CN114792213B - 一种颗粒药品质量稽查方法 - Google Patents

一种颗粒药品质量稽查方法 Download PDF

Info

Publication number
CN114792213B
CN114792213B CN202210714471.3A CN202210714471A CN114792213B CN 114792213 B CN114792213 B CN 114792213B CN 202210714471 A CN202210714471 A CN 202210714471A CN 114792213 B CN114792213 B CN 114792213B
Authority
CN
China
Prior art keywords
batch
granular
inspected
medicines
granular medicines
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202210714471.3A
Other languages
English (en)
Other versions
CN114792213A (zh
Inventor
蔡中强
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jining Weimin Pharmaceutical Co ltd
Original Assignee
Chenxin Fudu Pharmaceutical Wenshang Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chenxin Fudu Pharmaceutical Wenshang Co ltd filed Critical Chenxin Fudu Pharmaceutical Wenshang Co ltd
Priority to CN202210714471.3A priority Critical patent/CN114792213B/zh
Publication of CN114792213A publication Critical patent/CN114792213A/zh
Application granted granted Critical
Publication of CN114792213B publication Critical patent/CN114792213B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
    • G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Business, Economics & Management (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Artificial Intelligence (AREA)
  • Educational Administration (AREA)
  • General Engineering & Computer Science (AREA)
  • Development Economics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Marketing (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Manufacturing & Machinery (AREA)
  • Game Theory and Decision Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

本发明涉及专门适用于行政监督数据处理领域，具体涉及一种颗粒药品质量稽查方法。该方法包括以下步骤：对于任一批次待稽查颗粒药品：根据该批次待稽查颗粒药品在各预设采样节点的药渣残留率构建该批次待稽查颗粒药品的溶解性状因果向量；根据各批次待稽查颗粒药品对应的稽查向量表构建各批次待稽查颗粒药品对应的稽查评级指标向量；根据各批次待稽查颗粒药品对应的溶解性状因果向量和稽查评价指标向量构建各批次待稽查颗粒药品对应的性状特征描述子，并进一步判定各批次待稽查颗粒药品的质量是否合格。本发明提高了对颗粒药品质量判断的准确性。

