CN113567587A - 基于挥发油成分特征的中药寒热药性识别方法 - Google Patents

基于挥发油成分特征的中药寒热药性识别方法 Download PDF

Info

Publication number
CN113567587A
CN113567587A CN202110864836.6A CN202110864836A CN113567587A CN 113567587 A CN113567587 A CN 113567587A CN 202110864836 A CN202110864836 A CN 202110864836A CN 113567587 A CN113567587 A CN 113567587A
Authority
CN
China
Prior art keywords
traditional chinese
chinese medicine
similarity
volatile oil
cold
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
Application number
CN202110864836.6A
Other languages
English (en)
Inventor
魏国辉
邱敏
付先军
王振国
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shandong University of Traditional Chinese Medicine
Original Assignee
Shandong University of Traditional Chinese Medicine
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shandong University of Traditional Chinese Medicine filed Critical Shandong University of Traditional Chinese Medicine
Priority to CN202110864836.6A priority Critical patent/CN113567587A/zh
Publication of CN113567587A publication Critical patent/CN113567587A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
    • G01N30/8679—Target compound analysis, i.e. whereby a limited number of peaks is analysed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N30/00—Investigating or analysing materials by separation into components using adsorption, absorption or similar phenomena or using ion-exchange, e.g. chromatography or field flow fractionation
    • G01N30/02—Column chromatography
    • G01N30/86—Signal analysis
    • G01N30/8675—Evaluation, i.e. decoding of the signal into analytical information
    • G01N30/8686—Fingerprinting, e.g. without prior knowledge of the sample components

Landscapes

  • Analytical Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Library & Information Science (AREA)
  • Engineering & Computer Science (AREA)
  • Medicines Containing Plant Substances (AREA)

Abstract

本发明属于中药相关技术领域，涉及一种基于挥发油成分特征的中药寒热药性识别方法，包括：采集中药的挥发油成分信息；进行图谱相似建模和语义相关建模；定义中药成分的相似性为图谱相似和语义相关，进行相似性建模；基于相似性度量模型，学习马氏距离度量挥发油成分的相似性；根据待识别中药与已知中药挥发油成分的相似性，判断待识别中药的寒热药性；输出识别结果。研究发现挥发油成分和中药寒热药性密切相关。依据假说：药性相似的中药具有相似的物质基础，本研究探索基于挥发油成分相似性的中药寒热药性智能识别技术。气相色谱被用于提取中药的挥发油成分信息，然后建立中药挥发油成分的相似性度量模型，研究中药寒热药性的识别模型。

