基于激光诱导击穿光谱与深度学习的复合丹参根际微生物群落判别分析
《Journal of Food Composition and Analysis》:Discriminant analysis of compound salvia miltiorrhizas based on laser-induced breakdown spectroscopy combined with deep learning
【字体:
大
中
小
】
时间:2026年05月01日
来源:Journal of Food Composition and Analysis 4.6
编辑推荐:
毛刚李|孟凡张|春华严|齐才|天龙张|洪胜唐|李华
西安石油大学化学与化学工程学院,中国西安710065
**摘要**
确保复方丹参片等草本产品的真实性至关重要,但由于原材料和制造过程的差异性,这一任务充满挑战。本文提出了一种新颖的非破坏性方法,将激光诱导击穿光谱(
毛刚李|孟凡张|春华严|齐才|天龙张|洪胜唐|李华
西安石油大学化学与化学工程学院,中国西安710065
**摘要**
确保复方丹参片等草本产品的真实性至关重要,但由于原材料和制造过程的差异性,这一任务充满挑战。本文提出了一种新颖的非破坏性方法,将激光诱导击穿光谱(LIBS)与深度学习相结合用于制造商识别。来自五个品牌的LIBS光谱显示出独特的元素特征,但主成分分析(PCA)中的重叠模式凸显了分类的复杂性。经过归一化预处理的卷积神经网络(CNN)在外部测试集上达到了99.76%的准确率,优于许多传统的机器学习模型。Shapley加性解释(SHAP)分析证实,模型的决策依赖于与关键元素相关的化学上有意义的光谱特征(220-390纳米),从而增强了模型的可解释性。这种LIBS-CNN框架能够快速、无试剂地实现来源追踪,为草本产品和食品的质量控制、防伪以及批次一致性验证提供了强大的工具。
**1. 引言**
复方丹参片是一种广泛使用的传统中药制剂,主要由丹参、三七和冰片组成,临床用于治疗冠心病和心绞痛等心血管疾病,因其具有促进血液循环、消除瘀血和缓解疼痛的作用(Lee等人,2024;Li等人,2024;Fan等人,2024)。全球心血管疾病的发病率上升推动了对该产品的需求增加,使得质量一致性成为关键问题。然而,不同制造商在原材料、加工方法和批次控制方面的显著差异可能影响产品的有效性和安全性。因此,可靠地识别制造来源对于质量保证、防伪和标准化至关重要。值得注意的是,同一制造商可能从多个来源采购药材,并可能在生产期间更换供应商;因此,对成品片剂的制造商级特征进行识别对于市场后监督和标签验证非常重要,同时也能对供应链或工艺变化导致的异常批次提供早期预警。这种区分依赖于成品中的成分差异,包括活性化合物、营养成分和潜在污染物(Barbara等人,2022;Zeng等人,2021)。虽然高效液相色谱(HPLC)、电感耦合等离子体发射光谱(ICP-OES)和电感耦合等离子体质谱(ICP-MS)等技术可以实现精确分析,但它们通常受到复杂的湿化学样品制备、分析时间较长以及使用有毒有机溶剂的限制,这对操作人员构成风险并限制了高通量应用。因此,迫切需要快速、非破坏性和环保的分析策略来鉴定和分类这些草本产品。