Description

一种颗粒药品质量稽查方法
技术领域
本发明涉及专门适用于行政监督数据处理领域，具体涉及一种颗粒药品质量稽查方法。
背景技术
中药配方颗粒以其免煎为最大特点，受到一些医师和患者的欢迎，近年来使用量大幅攀升，已超过一些医疗机构的中药饮片销量。中药配方颗粒是由单味中药饮片经水提、分离、浓缩、干燥、制粒而成的颗粒，其在中医药理论指导下，按照中医临床处方调配后，供中医临床患者服用。
中药配方颗粒的质量监管纳入中药饮片的管理范畴，现有稽查人员通常采用从销售渠道采样的方式检查各生产企业生产处的中药配方颗粒是否符合炮制规范，一般由稽查人员通过人眼观察或简单的测试直接给出药品质量好坏的结论，这种颗粒药品质量稽查方法较为主观，可能会出现误判的情况，准确性还有待进一步提高。
发明内容
为了解决现有颗粒药品质量稽查方法存在的准确性还有待进一步提高的问题，本发明的目的在于提供一种颗粒药品质量稽查方法。
本发明的一种颗粒药品质量稽查方法，包括以下步骤：
获取各批次待稽查颗粒药品在各预设采样节点的药渣残留率，对于任一批次待稽查颗粒药品：根据该批次待稽查颗粒药品在各预设采样节点的药渣残留率构建该批次待稽查颗粒药品的溶解性状因果向量，所述溶解性状因果向量由该批次待稽查颗粒药品对应的各采样节点的权重构成；
获取各批次待稽查颗粒药品对应的稽查向量表，所述稽查向量表包括对应批次待稽查颗粒药品的各评价指标对应的等级；根据各批次待稽查颗粒药品对应的稽查向量表构建各批次待稽查颗粒药品对应的稽查评级指标向量；
根据各批次待稽查颗粒药品对应的溶解性状因果向量和稽查评价指标向量构建各批次待稽查颗粒药品对应的性状特征描述子，根据所述性状特征描述子计算各批次待稽查颗粒药品对应的第一邻近集合；对各批次待稽查颗粒药品对应的性状特征描述子进行降维，根据降维后的性状特征描述子计算各批次待稽查颗粒药品对应的第二邻近集合；
对于任一批次待稽查颗粒药品：获取该批次待稽查颗粒药品对应的第一邻近集合和第二邻近集合的交集，记为邻近交集集合；若邻近交集集合不为空集，则计算所述邻近交集集合中各批次待稽查颗粒药品对应的降维后的性状特征描述子的均值，记为基准性状特征描述子；计算所述基准性状特征描述子对应的第二邻近集合，记为目标集合；根据所述基准性状特征描述子和所述目标集合中任一批次待稽查颗粒药品对应的降维后的性状特征描述子计算该批次待稽查颗粒药品对应的邻域亲缘性指标，并根据所述邻域亲缘性指标判定该批次待稽查颗粒药品的质量是否合格。
进一步的，所述根据该批次待稽查颗粒药品在各预设采样节点的药渣残留率构建该批次待稽查颗粒药品的溶解性状因果向量，包括：
利用非线性模型求解各预设采样节点对应的权重，设置预设采样节点的数量为6，所述非线性模型如下：
Figure DEST_PATH_IMAGE002
设置非线性模型的损失函数为：
Figure DEST_PATH_IMAGE004
其中，
Figure DEST_PATH_IMAGE006
是第i批次的稽查颗粒药品对应于第1,…,6个采样节点的药渣残留率，a为第i批次的稽查颗粒药品的初始量，
Figure DEST_PATH_IMAGE008
是第i批次的稽查颗粒药品对应于第1,…,6个采样节点的权重，A和B为中间变量，loss为非线性模型的损失，
Figure DEST_PATH_IMAGE010
为权重值
Figure DEST_PATH_IMAGE012
的相关量；
使上述损失函数最小，求得各采样节点的权重为
Figure 422070DEST_PATH_IMAGE008
，将各采样节点对应的权重构成的向量记为溶解性状因果向量L=[
Figure 542472DEST_PATH_IMAGE008
]。
进一步的，所述根据降维后的性状特征描述子计算各批次待稽查颗粒药品对应的第二邻近集合，包括：
利用如下公式计算任意两批次的待稽查颗粒药品之间的第二假设空间距离：
Figure DEST_PATH_IMAGE014
其中，
Figure DEST_PATH_IMAGE016
为待稽查颗粒药品p降维后的性状特征描述子，
Figure DEST_PATH_IMAGE018
为待稽查颗粒药品q将维后的性状特征描述子，
Figure DEST_PATH_IMAGE020
为待稽查颗粒药品p和待稽查颗粒药品q之间的第二假设空间距离；
对于任一批次的稽查颗粒药品，以该批次待稽查颗粒药品为中心向外辐射，将与该批次待稽查颗粒药品的第二假设空间距离最近的K个批次的稽查颗粒药品作为该批次待稽查颗粒药品的第二邻近批次待稽查颗粒药品，将这K个第二邻近批次待稽查颗粒药品构成的集合记为第二邻近集合，K为预设值。
进一步的，利用基于RBF核函数的核主成分分析法KPCA对各批次待稽查颗粒药品对应的性状特征描述子进行降维。
进一步的，所述根据所述基准性状特征描述子和所述目标集合中任一批次待稽查颗粒药品对应的降维后的性状特征描述子计算该批次待稽查颗粒药品对应的邻域亲缘性指标，包括：
