Abstract
sfondo
Laser Induced Breakdown Spectroscopy (LIBS) può essere utilizzato per misurare le concentrazioni di elementi in tracce in solidi, liquidi e gas, con risoluzione spaziale e quantifaction assoluta di essere fattibile, fino a livelli di concentrazione parti per milione. Alcune applicazioni di LIBS non richiedono necessariamente misure esatte, quantitative. Questi includono le applicazioni in odontoiatria, che sono di "identificare-and-tipo" natura più - ad esempio identificazione dei denti colpiti da carie.
Metodi
Un gruppo di una fibra di consegna luce /raccolta per l'analisi LIBS è stato utilizzato, che in linea di principio si presta per la routine di entrata /in vivo sulle applicazioni in vitro in uno studio dentistico. Un certo numero di algoritmi di valutazione per i dati LIBS può essere utilizzato per valutare la somiglianza di uno spettro, misurata in punti specifici del campione, con un training set di spettri di riferimento. Qui, la descrizione è stato limitato a un algoritmo di riconoscimento del modello, vale a dire il cosiddetto metodo Mahalanobis distanza.
Risultati
Il plasma creato quando l'impulso laser ablates campione (in vitro
/in vivo
), è stata analizzata spettralmente. Abbiamo dimostrato che, utilizzando l'algoritmo di pattern recognition Mahalanobis distanza, potremmo senza ambiguità determinare l'identità di un campione di dente "sconosciuto" in tempo reale. Sulla base di singolo spettri ottenuti dal campione, il passaggio dalla carie-compromesso in materiale del dente sano potrebbe essere distinti, con elevata risoluzione spaziale.
Conclusioni
La combinazione di algoritmi LIBS e pattern recognition fornisce uno strumento potenzialmente utile per i dentisti per problemi di identificazione di materiale veloci, come ad esempio il controllo preciso del processo di foratura laser /pulizia
materiale supplementare elettronica
la versione online di questo articolo (doi:.. 10 1186 /1472-6831-1 -1) contiene materiale supplementare, che è disponibile per gli utenti autorizzati
Sfondo
numerose tecniche sono state ideate per esaminare carie dentale.; molti di questi sono stati rivisti per esempio da Murray [1] e Niemz [2]. Tuttavia, più promettenti alcune realizzazioni tecnologiche emergenti in spettroscopia analitica, tra cui la fluorescenza laser (già un sistema diagnostico commerciale KaVo DIAGNOdent
è disponibile) [3, 4], Digital Imaging fibre ottiche transilluminazione [4, 5], sintonizzati-apertura tomografia computerizzata [6, 7], e radiografia digitale [6, 8]. La grande sensibilità di alcuni di questi metodi consente la rilevazione della carie allo stadio prima rispetto ai metodi convenzionali [1, 2, 9]. Sfortunatamente, nessuna di queste tecniche può essere normalmente utilizzato per il rilevamento in tempo reale di demineralizzata smalto /dentina (accompagnato da perdita di calcio Ca
e fosforo P
[10]), associata a carie, direttamente durante l'applicazione di foratura laser.
