CN109668850A - 基于紫外指纹图谱的中药药性识别方法及系统 - Google Patents
基于紫外指纹图谱的中药药性识别方法及系统 Download PDFInfo
- Publication number
- CN109668850A CN109668850A CN201910152175.7A CN201910152175A CN109668850A CN 109668850 A CN109668850 A CN 109668850A CN 201910152175 A CN201910152175 A CN 201910152175A CN 109668850 A CN109668850 A CN 109668850A
- Authority
- CN
- China
- Prior art keywords
- chinese medicine
- sample
- ultraviolet
- fingerprint
- ultraviolet fingerprint
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000003814 drug Substances 0.000 claims abstract description 174
- 230000000144 pharmacologic effect Effects 0.000 claims abstract description 41
- 206010037660 Pyrexia Diseases 0.000 claims abstract description 35
- 229940079593 drug Drugs 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 14
- 229940124579 cold medicine Drugs 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 9
- 239000012141 concentrate Substances 0.000 claims description 7
- 238000002211 ultraviolet spectrum Methods 0.000 claims description 4
- 238000000354 decomposition reaction Methods 0.000 claims description 2
- 238000011156 evaluation Methods 0.000 claims description 2
- 239000004615 ingredient Substances 0.000 abstract description 9
- 239000000463 material Substances 0.000 abstract description 7
- 239000000203 mixture Substances 0.000 abstract description 6
- 239000002904 solvent Substances 0.000 description 13
- RTZKZFJDLAIYFH-UHFFFAOYSA-N Diethyl ether Chemical compound CCOCC RTZKZFJDLAIYFH-UHFFFAOYSA-N 0.000 description 8
- 230000003595 spectral effect Effects 0.000 description 6
- HEDRZPFGACZZDS-UHFFFAOYSA-N Chloroform Chemical compound ClC(Cl)Cl HEDRZPFGACZZDS-UHFFFAOYSA-N 0.000 description 4
- 239000003208 petroleum Substances 0.000 description 4
- 239000000843 powder Substances 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 238000010521 absorption reaction Methods 0.000 description 3
- 238000012512 characterization method Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 229960000935 dehydrated alcohol Drugs 0.000 description 2
- 230000004069 differentiation Effects 0.000 description 2
- 239000012153 distilled water Substances 0.000 description 2