利用如下公式计算任一批次待稽查颗粒药品的邻域亲缘性指标：
Figure DEST_PATH_IMAGE022
其中，
Figure DEST_PATH_IMAGE024
为某批次待稽查颗粒药品p的邻域亲缘性指标，
Figure DEST_PATH_IMAGE026
为该批次待稽查颗粒药品p对应的目标集合
Figure DEST_PATH_IMAGE028
中的任一批次待稽查颗粒药品d对应的降维后的性状特征描述子，
Figure DEST_PATH_IMAGE030
为该批次待稽查颗粒药品p对应的基准性状特征描述子。
进一步的，所述并根据所述邻域亲缘性指标判定该批次待稽查颗粒药品的质量是否合格，包括：
将各批次待稽查颗粒药品的邻域亲缘性指标与设定的邻域亲缘性指标阈值进行比较，若某批次待稽查颗粒药品的邻域亲缘性指标大于设定的邻域亲缘性指标阈值，则判定对应批次待稽查颗粒药品为疑似质量不合格药品；若某批次待稽查颗粒药品的邻域亲缘性指标不大于设定的邻域亲缘性指标阈值，则判定对应批次待稽查颗粒药品为质量合格药品。
进一步的，若邻近交集集合为空集，则判定对应批次待稽查颗粒药品为疑似质量不合格药品。
有益效果：本发明的颗粒药品质量稽查方法基于各批次待稽查颗粒药品对应的溶解性状因果向量和稽查评级指标向量实现了对各批次待稽查颗粒药品质量是否合格的判断，其中，溶解性状因果向量由对应批次待稽查颗粒药品对应的各采样节点的权重构成，能够反映对应批次待稽查颗粒药品的质量；稽查评级指标向量由对应批次待稽查颗粒药品对应的各评价指标对应的等级得到，也能够反映对应批次待稽查颗粒药品的质量；本发明相较于现有一般由稽查人员通过人眼观察或简单的测试直接给出药品质量好坏的结论的方法在判断上更为客观，能够提高对颗粒药品质量判断的准确性。
附图说明
图1是本发明的一种颗粒药品质量稽查方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行介绍。
为了提高现有颗粒药品质量稽查方法的准确性，本实施例的颗粒药品质量稽查方法包括以下步骤：
（1）获取各批次待稽查颗粒药品在各预设采样节点的药渣残留率，对于任一批次待稽查颗粒药品：根据该批次待稽查颗粒药品在各预设采样节点的药渣残留率构建该批次待稽查颗粒药品的溶解性状因果向量，所述溶解性状因果向量由该批次待稽查颗粒药品对应的各采样节点的权重构成；
对于稽查的颗粒药品，按照渠道、生产批次和仓储情况等的不同可以分为多个批次；本实施例接下来以某一批次为例进行说明：
颗粒药品在溶解时，由于颗粒药品的不同中药成分在溶解速度上不统一，因此溶解过程中的不同时段内会有不同的药渣残留率。在颗粒药品的溶解过程中设置采样节点，对颗粒药品溶液进行过滤，获得药渣的残留率。本实施以六个采样节点为例，即设置六个采样节点以监测颗粒药品的溶解产生的药渣残留率情况。
溶解开始，进行计时，每到一个采样节点进行如下操作，以测得药渣残留率：对颗粒药品溶液进行过滤，记录滤纸的药渣残留等级；药渣残留等级无法直接通过称重等形式获得，但可以通过稽查人员进行评定。一次采样检测后，将颗粒药品溶液重新升温至设定的温度，并将药渣转移至溶液中，等待下一个采样节点。
基于第i批次的稽查颗粒药品的各个采样节点下的颗粒药品药渣残留率，对颗粒药品的各采样节点的药渣残留率代表程度进行评价，也即求解各采样节点对应的权重，具体求解过程如下：
利用非线性模型求解相关权重，本实施例采用的非线性模型如下：
Figure DEST_PATH_IMAGE002A
上述B可以表示为
Figure DEST_PATH_IMAGE032
设置非线性模型的损失函数为：
Figure DEST_PATH_IMAGE004A
其中，
Figure 332662DEST_PATH_IMAGE006
是第i批次的稽查颗粒药品对应于第1,…,6个采样节点的药渣残留率，a为第i批次的稽查颗粒药品的初始量，
Figure 931134DEST_PATH_IMAGE008
是第i批次的稽查颗粒药品对应于第1,…,6个采样节点的权重，A和B为中间变量，loss为非线性模型的损失，
Figure 11085DEST_PATH_IMAGE010
为权重值
Figure 36810DEST_PATH_IMAGE012
的相关量。
使上述损失函数最小，求得各采样节点的权重为
Figure 241526DEST_PATH_IMAGE008
，以此权重表达各个采样节点的药渣残留率对整体药渣残留率的影响大小。权重的分布代表了各种成分的溶解现象，因此本实施例将各采样节点对应的权重构成的向量记为溶解性状因果向量L=[
Figure 581372DEST_PATH_IMAGE008
]。