Description

基于挥发油成分特征的中药寒热药性识别方法
技术领域
本发明属于中药相关技术领域，具体涉及基于挥发油成分特征的中药寒热药性识别方法。
背景技术
公开该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不必然被视为承认或以任何形式暗示该信息构成已经成为本领域一般技术人员所公知的现有技术。
中药药性是中药理论的核心组成部分，是中医药学形成与发展的重要基础和关注的重点。中药药性研究被认为是中医药学术发展的关键问题，其反映了药物对人体阴阳盛衰、寒热变化的作用倾向。
近年来，更多新技术手段被用于中药药性研究中，例如：将紫外图谱应用于预测析中药的物质成分组成和药性，通过红外图谱预测不同药性中药的物质成分组成和药性等。上述方法，紫外光谱反映的是中药成分中不饱和基团的性质；红外光谱可提供中药成分中有机分子的结构分析。而研究发现中药寒热药性与中药挥发油成分密切相关，通过气相色谱表征中药挥发油成分特征，研究基于挥发油成分特征的中药寒热药性评价方法，可能会获得更高的药性识别准确率。
发明内容
为了建立挥发油成分和中药寒热药性的相关关系，本发明提供了一种基于挥发油成分特征的中药寒热药性识别方法。定义中药成分的相似性为图谱相似和语义相关，进行相似性建模；通过气相色谱表征中药挥发油成分，研究中药气相色谱的相似性以识别中药寒热药性，较现有方法，有效提高了预测的准确性。
为实现上述技术目的，本发明采用如下技术方案：
本发明的第一个方面，提供了一种基于挥发油成分特征的中药寒热药性识别方法，包括：
采用气相色谱法采集已知寒热药性的中药的挥发油成分信息，构建已知寒热药性的中药的气相色谱样本数据集；
采用气相色谱法采集待识别的中药的挥发油成分信息，构建待识别中药的气相色谱数据；
根据已知寒热药性的中药的气相色谱样本数据集和待识别中药的气相色谱数据，定义中药成分的相似性为图谱相似和语义相关，通过求解投影矩阵A，进行气相色谱相似性建模；
基于相似性度量模型，学习马氏距离度量挥发油成分的相似性；
根据待识别中药与已知中药挥发油成分的相似性，判断待识别中药的寒热药性；
输出识别结果。
本发明的第二个方面，提供了一种基于挥发油成分特征的中药寒热药性识别系统，包括：
用于采用气相色谱法采集已知寒热药性的中药的挥发油成分信息，构建已知寒热药性的中药的气相色谱样本数据集的模块；
用于采用气相色谱法采集待识别的中药的挥发油成分信息，构建待识别中药的气相色谱数据的模块；
根据已知寒热药性的中药的气相色谱样本数据集和待识别中药的气相色谱数据，定义中药成分的相似性为图谱相似和语义相关，通过求解投影矩阵A，进行气相色谱相似性建模；
用于基于相似性度量模型，学习马氏距离度量挥发油成分的相似性的模块；
用于根据待识别中药与已知中药挥发油成分的相似性，判断待识别中药的寒热药性的模块；
用于输出识别结果的模块。
本发明的第三个方面，提供了一种电子设备，包括：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，完成任一上述方法所述的步骤。
本发明的第四个方面，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，完成任一上述方法所述的步骤。
本发明的有益效果在于：
(1)研究发现挥发油成分和中药寒热药性密切相关。依据假说：药性相似的中药具有相似的物质基础，本研究探索基于挥发油成分相似性的中药寒热药性智能识别技术。气相色谱被用于提取中药的挥发油成分信息，然后建立中药挥发油成分的相似性度量模型，研究中药寒热药性的识别模型。
(2)从中药成分的相似性、中药寒热药性的相关性两个角度综合识别中药寒热药性，较现有方法，有效提高了预测的准确性。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。
图1为本发明实施例1的流程图。
具体实施方式
应该指出，以下详细说明都是示例性的，旨在对本发明提供进一步的说明。除非另有指明，本发明使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
一种基于挥发油成分特征的中药寒热药性识别方法，包括：
采用气相色谱法采集已知寒热药性的中药的挥发油成分信息，构建已知寒热药性的中药的气相色谱样本数据集；
采用气相色谱法采集待识别的中药的挥发油成分信息，构建待识别中药的气相色谱数据；
根据已知寒热药性的中药的气相色谱样本数据集和待识别中药的气相色谱数据，定义中药成分的相似性为图谱相似和语义相关，通过求解投影矩阵A，进行气相色谱相似性建模；
基于相似性度量模型，学习马氏距离度量挥发油成分的相似性；
根据待识别中药与已知中药挥发油成分的相似性，判断待识别中药的寒热药性；
输出识别结果。
在一些实施例中，在中药成分信息采集中还包括：对获得的气相色谱进行预处理的步骤，优选的，所述预处理的方法包括：数据分箱、谱线平滑、基线校正、标准化、谱峰联配。
在一些实施例中，气相色谱相似性建模为：d(xi,xj)＝||AT(xi-xj)||。
在一些实施例中，采用块排列框建模图谱相似。
在一些实施例中，根据成对约束，在投影空间中，相同类样本的距离越近越好，不同类样本的距离越远越好，构建语义相关。
在一些实施例中，对获得的马氏距离进行排序，计算样本数据集中与待测样本相似性最大的前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。
在一些实施例中，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。
下面结合具体的实施例，对本发明做进一步的详细说明，应该指出，所述具体实施例是对本发明的解释而不是限定。
实施例1：
一种基于挥发油成分特征的中药寒热药性识别方法，包括：
分别采集已知寒热药性的中药和待识别的中药的挥发油成分信息；