- 230000000857 drug effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Chemical compound O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241001269238 Data Species 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 239000009636 Huang Qi Substances 0.000 description 1
- 241001248610 Ophiocordyceps sinensis Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 240000001341 Reynoutria japonica Species 0.000 description 1
- 235000018167 Reynoutria japonica Nutrition 0.000 description 1
- 210000003056 antler Anatomy 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002265 electronic spectrum Methods 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 229910052602 gypsum Inorganic materials 0.000 description 1
- 239000010440 gypsum Substances 0.000 description 1
- 241000411851 herbal medicine Species 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- VYQNWZOUAUKGHI-UHFFFAOYSA-N monobenzone Chemical compound C1=CC(O)=CC=C1OCC1=CC=CC=C1 VYQNWZOUAUKGHI-UHFFFAOYSA-N 0.000 description 1
- 231100000252 nontoxic Toxicity 0.000 description 1
- 230000003000 nontoxic effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 241000894007 species Species 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- -1 therefore Substances 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000010415 tropism Effects 0.000 description 1
- 235000013311 vegetables Nutrition 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/33—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using ultraviolet light
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Medicines Containing Plant Substances (AREA)
Abstract
本公开提出了一种基于紫外指纹图谱的中药药性识别方法及系统,通过研究中药寒热药性与物质成分的相关关系,从紫外图谱数据出发,通过中药成分数据构建预测模型,提出了一种新的中药紫外指纹图谱相似性度量方法,通过马氏距离度量中药成分相似性,对中药数据样本进行预测识别。采用仅针对中药的寒热性能的紫外图谱数据,建立中药寒热性的专用预测系统,大大提高了预测识别的准确性。
Description
技术领域
本公开涉及中药相关技术领域,具体涉及基于紫外指纹图谱的中药药性识别方法及系统。
背景技术
本部分的陈述仅仅是提供了与本公开相关的背景技术信息,并不必然构成在先技术。
中药药性理论是中医理论体系的核心内容之一,也是中医辨证论治的依据。药性理论即是研究药物的性质、性能及其运用规律的理论。狭义的药性指性味、归经、升降浮沉等;广义的药性还包括中药的配伍、无毒有毒、用药禁忌、十八反、十九畏等。
作为传统中医药的核心理论,中药药性理论在近年来已经得到了广泛的探索与研究。中药药性理论将中药分为温、热、寒、凉四性,而寒热药性是中药的主要药性,“寒者热之,热者寒之”表明中药的寒热辩证是中医治疗的重要依据。已有研究指出:药效决定了中药的寒热药性,而药效的基础是其所含物质成分,因此,物质成分是产生中药药性的基础。现代中药药性研究重点聚焦于中药寒热药性与物质成分相关关系的研究,首先使用中药化学指纹图谱技术、中药功效主治或者代谢组学表征中药特性,然后构建人工智能预测模型,对未知中药的药性进行判别预测。现有的经典预测方法虽然可以对中药寒热药性进行预测,但是结果的准确性普遍较低,其主要原因应该是已有模型都是通用的分类器模型,而不是专门针对中药成分数据的特点进行分类建模。
