基于多元散射校正的中藥材種類鑒別

金瑩，何蔚娟

（1.咸陽職業(yè)技術(shù)學(xué)院 機(jī)電學(xué)院，陜西西安，712000； 2.三原縣農(nóng)業(yè)科學(xué)技術(shù)中心，陜西三原，713800）

1 概述

在我國，傳統(tǒng)中藥針對材病理治療的針對性上講究地道藥材。同一種藥材在特定的自然條件和生態(tài)環(huán)境下會表現(xiàn)出不同的藥理特性，其在針對患者的醫(yī)療效果上也會表現(xiàn)出不同的治療效果。因此，對于同種藥材的混合鑒別就成為我國研究者進(jìn)行藥材分類研究的熱點。張鵬琴[1]提出一種基于監(jiān)督局部線性嵌入和判別分析氣味數(shù)據(jù)分析方法，該方法將不同種類的中藥材及不同產(chǎn)地的何首烏進(jìn)行分類鑒別。但該方法在使用沒有全局考慮中藥材的藥理特性。郝丹丹[2]研究了一種實時快捷的藥材鑒定方法，實現(xiàn)了短時間對同一地區(qū)不同植物的判別。而該方法對不同產(chǎn)地藥物分類具有一定的局限性。因此，丁學(xué)利[3]研究運用標(biāo)準(zhǔn)差法分別提取特征波段，將中藥材的中紅外和近紅外兩種紅外光譜的特征波段數(shù)據(jù)合并后，采用Fisher判別分析法，對組別進(jìn)行合理的分類，正確率達(dá)到98.4%。由于在基于Fisher方法判別的過程中，要進(jìn)行反復(fù)試錯理論，增加了算法的復(fù)雜度。馮煒?biāo)糩4]利用短的DNA序列，對某個或者某些相關(guān)的基因進(jìn)行大范圍的掃描，實現(xiàn)對中藥材分類鑒別。王靜[5]基于中紅外光譜數(shù)據(jù)，采用導(dǎo)數(shù)光譜法、標(biāo)準(zhǔn)正態(tài)變量變換和多元散色校正等預(yù)處理方法并依據(jù)標(biāo)準(zhǔn)差法提取特征波段，通過線性判別分析、支持向量機(jī)、集成學(xué)習(xí)三種有監(jiān)督分類模型與處理后的數(shù)據(jù)進(jìn)行交叉組合鑒別，快速準(zhǔn)確鑒別中藥材產(chǎn)地。以上兩種方法在理論研究及實際應(yīng)用上具有一定的借鑒。

因此，為了快速實現(xiàn)不同產(chǎn)地不同藥材的分類與鑒別，本文針對若干不同產(chǎn)地與種類中藥材的紅外光譜數(shù)據(jù)，基于多元散射校正（Multiplicative Scatter Correction, MSC）理論，以工程數(shù)據(jù)處理軟件Matlab、Excel及Spss為分析工具，計算出不同產(chǎn)地藥材的特征數(shù)據(jù)，并對其進(jìn)行分類，以此確定出藥材的不同產(chǎn)地。最后，并對分類結(jié)果進(jìn)行了檢驗。

2 藥材光譜數(shù)據(jù)分析

光譜[6]是指復(fù)色光在經(jīng)過色散系統(tǒng)后，被色散后單色光按波長的大小而排列的圖案。由于同一藥材在不同的生長條件或者外部環(huán)境的影響下，對太陽光的吸光度表現(xiàn)出不同的特性。因此，可以利用近紅外與中紅外光譜的照射來鑒別藥材的種類。而且對比問題中已知圖1可知，藥材A和藥材B的波數(shù)趨勢相差較大，藥材A在波數(shù)1000的吸光度最高，達(dá)到了0.3（AU），而藥材B在波數(shù)［1000，1500］區(qū)間的吸光度最高，只有0.16（AU）。其峰位相差較大，峰強(qiáng)趨勢不一致，峰數(shù)出現(xiàn)次數(shù)也大不相同，對比可知不同種類的藥材差異性較大。