挥发性成分是中药中非常重要的组成部分。气相色谱能够较全面的反映中药中挥发性成分的整体特征。气相色谱测定采用普通进样。实验方法如下：
①挥发油样品溶液的制备：精密称取药材粉末(过40目筛)50g，加蒸馏水500ml与玻璃珠数粒，振摇混合后，按《中华人民共和国药典》附录XD挥发油测定法项下连接装置。自冷凝管上端加水至充满挥发油测定器的刻度部分，并再精密加入3ml的醋酸乙酯于挥发油测定器刻度上方。置电热套中加热提取6h，至测定器中油量不再增加，停止加热，放置片刻，取出醋酸乙酯。用醋酸乙酯溶解转移至10ml量瓶中，并定容至刻度，加入1g无水Na2SO4干燥，放置冰箱中，冷藏待用。
②色谱柱Agilent HP-5MS(30m×250μm×0.25μm)；进样口温度250℃；载气为He气，流量1ml·min-1，分流比：40:1，进样量为0.2μL。初始温度50℃，以2℃·min-1的速度升温至220℃，再以8℃·min-1的速度升温至280℃(保持5min)。
③将①制备的样本溶液在②的色谱条件下对中药的挥发油成分进行进样分析，获得气相色谱。
在一些实施方式中，在中药成分信息采集中还包括对获得的气相色谱进行预处理的步骤，预处理后提取相应的气相色谱数据，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。
在一些实施方式中，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。
进行气相色谱相似建模；
将中药气相色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，气相色谱相似建模为：
d(xi,xj)＝||AT(xi-xj)||
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。
定义中药成分的相似性为图谱相似和语义相关，通过求解投影矩阵A，进行相似性建模；
图谱相似反映了中药成分的相似性，我们通过块排列框建模图谱相似，求解投影矩阵A，全局排列块的模型如下：
min tr(ATXLXTA)
对于每一个xi∈X,它的局部块定义为
Figure BDA0003186941240000071
全局块排列矩阵L为：
Figure BDA0003186941240000072
其中,
Figure BDA0003186941240000073
是一个选择矩阵，
Figure BDA0003186941240000074
语义相关反映了中药寒热药性的相关性，同为寒性(或热性)的中药，我们认定是语义相关的。模型建立为：
据成对约束(pairwise constraints)的定义,我们将样本集分为两部分，一是等值约束数据集，定义为：
S＝{(xi,xj)|xi和xj具有相同的药性}，
二是非等值约束数据集，定义为：
D＝{(xi,xj)|xi和xj具有不同的药性}
定义yi＝ATxi是样本xi通过变换矩阵A得到的新空间的特征表示。在原始样本映射到新的空间后，在新空间中，要求相同药性的中药图谱样本距离越近越好，因此，等值约束数据集S中所有相同药性样本对满足：
Figure BDA0003186941240000081
同样的，在新空间中，要求不同药性的中药图谱样本距离越远越好，因此，非等值约束数据集中所有不相同药性样本对满足：
Figure BDA0003186941240000082
合并等式,可得：
Figure BDA0003186941240000083
其中，λ是一个均衡参数。
定义
Figure BDA0003186941240000084
得，
A＝argmaxtr(ATMA)
综合图谱相似和语义相关，可得模型如下：
A＝argmaxtr(AT(XLXT+M)A)
基于相似性度量模型，学习马氏距离度量挥发油成分的相似性；
d(xi,xj)＝||AT(xi-xj)||
根据待识别中药与已知中药挥发油成分的相似性，判断待识别中药的寒热药性；
首先对于每一味中药的气相色谱，由距离度量学习算法学习最优马氏距离度量，计算药性未知中药与数据库中药性已知中药的马氏距离，寻找中药成分相似的中药样本。
其次，按照马氏距离由小到大排列，筛查成分最相似的K味参考中药材。这K味参考中药对应马氏距离最小的K味中药。然后统计K味参考中药材中寒性中药的数量N，一个寒性概率值p被用来评估未知中药的寒性程度，计算公式如下：
p＝N/K
设定阈值为0.5，如果p值大于0.5，我们认定该中药为寒性(标签为0)，否则，我们认定该中药为热性(标签为1)。
输出识别结果。
实施例2：
一种基于挥发油成分的中药寒热药性识别系统，
数据采集模块：采用气相色谱法测试中药的挥发油成分，达到中药挥发油成分对应的气相色谱图；
数据处理模块：进行图谱相似建模和语义相关建模；
其中，图谱相似定义为图谱的特征相似性，语义相关定义为标签的一致性。
图谱相似建模为：min tr(ATXLXTA)
语义相关建模为：A＝argmaxtr(ATMA)
Figure BDA0003186941240000091
相似性计算模块：定义中药成分的相似性为图谱相似和语义相关，进行相似性建模；
其中，相似性建模为：A＝argmaxtr(AT(XLXT+M)A)
相似性度量模块：基于相似性度量模型，学习马氏距离度量挥发油成分的相似性；
药性判别模块：根据待识别中药与已知中药挥发油成分的相似性，判断待识别中药的寒热药性；
输出模块：输出识别结果。
实施例3
一种电子设备，包括：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，完成实施例1方法所述的步骤。
实施例4
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，完成实施例1方法所述的步骤。
最后应该说明的是，以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种基于挥发油成分特征的中药寒热药性识别方法，其特征在于，包括：
