使用多元分析技术，例如主成分分析-最小二乘法（PCA–ILS），已成为从体内快速扫描循环伏安（FSCV）数据中分离信号的标准方法，因为它具有出色的噪声去除和干扰源识别功能。检测能力。但是，为PCA–ILS模型构建收集单独的训练数据的要求增加了实验的复杂性，因此，这已成为近期争议的源头。在这里，我们探索了另一种方法，即多元曲线分辨率-交替最小二乘（MCR–ALS），从而在保留多元分析优势的同时，规避了此问题。与PCA–ILS相比，后者依赖于用户对组件编号和配置文件的明确定义，MCR–ALS依靠各个化学成分的独特时间特征来确定分析物的轮廓。但是，由于增加了模型自由度，MCR–ALS的正确部署需要仔细考虑模型参数，并对可能的模型解决方案施加约束。因此，表征了实现有意义的MCR-ALS模型的方法。通过使用以前报道的技术，可以看出，MCR–ALS可以产生与PCA–ILS相似的结果，并且可以作为PCA–ILS的有用补充或替代，以从FSCV数据中隔离信号。描述了实现有意义的MCR-ALS模型的方法。通过使用以前报道的技术，可以看出，MCR–ALS可以产生与PCA–ILS相似的结果，并且可以作为PCA–ILS的有用补充或替代，以从FSCV数据中隔离信号。描述了实现有意义的MCR-ALS模型的方法。通过使用先前报道的技术，可以看出，MCR–ALS可以产生与PCA–ILS相似的结果，并且可以作为PCA–ILS的有用补充或替代，以从FSCV数据中隔离信号。



"点击查看英文标题和摘要"