激光诱导击穿光谱(LIBS)是一种基于激光与物质相互作用的光谱分析技术。该技术使用超短脉冲激光聚焦样品表面,形成高温等离子体,然后分析等离子体发出的光谱以确定样品的成分和含量。LIBS具有速度快、灵敏度高、能够同时检测多种元素的优势,同时无需复杂的样品预处理,适用于固体、液体和气体等各种样品状态的分析。其在多个领域的应用已得到验证,包括但不限于:土壤重金属分析(Zhao等人,2023)、冶金过程分析(Li等人,2024;He等人,2024)、古艺术品鉴定(Qi等人,2018;Huang等人,2023)、爆炸物检测(Kalam等人,2023)、生物医学(Bedi等人,2024;Li等人,2024;Wang等人,2020)。在中药研究领域,LIBS已被应用于生产区域的分类以及中药中营养成分和有毒元素的检测(Chen等人,2025;Wang等人,2018;Wang等人,2017)。然而,现有关于LIBS在复方丹参片应用的研究主要集中在元素组成或地理来源分析上(Liang等人,2020;Jiao等人,2023),而区分不同制造商的研究仍较少。实际上,制造工艺和原材料的差异会显著影响产品的质量和安全性。因此,本研究旨在区分制造商,并开发了一个基于LIBS的端到端1D-CNN框架,系统评估光谱预处理策略,并与传统分类器进行对比,以提供一种实用且高通量的市场导向的质量监控方法。
深度学习是一种先进的机器学习技术,由于其出色的特征提取和模式识别能力,已成为解决复杂问题的不可或缺的工具。卷积神经网络(CNN)是一种深度学习模型(Colwell等人,2025),其基本原理是通过卷积、池化等操作提取特征,将输入数据映射到高维特征空间,然后通过全连接层进行分类或回归。在LIBS光谱分析的背景下,CNN通过卷积和权重共享机制自动提取局部光谱特征和模式,无需手动特征选择,减少了对手工特征工程的依赖性,并增强了模型捕捉光谱数据中复杂和非线性关系的能力。它在图像识别和面部识别等领域成为首选模型,并在自动驾驶(Yan等人,2025;Yang和Yuan,2024;Wang等人,2024)和医学成像(Kaifi,2024;Fantini等人,2021;Li等人,2023)等领域显示出巨大潜力。与传统LIBS光谱分类算法相比,CNN能够省略特征提取步骤,简化光谱分类过程并提高识别准确性。Wu等人(2025)提出了两种深度学习模型:轻量级光谱CNN(LS-CNN)和基于网格的隐式图网络(GIGN),用于分类火星岩石和沙子并区分大气成分。LS-CNN在10次运行中的平均准确率为96.30%,而GIGN为92.59%。在最近的一项研究中,Huang等人(Huang等人,2022)结合LIBS和CNN模型实现了掺杂多种外源蛋白的奶粉的高精度识别,训练集和预测集的平均准确率分别为97.7%和97.8%,比SVM模型提高了2.9%。Choi和Park(2022)提出了一种基于CNN的深度学习方法,用于使用LIBS对激光清洗的样品进行分类,准确率为94.55%。
在我们最近的工作(Li等人,2025)中,我们开发了一个结合数据增强的LIBS-FTIR数据融合框架,以增强复方丹参片的区分分析,展示了整合互补光谱信息的好处。相比之下,本研究专注于仅使用LIBS的工作流程,以减少仪器需求的同时实现实际的制造商识别。本研究介绍了一种创新方法,将LIBS与CNN结合,开发出针对不同制造商的复方丹参片识别技术。与传统的CNN应用不同,所提出的模型采用多尺度卷积架构,同时捕捉细粒度的局部光谱变化和更广泛的全局趋势。此外,系统比较了几种预处理技术(包括归一化、导数变换和多变量散布校正),并将其集成到CNN框架中,以建立优化的LIBS-CNN分析策略。在本研究中,从五个不同生产商的样品中收集了LIBS光谱。根据NIST的标准,分析了这些LIBS光谱中的元素特征峰,揭示了不同制造商样品之间元素发射光谱强度的差异。随后,使用主成分分析(PCA)进行无监督降维,提取主导特征并可视化不同制造商样品之间的整体数据分布。在此基础上,评估了不同预处理方法对LIBS光谱优化的效果,并开发了CNN分类模型,优化了它们的架构和超参数。为了进一步评估CNN分类模型的预测性能,还基于相同的数据集构建了其他几种经典模型(SVM、RF、XGBoost)。
