DOI QR코드

DOI QR Code

Classification of Tablets Using a Handheld NIR/Visible-Light Spectrometer

휴대형 근적외선/가시광선 분광기를 이용한 의약품 분류기법

  • Received : 2017.06.28
  • Accepted : 2017.08.08
  • Published : 2017.08.31

Abstract

It is important to prescribe and take medicines that are appropriate for symptoms, since medicines are closely related to human health and life. Moreover, it becomes more important to accurately classify genuine medicines with counterfeit, since the number of counterfeit increases worldwide. However, the number of high-quality experts who have enough experience to properly classify them is limited and there exists a need for the automatic technique to classify medicine tablets. In this paper, we propose a method to classify the tablets by using a handheld spectrometer which provides both Near Infra-Red (NIR) and visible light spectrums. We adopted Support Vector Machine(SVM) as a machine learning algorithm for tablet classification. As a result of the simulation, we could obtain the classification accuracy of 99.9 % on average by using both NIR and visible light spectrums. Also, we proposed a two-step SVM approach to discriminate the counterfeit tablets from the genuine ones. This method could improve both the accuracy and the processing time.

의약품은 인간의 건강 및 생명과 밀접한 관련이 있기 때문에 증상에 맞는 의약품을 처방받아 복용하는 것은 매우 중요한 문제이다. 더욱이 세계적으로 위조 의약품이 증가하는 상황에서 정품 의약품들을 정확하게 분류하는 기술은 점점 중요해진다. 그러나 의약품을 제대로 분류할 수 있는 전문적인 지식을 갖춘 인력이 제한적이라는 측면에서 의약품을 자동적으로 분류하는 기술이 필요하다. 본 논문에서는 휴대용 분광기를 이용하여 의약품의 근적외선 및 가시광선 스펙트럼을 추출하고, Support Vector Machine(SVM) 기법을 이용하여 추출한 스펙트럼 데이터를 학습시켜 분류하는 방법을 제안하였다. 모의실험을 통해 근적외선과 가시광선 스펙트럼 데이터를 사용하여 6종의 의약품을 학습시키고 분류하였을 때 평균적으로 99.9 %의 정확도를 얻었다. 또한 본 논문에서는 위조 의약품 검출을 위한 2단계 SVM 분류 기법을 제안하였으며, 이를 통해 정품과 위조 의약품을 구분하는 정확도가 향상되고, 처리속도가 개선되는 것을 확인하였다.

Keywords

References

  1. 장병준, 홍인기, 황선한, "전파의 원리와 이동통신 응용", 한국통신학회(정보와 통신), 32(9), pp. 4-12, 2015년 8월.
  2. Pharmaceutical Security Institute, Counterfeit Situation, PSI Report, 2016.
  3. WHO, "Growing threat from counterfeit medicines", Bull. World Health Organization, vol. 88, no. 4, pp. 241-320, Apr. 2010. https://doi.org/10.2471/BLT.10.000410
  4. K. A. Deisingh, "Pharmaceutical counterfeiting", Analyst, vol. 130, pp. 271-279, 2005. https://doi.org/10.1039/b407759h
  5. F. M. Fernandez, M. D. Green, and P. N. Newton, "Prevalence and detection of counterfeit pharmaceuticals: a mini review", Ind. Eng. Chem. Res., vol. 47, no. 3, pp. 585-590, 2008. https://doi.org/10.1021/ie0703787
  6. K. Degardin, Y. Roggo, and P. Margot, "Understanding and fighting the medicine counterfeit market", J. Pharm. Biomed. Anal., vol. 87, pp. 167-175, 2014. https://doi.org/10.1016/j.jpba.2013.01.009
  7. S. Han, H. J. Bae, J. Kim, S. Shin, S.-E. Choi, S. H. Lee, S. Kwon, and W. Park, "Lithographically encoded polymer microtaggant using high-capacity and error correctable QR code for anti-counterfeiting of drugs", Adv. Mater., vol. 24, pp. 5924-5929, 2012. https://doi.org/10.1002/adma.201201486
  8. 김정준, 김태훈, 류강수, 이대식, 이종학, 박길흠, "실시간 약통 분류를 위한 계층적 신경회로망", 한국지능시스템학회논문지, 23(3), pp. 226-231, 2013년 6월. https://doi.org/10.5391/JKIIS.2013.23.3.226
  9. P. Y. Sacre, E. Deconinck, T. De Beer, P. Courselle, R. Vancauwenberghe, P. Chiap, J. Crommen, and J. O. De Beer, "Comparison and combination of spectroscopictechniques for the detection of counterfeit medicines", J. Pharm. Biomed. Anal., vol. 53, no. 3, pp. 445-453, 2010. https://doi.org/10.1016/j.jpba.2010.05.012
  10. 정회일, 김효진, "근적외선 분광법의 원리", 분석과학, 13(1), pp. 138-151, 2000년 2월.
  11. 윤성운, 김재열, 마상동, 김명윤, "근적외선 분광기술을 이용한 휴대용 감귤 당도 선과기 성능특성에 관한 연구", 한국생산제조학회지, 15(5), pp. 1-6, 2006년 10월.
  12. 이남윤, 배혜리, 노봉수, "근적외선 분광광도법을 이용한 송이버섯의 원산지 판별", 한국식품과학회지, 38(6), pp. 835-837, 2006년 12월.
  13. F. E. Dowell, E. B. Maghirang, F. M. Fernandez, P. N. Newton, and M. D. Green, "Detecting counterfeit antimalarial tablets by near-infrared spectroscopy", J. Pharma. Biomed. Anal., vol. 48, no. 3, pp. 1011-1014, 2008. https://doi.org/10.1016/j.jpba.2008.06.024
  14. K. Degardin, A. Guillemain, N. Viegas Guerreiro, and Y. Roggo, "Near infrared spectroscopy for counterfeit detection using a large database of pharmaceutical tablets", J. Pharm. Biomed. Anal., vol. 128, pp. 89-97, 2016. https://doi.org/10.1016/j.jpba.2016.05.004
  15. A. Guillemain, K. Degardin, and Y. Roggo, "Performance of NIR handheld spectrometers for the detection of counterfeit tablets", Talanta, vol. 165, pp. 632-640, 2017. https://doi.org/10.1016/j.talanta.2016.12.063
  16. 허아영, 최승원, 이재훈, 김태형, 박동조, "초분광 분해기의 광학계 설계 및 영상 처리", 한국군사과학기술학회지, 13(2), pp. 328-335, 2010년 4월.
  17. http://www.stratiokorea.com/korea/korea.asp
  18. C. C. Chang, C. J. Lin, "LIBSVM: A library for support vector machines", ACM Trans. Intelligent Systems and Technology, vol. 2, no. 3, pp. 1-39, 2011.
  19. C. J. C. Burges, "A tutorial on support vector machines for pattern recognition", Data Mining and Knowledge Discovery, vol. 2, pp. 121-167, 1998. https://doi.org/10.1023/A:1009715923555
  20. A. Savitsky, M. Golay, "Smoothing and differentiation of data by simplified least-squares procedures", Anal. Chem., vol. 36, no. 8, pp. 1627-1639, 1964. https://doi.org/10.1021/ac60214a047