩阵优选主成分个数，参数设置：数据缩放选择自动缩放；识别模式选择线性；验证方法选择百叶窗交叉验证，分类组数选择全部n个；
②
根据步骤1得到的“主成分数目-分类错误率”图，确定选取主成分个数，输入在pca-da计算参数窗口中，其它参数设置为：数据缩放选择自动缩放，识别模式选择线性，验证方法选择百叶窗交叉验证，分类组数选择全部n个，开始计算，在分类结果窗口查看哪些样品被正确或错误分类并计算正判率；
③
在查看窗口调取wilks'lambda图，依次去除wilks'lambda值最大的变量，再次进行步骤
②
的计算，通过删除冗余变量提高模型正判率；
④
重复步骤
③
直到删除变量后正判率出现降低，以前一次变量为最终选取变量，并以此参数模型为最优正判率模型。
13.所述的pls-da模型构建方法为：
①
通过classification toolbox-version 5.0载入xx的自变量、yy的分类信息，
进入“pls-da最优成分”选项卡为此矩阵优选潜变量个数，参数设置：数据缩放选择自动缩放；分配标准选择贝叶斯；验证方法选择百叶窗交叉验证，分类组数选择全部n个；
②
根据步骤1得到的“潜变量数目-分类错误率”图和“潜变量数目-未能分类率”图，权衡所需要选取潜变量个数，输入在pls-da计算参数窗口中，其它参数设置为：数据缩放选择自动缩放，分配标准选择贝叶斯，验证方法选择百叶窗交叉验证，分类组数选择全部n个，开始计算，在分类结果窗口查看哪些样品被正确或错误分类，哪些样品没有被分类，并计算正判率；
③
在查看窗口调取wilks'lambda图，依次去除wilks'lambda值最大的变量，再次进行步骤
②
的计算，通过删除冗余变量提高模型正判率；
④
重复步骤
③
，直到删除变量后正判率出现降低，以前一次变量为最终选取变量，并以此参数模型为最优正判率模型。
14.所述的ls-svm模型构建方法为：通过ls-svmlabv1_8_r2009b_r2011a载入xx的自变量、yy的分类信息，程序运行时通过选择函数及变量个数优化模型，直至正判率最高为最优模型。
15.所述的knn模型构建方法为：通过classification toolbox-version 5.0载入xx的自变量、yy的分类信息，进入“k-value最优个数”选项卡优选k近邻个数，参数设置：距离选择欧氏距，数据缩放选择自动缩放，验证选择百叶窗交互验证，分类组数选择全部n个，得到“k-values-分类错误率”图，以此图作为k近邻个数的依据，之后进行最优k-value的拟合及验证，在分类窗口查看分类情况。
16.本发明方法可对复方中药配方颗粒中单味药进行快速、准确辨识，有效地解决现代分析方法耗时费力、专属性差等问题，操作便捷，快速高效，测试准确，并经实验得到证明，相关实验资料如下：1、嗅觉感官数据采集1.1、复方中药配方颗粒筛选以《方剂学》教材（李冀主编）、现代新编处方、历代医药典籍为依据，筛选出含有炙甘草的10个复方和不含炙甘草的10个复方，共计20个复方。
17.1.2、样品制备以20个复方中各药物用量的十分之一为基准，称取换算后的配方颗粒用量。再分别按照处方中药物的组成比例将相应的配方颗粒进行混合，加水冲服。将含有炙甘草的10个复方中药配方颗粒去掉炙甘草后按照相同方法制备10个复方中药配方颗粒样品，共获得30个样品，样品详细信息见表1。
18.表1 样品信息
序号名称组成炙甘草所占比例（%）标杆信息1葛根芩连汤葛根0.75g，黄芩0.75g，黄连0.4167g，炙甘草0.5g9.8412苓桂术甘汤茯苓5g，桂枝3.75g，白术3.75g，炙甘草2.5g16.6713四妙勇安汤金银花15g，当归7.5g，炙甘草3g，玄参4.5g10.0014大黄甘草汤大黄16g，炙甘草4g20.0015二陈汤陈皮15g，姜半夏15g，茯苓9g，炙甘草4.5g10.3416芍药甘草汤白芍、炙甘草各5g50.0017四君子汤人参、茯苓、白术、炙甘草各5g25.001
8黄芩汤黄芩9g，炙甘草6g，白芍6g，大枣6g22.2219保元汤红参6g，炙黄芪30g，肉桂9g，炙甘草6g11.76110防己黄芪汤防己15.6g，黄芪19.5g，白术11.7g，炙甘草7.8g14.29111黄柏-知母黄柏10g，知母10g0.00012泽泻汤泽泻39g，白术15.6g0.00013黄连汤黄芪、黄连各40g0.00014当归补血汤当归6g，黄芪30g0.00015栀子豉汤栀子4g，淡豆豉16g0.00016香芪汤香附4g，穿心莲3g，黄芪3g0.00017茵陈蒿汤茵陈32.4g，栀子10.8g，大黄10.8g0.00018大承气汤大黄8g，厚朴10g，枳实8g，芒硝6g0.00019白头翁汤白头翁5g，黄柏4g，黄连2g，秦皮4g0.00020四物汤川芎6.67g，当归10g，熟地黄13.33g，白芍10g0.00021葛根芩连汤去炙甘草葛根0.75g，黄芩0.75g，黄连0.4167g0.00022苓桂术甘汤去炙甘草茯苓5g，桂枝3.75g，白术3.75g0.00023四妙勇安汤去炙甘草金银花15g，当归7.5g，玄参4.5g0.00024大黄甘草汤去炙甘草大黄16g0.00025二陈汤去炙甘草陈皮15g，姜半夏15g，茯苓9g0.00026芍药甘草汤去炙甘草白芍5g0.00027四君子汤去炙甘草人参、茯苓、白术各5g0.00028黄芩汤去炙甘草黄芩9g，白芍6g，大枣6g0.00029保元汤去炙甘草红参6g，炙黄芪30g，肉桂9g0.00030防己黄芪汤去炙甘草防己15.6g，黄芪19.5g，白术11.7g0.000
1.3、测试程序取样本溶液10ml，每个样本各取3份，标记为a-1、a-2、a-3，置于25ml的烧杯中，双层保鲜膜封口，放置30min后测试。测定条件：采样时间为1秒/组；传感器自清洗时间为80秒；传感器归零时间为5秒；样品准备时间为5秒；进样流量为400ml/min；分析采样时间为60秒。
19.1.4、电子感官数据采集结果经过测试，得到pen3电子鼻30
×
10的感官数据矩阵。
20.2、模型验证及模式识别2.1、模型验证：采用matlab2016b 软件及classification_toolbox_5.0、lssvmlabv1_8_r2009b_r2011a工具箱中的交互验证方法对所建立模型的准确度和判别效率进行验证。
21.2.2、模式识别结果pen3型电子鼻样品测试结果da、ls-svm（rbf）、ls-svm(lin)、ls-svm(poly）、pca-da、pls-da、knn判别模型，正判率分别为100.00%、90%、96.67%、96.67%、100.00%、100.00%、100.00%。所有模型均不存在未分类样品。
22.最终以da、pca-da、pls-da、knn学习方法建立的判别模型正判率最高，达100%，基本达到了分类需求。
23.本发明方法新颖独特，操作便捷，快速高效，测试准确，可有效解决现代复方中药配方颗粒中单味药的辨识问题和未知复方中药配方颗粒的组成鉴别问题，为复方中药配方颗粒的临床合理应用提供依据，为复方中药配方颗粒的现代化发展奠定基础，具有很强的实际应用价值，经济和社会效益显著。