发明内容
本公开为了解决上述问题,提出了一种基于紫外指纹图谱的中药药性识别方法及系统,研究中药寒热药性与物质成分的相关关系,根据物质成分相似的中药,其药性也是相似的理论,从紫外图谱数据出发,提出了一种新的中药紫外指纹图谱相似性度量方法,通过马氏距离度量中药成分相似性,建立中药寒热药性预测模型,对未知药性中药数据样本进行预测识别。采用针对中药的寒热性能的紫外图谱数据,建立中药寒热性的专用预测系统,大大提高了预测识别的准确性。
为了实现上述目的,本公开采用如下技术方案:
一个或多个实施例提供了基于紫外指纹图谱的中药药性识别方法,包括以下步骤:
根据已知寒热药性的中药,获得已知寒热药性中药的紫外指纹图谱数据,构建中药紫外指纹图谱样本数据集;提取待识别药性的中药的紫外指纹图谱,获得待识别药性中药的紫外指纹图谱数据;根据已知寒热药性中药的紫外指纹图谱样本数据集和待识别中药的紫外指纹图谱数据,计算中药紫外指纹图谱相似性,也即计算待识别中药的指纹图谱数据与紫外指纹图谱样本数据集中的每一个样本的马氏距离dk;对获得的马氏距离dk进行排序,计算样本数据集中与待测样本相似性大的前K个样本的相似性权值;根据相似性权值计算待识别中药的寒性概率或者热性概率;根据待识别中药的寒性概率或者热性概率判断待测中药是寒性药还是热性药。本公开采用紫外图谱数据表征中药成分构建预测模型,提出了一种新的中药紫外指纹图谱相似性度量方法,通过马氏距离度量中药成分相似性,对未知中药数据样本进行预测识别。采用仅针对中药的寒热性能的紫外图谱数据,建立中药寒热性的专用预测系统,大大提高了预测识别的准确性。
与现有技术相比,本公开的有益效果为:
本公开提出了一种基于紫外指纹图谱的中药药性识别方法及系统,通过研究中药寒热药性与物质成分的相关关系,以紫外图谱表征中药成分数据构建预测模型,提出了一种新的中药紫外指纹图谱相似性度量方法,通过马氏距离度量中药成分相似性,对中药数据样本进行预测识别。采用仅针对中药的寒热性能的紫外图谱数据,建立中药寒热性的专用预测系统,大大提高了预测识别的准确性。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的限定。
图1是本申请第一个实施例的流程图;
图2为本申请第二个实施例的系统功能模块图。
具体实施方式:
下面结合附图与实施例对本公开作进一步说明。
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,当在本说明书中使用术语“包含”和/或“包括”时,其指明存在特征、步骤、操作、器件、组件和/或它们的组合。需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将结合附图对实施例进行详细描述。
实施例1
在一个或多个实施方式中公开的技术方案中,如图1所示,基于紫外指纹图谱的中药药性识别方法,包括以下步骤:
步骤1、根据已知寒热药性的中药,获得已知寒热药性中药的紫外指纹图谱数据,构建中药紫外指纹图谱样本数据集;
步骤2、提取待识别药性的中药的紫外指纹图谱,获得待识别药性中药的紫外指纹图谱数据;
步骤3、根据已知寒热药性中药的紫外指纹图谱样本数据集和待识别中药的紫外指纹图谱数据,计算中药紫外指纹图谱相似性,也即计算待识别中药的指纹图谱数据与紫外指纹图谱样本数据集中的每一个样本的马氏距离dk;
步骤4、对获得的马氏距离dk进行排序,计算样本数据集中与待测样本相似性大的前K个样本的相似性权值;
步骤5、根据相似性权值计算待识别中药的寒性概率或者热性概率;
步骤6、根据待识别中药的寒性概率或者热性概率判断待测中药是寒性药还是热性药,并输出识别结果。
紫外光谱是分子中某些价电子吸收了一定波长的电子波,由低能级跃进到高能级而产生的一种光谱,也称为电子光谱,目前使用的紫外光谱仪的波长范围为200-800nm,紫外光谱仪检测的紫外光谱图中包含了峰位置、峰个数分别用于表示化学成分的个数和相对位置,峰高或者峰面积用于表示各化学成分的含量。为实现紫外光谱图的定量描述,本实施例可以将紫外光谱数据定义为波长和对应波长的吸收度。光谱图中以横坐标作为波长,纵坐标作为吸收度。
中药紫外指纹图谱的可以通过相应的试剂将中药溶解后,通过紫外光谱仪进行检测获取,再减去溶剂本身的背景吸收,获得相应中药的紫外指纹图谱。可以在溶剂无吸收的波长范围内测量,对于溶剂,无吸收的波长范围称为溶剂的透明范围。可以选择任意溶剂测得紫外光谱数据,溶剂可以为:蒸馏水、无水乙醇、三氯甲烷或者石油醚等,各个溶剂的透明范围如下:蒸馏水为210nm-400nm、无水乙醇为200nm-400nm、三氯甲烷为240nm-400nm、石油醚240nm-400nm。本实施例溶剂可以选择为石油醚溶剂,采用石油醚作为溶剂测得的紫外指纹图谱准确性更高。