Negli ultimi anni gruppi di ricerca particolarmente in Germania hanno dimostrato che l'uso di laser femto secondi può presentare un'alternativa alle tecniche di perforazione meccanica classica realizzare trapani contactless in odontoiatria [2, 11, 12]. Mentre intrigante eleganti, femto-secondo foratura laser sperimenta ancora problemi con efficienza l'ablazione [11, 12]. Ad esempio, alcuni dentisti utilizzano Er: YAG laser [12, 13], che sono state recentemente approvato dalla US Food and Drug Administration (FDA) per l'uso su soggetti umani [14]. Er: YAG laser hanno una maggiore efficienza rispetto agli altri, sistemi laser femto-secondo attualmente disponibili. Tuttavia, le superfici trattate con trapano Er: YAG laser contengono occasionalmente lunghe fessure dovute ad improvvisi vaporizzazione dell'acqua nel tessuto dentale [11, 12, 15]. Ciò può causare le superfici dei denti grezzi con crepe profonde, fino a 300 micron; la loro presenza e l'estensione sono stati rilevati utilizzando prove di penetrazione colorante [2]. A causa di tali crepe, acidi possono penetrare al dente e possono essere fonte di nuove lesioni cariose. Sebbene alcuni autori hanno riportato che microfessure sono evitabili [13, 14, 16], è evidente che il loro aspetto dipende dalle condizioni ablazione specifiche; attualmente un consenso comune per quanto riguarda la comparsa di crepe non sembra esistere (vedi Eguro et al
[17]). D'altra parte, è stato riportato che cambiare la lunghezza d'onda del laser dal IR /visibile agli UV può ampiamente superare il problema delle sollecitazioni meccaniche, che provoca detto problema [18]. Pertanto, nonostante i problemi attuali, è probabile che nel prossimo futuro, con lo sviluppo dei sistemi laser innovativi, l'applicazione clinica di femto secondi foratura laser pulsato può emergere come un'alternativa reale meccanica /Er: trattamento odontoiatrico YAG-laser. Quindi, indipendentemente dal sistema laser infine selezionati, i metodi sono necessari per monitorare il processo di foratura.
Qui proposto un metodo basato sulla tecnica di Laser Induced Breakdown Spectroscopy (LIBS), in grado di monitorare il processo di foratura laser monitorando e analizzando il plasma luminescente - in vivo Comprare e in tempo reale; così il controllo preciso del materiale ablato può essere raggiunto. Nella pratica odontoiatrica, tessuti solito più sano che in ultima analisi necessaria viene rimosso. Il monitoraggio dipende principalmente un fattore "umano" - l'ispezione visiva dal dentista. Il plasma, che si crea durante l'ablazione mediante impulsi laser brevi, può essere spettralmente analizzato utilizzando una consegna luce una fibra e sistema di raccolta
Per utilizzare l'analisi spettroscopica dei plasmi laser-indotta, per ottenere informazioni sulle carie. - stato di tessuto dentale, è stato suggerito da Niemz [2] e Kohns [12]. I loro studi hanno coinvolto solo l'indagine spettroscopica delle righe spettrali di calcio (intensità e spessore della linea). Tuttavia, utilizzando poche righe spettrali di un singolo elemento è notoriamente potenzialmente essere fonte di grandi errori in qualsiasi tecnica analitica laser come LIBS. A nostra conoscenza, non vi è stato alcun studio, tranne che dal nostro gruppo [21], di sfruttare contemporaneamente le informazioni spettrali da più di un elemento, da elementi di matrice e non-matrice, nel distinguere tra tessuto sano e cariati. Questo nuovo approccio costituisce parte della nostra indagine attuale. La distinzione tra tessuto sano e cariati può essere molto sensibile quando sfruttando dati spettrali da una coppia, o anche più di una coppia, di idonei elementi in forma di rapporti di intensità di linea in combinazione con un algoritmo di riconoscimento di pattern.
Carious /dente sano materiale può essere identificato tramite la diminuzione di elementi di matrice (Ca Comprare e P
) e /o l'aumento di elementi non-matrice (tipicamente Li
,
Sr, Ba
, Na
, Mg
, Zn
e C
), utilizzando algoritmi di pattern recognition. Questo processo di analisi può essere effettuata con risoluzione spaziale. Laterale precisione dell'ordine di 100-200 micron, mentre profili di profondità ha una precisione di meno di 10 micron. Quindi, in linea di principio, la combinazione di LIBS e un algoritmo di pattern recognition dà dentisti un potente strumento per il monitoraggio in tempo reale precisa e l'identificazione del tessuto carie colpite o materiali da restauro dentali in corso di foratura laser.