**2. 实验和方法**
**2.1. 实验样品的制备**
本研究使用了来自五个不同制造商的丹参片样品A-E,这些样品均为市售产品。由于生产批次的不同,不同制造商的产品可能存在细微差异。为了减少这种潜在的变异性,每个制造商收集了多个样品:制造商A收集了5个样品,制造商B收集了6个样品,制造商C收集了7种类型的样品。此外,制造商D和制造商E各提供了5种类型的样品,总共获得了28种样品。样品数量的差异主要是由于采样期间产品批次的可用性不同。为了确保数据的真实性,所有样品均来自真实的商业批次,没有人工重复。在模型训练过程中,采用了分层采样和数据平衡策略,以最小化样本大小的不平等,并保持训练集和测试集中每个制造商样品的比例相当。样品在实验室环境条件下(温度25±2℃,湿度<50%)存储在密封的聚乙烯容器中。在LIBS测量之前,将片剂用玛瑙研钵研磨成细粉,通过80目筛子确保颗粒大小均匀,然后在60℃下烘烤8小时以去除残留水分。所得粉末使用液压压片机(PC-24,Pinchuang Technology,中国)在10MPa压力下压制成直径20毫米、厚度3毫米的颗粒。图1提供了样品制备过程的流程图。所有制备步骤都在相同的实验室条件下进行,以保证可重复性。
**2.2. LIBS光谱采集**
实验中使用的激发光源是波长为1064纳米的Q开关Nd:YAG激光器(Dawa300,北京Beamtech,中国)。脉冲能量优化为110 mJ,持续时间约为8纳秒,重复率为5赫兹。所有LIBS测量都在实验室的大气压(1个大气压)下进行。室温保持在25±2℃,相对湿度在45-55%之间。每次测量前,清洁样品表面以去除灰尘和杂质,并保持激光能量和焦点位置不变,以确保测量的一致性。测量过程中,样品直接放置在X-Y-Z手动显微镜台上。激光束通过焦距为100毫米的平凸透镜聚焦在样品表面,导致样品烧蚀形成直径为100微米的斑点。为了确保发射强度的可重复性,焦点设置在目标表面下方2毫米处。等离子体辐射通过7毫米的聚焦熔融石英准直透镜耦合到光纤上,然后传输到三通道光纤光谱仪(MX2500+,Ocean Optics,波长范围:200-500纳米,分辨率:0.07纳米)。光谱仪的门宽设置为1毫秒。检测器延迟时间设置为4.5微秒,这种配置可以防止检测到脉冲激光的制动辐射,同时提高信噪比。在进行LIBS实验之前,必须使用汞氩灯校准LIBS光谱的波长。为了减少激光脉冲的波动并提高光谱线的信噪比,每次测量通过累积5个激光脉冲获得光谱。为了确保足够的光谱数据覆盖范围,从五个制造商生产的片剂中获得了2,111个LIBS光谱:制造商A的353个,制造商B的450个,制造商C的546个,制造商D的382个,制造商E的380个。本研究中共获得了28种样品的2,111个LIBS光谱。
**2.3. CNN模型的原理**
本研究构建了用于处理特定LIBS光谱数据集的CNN模型。整个CNN模型包括两个卷积层、两个池化层、一个展平层和一个全连接层,如图2所示。值得注意的是,本文描述的建模方法是在Windows 11系统的Python环境中执行的。CNN模型使用TensorFlow框架构建,包含多个层次,以促进特征提取和数据分类。最初,模型从一个卷积层开始,该层使用32个滤波器和大小为3的卷积核。在卷积操作层中,采用修正线性单元(ReLU)作为激活函数,如公式(1)所描述的。(1)ReLU(x) = max(0, x) = 0, x ≤ 0; x, x > 0 下载:下载高分辨率图像(125KB) 下载:下载全尺寸图像 图2. 本工作中卷积神经网络结构图。这一层的功能是从输入数据中提取初步特征。每个卷积操作层之后,都使用一个池化层,其池化窗口大小为2。