步骤1和步骤2中的中药紫外指纹图谱数据提取可以采用相同的溶剂提取,本实施例具体的中药紫外指纹图谱数据的提取方法如下:①制备样品:将中药粉碎制成粉末,分别按照设定的比例将粉末加入到溶剂中,第一次称量重量。具体的可以粉碎后采用80目筛或者符合要求的粉末,再将0.5g粉末加入到50ml溶剂中。②在室温条件下采用超声波提取,提取后第二称量重量,并加入相应的溶剂补足减失的重量,得到待测溶液。超声波提取的时间可以设定为30分钟至60分钟,优选的,可以设定为45分钟,可以达到最大且稳定的提取率。③在设定的光谱条件下测定待测溶液的紫外指纹图谱,光谱条件:扫描范围为400nm-190nm;狭缝为1nm,可以采用此光谱条件对上述待测溶液进行测定,从而获得中药紫外指纹图谱,并提取中药紫外指纹图谱数据即波长及对应波长的吸收率。
在步骤2和1中还包括对获得的紫外指纹图谱进行预处理的步骤,预处理后提取相应的紫外图谱数据,通过预处理不仅可以去除噪声、校正基线、而且可以对数据进行降维、以提高统计识别模型的准确度。
所述预处理方法可以采用如下步骤:
数据分箱:可以采用滑动窗扫描统计量、扫描原始图谱,将相邻的数据归入箱,从而减少数据的维度。
谱线平滑:可以采用Savitzky-Golay平滑算法,可以减少因仪器使用不当或其他随机因素产生的噪声。
基线校正:用于将所有图谱的基线校正到同一位置。
标准化:将图谱中的峰强度值映射到统一的范围,从而增加不同图谱数据之间之间的可比性。
谱峰联配:不同样品测得的紫外指纹图谱中的不同物质可能会不对应于同一横坐标位置,谱峰联配用于将相同物质调整到同一横坐标位置,便于比较。可以采用基于快速傅里叶变换的峰调整关联算法。
中药品种繁多,本实施例根据《神农本草经》、新世纪规划教材《中药学》收载的历代常用药及年版《中华人民共和国药典》收录的药物为标准选择寒热药性明确植物药材作为研究对象,样本数据库的建立可以如下:热性药物可以选用如人参、鹿茸、刺五加、淫养藿、当归、冬虫夏草、黄芪、干姜等;寒性药物可以选用如白芍、生地、何首乌、石膏等。选择的样本库的样本数量可以根据需要设定。
所述步骤3判断建立的样本数据集中的样本数据与待测数据的相似性,即计算待识别中药的指纹图谱数据与紫外指纹图谱样本数据集中的每一个样本的马氏距离dk,具体方法步骤为:
步骤(3.1):将中药紫外指纹图谱样本数据集中样本表示为X=[x1,...,xn]∈Rd*n,其中xj是样本数据集的第j个中药指纹图谱样本,d是样本维数,n是样本总数;
步骤(3.2):通过微分散射判别准则计算投影矩阵A;
ρ为均衡参数,为设定值;tr(·)是矩阵的秩,I是单位矩阵,SW为类内散度矩阵,SB为类间散度矩阵;
其中,C为划分类别数,如果紫外指纹图谱数据被划分为寒性指纹图谱和热性指纹图谱,则划分类别数C等于2,N为样本数,Ni为第i类紫外指纹图谱样本数,为第i类紫外指纹图谱的第j个样本,ui为第i类紫外指纹图谱的样本均值,u0为所有紫外指纹图谱样本均值;
定义中间参数L=SW-ρSB,A写作:
用特征值分解求解公式(2)计算对应于指纹图谱集的投影矩阵A;
步骤(3.3):计算待识别中药的指纹图谱数据与中药指纹图谱数据集中的指纹图谱之间的马氏距离:
d(xi,xj)=||AT(xi-xj)|| (3)
其中,d(xi,xj)表示待识别中药中的指纹图谱xi与中药指纹图谱数据集中的指纹图谱xj之间的马氏距离;A表示待识别中药的指纹图谱对应的投影矩阵。
对获得的马氏距离dk进行排序,具体为按马氏距离dk由小到大的顺序进行排列。相似性由大到小的顺序,即根据马氏距离由小到大的顺序,排序可以根据需要进行,本实施例是查找相似性较大的样本,可以选择由相似性从大到小的排列,从而可以确定相似性较大的前K种样本,选择计算的样本数K的大小可以根据样品库的大小和判别精度设定,如建立的已知样品库中有30个样本,可以设定K为7到15范围内。
计算样本数据集中与待测样本相似性大的前K个样本的相似性权值,所述相似性权值可以通过如下公式计算:
Wk为相似性权值,dk为马氏距离。
待测药品的寒热性可以通过计算中药的寒性概率或者热性概率进行计算,根据相似性权值计算待识别中药的寒性概率可以通过如下公式计算:
根据相似性权值计算待识别中药的热性概率可以通过如下公式计算:
上述公式(5)和(6)中C是样本数据集中与待测样本相似性大的前K个样本中寒性中药的数量,H是前K个样本中热性中药的数量。
根据待识别中药的寒性概率或者热性概率判断待测中药是寒性药还是热性药的方法,可以为设定寒性概率阈值,阈值可以根据需要设置,可以设定为0.4-0.5,本实施例阈值可以直接设定为0.5,如果计算的寒性概率大于设定的寒性概率阈值,判定待测中药为寒性药,否则为热性药;
根据待识别中药的寒性概率或者热性概率判断待测中药是寒性药还是热性药的方法,还可以为设定热性概率阈值,阈值可以直接设定为0.5,如果计算的热性概率大于等于设定的热性概率阈值,判定待测中药为热性药,否则为寒性药;
或者还可以直接比较寒性概率或者热性概率的数值,如果寒性概率大于热性概率则判断待测中药为寒性药,否则为热性药。
实施例2
