以药品监管理念为导向的基于近红外光谱与机器学习联用的艾叶真伪判别研究

作     者：张凯笑 熊婧 郭涛 王晓伟 王海波 李彦超 张文静 石岩 ZHANG Kaixiao;XIONG Jing;GUO Tao;WANG Xiaowei;WANG Haibo;LI Yanchao;ZHANG Wenjing;SHI Yan

作者机构：河南中医药大学药学院郑州450046 河南省药品医疗器械检验院(河南省疫苗批签中心)国家药品监督管理局中药材及饮片质量控制重点实验室郑州450008 中国食品药品检定研究院北京102629 

出 版 物：《中国药学杂志》 (Chinese Pharmaceutical Journal)

年 卷 期：2024年第59卷第13期

页      面：1238-1245页

核心收录：

学科分类：1007[医学-药学(可授医学、理学学位)] 100704[医学-药物分析学] 10[医学] 

基　　金：河南省科技厅科技攻关项目资助(222102310110) 中国药品监管科学行动计划第二批重点项目资助(NMPAJGKX-2023-030) 河南省高层次人才国际化项目资助(2021-72) 国家药品监督管理局药品监管科学体系建设重点项目“新技术新方法在中药质量控制中的应用”资助(RS2024Z006) 

主　　题：艾叶 近红外光谱 机器学习 逻辑回归 特征工程 

摘      要：目的以药品监管理念为导向,建立基于近红外光谱与机器学习联用的艾叶真伪品判别的方法。方法使用近红外光谱仪测定艾叶真伪样品的近红外光谱,并采用特征工程中的特征筛选、特征衍生等相关技术对实验数据进行处理。随机划分训练集和测试集,使用训练集样品数据对机器学习领域经典的逻辑回归模型进行2分类模式训练,测试集样品进行模型的评估。结果使用逻辑回归模型对测试集样品的判别准确率为97%,其他各项评价指标也均在92%以上。同时,对于正品与伪品混合样品的判别也较准确。相较于传统化学计量学方法,判别准确率更高。结论本研究所建立的逻辑回归模型可以实现鉴别艾叶的真伪,对药品监管工作具有技术支撑作用。