一种核磁谱图智能分析比对方法与流程

1.本发明涉及化学检测技术领域，具体涉及一种核磁谱图智能分析比对方法。


背景技术：

2.新精神活性物质(new psychoactive substance，以下简称nps)。不法分子在非法研制、销售新精神活性物质过程中，通常会使用到核磁共振波谱仪进行检测，根据获得的谱图判断产品的化学结构或判断产品的纯度或真假。因此，通过采集并监控各企事业单位的核磁共振波谱仪设备产生的谱图数据成为识别非法研制、销售新精神活性物质的重要手段和方法。
3.目前核磁谱图的主要识别方式是，通过专业资深研究人员人工比对的方式，逐一鉴别企业上报的化合物的谱图数据，这项比对工作对鉴别人员有非常高的要求，需要专业人员有化合物核磁谱图解谱的工作经验，并熟悉新精神活性物质标准品合成及特征峰数据。一个专业人员通过人工查看比对谱图的方式，每天工作效率估计在20张左右。采用人工比对的方式根本无法满足管控要求，目前仅仅是针对有情报线索的谱图才进行人工比对，其他谱图仅仅是抽检方式来比对，无异于大海捞针。因此，研发高效率的核磁谱图分析比对方法具有重大意义。


技术实现要素：

4.针对现有技术的不足，本发明旨在提供一种核磁谱图智能分析比对方法。
5.为了实现上述目的，本发明采用如下技术方案：
6.一种核磁谱图智能分析比对方法，包括如下步骤：
7.(一)筛选疑似谱图：
8.a1、对待匹配的测试谱图数据进行预处理；
9.a2、对标准库谱图数据和预处理后的测试谱图数据进行特征峰识别和特征峰匹配：将谱图数据中的特征峰提取出来，并对特征峰进行编号和描述，然后将测试谱图数据中的特征峰与标准库谱图数据中的特征峰进行对应；
10.a3、计算测试谱图数据和标准库谱图数据之间的最小二乘匹配误差：将测试谱图数据中的每个峰与标准库谱图数据中的对应峰之间的差进行平方，并将这些平方差累加起来得到总和；
11.a4、根据计算得到的最小二乘匹配误差的大小，对测试谱图数据进行评估和筛选：如果计算得到的最小二乘匹配误差小于预先设定的阈值，则将该测试谱图数据标记为疑似谱图；
12.(二)筛选嫌疑谱图：
13.b1、将谱图样本数据分为训练集和测试集；
14.b2、使用训练集构建分类器；
15.b3、使用构建好的分类器对测试集进行分类，并计算分类的准确率和召回率；
16.b4、根据svm分类器的准确率和召回率，对疑似谱图进行评估和筛选，如果疑似谱图被分类为正样本，则将其标记为嫌疑谱图。
17.进一步地，步骤a1中，预处理包括去噪、平滑和归一化。
18.进一步地，上述方法还包括：对筛选得到的嫌疑谱图进一步进行人工比对，得到最终的预警图谱。
19.本发明公开了一种计算机可读存储介质，，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现上述方法。
20.本发明公开了一种计算机设备，包括处理器和存储器，所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序时，实现上述方法。
21.本发明的有益效果在于：本发明基于大数据技术和人工智能算法，建立核磁谱图智能比对方法，可以对实时对接和采集的谱图与新精神活性物质对照品库进行多层级智能比对，实现对嫌疑谱图的实时预警，最终由专业人员对谱图进行判定，并获得毒情结果。多层级比对使用不同的算法来进行筛选，提高筛选准确率。本发明相较于传统单一算法模型和人工比对方法，极大提高了比对效率，减少对人工比对的依赖。
附图说明
22.图1为本发明实施例方法的实施过程示意图。
具体实施方式
23.以下将结合附图对本发明作进一步的描述，需要说明的是，本实施例以本技术方案为前提，给出了详细的实施方式和具体的操作过程，但本发明的保护范围并不限于本实施例。
24.本实施例提供一种核磁谱图智能分析比对方法，如图1所示，使用不同的算法将测试得到的谱图数据与标准库(新精神活性物质对照品库)中的谱图数据进行两次对比，分别筛选出疑似谱图和嫌疑谱图，提高筛选准确率。
25.其中，筛选疑似谱图的具体过程为：
26.a1、对待匹配的测试谱图数据进行预处理，例如去噪、平滑和归一化等，以提高匹配的准确性。
27.a2、对标准库谱图数据和预处理后的测试谱图数据进行特征峰识别和特征峰匹配：将谱图数据中的特征峰提取出来，并对特征峰进行编号和描述，然后将测试谱图数据中的特征峰与标准库谱图数据中的特征峰进行对应。
28.a3、计算测试谱图数据和标准库谱图数据之间的最小二乘匹配误差：将测试谱图数据中的每个峰与标准库谱图数据中的对应峰之间的差进行平方，并将这些平方差累加起来得到总和；
29.a4、根据计算得到的最小二乘匹配误差的大小，对测试谱图数据进行评估和筛选：如果计算得到的最小二乘匹配误差小于预先设定的阈值，则将该测试谱图数据标记为疑似谱图。
30.对标记为疑似谱图的测试谱图，可以进一步进行人工分析和比对，以提高匹配的准确性和可靠性。
31.以采用svm分类器为例，筛选嫌疑谱图的具体过程为：
32.b1、将谱图样本数据分为训练集和测试集，其中训练集用于构建svm分类器，测试集用于评估svm分类器的准确性。
33.b2、使用训练集构建svm分类器。svm的核心思想是通过寻找最优的超平面来将不同类别的数据分开。具体实现时，需要选择合适的核函数和正则化参数，以获得最优的分类效果。
34.b3、使用构建好的svm分类器对测试集进行分类，并计算分类的准确率和召回率。准确率是指被分类器正确分类的测试样本数占总测试样本数的比例，召回率是指被分类器正确分类的正样本数占总正样本数的比例。
35.b4、根据svm分类器的准确率和召回率，对疑似谱图进行评估和筛选，如果疑似谱图被分类为正样本，则将其标记为嫌疑谱图。
36.本实施例方法中，两次筛选分别使用基于光谱相似度和基于模式识别的算法，来筛选出疑似谱图和嫌疑谱图。两种算法都可以通过大量的标准库数据进行训练和优化，从而提高筛选的准确性和鲁棒性。
37.最后，可以对筛选得到的嫌疑谱图进一步进行人工比对，得到最终的预警图谱。
38.对于本领域的技术人员来说，可以根据以上的技术方案和构思，给出各种相应的改变和变形，而所有的这些改变和变形，都应该包括在本发明权利要求的保护范围之内。