Come nota di cautela ci piace sottolineare destra fin dall'inizio che il laser utilizzato in questo studio, vale a dire una Nd da: YAG operante a sua lunghezza d'onda fondamentale e di fornire impulsi di durata nanosecondo, è molto probabilmente non il laser di scelta per reale in vivo
foratura laser dei denti. Inoltre, nessun test clinici completi sono stati effettuati finora, solo un singolo vivo
misura in è stata eseguita su un dente di un volontario. Pertanto, i risultati qui riportati dovrebbero essere visti come una prova di principio, piuttosto che la fornitura di una tecnica completamente sviluppata immediatamente applicabili nella pratica dentale.
Metodo e materiali
in LIBS uno utilizza la elevate densità di potenza ottenuto dalla focalizzazione della radiazione da un laser pulsato (normalmente funzionante ad una singola lunghezza d'onda fissa), per generare una luminosa micro plasma dal dell'analita (solidi, liquidi e gassosi campioni). Per una buona approssimazione, la composizione del plasma rappresentativa della composizione elementare del analita. Nei trenta anni circa dal suo inizio il potenziale di LIBS come strumento analitico è stato realizzato, portando ad un elenco sempre crescente di applicazioni, sia per l'analisi in ambienti industriali [19, 20] e di laboratorio. Vorremmo sottolineare che l'ablazione di tessuto dentale mediante laser pulsati, e contemporaneamente monitorare l'emissione di plasma imita da vicino il principio alla base della tecnica di LIBS [21] sistemi di analisi
. Standard LIBS comprendere unità tipiche dei componenti principali, vale a dire (un ) la sorgente laser; (B) la fornitura di luce laser e raccolta emissione di plasma del sistema; e (c) il sistema di analisi spettrale. Per lo studio sperimentale qui descritto, vale a dire l'attuazione di LIBS in odontoiatria abbiamo utilizzato un assieme LIBS a base di fibre [22]
Il sistema laser
Il laser utilizzato per la generazione di plasma era uno standard Laser Nd:. YAG ( Quantel
brillante o BigSky
), operante a sua lunghezza d'onda fondamentale di 1064 nm, a frequenza di ripetizione di 20 Hz. impulsi laser individuali avevano una lunghezza di impulso di 4-8 ns (a seconda della regolazione temporizzazione Q-switch dell'alimentatore laser). L'energia di impulso è stata controllata con precisione utilizzando una piastra di ritardo semionda e polarizzatore Glan-laser nel percorso ottico. E 'stata misurata utilizzando un contatore di energia calibrato (Coherent LabMaster
); tipicamente, energie di impulso comprese 10-30 mJ stati utilizzati. Vorremmo notare qui, che vicino a laser infrarossi dei durata dell'impulso nanosecondo molto probabilmente non saranno i laser di scelta nelle applicazioni pratiche per la perforazione dei denti, ma deve essere considerato come uno scenario a prova di principio.
La consegna luce e sistema di raccolta
la disposizione ottica complessiva utilizzato nei nostri esperimenti è mostrata in Figura 1. Una singola fibra del nucleo diametro 550 micron (Ensign-Bicford HCG550
) e lunghezza 5 m è stato usato per fornire la radiazione laser per la materiale bersaglio (dente) - per in vivo
e nelle applicazioni in vitro
-, e per raccogliere l'emissione di plasma generato per la successiva analisi. Le terminazioni delle fibre sono stati preparati da un processo di scissione che ha permesso di irradianze & gt; 1 GW /cm
2 per essere trasportato senza provocare danni alla fibra. Figura 1 Vista in pianta della disposizione ottica e l'apparecchiatura sperimentale
Come mostrato nel set-up, radiazione dal Nd:. YAG è concentrata sull'estremità lancio della fibra, posizionato appena oltre il punto focale della lente , tramite uno specchio ad alta riflettività (rivestito di R & gt; 99,5% a 1.064 nm) usando una lente convergente lunghezza focale 250 mm. Questa radiazione viene fatta passare attraverso un foro centrale di diametro di 2 mm specchio luce raccolta.