卷积操作生成的特征图随后被采样。池化层的功能不是减少特征图的数量,而是减少每个特征图的维度,从而减少数据量并控制过拟合,以提高操作速度。模型使用最大池化来降采样信号,其表达式如公式(2)所示。(2)f(Xk) = max(a1, …, as) 随后,第二个卷积层中的滤波器数量从32增加到64,核大小为3,这表明在特征维度上有局部连接,在样本维度上有更广泛的连接。这种设计的总体目标是捕捉数据中的局部特征,并通过池化层减少计算复杂性和过拟合的风险。这一层进一步提取更复杂的特征。在再次应用最大池化层以降低数据维度之后,所有特征图被展平成一个一维数组,用于进入全连接层。全连接层包含128个神经元,并使用ReLU激活函数来捕捉数据中的非线性关系。最后,输出层是一个具有5个神经元的全连接层,使用softmax激活函数,适用于多类分类问题,以预测样本属于每个类的概率。2.4. 基于CNN的LIBS用于复合丹参片 在这项研究中,首先收集了来自五个不同制造商的复合丹参片的LIBS光谱数据,并使用NIST数据库对这些光谱中的元素特征峰进行比较和分析,以进行初步的光谱解释。然后,应用了五种光谱预处理方法来提高信号质量和模型鲁棒性:(1) 标准化(Nor)。每个光谱都通过其最大强度值进行缩放,以减少由激光能量波动和矩阵效应引起的变化。(2) 一阶导数(D1st)。使用Savitzky-Golay(SG)算法计算光谱的一阶导数,以消除基线漂移并突出微妙的光谱特征。(3) 二阶导数(D2nd)。这种方法进一步增强了重叠峰的分辨率并最小化了背景干扰,也是用SG滤波器实现的。(4) 多变量散射校正(MSC)。MSC用于校正散射效应,并将每个光谱相对于平均光谱进行标准化,从而提高样本之间的可比性。(5) 均值中心化(MC)。每个变量都进行均值中心化,以便在模型训练之前标准化数据,这有助于收敛并增强主成分和网络权重的可解释性。选择这些预处理技术是为了最小化光谱噪声,减少基线变化,并在构建CNN模型之前增强LIBS数据中的判别特征。构建CNN模型并通过优化其参数来提高其性能;最后,基于原始光谱和预处理后的光谱作为模型输入,建立了一个基于CNN的分类模型,并获得了最终的预测结果。研究过程如图3所示。在模型构建之前,所有LIBS光谱都被随机打乱,以消除序列偏差。然后将数据集分为三部分:72%用于训练,8%用于验证,20%用于测试。训练集用于模型拟合,验证集用于监控收敛性和超参数优化。测试集在训练和验证阶段都是完全独立的且未见过,仅用于最终评估模型性能。下载:下载高分辨率图像(111KB) 下载:下载全尺寸图像 图3. 基于CNN辅助LIBS的复合丹参片判别分析的研究流程图。2.5. 分类任务评估指标 在机器学习和信息检索领域,精确度、召回率、F1分数和准确率被认为是评估分类模型性能的四个主要指标(Li等人,2025年)。准确率定义为模型预测为正类的样本比例。它是预测准确性和模型预测的正类准确性的度量。另一方面,召回率表示模型正确识别为正类的样本比例。它量化了模型识别所有正例的能力。F1分数是精确度和召回率的调和平均值,用于在精确度和召回率之间找到平衡。准确率定义为正确预测的样本与所有样本的比例。这些指标的计算公式分别在(3)、(4)、(5)、(6)中给出。(3)Pr = TP / (TP + FP) (4)Recall = TP / (TP + FN) (5)F1-score = 2 * (TP / (TP + FN)) + FP (6)Accuracy = (TP + FN) / (TP + FN + FP + TN) 在上述公式中,TP代表真正例,即模型预测为正且实际上为正的样本数量。FP代表假正例,即模型预测为正但实际上为负的样本数量。