颗粒药品的中药成分复杂，很多成分是难溶解的，各个采样节点对应的药渣成分不同，对整体的影响不一致，例如一些含油脂较高的品种，如桃仁、瓜蒌子等，因为脂溶性成分不易溶于水，溶化后易形成少量絮状沉淀；一些含蛋白质较高的品种，如鳖甲、乌梢蛇等，经加热煎煮、浓缩后蛋白质成分会变性，这些变性的蛋白质不易溶于水，溶化后易形成少量絮状沉淀；此类沉淀代表了一些成分的含量，从而代表整体颗粒药品的性状和成分。后续溶解阶段残渣逐渐变少，在末端的药渣残留率，对颗粒药品整体代表的颗粒药品成分决定程度较小。故本实施例采用上述计算方法，使较早时间对应的颗粒药品溶解阶段得到较大的药渣残留率影响权重。
至此，可得到各批次待稽查颗粒药品对应的溶解性状因果向量。溶解性状因果向量受中药药性、成分和工艺的影响，因此，溶解性状因果向量代表了各批次待稽查颗粒药品的质量，通过各批次待稽查颗粒药品对应的溶解性状因果向量差异可以判断各批次待稽查颗粒药品对应的质量差异。当某批次待稽查颗粒药品对应的溶解性状因果向量与其它批次的待稽查颗粒药品对应的溶解性状因果向量存在较大差异时，意味着该批次的待稽查颗粒药品的性状特征发生了客观的变化。
（2）获取各批次待稽查颗粒药品对应的稽查向量表，所述稽查向量表包括对应批次待稽查颗粒药品的各评价指标对应的等级；根据各批次待稽查颗粒药品对应的稽查向量表构建各批次待稽查颗粒药品对应的稽查评级指标向量；
稽查量化表是由特定颗粒药品和特定观察指标构成的，本实施例中稽查向量表包括对应批次待稽查颗粒药品的各评价指标对应的等级，常见的评价指标为：味道、颜色、大小、干燥度、气味等，对于各评价指标，会有模糊的等级区分，可由稽查人员完成对各批次待稽查颗粒药品的各评价指标的等级区分；比如，气味刺激性指标对应的模糊等级分为：一等（气味浓郁）；二等（有较浓气味）；三等（气味淡）；四等（微弱气味）；再比如，颜色深度对应的模糊等级分为：一等（颜色深）；二等（颜色较深）；三等（颜色较浅）；四等（颜色浅）。
本实施例中各批次待稽查颗粒药品对应的各评价指标的等级不同，将各批次待稽查颗粒药品对应的各评价指标的等级进行向量化存储，得到各批次待稽查颗粒药品对应的稽查评价指标向量
Figure DEST_PATH_IMAGE034
。在进行向量化存储时，不同等级对应的向量中的元素数值不同，比如一等对应的向量中的元素用1表示，比如二等对应的向量中的元素用2表示。本实施例参考了5项评价指标，因此各批次待稽查颗粒药品对应的稽查评价指标向量是5维的；作为其他实施方式，在实际应用时可选择不同数量的评价指标，对应构建的稽查评价指标向量的维度也会发生变化。
（3）根据各批次待稽查颗粒药品对应的溶解性状因果向量和稽查评价指标向量构建各批次待稽查颗粒药品对应的性状特征描述子，根据所述性状特征描述子计算各批次待稽查颗粒药品对应的第一邻近集合；对各批次待稽查颗粒药品对应的性状特征描述子进行降维，根据降维后的性状特征描述子计算各批次待稽查颗粒药品对应的第二邻近集合；
通过上述步骤（1）和（2），本实施例可以得到各批次待稽查颗粒药品对应的溶解性状因果向量和稽查评价指标向量，将各批次待稽查颗粒药品对应的溶解性状因果向量和稽查评价指标向量进行连接，得到各批次待稽查颗粒药品对应的性状特征描述子如下：
Figure DEST_PATH_IMAGE036
本实施例中溶解性状因果向量L为6维，稽查评价指标向量V为5维，两者连接后得到的性状特征描述子F为11维。
由于颗粒药品稽查是针对颗粒药品货源是否发生偷换、不合格、掺假等行为进行摸排，因此本实施例基于各批次颗粒药品性状特征描述子F构建一个摸排大环境，记为第一环境。本实施例设计了一种性状特征描述距离函数
Figure DEST_PATH_IMAGE038
作为颗粒药品稽查的假设空间距离，记为第一假设空间距离。对于任意两批次的待稽查颗粒药品p,q，有如下关系：
Figure DEST_PATH_IMAGE040
其中，
Figure DEST_PATH_IMAGE042
为待稽查颗粒药品p的性状特征描述子，
Figure DEST_PATH_IMAGE044
为待稽查颗粒药品q的性状特征描述子，
Figure DEST_PATH_IMAGE046
为待稽查颗粒药品p和待稽查颗粒药品q之间的第一假设空间距离。
Figure 709906DEST_PATH_IMAGE046
越小，说明待稽查颗粒药品p和待稽查颗粒药品q的相似度越高。
至此，可以得到任意两批次的待稽查颗粒药品之间的第一假设空间距离。对于任一批次的稽查颗粒药品，以该批次待稽查颗粒药品为中心向外辐射，将与其第一假设空间距离最近的K个批次的稽查颗粒药品作为该批次待稽查颗粒药品的第一邻近批次待稽查颗粒药品，将这K个第一邻近批次待稽查颗粒药品构成的集合记为该批次待稽查颗粒药品的第一邻近批次待稽查颗粒药品集合（简称第一邻近集合），后续将其称为该批次待稽查颗粒药品的第一颗粒药品性状子类。K为预设值，K的值可以在实际应用时自行设定。