Gli impulsi di luce laser in uscita dal fondo della fibra (distale-end) sono stati diretti sul materiale bersaglio. Si noti che per una grande frazione dei nostri esperimenti non componenti ottici sono stati usati tra l'estremità della fibra e il dente. La separazione tra la fibra e il bersaglio (dente) era di circa D
≠ 1,5-2,0 mm. Tenendo conto di questa distanza fibre-to-target e apertura numerica della fibra (NA
= 0,22), l'irraggiamento sul bersaglio è dell'ordine I
T
≠ 0,092-0,065 GW /cm 2, per un impulso di energia lancio di E
pf
= 12 mJ. Questo valore è sicuro sopra la soglia per la generazione di un plasma luminoso, che abbiamo determinato come circa I
T, th
≠ 0,05 GW /cm 2.
Una frazione del luce emessa dalla superficie del bersaglio è stato raccolto tramite una stessa fibra questo riemerge alla fine lancio (prossimale-end), con una divergenza relativa apertura numerica della fibra. Lo specchio con un rivestimento metallico UV-enhanced è stato utilizzato per separare questa luce divergente dalle Nd in entrata: impulsi laser YAG. Questa luce di fluorescenza (divergente) al plasma è stato ri-focalizzato sul fascio di fibre spettrografo. Si noti che il gruppo di fibre può essere utilizzato per raccogliere solo la luce dal plasma semplicemente inserendo l'estremità distale vicino al bersaglio, nel caso in cui gli impulsi laser non vengono forniti attraverso la stessa fibra ottica per la perforazione dei tessuti dentali.
Per assistenza opzionale preciso puntamento dell'ablazione radiazione del vicino IR su particolari aree del dente, la luce da un laser HeNe potrebbe introdurre collinearly tramite Nd:. YAG specchio orientamento del fascio (trasmissione elevata a 633 nm)
il sistema di analisi spettrale
Il sistema utilizzato per l'analisi spettrale consisteva in uno spettrografo standard (ACR500, Acton Research
) con un gateable, intensificato rivelatore a serie di fotodiodi (IRY1024, Princeton Instruments
) collegato ad esso. Il gating del rivelatore e la tempistica per l'accumulo spettrale sono stati controllati da un PC mediante un generatore di impulsi di ritardo (PG200, Princeton Instruments
).
Vorremmo sottolineare che i risultati sperimentali presentati sono stati ottenuti usando impulsi laser una durata nanosecondo alcuni. Precisa gating tempo del sistema di analisi del plasma è normalmente necessaria, per evitare il forte, il contributo spettrale a banda larga da Bremsstrahlung
durante la prima fase dell'evoluzione del plasma [23] (in gran parte dovuto al plasma - Interazione radiazione laser). Sfruttando l'algoritmo di pattern recognition, descritto più avanti in questo documento, il tempo-gating del sistema di rilevamento non deve essere eccessivamente critico: i contributi di fondo a banda larga indesiderati sono contabilizzati automaticamente. Così il tempo di acquisizione può essere impostata fino a pochi millisecondi [24], piuttosto che i soliti intervalli di microsecondi; è necessaria solo corretta sincronizzazione per dell'impulso laser, in linea di principio. Quindi, rilevatori di generatori di ritardo /elettronici e fotonici meno sofisticati, come ad esempio fotomoltiplicatori semplici /alto guadagno diodi valanga potrebbe bastare nella costruzione di un dispositivo conveniente per monitorare la luce dal plasma luminoso. Inoltre, ci piace notare che per impulsi laser di picosecondo o sub-picosecondi durata plasma - interazione radiazione laser è molto più breve, e normalmente Bremsstrahlung
non gioca un ruolo molto significativo sulla scala temporale dello spettro utilizzato per elementale analisi. Normalmente, inferiore bremsstrahlung
sfondi sono anche incontrati quando si usa radiazioni laser UV per generare il plasma di ablazione.
