支持向量回归_医学论文.docVIP

支持向量回归_医学论文 支持向量回归_医学论文 作者：冯雪松，刘雅茹，王大成，孟繁浩，刘俊亭 【关键词】 紫外光谱 摘要:目的 建立同时测定小儿氨酚匹林咖啡因片中3种组分：阿司匹林、对乙酰氨基酚和咖啡因含量的紫外光谱的支持向量回归校正方法。方法 对复方制剂的紫外光谱数据进行预处理和主成分分析后不经分离，采用支持向量回归（SVR）算法同时测定3组分的含量。结果 测定正交设计标样中的阿司匹林、对乙酰氨基酚和咖啡因的平均回收率分别在98.2%～101.2％之间，RSD在0.47%～0.91％之间。将SVR法与偏最小二乘回归和径向基神经网络建模方法相比较，SVR所建模型的预测准确性优于后两者。结论 本法可用于小儿氨酚匹林咖啡因片的紫外光谱的含量测定分析。 　　关键词:小儿氨酚匹林咖啡因片；紫外光谱；支持向量回归 Abstract: Objective To use multivariate spectrophotometric calibration for the simultaneous analysis of paracetamol,aspirin and caffeine in tablets for children. Methods After UV data were pretreated and the principal component analyzed,support vector regression (SVR) was employed to analysis the three components with a high degree of spectral overlap．Results The proposed method was compared with partial least square regression and radialbasis function neural network modeling methods．The predictive accuracy of UV calibration models built by SVR was much better than that of the models built by partial least square regression and radial-basis function neural network．The average recoveries for the three components were between 98.2% and 101.2％ (n=49) and RSD were between 0.47% and 0.91％ (n=49)．Conclusion The method could be used for simultaneous analysis of the contents of paracetamol,aspirin and caffeine in tablets for children. 　　Key words:pediatric paracetamol pspirin and caffeine tabletes；UV spectroscopy；support vector regression 紫外光谱分析方法是最常见、简便、快捷的定性定量分析手段，随着分析对象的复杂及要求的提高，近来已有被色谱光谱联用技术所取代的趋势。但由多种模式识别算法丰富起来的计算分光光度法可以通过数学分离来模拟色谱分离，达到对复杂组分的分析目的，其关键技术环节之一是建立紫外光谱含量测定的数学校正模型，达到对多组分同时进行测定。通常，建模需要大量分布均匀的已知样本才能获得理想的光谱分析准确度。然而，在实际的分析工作中，选取吸光度测定点少、复方样品各组分含量的范围不同及复杂分析对象等因素往往造成难以获取大量的已知样本，同时由于多组分和辅料的存在，测量数据与组分浓度间常呈非线性映射关系，故研究面向小样本复方制剂的非线性建模方法是紫外光谱计算分析技术发展的难点。 　　小儿氨酚匹林咖啡因为多组分复方制剂，所含成分较多且各成分性质不同，需用不同方法测定或分步分离提取再分别测定，这些方法操作繁琐、误差较大，不宜批量分析和用于质量监控，而支持向量机回归(support vector regression，SVR)算法可基本克服以上缺点。本文用SVR法建立小儿氨酚匹林咖啡因片紫外光谱校正模型，另外，由于在计算药学领域中，人工神经网络(artificial neural network，ANN)和部分最小二乘(partial least squares，PLS)方法是两种应用非常广泛的建模方