FN表示假负例,即模型预测为负但实际上为正的样本数量。3. 结果与讨论 3.1. 复合丹参片的LIBS光谱分析 如图4所示,展示了来自五个不同制造商A-E的复合丹参片的LIBS光谱。光谱特征线主要集中在220-390纳米的波长范围内。因此,原始光谱根据波长范围被分为三个部分(b:220-270纳米;c:270-330纳米;d:330-390纳米)。通过参考美国国家标准与技术研究院(NIST)数据库,确定了复合丹参片光谱中代表性物质元素的发射线,并在图4中标记出来。如图4所示,识别出了复合丹参片LIBS中Fe、Co、B、C、Al、Ti、Mn、Mg、Pb、Si、Ca和Sc元素的特征发射光谱。在220-270纳米区域(图4b),不同制造商的Fe/Co/Cu相关发射强度有显著差异。在270-330纳米区域(图4c),光谱主要由Mg相关特征决定,而Al和Ca光谱线的相对贡献(例如,Al在308.22和309.27纳米;Ca在315.89和317.93纳米)因制造商而异,提供了超出主要组成元素的区分信息。然而,在我们的测量中,Ca的特征线并不明显,Ca的识别主要依赖于315-318纳米范围内的线(例如,315.89和317.93纳米)。这一观察结果可能是由于时间门控采集参数造成的。具体来说,应用了4.5微秒的探测器延迟和1毫秒的门宽来抑制早期制动辐射连续谱并提高信噪比。在这种延迟检测时间内,冷却和重组的等离子体导致离子发射(如Ca)相对于中性线显著衰减,使得Ca 393/396纳米双峰变弱或与背景难以区分(Goueguel等人,2014年;LaHaye等人,2021年;Petersson等人,2020年)。此外,鉴于我们的讨论集中在特征浓度最高的波长区域(220-390纳米),在该范围上端的393-397纳米窗口处,仪器响应可能会降低。在330-390纳米区域(图4d),Ti和Sc的发射(例如,Ti在334.94、336.12和337.28纳米)与Fe/Ca/Mg相关特征之间的差异进一步揭示了不同制造商元素发射强度的显著差异。这种差异可能是由于环境因素(例如气候、土壤、水和光照)和人为因素(例如种植和栽培技术、收获方法和时间、加工和制造技术等)与不同制造商使用的丹参原料有关,导致不同制造商生产的复合丹参片样品中各种元素含量的变化。因此,这些元素组成的差异导致了不同制造商生产的片剂质量的差异。综合分析表明,这些片剂的LIBS光谱确实存在可辨别的变化,这些变化太微妙而无法用肉眼察觉。尽管如此,这突显了利用LIBS光谱作为识别这些片剂制造商的手段的可行性。3.2. 基于PCA的无监督降维 原始复合丹参片样品的LIBS光谱复杂,包含了关于各种元素含量的信息以及大量冗余信息。因此,直接使用原始LIBS光谱来识别复合丹参药材的来源是一个相当大的挑战。PCA是一种用于高维数据的降维和分析方法,可以有效减少数据维度,提取主要特征,并分析变量差异。它在光谱数据的处理和分析中有着广泛的应用。其基本原理是通过线性变换将原始特征转换为一组正交的新特征,即主成分。PCA是一种无监督的降维技术,提供了样本之间以及样本与变量之间关系的可视化表示。在本节中,使用无监督降维技术对五个制造商的复合丹参片样品的LIBS光谱数据进行了判别分析。五个光谱数据集的PCA聚类分析结果显示在图5中。PCA聚类分析表明,PC1占据了大部分样本信息(80.64%的累积贡献),而PC2和PC3的贡献较小,分别为8.21%和3.60%。各种复合丹参片样品的PCA分数有显著差异。这些样本的高分或低分不仅反映了样本在主成分上的投影距离,还暗示了它们之间的相似性和差异。总之,来自5个制造商的复合丹参片样品的LIBS光谱数据的PCA散点图显示了差异,但存在严重的重叠现象。