Analisi discriminante
ogni spettro raccolto con uno strumento LIBS è un "finger-print" del materiale in fase di analisi e le condizioni in cui sono stati raccolti. La maggior parte degli sforzi nella ricerca LIBS quantitativa sono stati volti a normalizzare le condizioni e le procedure di raccolta spettro, in modo che gli spettri sono sufficientemente riproducibile per analisi quantitativa precisa, fino alla sensibilità di rilevazione di poche parti per milione. Nel processo di monitoraggio descritto qui, questa sofisticazione non è veramente necessario.
Condizione che i relativi fluttuazioni di intensità relative alla riproducibilità della tecnica misura stessa sono più piccoli quindi le variazioni di segnale attesi associati alle distribuzioni elemento nel campione, gli spettri consentire la distinzione tra conclusiva composizione dei campioni specifici. Ciò è dovuto al fatto che le irregolarità complessive nella procedura di raccolta spettro possono essere incluse nella "impronta digitale" tolleranza del campione. Così, un tasso di identificazione di quasi il 100% è possibile [25]. Il limite di questa ipotesi si avvicina quando i gruppi di campioni da identificare sono molto simili, cioè campioni della stessa matrice tendono a questo limite se le loro composizioni in tracce non differiscono in modo significativo tra i singoli campioni. Tuttavia, questo non rappresenta un problema nel caso presentato qui; solo differenziazione tra il tessuto cariato e sano deve essere raggiunto. Questo è facile da realizzare utilizzando l'algoritmo di pattern recognition qui considerato. Come una nota di cautela si deve aggiungere che, la carie nelle sue fasi iniziali potrebbero rappresentare una sfida per l'algoritmo di riconoscimento perché la differenza di tessuto sano non può essere molto grande. Tuttavia, abbiamo dimostrato per una serie di matrici con differenze compositive solo sottili che il nostro metodo è ancora successo [25].
Più comunemente conosciuta come Analisi Discriminante
in spettroscopia, l'obiettivo di qualsiasi algoritmo di riconoscimento modello è in modo inequivocabile determinare l'identità o la qualità di un campione sconosciuto rispetto a un database di riferimento. Ci sono due applicazioni di base per l'analisi spettroscopica discriminante: (i) di purezza del materiale /determinazione di qualità, e (ii) l'identificazione dei materiali /di screening. In questo lavoro ci siamo concentrati su quest'ultimo punto, dal momento che - a sottolineare questo ancora una volta - solo l'identificazione univoca è un problema per il monitoraggio della differenza tra tessuto sano e cariato. Essa diventerà evidente dalla discussione più avanti che la carie anche riconoscere nelle sue prime fasi di sviluppo dovrebbe essere possibile in linea di principio.
Materiale identificazione e il metodo di Mahalanobis distanza di spettro corrispondenza
Quando l'analisi discriminante è utilizzato in prodotti di identificazione , o di un prodotto di screening modalità, lo spettro del campione "sconosciuto" può essere confrontato con più modelli discriminanti. Ogni modello è costruito dagli spettri raccolti da campioni rappresentativi dei vari gruppi di materiali, come definito dalla composizione dei campioni. Un'indicazione per la probabilità di spettro corrispondenza uno di questi gruppi emerge dall'analisi e ogni campione può quindi essere classificato come "match" o come "no-match" (vedi Figura 2). Questa identificazione può essere visualizzato su un visivamente (schermo di computer ad esempio) monitor, o per l'identificazione rapida può essere sotto forma di un segnale sonoro essendo attivata quando es il passaggio dalla carie al materiale del dente sano è stato identificato. Ci piace notare che, in linea di principio, un solo modello discriminante con il suo database correlato (training set) sarebbe sufficiente per l'identificazione della carie. Detta base dati deve racchiudere spettri da una vasta selezione di denti sani di fornire un mezzo statistico di concentrazione dell'elemento dispersione; ogni deviazione al di fuori di tale limite statistico può quindi essere associato con il tessuto cariato. D'altra parte, l'algoritmo deve essere "addestrati" per includere solo caratteristiche spettrali che sono potenzialmente associati alla carie poiché altre concentrazioni elementari possono anche cambiare, per altre cause (ad esempio la presenza di un ripieno dente). Per tener conto di cause come quella di cui potrebbe essere necessario aggiungere per identificare in modo inequivocabile l'effetto della carie modelli discriminanti aggiuntivi. Figura 2 Principio di applicazioni di identificazione /di screening di campioni sulla base di analisi discriminante, qui per avvertimento quando il materiale dente sano è mirato durante la perforazione laser. Esistono
numerosi algoritmi che possono essere utilizzati per valutare la somiglianza di uno spettro misurato con il training set . Qui, la descrizione è stato limitato all'algoritmo di interesse, vale a dire il cosiddetto Mahalanobis distanza
metodo.