利用數(shù)據(jù)分析軟件Matlab對425組藥材的紅外光譜進(jìn)行處理，結(jié)果如圖1所示。

圖1 425組 中藥材數(shù)據(jù)曲線圖

由圖1可知，由于425組原數(shù)據(jù)未進(jìn)行預(yù)處理，在[0，0.4]的數(shù)據(jù)存在大部分重疊，題中給出數(shù)據(jù)存在負(fù)值，且負(fù)值對其影響較小。圖中橫坐標(biāo)表示光譜的波數(shù)，縱坐標(biāo)表示吸收的中紅外光，令起點區(qū)間［0.7，0.9］為第一組數(shù)據(jù)；起點區(qū)間［0.5，0.6］為第二組數(shù)據(jù)；起點區(qū)［0，0.4］為第三組數(shù)據(jù)。第一組數(shù)據(jù)的兩條波數(shù)大體趨勢較為相似，可判斷其為同一種藥材。同理可得，第二組數(shù)據(jù)為第二種藥材，第三組數(shù)據(jù)為第三種藥材。這三種波長的峰度和峰強(qiáng)有所不同，第一組數(shù)據(jù)的波數(shù)在［500，1000］之間峰位較高；第二組數(shù)據(jù)的波數(shù)在［1000，1500］之間峰位最高；第三組數(shù)據(jù)的波數(shù)在［500，1000］之間峰位最高，峰位越高，則峰強(qiáng)越強(qiáng)。

由于圖1中數(shù)據(jù)眾多，而且大部分?jǐn)?shù)據(jù)曲線存在重疊與交叉現(xiàn)象，不利于數(shù)據(jù)的處理與分類。因此可以考慮將425組數(shù)據(jù)曲線進(jìn)行分離，可以通過對數(shù)據(jù)曲線峰型進(jìn)行對比，進(jìn)而實現(xiàn)藥材種類的鑒別與分類。425組中第221-330組數(shù)據(jù)曲線如圖2所示。

圖2 221-330組中藥材數(shù)據(jù)曲線圖

由圖2可知，第（221、222、225、226、227...）組數(shù)據(jù)的波數(shù)在［0，1000］（cm-1)的峰位最高，峰數(shù)出現(xiàn)次數(shù)基本相同，且峰強(qiáng)大體趨勢一致，可以判斷其為同一種藥材；第（234、258、279、297、309...）組數(shù)據(jù)的波數(shù)在［0，1000］（cm-1)的峰位最高，在［1000，4000］（cm-1)之間曲線峰數(shù)和峰強(qiáng)比例大體相同，則為另一種藥材；第（223、230、233、236、239...）在［0，2000］（cm-1)之間的峰型走向以及峰位、峰強(qiáng)基本一致，且［2000，4000］（cm-1)之間圖形基本吻合。但是，由于光譜圖的相似度判定存在著一定的人為主觀因素，對中藥材的鑒別存在很大缺陷，且由于圖1中下半?yún)^(qū)域出現(xiàn)嚴(yán)重重疊，導(dǎo)致無法研究藥材的差異性和特征,因此基于現(xiàn)代的分析工具，尋求一種便捷快速的藥材種類鑒別方法是現(xiàn)代中藥材研究的必須。

多元散射校正[7]MSC是高光譜數(shù)據(jù)預(yù)處理常用的算法之一，它可以有效地消除由于散射水平不同帶來的光譜差異，從而增強(qiáng)光譜與數(shù)據(jù)之間的相關(guān)性。因此，本文將基于MSC理論進(jìn)行中藥材鑒別模型的建立與求解，以達(dá)到中藥材種類鑒別的目的。

3 基于MSC中藥材鑒別模型建立

基于對上述中藥材光譜數(shù)據(jù)的分析，首先通過下式來計算光譜數(shù)據(jù)中的平均光譜:

式中X表示n×p維（二維）定標(biāo)光譜數(shù)據(jù)矩陣，n為定標(biāo)樣品數(shù)，Ai與平均光譜A進(jìn)行一元線性回歸后得到的相對偏移系數(shù)和平移量。一元線性回歸式可以表示為：

式中，矢量Ai是1×p維矩陣，表示單個樣品光譜矢量，mi和bi分別表示各樣品近紅外光譜矢量。根據(jù)上式則多元散射校正可以表示為：

由于均值、中位數(shù)、眾數(shù)、極差、標(biāo)準(zhǔn)差可以反映數(shù)據(jù)的特征、相似度及差異性。均值可描述每列數(shù)據(jù)取值的平均位置，如下式：