PCA无法成功区分不同制造商的丹参片样品。下载:下载高分辨率图像(194KB) 下载:下载全尺寸图像 图5. 复合丹参片LIBS光谱数据的PC分数。3.3. 基于CNN模型的监督判别分析 在LIBS光谱的背景下,样本的特征信息是显而易见的。然而,必须承认存在背景噪声辐射,这种辐射是在激光诱导过程中产生的,还有光纤探头收集的噪声以及在模拟到数字和数字到模拟转换过程中产生的额外噪声。因此,通常需要使用光谱预处理方法来消除无关信息,增强光谱数据之间的差异,从而提高CNN模型的训练效果。利用全连接层神经元数量的可变选择范围,并以原始光谱CNN模型作为案例研究,本研究调查了全连接层神经元数量变化对CNN模型分类准确性的影响。验证集的分类准确率显示在图6中。在全连接层的配置中,神经元数量不足可能导致从先前层获得的局部特征信息不足,从而导致模型性能不佳。相反,过多的神经元可能导致过多的局部信息整合,伴随着参数大小的扩大和训练时间的延长。如图6所示,当全连接层中的神经元数量设置为128时,CNN模型表现出最佳性能,在测试集中的分类准确率为95.51%,并且训练时间缩短。因此,选择128作为后续实验中CNN模型全连接层的最佳神经元数量。下载:下载高分辨率图像(67KB) 下载:下载全尺寸图像 图6.不同神经元数量对全连接层中CNN模型性能的影响。为了评估模型的性能,使用了接收者操作特征(ROC)曲线和ROC曲线下面积(AUC)。研究发现,ROC曲线下面积的AUC与准确性呈正相关,AUC值越大,模型准确性越高。如图7所示,对每个类别的AUC值与宏观平均w曲线的AUC值进行比较后发现,所有类别在测试集中的AUC都大于0.99,这表明构建的CNN模型表现出色。网络的训练曲线如图8所示。显然,随着迭代次数的增加,训练集和验证集的准确性逐渐提高,在大约200次迭代时达到峰值,同时损失值也随之降低。因此,选择200次迭代作为后续实验中CNN模型的迭代次数。
下载:下载高分辨率图片(114KB)
下载:下载全尺寸图片
图7. CNN模型的ROC曲线和AUC值。
下载:下载高分辨率图片(147KB)
下载:下载全尺寸图片
图8. CNN模型的训练曲线。
研究表明,CNN能够通过局部连接和共享权重有效地从光谱数据中提取特征。这些特征不仅包括光谱波形和峰值等基本信息,还包括更深入的化学信息。与传统特征提取方法相比,CNN可以自动学习并优化网络参数,而无需过多的人工调整,从而提高了特征提取的准确性和效率。本研究采用了5种LIBS光谱的预处理方法,包括Nor、D1st、D2nd、MSC和MC。这些方法与CNN结合构建了一个分类模型,并通过第2.4节中概述的评估指标进行比较,以确定最佳模型。本研究基于原始光谱数据和预处理后的光谱数据建立了六个CNN鉴别模型,目的是探索不同预处理方法对CNN模型分类准确性的影响。CNN模型使用Adam优化器进行了100个时代的训练,批量大小为32。测试集的分类准确性如表1所示。
表1. 不同预处理方法得到的不同丹参化合物的鉴别结果。
模型 制造商 精确度/% 召回率/% F1分数/%
RAW-CNN (95.74%) A 93.06 94.37 93.71
B (97.75%) B 96.67 97.21
C (94.50%) C 94.50 94.50
D (93.59%) D 94.81 94.19
E (100.00%) E 98.68 99.34
Nor-CNN (99.76%) A 100.00 100.00 100.00
B (100.00%) B 98.89 99.44
C (99.09%) C 100.00 99.54
D (100.00%) D 100.00 100.00
