基于ECA-1D-CNN的TDLAS的静脉用药浓度定量分析方法研究.pdfVIP

第45卷，第5期光谱学与光谱分析Vol45,No.5,pp1341-1347

2025年5月SpectroscopyandSpectralAnalysisMay,2025

基于ECA-1D-CNN的TDLAS的静脉用药浓度定量分析方法研究

朱永炳，蔡玉琴1，蒋力耀，雷

雷春，滕龙，王德旺，陶治2*

1.南京信息工程大学电子与信息工程学院，江苏南京210044

2.南京信息工程大学集成电路学院，江苏南京210044

3.南京医科大学第一附属医院，江苏南京210029

摘要静脉用药溶质浓度的定量分析一直是静配中心药物检测的研究热点，但常规的调配和复核手段都

是借助人工操作，存在药液浓度把控受限、人工复核压力繁重且低效等问题，因此提出一种对静脉药物溶质

浓度准确、便捷、无损的检测方法显得至关重要。由于传统的近红外光谱对低浓度液体检测有一定局限性，

基于可调谐激光吸收光谱技术（TDLAS)，研究了了一种基于高效注意力机制一维卷积神经网络（ECA-1D-

CNN)的葡萄糖混合溶液浓度定量检测模型。为检测低浓度葡萄糖混合溶液，以TDLAS技术为基础，选择

光强吸收率最高的980nm波段作为激光器光源，通过光电传感器，获取药物浓度的透射光强信号，由锁相

放大模块解调为二次谐波信号得到一共600个不同浓度的自建数据集，将样本按8：2的比例划分为训练集

和测试集。以600个药物浓度透射光强的二次谐波信号作为研究对象，采用ECA-1D-CNN进行葡萄糖混合

溶液浓度的定量检测。该模型共有4个卷积层，均采用Relu激活函数激活，每个卷积层后添加1个BN层，

每两个卷积层添加1个池化层，在第2个池化层后添加1个ECA，可以帮助网络模型更好地学习特征之间

的关系，减少参数数量和改善模型的鲁棒性。首先，为了凸显1D-CNN模型的优势，使用相同的原始数据集

在PCR、SVR、PLSR上进行建模并对比4种不同模型的预测效果。其次，在6种不同数据预处理的基础上，

将ECA-1D-CNN模型与1D-CNN模型进行对比，以决定系数R?²、绝对误差MAE、均方根误差RMSE作为

评价指标来分析预测模型的泛化能力。结果表明，SG+Normalization预处理下的ECA-1D-CNN模型效果最

优，该方法能够对6～30mg·100mL-1的葡萄糖混合溶液浓度进行有效预测，其模型训练集R²可达到

0.998，MAE为0.295，RMSE为0.343，测试集的R²可达到0.993，MAE为0.498，RMSE为0.691。采用

所提出的方法可以精准的预测静脉用药溶质的浓度，为智能化静配中心的无损检测提供了新的思路以及应

用价值。

关键词葡萄糖混合溶液；TDLAS；一维卷积神经网络；高效通道注意力机制

文献标识码：AD0l:10.3964/j.issn.1000-0593(2025)05-1341-07

中图分类号：0657.319

调配中心（PIVAS)作为提供静脉配液服务的关键环节变得愈

引言发重要。PIVAS的设施和设备是确保药物调配质量的基础，

现代化的设备和先进的辅助设备能够提高药物调配的精准度

静脉注射是临床治疗以及挽救患者生命的重要给药方和效率，减少人为错误的发生，不仅降低了药物交叉污染的

式。药液的浓度过高或过低都可能导致治疗效果不佳或患者风险，还提升了药物调配的质量和安全[2-3]。因此，有关静脉

出现不良反应，因此准确检测静脉用药的浓度显得至关重注射药物剂量的把控对于静配中心建设具有重要意义。

要[1。常规的静脉注射药物以5%葡萄糖、0.9%氯化钠（生近年来，光谱分析技术在液体检测领