面向药品监督的近红外光谱深度学习建模方法研究
发布时间：2021-05-23 04:57
假药是世界各国共同面临的难题,2018年全球报道的假药事件就有4405起,在五年内已增长102%。我国从“十一五”至“十三五”国家药品安全规划都强调要严厉打击制售假劣药品等违法违规行为。近红外光谱（NIRS）分析技术因具有方便、高效、准确、成本低、可现场检测、不破坏样品、不消耗化学试剂和不污染环境等优势,从2004年起就被中国食品药品检定研究院应用于全国车载近红外药品快速分析系统,并装备于全国363个地市的400余台药品检查车。近红外药品快速分析系统通过定性方法来判断药品真伪,确定药品与其标签标示名称是否一致,通过定量方法来测定药品关键指标成分的含量,从而快速检验药品质量或判别药品是否为特定企业产品。目前,该系统保障了我国用药安全,节约了大量检测费用,积累了大量的现场快速检测获得的光谱数据和对应的实验室分析验证数据。但随着制假水平的提升,市场上更多的是以次充好或质量不达标的劣药,这些药品和真药有着相似的化学成分,鉴别他们难度更大,因此以下问题仍制约着NIRS分析技术在药品质量监督领域的大规模、深入应用和推广:1)NIRS分析技术作为一种间接测量方法,无法直接分析出被测样本的含量或类别,...
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：158 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 研究内容及目标
1.3 论文组织结构
第二章 近红外光谱建模的基本问题及方法介绍
2.1 近红外光谱经典数据处理及建模方法
2.1.1 预处理方法
2.1.2 分类方法
2.1.3 回归方法
2.1.4 模型转移方法
2.2 深度学习方法
2.2.1 卷积神经网络
2.2.2 数据增强
2.3 近红外光谱校正模型评价方法
2.3.1 分类模型评价方法
2.3.2 回归模型评价方法
2.4 实验数据集与实验环境
2.4.1 分类数据集
2.4.2 回归数据集
2.4.3 实验环境
2.5 本章小结
第三章 基于正则化监督字典学习的近红外光谱分类方法
3.1 引言
3.2 算法描述
3.2.1 稀疏字典原理
3.2.2 正则化稀疏分类模型
3.2.3 稀疏模型的优化
3.2.4 基于稀疏模型的分类器
3.3 实验结果与讨论
3.3.1 数据集和实验设置
3.3.2 药品数据集实验
3.3.3 烟叶实验:数据集1
3.3.4 烟叶实验:数据集2
3.3.5 模型稳健性分析
3.4 本章小结
第四章 基于CNN的多品种多厂商药品近红外光谱分类研究
4.1 引言
4.2 算法描述
4.2.1 卷积神经网络
4.2.2 深度卷积神经网络的设计
4.2.3 卷积神经网络的训练
4.2.4 其它对比实验算法简介
4.3 实验结果与分析
4.3.1 实验数据集
4.3.2 光谱数据预处理
4.3.3 建立校正模型
4.3.4 二分类和四分类实验
4.3.5 多分类实验
4.4 本章小结
第五章 基于CNN-SVR的近红外光谱回归方法研究
5.1 引言
5.2 CNN-SVR算法描述
5.2.1 支持向量机回归
5.2.2 CNN线性回归
5.2.3 CNN-SVR
5.3 实验结果与分析
5.3.1 实验环境及数据集
5.3.2 CNN结构及参数
5.3.3 CNN和CNN-SVR方法对比
5.3.4 CNN-SVR与经典回归方法对比分析
5.3.5 CNN-SVR超参数对性能的影响
5.3.6 不同数据集大小对CNN-SVR模型性能的影响
5.3.7 不同仪器对CNN-SVR模型性能的影响
5.4 本章小结
第六章 基于迁移学习的近红外光谱建模方法研究
6.1 引言
6.2 深度迁移学习
6.3 基于深度迁移学习的分类算法研究
6.3.1 问题描述
6.3.2 数据集介绍
6.3.3 模型训练
6.3.4 实验结果及分析
6.4 基于深度迁移学习的回归算法研究
6.4.1 问题描述
6.4.2 模型训练
6.4.3 实验结果及分析
6.5 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
附录A缩略语表
致谢
攻读博士期间主要科研成果
本文编号：3202326
【文章来源】：北京邮电大学北京市 211工程院校 教育部直属院校
【文章页数】：158 页
【学位级别】：博士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 研究背景及意义
1.2 研究内容及目标
1.3 论文组织结构
第二章 近红外光谱建模的基本问题及方法介绍
2.1 近红外光谱经典数据处理及建模方法
2.1.1 预处理方法
2.1.2 分类方法
2.1.3 回归方法
2.1.4 模型转移方法
2.2 深度学习方法
2.2.1 卷积神经网络
2.2.2 数据增强
2.3 近红外光谱校正模型评价方法
2.3.1 分类模型评价方法
2.3.2 回归模型评价方法
2.4 实验数据集与实验环境
2.4.1 分类数据集
2.4.2 回归数据集
2.4.3 实验环境
2.5 本章小结
第三章 基于正则化监督字典学习的近红外光谱分类方法
3.1 引言
3.2 算法描述
3.2.1 稀疏字典原理
3.2.2 正则化稀疏分类模型
3.2.3 稀疏模型的优化
3.2.4 基于稀疏模型的分类器
3.3 实验结果与讨论
3.3.1 数据集和实验设置
3.3.2 药品数据集实验
3.3.3 烟叶实验:数据集1
3.3.4 烟叶实验:数据集2
3.3.5 模型稳健性分析
3.4 本章小结
第四章 基于CNN的多品种多厂商药品近红外光谱分类研究
4.1 引言
4.2 算法描述
4.2.1 卷积神经网络
4.2.2 深度卷积神经网络的设计
4.2.3 卷积神经网络的训练
4.2.4 其它对比实验算法简介
4.3 实验结果与分析
4.3.1 实验数据集
4.3.2 光谱数据预处理
4.3.3 建立校正模型
4.3.4 二分类和四分类实验
4.3.5 多分类实验
4.4 本章小结
第五章 基于CNN-SVR的近红外光谱回归方法研究
5.1 引言
5.2 CNN-SVR算法描述
5.2.1 支持向量机回归
5.2.2 CNN线性回归
5.2.3 CNN-SVR
5.3 实验结果与分析
5.3.1 实验环境及数据集
5.3.2 CNN结构及参数
5.3.3 CNN和CNN-SVR方法对比
5.3.4 CNN-SVR与经典回归方法对比分析
5.3.5 CNN-SVR超参数对性能的影响
5.3.6 不同数据集大小对CNN-SVR模型性能的影响
5.3.7 不同仪器对CNN-SVR模型性能的影响
5.4 本章小结
第六章 基于迁移学习的近红外光谱建模方法研究
6.1 引言
6.2 深度迁移学习
6.3 基于深度迁移学习的分类算法研究
6.3.1 问题描述
6.3.2 数据集介绍
6.3.3 模型训练
6.3.4 实验结果及分析
6.4 基于深度迁移学习的回归算法研究
6.4.1 问题描述
6.4.2 模型训练
6.4.3 实验结果及分析
6.5 本章小结
第七章 总结与展望
7.1 总结
7.2 展望
参考文献
附录A缩略语表
致谢
攻读博士期间主要科研成果
本文编号：3202326
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3202326.html