本实施例中性状特征描述子F的维度较高，但实际的有效信息集中在一个低维的空间里。因此，本实施例使用基于RBF核函数的核主成分分析法KPCA对各批次待稽查颗粒药品对应的性状特征描述子F进行低维变换；本实施例中各批次待稽查颗粒药品对应的性状特征描述子F为11维向量，本实施例的目的是将各批次待稽查颗粒药品对应的性状特征描述子F从11维降为6维，接下来以某一批次待稽查颗粒药品p对应的性状特征描述子F为例进行说明：
针对性状特征描述子F，计算其对应的核矩阵的特征值与特征向量；将核矩阵的特征值进行降序排列，得到特征值序列；取特征值序列中的前E个特征值和对应的特征向量，E为降维后的维数，本实施例中将11维的性状特征描述子降为6维，即
Figure DEST_PATH_IMAGE048
。具体过程如下：
本实施例将性状特征描述子F对应的维数记为N，本实施例中N=11。构建性状特征矩阵
Figure DEST_PATH_IMAGE050
，
Figure DEST_PATH_IMAGE052
为该批次待稽查颗粒药品p对应的性状特征描述子，
Figure DEST_PATH_IMAGE054
为该批次待稽查颗粒药品p对应的第一相似的批次待稽查颗粒药品对应的性状特征描述子，
Figure DEST_PATH_IMAGE056
为该批次待稽查颗粒药品p对应的第(i-1)相似的批次待稽查颗粒药品对应的性状特征描述子。本实施例采用余弦相似度算法计算任意两批次待稽查颗粒药品对应的性状特征描述子之间的相似性，对于该批次待稽查颗粒药品p，将其它批次待稽查颗粒药品与其的相似性从大到小进行排列，得到一个相似性序列，上述第一相似的批次待稽查颗粒药品对应的性状特征描述子即上述相似性序列中的第一个元素对应的性状特征描述子，第(i-1)相似的批次待稽查颗粒药品对应的性状特征描述子即上述相似性序列中的第(i-1)个元素对应的性状特征描述子。本实施例中i=3，作为其它实施方式，i的取值可在应用时自行设定。
计算性状特征矩阵对应的RBF核矩阵
Figure DEST_PATH_IMAGE058
，并中心化为
Figure DEST_PATH_IMAGE060
；核矩阵H和
Figure 264122DEST_PATH_IMAGE060
的计算公式为：
Figure DEST_PATH_IMAGE062
Figure DEST_PATH_IMAGE064
式中，
Figure DEST_PATH_IMAGE066
是元素为1/i的i*i矩阵，
Figure DEST_PATH_IMAGE068
为核参数；
计算
Figure 844883DEST_PATH_IMAGE060
的特征值和特征向量，将
Figure 519578DEST_PATH_IMAGE060
的特征值进行降序排列，取特征值序列前E个特征值
Figure DEST_PATH_IMAGE070
和对应的特征向量
Figure DEST_PATH_IMAGE072
，E为降维后的维数，本实施例中E=6。
利用核矩阵和上述过程选出的特征值、特征向量计算降维结果
Figure DEST_PATH_IMAGE074
，该计算过程为现有技术，本实施例不再赘述。
至此，本实施例通过KPCA将11维的性状特征描述子F降到6维，将降维后的性状特征描述子记为X。将性状特征描述子F从11维降到6维后简化了后续的计算时间，且能够凸显溶解过程和稽查向量表对应的评价指标之间的联动关系，使得后续分析的特征对颗粒药品特性关系更敏感。
接下来，本实施例基于各批次颗粒药品降维后的性状特征描述子X也构建了一个摸排大环境，记为第二环境，并计算了任意两批次的待稽查颗粒药品p,q之间的假想空间距离，记为第二假想空间距离，计算公式为：
Figure DEST_PATH_IMAGE014A
其中，
Figure 259607DEST_PATH_IMAGE016
为待稽查颗粒药品p降维后的性状特征描述子，
Figure 830397DEST_PATH_IMAGE018
为待稽查颗粒药品q将维后的性状特征描述子，
Figure 275285DEST_PATH_IMAGE020
为待稽查颗粒药品p和待稽查颗粒药品q之间的第二假设空间距离。
Figure 488091DEST_PATH_IMAGE020
越小，说明待稽查颗粒药品p和待稽查颗粒药品q的相似度越高。
至此，可以得到任意两批次的待稽查颗粒药品之间的第二假设空间距离。对于任一批次的稽查颗粒药品，以该批次待稽查颗粒药品为中心向外辐射，将与其第二假设空间距离最近的K个批次的稽查颗粒药品作为该批次待稽查颗粒药品的第二邻近批次待稽查颗粒药品，将这K个第二邻近批次待稽查颗粒药品构成的集合记为该批次待稽查颗粒药品的第二邻近批次待稽查颗粒药品集合（简称第二邻近集合），后续将其称为该批次待稽查颗粒药品的第二颗粒药品性状子类。