本实施例还提供了基于紫外指纹图谱的中药药性识别系统,如图2所示,包括:
样本数据集构建模块:根据已知寒热药性的中药,获得已知寒热药性中药的紫外指纹图谱数据,构建中药紫外指纹图谱样本数据集;
待识别中药的紫外指纹图谱数据获取模块:提取待识别中药的紫外指纹图谱,获得待识别中药的紫外指纹图谱数据;
中药紫外指纹图谱相似性计算模块:根据已知寒热药性中药的紫外指纹图谱样本数据集和待识别中药的紫外指纹图谱数据,计算中药紫外指纹图谱相似性,也即计算待识别中药的指纹图谱数据与紫外指纹图谱样本数据集中的每一个样本的马氏距离dk;
相似性权值计算模块:对获得的马氏距离dk进行排序,计算样本数据集中与待测样本相似性大的前K个样本的相似性权值;
寒性概率或者热性概率计算模块:根据相似性权值计算待识别中药的寒性概率或者热性概率;
寒热药性判别模块:根据待识别中药的寒性概率或者热性概率判断待测中药是寒性药还是热性药。
实施例3
本实施例还提供了一种电子设备,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成第一个实施例的方法步骤。
实施例4
本实施例还提供了一种计算机可读存储介质,用于存储计算机指令,所述计算机指令被处理器执行时,完成第一个实施例的方法步骤。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
上述虽然结合附图对本公开的具体实施方式进行了描述,但并非对本公开保护范围的限制,所属领域技术人员应该明白,在本公开的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本公开的保护范围以内。
Claims (10)
1.基于紫外指纹图谱的中药药性识别方法,其特征是,包括以下步骤:
根据已知寒热药性的中药,获得已知寒热药性中药的紫外指纹图谱数据,构建中药紫外指纹图谱样本数据集;
提取待识别药性的中药的紫外指纹图谱,获得待识别药性中药的紫外指纹图谱数据;
根据已知寒热药性中药的紫外指纹图谱样本数据集和待识别中药的紫外指纹图谱数据,计算中药紫外指纹图谱相似性,也即计算待识别中药的指纹图谱数据与紫外指纹图谱样本数据集中的每一个样本的马氏距离dk;
对获得的马氏距离dk进行排序,计算样本数据集中与待测样本相似性大的前K个样本的相似性权值;
根据相似性权值计算待识别中药的寒性概率或者热性概率;
根据待识别中药的寒性概率或者热性概率判断待测中药是寒性药还是热性药。
2.如权利要求1所述的基于紫外指纹图谱的中药药性识别方法,其特征是:所述计算待识别中药的指纹图谱数据与紫外指纹图谱样本数据集中的每一个样本的马氏距离dk,具体方法步骤为:
步骤(3.1):将中药紫外指纹图谱样本数据集中样本表示为X=[x1,...,xn]∈Rd*n,其中xj是样本数据集的第j个中药指纹图谱样本,d是样本维数,n是样本总数;
步骤(3.2):通过微分散射判别准则计算投影矩阵A;
ρ为均衡参数,为设定值;tr(·)是矩阵的秩,I是单位矩阵,SW为类内散度矩阵,SB为类间散度矩阵;
其中,C为划分类别数,如果紫外指纹图谱数据被划分为寒性指纹图谱和热性指纹图谱,则划分类别数C等于2,N为样本数,Ni为第i类紫外指纹图谱样本数,为第i类紫外指纹图谱的第j个样本,ui为第i类紫外指纹图谱的样本均值,u0为所有紫外指纹图谱样本均值;
定义中间参数L=SW-ρSB,A写作:
用特征值分解求解公式(2)计算对应于指纹图谱集的投影矩阵A;
步骤(3.3):计算待识别中药的指纹图谱数据与中药指纹图谱数据集中的指纹图谱之间的马氏距离:
d(xi,xj)=||AT(xi-xj)|| (3)
其中,d(xi,xj)表示待识别中药中的指纹图谱xi与中药指纹图谱数据集中的指纹图谱xj之间的马氏距离;A表示待识别中药的指纹图谱对应的投影矩阵。
3.如权利要求1所述的基于紫外指纹图谱的中药药性识别方法,其特征是:对获得的马氏距离dk进行排序,具体为按马氏距离dk由小到大的顺序进行排列。
4.如权利要求1所述的基于紫外指纹图谱的中药药性识别方法,其特征是:所述紫外指纹图谱数据包括紫外光谱波长和对应波长的吸收度。
5.如权利要求1所述的基于紫外指纹图谱的中药药性识别方法,其特征是:所述相似性权值为:
Wk为相似性权值,dk为马氏距离。
6.如权利要求1所述的基于紫外指纹图谱的中药药性识别方法,其特征是:根据相似性权值计算待识别中药的寒性概率:
C是样本数据集中与待测样本相似性大的前K个样本寒性中药的数量,H是热性中药的数量。
7.如权利要求1所述的基于紫外指纹图谱的中药药性识别方法,其特征是:根据待识别中药的寒性概率或者热性概率判断待测中药是寒性药还是热性药的方法具体为:
设定寒性概率阈值,如果计算的寒性概率大于设定的寒性概率阈值,判定待测中药为寒性药,否则为热性药;
或者
设定热性概率阈值,如果计算的热性概率大于等于设定的热性概率阈值,判定待测中药为热性药,否则为寒性药。
8.基于紫外指纹图谱的中药药性识别系统,其特征是,包括:
样本数据集构建模块:根据已知寒热药性的中药,获得已知寒热药性中药的紫外指纹图谱数据,构建中药紫外指纹图谱样本数据集;