Per calcolare la distanza di Mahalanobis
(M.DIST),
Principio Analisi delle Componenti (APC) viene utilizzato. PCA è un tipico approccio analitico, che fa normalmente parte di qualsiasi pacchetto software di analisi dei dati spettrali, e, quindi, ci asteniamo qui di fornire ampi dettagli di tali metodi di analisi e algoritmi, ma solo fornire un quadro procedurale generale. In PCA /M.DIST serie di formazione analisi di spettri vengono scomposte in una serie di spettri matematici chiamati fattori
che, se sommati, ricostruire lo spettro originale. Il contributo qualsiasi fattore rende ad ogni spettro è rappresentato da un coefficiente di scala
o punteggio
, che è calcolato per tutti i fattori identificati dal training set. Così, conoscendo l'insieme dei fattori per l'intero insieme di addestramento, i punteggi rappresenteranno gli spettri più accuratamente le risposte originali a tutti i lunghezze d'onda [25].
Campioni oggetto di analisi
In questo studio, abbiamo studiato diversi denti campioni con e senza carie - prevalentemente denti molari e canini di adulti. Nessun trattamento speciale campione è stato effettuato; denti estratti sono stati appena lavati in acqua distillata e essiccato all'aria. Un centinaio di cinquantanove (159) estratto denti con diversa estensione della carie evidenti (123 molari e 36 denti canini di adulti), che sono stati valutati utilizzando esame visivo da esaminatori addestrati, sono stati utilizzati per i risultati discussi in questa pubblicazione. La difficile da rilevare precoci lesioni cariose, come in pozzi o fessure, generalmente non pigmentato o lesioni piatte bianchi non sono stati inclusi nello studio. Questo perché l'analisi istopatologica, per una corretta distinzione tra il tessuto cariato e sano in questi casi non evidenti, non era disponibile al momento dello studio. Tale esame estesa è in preparazione, in collaborazione con due pratiche dentali e un ospedale.
maggior parte degli esperimenti sono stati condotti in vitro
. Inoltre, un esperimento test è stato condotto anche in vivo
su un dente molare di un volontario adulto. Quest'ultimo esperimento è stato effettuato a bassissima irraggiamento laser, appena al di sopra della soglia di ablazione in cui la densità di potenza non è sufficiente a causare un danno notevole al dente ma comunque è creato un plasma luminoso.
Risultati e discussione
Il Mahalanobis distanza metodo per la corrispondenza di LIBS spettri di campioni di denti
al fine di testare questa analisi discriminante nella identificazione dei campioni di tessuto cariato /sane, dieci voci del database sono stati costruiti dagli spettri raccolti per formare dieci analisi discriminante
modelli separati, cinque ciascuno dai tessuti cariati e sani. sono stati utilizzati sei intervalli spettrali distinte che coprono una vasta gamma di elementi di matrice e non-matrice; gli spettri relativi sono mostrati in Figura 3. In questo modo sei coppie di identificatori "sani /malati" sono stati generati. Come sottolineato nostra precedente, in linea di principio un unico modello sarebbe probabilmente sufficiente ma avere più di un decisore migliora naturalmente sulla precisione di identificazione. Figura 3 selezionato LIBS spettri da una parte dello smalto del dente, registrata in una posizione affetto da carie (full traccia line) e ad un suono, posizione inalterata (linea tratteggiata traccia). Nella sezione carie colpite (a) Ca
diminuisce a scapito di Mg
; (B) Ca
diminuisce a scapito della Li
; (C) Ca
diminuisce a scapito di Ba Comprare e vendere Sr; (D) Ca Comprare e P
diminuisce a scapito di Zn Comprare e C
; (E) Ca
diminuisce a scapito della Na
; e (f) Ca
diminuisce a scapito di K
e Mg
.