（4）对于任一批次待稽查颗粒药品：获取该批次待稽查颗粒药品对应的第一邻近集合和第二邻近集合的交集，记为邻近交集集合；若邻近交集集合不为空集，则计算所述邻近交集集合中各批次待稽查颗粒药品对应的降维后的性状特征描述子的均值，记为基准性状特征描述子；计算所述基准性状特征描述子对应的第二邻近集合，记为目标集合；根据所述基准性状特征描述子和所述目标集合中任一批次待稽查颗粒药品对应的降维后的性状特征描述子计算该批次待稽查颗粒药品对应的邻域亲缘性指标，并根据所述邻域亲缘性指标判定该批次待稽查颗粒药品的质量是否合格。
本实施例中第一颗粒药品性状子类和第二颗粒药品性状子类是通过不同的假设空间来分类的，第二颗粒药品性状子类是根据PCA降维后的性状特征描述子得到的，因此第二颗粒药品性状子类更能够客观代表假设空间的真实分布，排除无关的维度约束。为了提高后期判断的可靠性，本实施例综合了各批次待稽查颗粒药品对应的第一颗粒药品性状子类和第二颗粒药品性状子类来对对应批次待稽查颗粒药品是否为疑似质量不合格药品进行判断，具体的，对于任一批次待稽查颗粒药品p，计算该批次待稽查颗粒药品p对应的第一颗粒药品性状子类（即第一邻近批次待稽查颗粒药品集合）和第二颗粒药品性状子类（即第二邻近批次待稽查颗粒药品集合）的交集，将该交集记为邻近交集集合，将该邻近交集集合中的各批次待稽查颗粒药品作为该批次待稽查颗粒药品p的邻近批次待稽查颗粒药品。若该批次待稽查颗粒药品p对应的邻近交集集合为空集，则判定该批次待稽查颗粒药品p为疑似质量不合格药品，为重点稽查对象，由稽查人员对其质量是否合格进行最终确认。
根据上述邻近交集集合中各批次待稽查颗粒药品对应的降维后的性状特征描述子计算上述邻近交集集合对应的基准性状特征描述子
Figure 397142DEST_PATH_IMAGE030
，该基准性状特征描述子即为上述邻近交集集合中各批次待稽查颗粒药品对应的降维后的性状特征描述子的均值。若该批次待稽查颗粒药品p的性状较为常规，则
Figure 935570DEST_PATH_IMAGE030
不会在第二子类的空间中偏离太远；反之，因为该批次待稽查颗粒药品p的某些维度的指标差异较大，求得均值后导致该维度的差异更大，从而影响其在空间中的位置。因此基于计算基准性状特征描述子
Figure 599245DEST_PATH_IMAGE030
能够修正颗粒药品在量化评级过程中、溶解测试过程中的操作误差。
计算上述基准性状特征描述子
Figure 819005DEST_PATH_IMAGE030
对应的第二邻近批次待稽查颗粒药品集合，为了简便将其记为目标集合
Figure 254666DEST_PATH_IMAGE028
，步骤（3）中已经对求解第二邻近批次待稽查颗粒药品集合的过程进行了说明，此处不再赘述计算上述基准性状特征描述子
Figure 229575DEST_PATH_IMAGE030
对应的第二邻近批次待稽查颗粒药品集合的过程。当该批次待稽查颗粒药品p正常时，邻域颗粒药品较多，因此对基准性状特征描述子
Figure 117897DEST_PATH_IMAGE030
加以邻域的修正后能够更好地代表颗粒药品是常见的、正常的，避免被稽查误伤的情况。
接下来计算目标集合中任一批次待稽查颗粒药品与基准性状特征描述子
Figure DEST_PATH_IMAGE076
之间的第二假想空间距离，并利用如下公式计算上述批次待稽查颗粒药品p的邻域亲缘性指标：
Figure DEST_PATH_IMAGE022A
其中，
Figure 482625DEST_PATH_IMAGE024
为某批次待稽查颗粒药品p的邻域亲缘性指标，
Figure 772793DEST_PATH_IMAGE026
为该批次待稽查颗粒药品p对应的目标集合
Figure 918603DEST_PATH_IMAGE028
中的任一批次待稽查颗粒药品d对应的降维后的性状特征描述子，K为目标集合
Figure 294221DEST_PATH_IMAGE028
中包括的待稽查颗粒药品的批次数量，也即步骤（3）中的预设值。
将上述计算得到的上述批次待稽查颗粒药品p的邻域亲缘性指标与设定的邻域亲缘性指标阈值进行比较，若计算得到的上述批次待稽查颗粒药品p的邻域亲缘性指标大于设定的邻域亲缘性指标阈值，则判定上述批次待稽查颗粒药品p为疑似质量不合格药品，为重点稽查对象，由稽查人员对其质量是否合格进行最终确认；反之，则判定上述批次待稽查颗粒药品p为质量合格药品。
本实施例的颗粒药品质量稽查方法基于各批次待稽查颗粒药品对应的溶解性状因果向量和稽查评级指标向量实现了对各批次待稽查颗粒药品质量是否合格的判断，其中，溶解性状因果向量由对应批次待稽查颗粒药品对应的各采样节点的权重构成，能够反映对应批次待稽查颗粒药品的质量；稽查评级指标向量由对应批次待稽查颗粒药品对应的各评价指标对应的等级得到，也能够反映对应批次待稽查颗粒药品的质量；本实施例相较于现有一般由稽查人员通过人眼观察或简单的测试直接给出药品质量好坏的结论的方法在判断上更为客观，能够提高对颗粒药品质量判断的准确性。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。