E (100.00%) E 100.00 100.00
D1st-CNN (97.40%) A 100.00 95.77 97.84
B (95.74%) B 100.00 97.83
C (98.13%) C 96.33 97.22
D (93.90%) D 100.00 96.86
E (100.00%) E 94.74 97.30
D2nd-CNN (97.64%) A 98.55 95.77 97.14
B (97.83%) B 100.00 98.90
C (100.00%) C 95.41 97.65
D (91.67%) D 100.00 95.65
E (100.00%) E 97.37 98.67
MSC-CNN (97.40%) A 98.59 98.59 98.59
B (98.84%) B 94.44 96.59
C (95.50%) C 97.25 96.36
D (95.00%) D 98.70 96.82
E (100.00%) E 98.68 99.34
结果表明,基于LIBS原始光谱的CNN模型表现出色的分类性能,在测试集中的分类准确率达到95.74%。相比之下,MC预处理方法并未提升CNN模型的分类性能,准确率为84.16%。然而,Nor、D1st、D2nd和MSC四种预处理方法提高了CNN模型的分类能力。Nor-CNN模型在测试集中表现出最佳性能,分类准确率达到99.76%。如表1所示,Nor-CNN模型对所有制造商的丹参化合物样本都具有优越的鉴别能力,其中制造商A、D和E的准确率、召回率和F1分数均为100.00%。其他两个制造商的丹参化合物样本的准确率、召回率和F1分数也超过了98.00%。这些发现表明,Nor-CNN模型对来自不同制造商的丹参化合物样本具有有效的鉴别性能,并在所有制造商中实现了最佳的分类性能。
为了进一步比较不同CNN模型的分类性能,获得了六个CNN鉴别模型的混淆矩阵,并将丹参化合物样本A-E的标签设置为0-4,如图9所示。从图9可以看出,除了MC-CNN模型外,其他模型的预测性能都很好。在Nor-CNN模型的混淆矩阵预测结果中,制造商A、D和E都被正确预测。结果表明,使用适当的预处理方法的CNN模型在分类预测结果上具有显著优势。
下载:下载高分辨率图片(201KB)
下载:下载全尺寸图片
图9. 不同CNN分类模型的混淆矩阵比较:(a) RAW-CNN;(b) Nor-CNN;(c) D1st-CNN;(d) D2nd-CNN;(e) MSC-CNN;(f) MC-CNN。
3.4. 基于SHAP的模型可解释性分析
为了提高Nor-CNN模型的透明度和可信度,并更深入地了解驱动其分类决策的光谱特征,我们使用了SHapley Additive Explanations(SHAP)框架进行了事后可解释性分析。SHAP是一种基于合作博弈论的理论上可行的、模型无关的解释方法,它通过评估每个输入特征对所有可能特征组合的输出的边际影响来为其分配一个定量贡献值,称为SHAP值。这种方法能够对复杂的非线性模型(如CNN)进行一致且局部准确的解释。图10展示了整个光谱范围内的平均绝对SHAP值,反映了每个波长在分类任务中的相对重要性。结果表明,最具影响力的光谱区域集中在220-390 nm范围内,表明这些波长在区分不同制造商的样本中起着主导作用。值得注意的是,这一区域与第3.1节中确定的关键元素的特征发射线有显著重叠,包括Ca、Mg、Al以及Fe和Mn等微量金属杂质。高SHAP区域与已知元素特征之间的强烈对应关系表明,Nor-CNN模型学会了利用化学上可解释且物理上有意义的光谱特征进行决策,而不是依赖于虚假的相关性或无信息的噪声。