per la creazione di modelli di analisi discriminante un elenco degli spettri training set è stato semplicemente inserito nelle PLS Plus /IQ
attaccamento programma per /32
pacchetto GRAMMI valutazione spettrale software (Galactic software Ltd.) e collegati tra loro con i codici macro in-house scritte per la presentazione visiva (e audio) dei risultati delle analisi. Il programma ha generato un modello di analisi discriminante per ogni campione, usando i metodi descritti nel paragrafo precedente, a fronte dei quali sono stati abbinati spettri di prova. Quando si controlla l'identità di spettri "sconosciuti" raccolti da una serie di campioni di denti, tutti sono stati identificati come sia
definita o possibile
corrisponde ai modelli di analisi sani o malati di tessuto discriminante, anche se solo uno dei sei identificatore regioni spettrali è stato utilizzato.
il principale costituente della struttura dello smalto cristallina e la matrice della dentina del dente è idrossiapatite, Ca
10 (PO
4) 6 (OH
) 2 la cui assoluta abbondanza è nettamente diverso per il tessuto dentale sano, e dei tessuti colpiti da carie. Per i denti colpiti le relative concentrazioni degli elementi di matrice Ca
e P
diminuirà severamente. D'altra parte, gli elementi (non-matrice) non mineralizzanti, ad esempio zinco e materiali organici (la presenza della linea nm carbonio 193 è indicativo per questi) aumentare fortemente; vedi figura 3d. Un indicatore simile per l'effetto di attacco carie è il notevole aumento di stronzio,
Sr, e bario, Ba
, in relazione all'elemento di matrice Ca
; Figura 3c.
Nei modelli analisi discriminante utilizzato qui il risultato importante è il M.DIST
valore. A seconda di questo, un passaggio
(P) - tessuto sano, possibile
(?) - /Tessuto cariato sano o non
(F) - tessuto cariata - risultato è stato restituito nelle prove Limiti, relative a particolari gruppi campione di riferimento. Prove effettuate su centinaia di spettri registrati da una moltitudine di differenti denti mostrato prove conclusive che utilizzando il M.DIST
valori spettri potrebbe essere classificato correttamente nei due gruppi di campioni distinti, vale a dire suono, dente sano zona
/carie colpite zona dente
.
il valore M.DIST è effettivamente una misura della similarità di uno spettro "sconosciuto" per un gruppo di spettri di formazione. Così il valore M.DIST in modelli analisi discriminante segnalazione di un "FAIL
" risultato è normalmente alto, il che indica che i contributi spettrali dei singoli elementi sono molto diversi per esempio sano e campioni della carie colpite. si riscontrano i valori M.DIST più piccoli per un modello che dà un "fail
" Risultato delle variazioni meno elementari. Su questa base fluttuazioni statistiche negli spettri, causate da variazioni inevitabili impulso a impulso di intensità, può anche essere contabilizzati nel modulo di predizione
regolando il M.DIST pass /fail
limiti in modo appropriato [25].