Claims (6)

1.一种颗粒药品质量稽查方法，其特征在于，包括以下步骤：
获取各批次待稽查颗粒药品在各预设采样节点的药渣残留率，对于任一批次待稽查颗粒药品：根据该批次待稽查颗粒药品在各预设采样节点的药渣残留率构建该批次待稽查颗粒药品的溶解性状因果向量，所述溶解性状因果向量由该批次待稽查颗粒药品对应的各采样节点的权重构成；
获取各批次待稽查颗粒药品对应的稽查向量表，所述稽查向量表包括对应批次待稽查颗粒药品的各评价指标对应的等级；根据各批次待稽查颗粒药品对应的稽查向量表构建各批次待稽查颗粒药品对应的稽查评级指标向量；
根据各批次待稽查颗粒药品对应的溶解性状因果向量和稽查评价指标向量构建各批次待稽查颗粒药品对应的性状特征描述子，根据所述性状特征描述子计算各批次待稽查颗粒药品对应的第一邻近集合；对各批次待稽查颗粒药品对应的性状特征描述子进行降维，根据降维后的性状特征描述子计算各批次待稽查颗粒药品对应的第二邻近集合；
对于任一批次待稽查颗粒药品：获取该批次待稽查颗粒药品对应的第一邻近集合和第二邻近集合的交集，记为邻近交集集合；若邻近交集集合不为空集，则计算所述邻近交集集合中各批次待稽查颗粒药品对应的降维后的性状特征描述子的均值，记为基准性状特征描述子；计算所述基准性状特征描述子对应的第二邻近集合，记为目标集合；根据所述基准性状特征描述子和所述目标集合中任一批次待稽查颗粒药品对应的降维后的性状特征描述子计算该批次待稽查颗粒药品对应的邻域亲缘性指标，并根据所述邻域亲缘性指标判定该批次待稽查颗粒药品的质量是否合格；
所述根据该批次待稽查颗粒药品在各预设采样节点的药渣残留率构建该批次待稽查颗粒药品的溶解性状因果向量，包括：
利用非线性模型求解各预设采样节点对应的权重，设置预设采样节点的数量为6，所述非线性模型如下：
Figure 68212DEST_PATH_IMAGE002
设置非线性模型的损失函数为：
Figure 401104DEST_PATH_IMAGE004
其中，
Figure DEST_PATH_IMAGE005
是第i批次的稽查颗粒药品对应于第1,…,6个采样节点的药渣残留率，a为第i批次的稽查颗粒药品的初始量，
Figure 87913DEST_PATH_IMAGE006
是第i批次的稽查颗粒药品对应于第1,…,6个采样节点的权重，A和B为中间变量，loss为非线性模型的损失，
Figure DEST_PATH_IMAGE007
为权重值
Figure 520162DEST_PATH_IMAGE008
的相关量；
使上述损失函数最小，求得各采样节点的权重为
Figure 724879DEST_PATH_IMAGE006
，将各采样节点对应的权重构成的向量记为溶解性状因果向量L=[
Figure 658200DEST_PATH_IMAGE006
]。
2.根据权利要求1所述的颗粒药品质量稽查方法，其特征在于，所述根据降维后的性状特征描述子计算各批次待稽查颗粒药品对应的第二邻近集合，包括：
利用如下公式计算任意两批次的待稽查颗粒药品之间的第二假设空间距离：
Figure 264762DEST_PATH_IMAGE010
其中，
Figure DEST_PATH_IMAGE011
为待稽查颗粒药品p降维后的性状特征描述子，
Figure 130562DEST_PATH_IMAGE012
为待稽查颗粒药品q降维后的性状特征描述子，
Figure DEST_PATH_IMAGE013
为待稽查颗粒药品p和待稽查颗粒药品q之间的第二假设空间距离；
对于任一批次的稽查颗粒药品，以该批次待稽查颗粒药品为中心向外辐射，将与该批次待稽查颗粒药品的第二假设空间距离最近的K个批次的稽查颗粒药品作为该批次待稽查颗粒药品的第二邻近批次待稽查颗粒药品，将这K个第二邻近批次待稽查颗粒药品构成的集合记为第二邻近集合，K为预设值。
3.根据权利要求1所述的颗粒药品质量稽查方法，其特征在于，利用基于RBF核函数的核主成分分析法KPCA对各批次待稽查颗粒药品对应的性状特征描述子进行降维。
4.根据权利要求2所述的颗粒药品质量稽查方法，其特征在于，所述根据所述基准性状特征描述子和所述目标集合中任一批次待稽查颗粒药品对应的降维后的性状特征描述子计算该批次待稽查颗粒药品对应的邻域亲缘性指标，包括：
利用如下公式计算任一批次待稽查颗粒药品的邻域亲缘性指标：
Figure 760258DEST_PATH_IMAGE014
其中，
Figure DEST_PATH_IMAGE015
为某批次待稽查颗粒药品p的邻域亲缘性指标，
Figure 372636DEST_PATH_IMAGE016
为该批次待稽查颗粒药品p对应的目标集合
Figure DEST_PATH_IMAGE017
中的任一批次待稽查颗粒药品d对应的降维后的性状特征描述子，
Figure 771387DEST_PATH_IMAGE018
为该批次待稽查颗粒药品p对应的基准性状特征描述子。
5.根据权利要求1所述的颗粒药品质量稽查方法，其特征在于，所述并根据所述邻域亲缘性指标判定该批次待稽查颗粒药品的质量是否合格，包括：
将各批次待稽查颗粒药品的邻域亲缘性指标与设定的邻域亲缘性指标阈值进行比较，若某批次待稽查颗粒药品的邻域亲缘性指标大于设定的邻域亲缘性指标阈值，则判定对应批次待稽查颗粒药品为疑似质量不合格药品；若某批次待稽查颗粒药品的邻域亲缘性指标不大于设定的邻域亲缘性指标阈值，则判定对应批次待稽查颗粒药品为质量合格药品。
6.根据权利要求1所述的颗粒药品质量稽查方法，其特征在于，若邻近交集集合为空集，则判定对应批次待稽查颗粒药品为疑似质量不合格药品。
CN202210714471.3A 2022-06-23 2022-06-23 一种颗粒药品质量稽查方法 Active CN114792213B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210714471.3A CN114792213B (zh) 2022-06-23 2022-06-23 一种颗粒药品质量稽查方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210714471.3A CN114792213B (zh) 2022-06-23 2022-06-23 一种颗粒药品质量稽查方法