待识别中药的紫外指纹图谱数据获取模块:提取待识别中药的紫外指纹图谱,获得待识别中药的紫外指纹图谱数据;
中药紫外指纹图谱相似性计算模块:根据已知寒热药性中药的紫外指纹图谱样本数据集和待识别中药的紫外指纹图谱数据,计算中药紫外指纹图谱相似性,也即计算待识别中药的指纹图谱数据与紫外指纹图谱样本数据集中的每一个样本的马氏距离dk;
相似性权值计算模块:对获得的马氏距离dk进行排序,计算样本数据集中与待测样本相似性大的前K个样本的相似性权值;
寒性概率或者热性概率计算模块:根据相似性权值计算待识别中药的寒性概率或者热性概率;
寒热药性判别模块:根据待识别中药的寒性概率或者热性概率判断待测中药是寒性药还是热性药。
9.一种电子设备,其特征是,包括存储器和处理器以及存储在存储器上并在处理器上运行的计算机指令,所述计算机指令被处理器运行时,完成权利要求1-7任一项方法所述的步骤。
10.一种计算机可读存储介质,其特征是,用于存储计算机指令,所述计算机指令被处理器执行时,完成权利要求1-7任一项方法所述的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910152175.7A CN109668850A (zh) | 2019-02-28 | 2019-02-28 | 基于紫外指纹图谱的中药药性识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910152175.7A CN109668850A (zh) | 2019-02-28 | 2019-02-28 | 基于紫外指纹图谱的中药药性识别方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109668850A true CN109668850A (zh) | 2019-04-23 |
Family
ID=66151489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910152175.7A Pending CN109668850A (zh) | 2019-02-28 | 2019-02-28 | 基于紫外指纹图谱的中药药性识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109668850A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110838343A (zh) * | 2019-11-15 | 2020-02-25 | 山东中医药大学 | 一种基于多模态指纹图谱的中药药性识别方法及系统 |
CN112161965A (zh) * | 2020-09-22 | 2021-01-01 | 复旦大学附属妇产科医院 | 检测中药药性的方法、装置、计算机设备和存储介质 |
CN113567587A (zh) * | 2021-07-29 | 2021-10-29 | 山东中医药大学 | 基于挥发油成分特征的中药寒热药性识别方法 |
CN116908138A (zh) * | 2023-07-13 | 2023-10-20 | 中南民族大学 | 植物类中药的四气量化表征方法 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251523A (zh) * | 2008-03-12 | 2008-08-27 | 湖南中烟工业有限责任公司 | 一种基于烟叶化学成分的相似烟叶搜索方法 |
JP2009040695A (ja) * | 2007-08-07 | 2009-02-26 | Mitsuyuki Nakajima | カテキン及び/又はビタミンcを含有する水溶液を溶媒とした植物由来有用成分の抽出、製造方法と、抽出物及びその発酵物 |
CN103018382A (zh) * | 2012-12-07 | 2013-04-03 | 南京中医药大学 | 一种指纹图谱相似度的检测方法 |
CN103278591A (zh) * | 2013-05-16 | 2013-09-04 | 江苏师范大学 | 一种色谱指纹图谱相似度评价方法 |
CN106323903A (zh) * | 2015-06-26 | 2017-01-11 | 云南天士力帝泊洱生物茶集团有限公司 | 一种普洱茶提取物中红外光谱指纹图谱的建立及检测方法 |
CN106990214A (zh) * | 2017-05-08 | 2017-07-28 | 云南民族大学 | 一种评价中药材质量的方法 |
CN108009740A (zh) * | 2017-12-14 | 2018-05-08 | 四川大学 | 一种烟用香精香料智能化精细识别系统及方法 |
JP2018193355A (ja) * | 2017-05-12 | 2018-12-06 | 均 小沢 | 硫黄系乾燥湯花の郵送を合法化させ購入者が乾燥作業を行い、排水時に中和を行う技術 |
-
2019