Come è il caso in tutti Quantitative Analisi multivariata avvicina, è necessaria l'applicazione attenta se la tecnica deve essere applicato sia correttamente e con successo. Ad esempio, i limiti entro i quali i valori M.DIST indicano uno stato di partita PASS,
POSSIBILE o non riescono Quali sono spesso definiti per impostazione predefinita come & lt; 2, 2-3, e & gt; 3, rispettivamente. Ad esempio, spettroscopisti Raman spesso usano valori maggiori di questi, ad esempio & Lt; 5, 5-15, e & gt; 15, rispettivamente. Pertanto, tali limiti devono sempre essere determinati prima di una applicazione pratica, come ad esempio la distinzione tra materiale del dente sano e carie colpite. I fattori che determinano tali limiti analisi LIBS sono (i) riproducibilità spettro e (ii) l'omogeneità del campione a campione. Testando i modelli prodotti con spettri raccolti casualmente da campioni di materiale che essi rappresentano (carious o suono tessuto dentale), l'intervallo di valori M.DIST, che dà una identificazione positiva può essere trovato. Se questo non viene fatto, allora il modello potrebbe erroneamente miss-identificare i materiali.
Inoltre, regolando con attenzione i limiti M.DIST, scarsa riproducibilità può in linea di principio essere rappresentato, a condizione che vi sono differenze elementari sufficienti nei campioni da ordinare , si possono osservare tale che chiare variazioni delle risposte spettrali. Con riferimento alla figura 3 infatti grandi differenze nella firma spettrale di tessuto sano e cariato colpite sono incontrati, e abbiamo dimostrato che a differenza di questi casi evidenti, differenze sottili possono anche essere distinti (il che significa che anche il rilevamento delle lesioni cariose precoci dovrebbe essere fattibile). Questo sarà discusso più avanti, anche con riferimento alla scelta dei valori limite M.DIST.
Infine, ci piace sottolineare che l'analisi multivariata è piuttosto intuitivo per il non esperto da una semplice rappresentazione grafica del modello statistico può normalmente non essere dato, come è il caso in univariata. All'analisi univariata una statistica di distribuzione f (x)
è tracciata contro la sua variabile x
, esibendo un parametro larghezza (limite di confidenza) ± Ax,
o ± σ. All'analisi multivariata, ci sono molte variabili x
I
, e la funzione richiederebbe una trama multidimensionale. Per uno spettro con fino a poche centinaia di punti di dati (variabili) non può essere percepito. Il valore M.DIST può grossolanamente essere interpretato come una sorta di limite di confidenza, simile a σ in analisi univariata. Per chiarire questo punto, un esempio di analisi univariata è data più avanti. Si noti che nella maggior parte dei casi di analisi di ben educati algoritmi di dati multivariati forniranno riduzione degli errori rispetto agli algoritmi univariati.
Applicazione del metodo Mahalanobis Distanza mappatura dei denti cariati
Dall'analisi ripetizione degli spettri raccolti da varie campioni di denti, si può tranquillamente concludere che la distanza algoritmo di Mahalanobis aveva il potenziale di fornire uno strumento superiore per la corrispondenza spettri LIBS e di individuare "sconosciuto" sound /materiali cariose. In questo studio abbiamo realizzato vicino alla individuazione del 100%; un solo campione singolo è stato male interpretato durante le nostre misure di controllo.
Questo risultato è davvero notevole, dal momento che gli spettri raccolti in questo studio sono stati registrati per le impostazioni non ottimizzati. Il distale-terminale della fibra ottica è stata appena montato alla distanza di circa 2 mm dal campione per in vitro sulle applicazioni, e per gli vivo
misurazioni nella fibra è semplicemente tenuto a mano, mentre ablazione dente.
ogni spettro è stato accumulato per soli dieci eventi di plasma laser-indotta. Meno impulsi laser a spettro sono stati usati a volte per accelerare il processo di analisi, ma questo era a scapito della riproducibilità spettro, e quindi leggermente ridotta probabilità di identificazione.
Gli spettri formazione utilizzata in questo studio sono stati ottenuti da una gamma di campioni denti in vitro
-. cioè dal dente estratto forniti dai dentisti
un esempio per la forza del metodo di analisi può essere visto nella figura 4. Qui una misurazione in vitro è stata effettuata su un dente carie colpite per mappare le aree di tessuto "sano" e "malata". La regione spettrale utilizzata in questo caso specifico era che indicato in figura 3a (sostanzialmente compresi gli elementi Mg Comprare e Ca
).