Publications (2)

Publication Number Publication Date
CN114792213A CN114792213A (zh) 2022-07-26
CN114792213B true CN114792213B (zh) 2022-09-02

Family

ID=82463770

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210714471.3A Active CN114792213B (zh) 2022-06-23 2022-06-23 一种颗粒药品质量稽查方法

Country Status (1)

Country Link
CN (1) CN114792213B (zh)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101676717A (zh) * 2008-09-19 2010-03-24 天津天士力制药股份有限公司 一种中药制品的质量评价方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101337060B (zh) * 2008-08-08 2012-08-22 广西博科药业有限公司 宫炎康颗粒的质量控制方法
CN102313683B (zh) * 2011-04-29 2012-12-12 四川逢春制药有限公司 一种颗粒剂型药品的溶化性检测方法
EP3635367A4 (en) * 2017-05-22 2021-02-17 Valisure LLC METHOD OF VALIDATING A MEDICINAL PRODUCT
CN113495116A (zh) * 2020-03-19 2021-10-12 内蒙古蒙药股份有限公司 一种诃子配方颗粒质量标准及检测方法
CN112782372A (zh) * 2021-02-02 2021-05-11 祈蒙股份有限公司 一种蒙药六味木香颗粒的质量标准检测方法

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101676717A (zh) * 2008-09-19 2010-03-24 天津天士力制药股份有限公司 一种中药制品的质量评价方法

Also Published As

Publication number Publication date
CN114792213A (zh) 2022-07-26

Similar Documents

Publication Publication Date Title
He et al. Multi-modal retinal image classification with modality-specific attention network
Peng et al. Automatic staging for retinopathy of prematurity with deep feature fusion and ordinal classification strategy
CN110010252A (zh) 华法林给药剂量预测方法及装置
CN113049530A (zh) 一种基于近红外高光谱的单粒玉米种子水分含量检测方法
Stevenson et al. Development of an artificial intelligence system to classify pathology and clinical features on retinal fundus images
CN111383210B (zh) 眼底图像分类模型训练方法及设备
Orlov et al. Age-related changes of the retinal microvasculature
Bao et al. Current application of digital diagnosing systems for retinopathy of prematurity
Leng et al. Deep learning for detection of age-related macular degeneration: A systematic review and meta-analysis of diagnostic test accuracy studies
Wang et al. Application of a deep machine learning model for automatic measurement of EZ width in SD-OCT images of RP
Salem et al. Decision support system for an early-stage keratoconus diagnosis
CN114792213B (zh) 一种颗粒药品质量稽查方法
Li et al. Automated quality assessment and image selection of ultra-widefield fluorescein angiography images through deep learning
Ma et al. An intelligent and vision-based system for Baijiu brewing-sorghum discrimination
CN113158822B (zh) 基于跨模态关系推理的眼部检测数据的分类方法及装置
CN116738352B (zh) 视网膜血管阻塞疾病的视杆细胞异常分类方法及装置
Tambe et al. Potato Leaf Disease Classification using Deep Learning: A Convolutional Neural Network Approach
Hain et al. Randomized iterative spherical‐deconvolution informed tractogram filtering
Joans Identification and classification of eye disease using deep learning
CN113310928A (zh) 保质期内和过期高温灭菌牛奶的快速鉴定方法
CN111374632B (zh) 视网膜病变检测方法、装置及计算机可读存储介质
Yazid et al. Detection of diabetic retinopathy using convolutional neural network (CNN)
Balaskas et al. The Novel Evidenced Assessment of Tortuosity system: interobserver reliability and agreement with clinical assessment
Chen et al. Multi-Scale Class Attention Network for Diabetes Retinopathy Grading
Carvalho et al. Neural networks and statistical analysis for classification of corneal videokeratography maps based on Zernike coefficients: a quantitative comparison

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
TR01 Transfer of patent right

Effective date of registration: 20230104

Address after: 272500 No. 5, Jixiang Road, economic development zone, Wenshang County, Jining City, Shandong Province

Patentee after: Jining Weimin Pharmaceutical Co.,Ltd.

Address before: 272500 west of South Head of Zhongdu street, Wenshang County Economic Development Zone, Jining City, Shandong Province

Patentee before: Chenxin Fudu Pharmaceutical (Wenshang) Co.,Ltd.

TR01 Transfer of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: A Quality Inspection Method for Granular Drugs

Effective date of registration: 20230331

Granted publication date: 20220902

Pledgee: China Postal Savings Bank Limited by Share Ltd. Wenshang County sub branch

Pledgor: Jining Weimin Pharmaceutical Co.,Ltd.

Registration number: Y2023980036979

PE01 Entry into force of the registration of the contract for pledge of patent right