- 2019-02-28 CN CN201910152175.7A patent/CN109668850A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009040695A (ja) * | 2007-08-07 | 2009-02-26 | Mitsuyuki Nakajima | カテキン及び/又はビタミンcを含有する水溶液を溶媒とした植物由来有用成分の抽出、製造方法と、抽出物及びその発酵物 |
CN101251523A (zh) * | 2008-03-12 | 2008-08-27 | 湖南中烟工业有限责任公司 | 一种基于烟叶化学成分的相似烟叶搜索方法 |
CN103018382A (zh) * | 2012-12-07 | 2013-04-03 | 南京中医药大学 | 一种指纹图谱相似度的检测方法 |
CN103278591A (zh) * | 2013-05-16 | 2013-09-04 | 江苏师范大学 | 一种色谱指纹图谱相似度评价方法 |
CN106323903A (zh) * | 2015-06-26 | 2017-01-11 | 云南天士力帝泊洱生物茶集团有限公司 | 一种普洱茶提取物中红外光谱指纹图谱的建立及检测方法 |
CN106990214A (zh) * | 2017-05-08 | 2017-07-28 | 云南民族大学 | 一种评价中药材质量的方法 |
JP2018193355A (ja) * | 2017-05-12 | 2018-12-06 | 均 小沢 | 硫黄系乾燥湯花の郵送を合法化させ購入者が乾燥作業を行い、排水時に中和を行う技術 |
CN108009740A (zh) * | 2017-12-14 | 2018-05-08 | 四川大学 | 一种烟用香精香料智能化精细识别系统及方法 |
Non-Patent Citations (7)
Title |
---|
GUOHUI WEI等: "Content-based image retrieval for Lung Nodule Classification Using Texture Features and Learned Distance Metric", 《JOURNAL OF MEDICAL SYSTEMS》 * |
HONG LI等: "Cold-hot Nature Distinguish of Traditional Chinese Medicinal Herbs by Discriminant Analysis of 1H-NMR Spectral Data", 《2017 INTERNATIONAL CONFERENCE ON MEDICAL SCIENCE AND HUMAN HEALTH》 * |
李和光: "中药寒热药性物质基础紫外光谱指纹图谱数字化表征体系的构建", 《中国优秀硕士学位论文全文数据库》 * |
王鹏等: "60种植物类中药提取物的红外光谱分析及其与寒热药性相关性的模式识别评价研究", 《光谱学与光谱分析》 * |
王鹏等: "寒热药性植物类中药全成分构成特征的提取与识别策略", 《中药材》 * |
甄汉深等: "《药物分析学》", 31 August 2017 * |
魏国辉等: "基于相似性度量的肺结节图像检索算法", 《东北大学学报(自然科学版)》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110838343A (zh) * | 2019-11-15 | 2020-02-25 | 山东中医药大学 | 一种基于多模态指纹图谱的中药药性识别方法及系统 |
CN110838343B (zh) * | 2019-11-15 | 2022-03-01 | 山东中医药大学 | 一种基于多模态指纹图谱的中药药性识别方法及系统 |
CN112161965A (zh) * | 2020-09-22 | 2021-01-01 | 复旦大学附属妇产科医院 | 检测中药药性的方法、装置、计算机设备和存储介质 |
CN113567587A (zh) * | 2021-07-29 | 2021-10-29 | 山东中医药大学 | 基于挥发油成分特征的中药寒热药性识别方法 |
CN116908138A (zh) * | 2023-07-13 | 2023-10-20 | 中南民族大学 | 植物类中药的四气量化表征方法 |
CN116908138B (zh) * | 2023-07-13 | 2024-02-06 | 中南民族大学 | 植物类中药的四气量化表征方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109668850A (zh) | 基于紫外指纹图谱的中药药性识别方法及系统 | |
US11710541B2 (en) | Chemical pattern recognition method for evaluating quality of traditional Chinese medicine based on medicine effect information | |