技术特征：
1.一种核磁谱图智能分析比对方法，其特征在于，包括如下步骤：(一)筛选疑似谱图：a1、对待匹配的测试谱图数据进行预处理；a2、对标准库谱图数据和预处理后的测试谱图数据进行特征峰识别和特征峰匹配：将谱图数据中的特征峰提取出来，并对特征峰进行编号和描述，然后将测试谱图数据中的特征峰与标准库谱图数据中的特征峰进行对应；a3、计算测试谱图数据和标准库谱图数据之间的最小二乘匹配误差：将测试谱图数据中的每个峰与标准库谱图数据中的对应峰之间的差进行平方，并将这些平方差累加起来得到总和；a4、根据计算得到的最小二乘匹配误差的大小，对测试谱图数据进行评估和筛选：如果计算得到的最小二乘匹配误差小于预先设定的阈值，则将该测试谱图数据标记为疑似谱图；(二)筛选嫌疑谱图：b1、将谱图样本数据分为训练集和测试集；b2、使用训练集构建分类器；b3、使用构建好的分类器对测试集进行分类，并计算分类的准确率和召回率；b4、根据svm分类器的准确率和召回率，对疑似谱图进行评估和筛选，如果疑似谱图被分类为正样本，则将其标记为嫌疑谱图。2.根据权利要求1所述的方法，其特征在于，步骤a1中，预处理包括去噪、平滑和归一化。3.根据权利要求1所述的方法，其特征在于，还包括：对筛选得到的嫌疑谱图进一步进行人工比对，得到最终的预警图谱。4.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质内存储有计算机程序，所述计算机程序被处理器执行时实现权利要求1-3任一所述的方法。5.一种计算机设备，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序；所述处理器用于执行所述计算机程序时，实现权利要求1-3任一所述的方法。

技术总结
本发明公开了一种核磁谱图智能分析比对方法，使用不同的算法将测试得到的谱图数据与标准库中的谱图数据进行两次对比，分别筛选出疑似谱图和嫌疑谱图，提高筛选准确率。本发明基于大数据技术和人工智能算法，建立核磁谱图智能比对方法，可以对实时对接和采集的谱图与新精神活性物质对照品库进行多层级智能比对，实现对嫌疑谱图的实时预警，最终由专业人员对谱图进行判定，并获得毒情结果。多层级比对使用不同的算法来进行筛选，提高筛选准确率。本发明相较于传统单一算法模型和人工比对方法，极大提高了比对效率，减少对人工比对的依赖。减少对人工比对的依赖。减少对人工比对的依赖。


技术研发人员：徐子羚 刘艺琳 于洋 贾群 李彬
受保护的技术使用者：公安部第一研究所
技术研发日：2023.05.23
技术公布日：2023/8/24