这一发现不仅从领域知识的角度验证了模型的合理性,还强调了深度学习模型与可解释性工具结合的潜力,可以成为揭示微妙但关键的光谱化学模式的智能助手。因此,SHAP分析弥合了高预测性能和科学可解释性之间的差距,增强了模型在制药制造实际质量控制场景中应用的信心。
3.5. 不同建模方法的比较
本研究在原始光谱数据和标准化光谱数据集上进行,分别建立了CNN、SVM、RF和XGBoost模型。RF模型由100棵树组成,使用Gini指数作为分割标准。SVM采用了线性核和正则化参数(C = 1.0)。XGBoost模型采用了基于树的增强器,学习率为0.3,每棵树的最大叶数为127。具体的建模统计结果如表2所示。为了确保公平和适合模型的比较,我们在相同的输入表示集(包括RAW和五种预处理方法:Nor、D1st、D2nd、MSC和MC)下评估了CNN、SVM、RF和XGBoost。对于每种算法,预处理策略是根据验证集的准确性选择的,然后在独立测试集上报告相应的性能。表2显示了每种模型在验证集上的最佳执行预处理以及相应测试集的准确性。根据表2,基于原始光谱数据,四种模型RAW-CNN、RAW-SVM、RAW-RF和RAW-XGBoost在验证集和测试集上都表现良好。基于最佳的光谱预处理,Nor-CNN模型的预测准确性高于SVM、RF和XGBoost模型,准确率为99.76%,显示出更强的预测能力。
表2. 不同模型的鉴别性能比较。
模型 验证集/% 测试集/%
CNN 97.36 95.74
Nor-CNN 100.00 99.76
SVM 95.27 96.69
Nor-SVM 97.63 97.87
RF 95.79 97.65
Nor-RF 96.58 95.35
XGBoost 97.04 97.64
Nor-XGBoost 97.04 98.58
注:对于每个模型,预处理策略是根据验证集的准确性选择的;相应的测试集准确性在表2中报告。所有预处理-模型组合的完整结果见表S1(补充材料)。
4. 结论
不同制造商的丹参化合物质量存在显著差异。因此,本研究提出了一种创新方法,将LIBS与深度学习相结合,用于识别来自不同制造商的丹参化合物。使用LIBS光谱仪收集丹参化合物的光谱,并通过NIST数据库识别LIBS光谱中的元素特征峰。仅通过人工观察来确定制造商是具有挑战性的,且标记元素特征光谱线的工作量很大。通过实施PCA进行无监督降维,发现PCA散点图存在差异,但它们之间存在明显的重叠现象。选择最合适的预处理方法是基于不同预处理方法的比较,并使用CNN构建了分类模型以优化网络参数权重并完成模型训练。Nor-CNN模型在外部测试集上的准确率达到99.76%,具有出色的精确度、召回率和F1分数,超过了SVM、RF和XGBoost,突显了LIBS-CNN集成在丹参化合物制造商识别中的潜力。SHAP分析进一步表明,结果是由与关键元素相关的化学上有意义的光谱特征(220-390 nm)引导的,增强了模型的透明度和科学可解释性。这项研究表明,所提出的LIBS-CNN框架可以准确高效地识别丹参化合物片剂的制造商。结果表明,这种集成方法作为中药产品质量控制和来源识别的可靠工具具有潜力。
未引用的参考文献(Chen等人,2024年;Kalam等人,2018年;Liang等人,2020年;Li等人,2024年;Li等人,2024年;Li等人,2025年;Li等人,2024年)
CRedI作者贡献声明
李华:监督、资金获取。
唐洪生:监督。
张天龙:撰写——审阅与编辑。
蔡琦:方法论、数据管理。
严春华:软件、方法论、数据管理。
张梦凡:撰写——初稿、方法论、调查。
李茂刚:撰写——初稿、方法论、调查。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号