標(biāo)準(zhǔn)差是離均差平方的算術(shù)平均數(shù)的算術(shù)平方根，用σ表示：

極差是指其最大值與最小值之間的差距，xmax為最大值，xmin為最小值：

均方差表示，一個數(shù)據(jù)集的離散程度，記作s：

并對其進(jìn)行求解，部分結(jié)果如表1所示。

表1 各個數(shù)據(jù)特征表

從表1中可以觀察到，均值最高是0.843，最低為0.244，在［0.02，0.09］之間；中位數(shù)最高為0.0643，最低為0.0168，在［0.01，0.07］之間；眾數(shù)最高為0.0216，最低為-0.0008，在［0.0001，0.03］；極差最高為0.3433，最低為0.0790，為［0.07，0.35］；標(biāo)準(zhǔn)差最高為0.822，最低為0.0195，在［0.01，0.9］，對此均值在0.04以下為一種藥材，［0.04，0.07］為第二種藥材，0.07以上為第三種藥材。在上述確定藥材種類中，選取數(shù)據(jù)較少，結(jié)果可能存在偶然性。多元散射校正可以放大數(shù)據(jù)的特征，因此經(jīng)過對圖1的MSC處理，得到研究性較高和觀察性較明顯的數(shù)據(jù)圖3。

圖3 多元散射校正后中藥材數(shù)據(jù)曲線圖

由圖3可知，藥材數(shù)據(jù)可以可分為三組，起點［0.3，0.7］中三條波數(shù)為第一組數(shù)據(jù)，即附件一中的數(shù)據(jù)64、136、201 ，起點［0.1，0.4］中的波數(shù)為第二組數(shù)據(jù)，起點［-0.1，0.05］中的波數(shù)為第三組數(shù)據(jù)。圖中可以看出三組數(shù)據(jù)大致在［0，1500］之間的峰位較高。第一組數(shù)據(jù)在［0，1500］峰位較高，峰強(qiáng)趨勢基本一致；第二組數(shù)據(jù)在［0，1000］的峰位較高，峰數(shù)與峰強(qiáng)基本相同；第三組數(shù)據(jù)在［400，1000］的峰位較高，且425組藥材中紅外光譜曲線峰型基本一致。

4 模型檢驗

為進(jìn)一步驗證上述模型的準(zhǔn)確性，本次將利用數(shù)據(jù)挖掘[8]，及皮爾遜相關(guān)系數(shù)[9]來進(jìn)行模型檢驗。在上文研究可得的三種藥材的組數(shù)范圍內(nèi)分別挑選一組藥材數(shù)據(jù)（64、139、202），第64組圖4(a)數(shù)據(jù)中，區(qū)間[-2.06，1.73]在總體數(shù)據(jù)中占比最大；同理可得，第139組圖4(b)數(shù)據(jù)在區(qū)間[-0.204，0.00203]占比重最大；第202組圖4(c)數(shù)據(jù)在[-0.0108，0.099]占比最大。根據(jù)對圖1中的425組數(shù)據(jù)分析可知，圖1中紅外光譜數(shù)據(jù)存在三種藥材。

圖4 三種藥材任意一組數(shù)據(jù)貢獻(xiàn)率圖

表2(A)為NO與OP的皮爾遜相關(guān)系數(shù)表，(B)為NO與Classs的皮爾相關(guān)系數(shù)表。

表2 皮爾遜相關(guān)系數(shù)表

在正態(tài)分布顯著標(biāo)準(zhǔn)圖中，顯著性數(shù)據(jù)小于等于0.001時為極性相關(guān)；在≥0.05，＜0.001為強(qiáng)性相關(guān)，顯著數(shù)據(jù)≥0.1，＜ 0.05時為相關(guān)性，數(shù)據(jù)在＜ 0.1時可以確定兩組數(shù)據(jù)為相關(guān)性數(shù)據(jù)。由表2(A)可知，顯著性數(shù)據(jù)0.001及兩組數(shù)據(jù)相同率為99.9%，由表2(B)可知，顯著性數(shù)據(jù)為99.4%，由此可知，兩組數(shù)據(jù)都在極性相關(guān)區(qū)間內(nèi)，由此證明NO 、Class 、OP 產(chǎn)生于同一組數(shù)據(jù)。由此可以鑒定馬氏分類法做出的藥材產(chǎn)地與類別鑒定結(jié)果正確。

5 總結(jié)

本文基于多元散射校正理論對425種不同產(chǎn)地不同藥材進(jìn)行了鑒別與分類，并建立了多元散射校正模型和驗證模型，利用大數(shù)據(jù)分析工具對藥材光譜數(shù)據(jù)特征值進(jìn)行分析，確定了藥材的不同產(chǎn)地及種類。