DyeSPY:建立了头发染料颜料证据的第一个法医SERS参考

科学领域:

• 法医科学 法医科学 法医科学
• 分析化学 分析化学
• 频谱学是一种光谱学.

背景情况:

• 染发分析对于法医识别至关重要,但目前的方法往往具有破坏性或缺乏敏感性.
• 表面增强拉曼光谱 (SERS) 为微量残留分析提供了一个有前途的非破坏性,高度敏感的替代方案.

研究的目的:

• 推出DyeSPY,这是第一个法医SERS和机器学习平台,用于识别氧化和非氧化染色剂.
• 开发一条可靠的管道,用于准确识别头发染料和感知色彩预测.
• 建立一个法医级的框架,用于发染色分析.

主要方法:

• 开发一个三阶段分类管道,集成SERS和机器学习算法.
• 用了部分最小平方区分分析来对染料类型进行分类 (氧化与非氧化).
• 通过线性光谱混合和人工神经网络进行合成训练,以使用共弦相似度进行着色剂识别和颜色预测.

主要成果:

• 第一个阶段在头发上分辨氧化和非氧化染料时达到高达98.6%的准确性.
• 第二阶段证明了高准确度的染料识别,非氧化染料的F1得分为0.88,氧化染料的完美分类 (F1=1.00).
• 第三阶段预测感知颜色的准确度超过97.5%,在外部数据集上得到验证.

结论:

• DyeSPY提供了一个法医级的框架,用于准确和可解释的头发染料分析.
• 该平台集成了稳定和反应性染料系统的化学信息建模.
• 这种SERS和机器学习方法提供了一个快速,非破坏性和敏感的解决方案,用于法医染发剂识别.