Goodarzi et al. | Similarity analyses of chromatographic herbal fingerprints: a review | |
CN104048941B (zh) | 采用近红外光谱快速测定麦冬中多指标性成分含量的方法 | |
US20210025815A1 (en) | Near-infrared spectroscopy-based method for chemical pattern recognition of authenticity of traditional chinese medicine gleditsiae spina | |
CN106990214B (zh) | 一种评价中药材质量的方法 | |
Fajardo et al. | Fuzzy clustering of Vis–NIR spectra for the objective recognition of soil morphological horizons in soil profiles | |
CN105486655B (zh) | 基于红外光谱智能鉴定模型的土壤有机质快速检测方法 | |
CN106124508A (zh) | 一种文物鉴定系统及鉴定方法 | |
CN101832977A (zh) | 一种卵巢肿瘤血清标志物 | |
Dong et al. | Deep learning for geographical discrimination of Panax notoginseng with directly near-infrared spectra image | |
CN106408012A (zh) | 一种模糊鉴别聚类的茶叶红外光谱分类方法 | |
CN104792652A (zh) | 一种黄芪药材多指标快速检测方法 | |
Huang et al. | Detection of scab in wheat ears using in situ hyperspectral data and support vector machine optimized by genetic algorithm. | |
Deng et al. | Winter wheat planting area extraction technique using multi-temporal remote sensing images based on field parcel | |
CN110110789A (zh) | 一种基于多谱图信息融合技术的中草药品质鉴别方法 | |
Wang et al. | Geographical authentication of Gentiana rigescens by high-performance liquid chromatography and infrared spectroscopy | |
CN103134770B (zh) | 消除水分对近红外光谱检测土壤全氮含量影响的方法 | |
CN102507829B (zh) | 一种烟草hplc指纹图谱数据库的建立方法及应用 | |
Li et al. | A method of two-dimensional correlation spectroscopy combined with residual neural network for comparison and differentiation of medicinal plants raw materials superior to traditional machine learning: a case study on Eucommia ulmoides leaves | |
Yue et al. | Extended application of deep learning combined with 2DCOS: Study on origin identification in the medicinal plant of Paris polyphylla var. yunnanensis | |
Yang et al. | Characterization of Paris polyphylla var. yunnanensis by infrared and ultraviolet spectroscopies with chemometric data fusion | |
CN110838343B (zh) | 一种基于多模态指纹图谱的中药药性识别方法及系统 | |
CN110823828A (zh) | 一种鉴别不同产地五脉绿绒蒿的方法 | |
Bao et al. | Spectral features and separability of alpine wetland grass species |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190423 |