采用气相色谱法采集已知寒热药性的中药的挥发油成分信息，构建已知寒热药性的中药的气相色谱样本数据集；
采用气相色谱法采集待识别的中药的挥发油成分信息，构建待识别中药的气相色谱数据；
根据已知寒热药性的中药的气相色谱样本数据集和待识别中药的气相色谱数据，定义中药成分的相似性为图谱相似和语义相关，通过求解投影矩阵A，进行气相色谱相似性建模；
基于相似性度量模型，学习马氏距离度量挥发油成分的相似性；
根据待识别中药与已知中药挥发油成分的相似性，判断待识别中药的寒热药性；
输出识别结果。
2.如权利要求1所述的基于挥发油成分特征的中药寒热药性识别方法，其特征在于，在中药成分信息采集中还包括：对获得的气相色谱进行预处理的步骤，优选的，所述预处理的方法包括：数据分箱、谱线平滑、基线校正、标准化、谱峰联配。
3.如权利要求1所述的基于挥发油成分特征的中药寒热药性识别方法，其特征在于，气相色谱相似性建模为：d(xi,xj)＝||AT(xi-xj)||。
4.如权利要求1所述的基于挥发油成分特征的中药寒热药性识别方法，其特征在于，采用块排列框建模图谱相似。
5.如权利要求1所述的基于挥发油成分特征的中药寒热药性识别方法，其特征在于，根据成对约束，在投影空间中，相同类样本的距离越近越好，不同类样本的距离越远越好，构建语义相关。
6.如权利要求1所述的基于挥发油成分特征的中药寒热药性识别方法，其特征在于，对获得的马氏距离进行排序，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。
7.如权利要求1所述的基于挥发油成分特征的中药寒热药性识别方法，其特征在于，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。
8.一种基于挥发油成分特征的中药寒热药性识别系统，其特征在于，包括：
用于采用气相色谱法采集已知寒热药性的中药的挥发油成分信息，构建已知寒热药性的中药的气相色谱样本数据集的模块；
用于采用气相色谱法采集待识别的中药的挥发油成分信息，构建待识别中药的气相色谱数据的模块；
根据已知寒热药性的中药的气相色谱样本数据集和待识别中药的气相色谱数据，定义中药成分的相似性为图谱相似和语义相关，通过求解投影矩阵A，进行气相色谱相似性建模；
用于基于相似性度量模型，学习马氏距离度量挥发油成分的相似性的模块；
用于根据待识别中药与已知中药挥发油成分的相似性，判断待识别中药的寒热药性的模块；
用于输出识别结果的模块。
9.一种电子设备，其特征在于，包括：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。
CN202110864836.6A 2021-07-29 2021-07-29 基于挥发油成分特征的中药寒热药性识别方法 Pending CN113567587A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110864836.6A CN113567587A (zh) 2021-07-29 2021-07-29 基于挥发油成分特征的中药寒热药性识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110864836.6A CN113567587A (zh) 2021-07-29 2021-07-29 基于挥发油成分特征的中药寒热药性识别方法

Publications (1)

Publication Number Publication Date
CN113567587A true CN113567587A (zh) 2021-10-29

Family

ID=78169081

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110864836.6A Pending CN113567587A (zh) 2021-07-29 2021-07-29 基于挥发油成分特征的中药寒热药性识别方法

Country Status (1)

Country Link
CN (1) CN113567587A (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105973858A (zh) * 2016-06-13 2016-09-28 宜春学院 一种中药品质自动检测系统
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
CN109668850A (zh) * 2019-02-28 2019-04-23 山东中医药大学 基于紫外指纹图谱的中药药性识别方法及系统
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

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105973858A (zh) * 2016-06-13 2016-09-28 宜春学院 一种中药品质自动检测系统
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
CN109668850A (zh) * 2019-02-28 2019-04-23 山东中医药大学 基于紫外指纹图谱的中药药性识别方法及系统
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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
GUOHUI WEI等: "Cold–hot nature identification based on GC similarity analysis of Chinese herbal medicine ingredients", 《RSC ADVANCES》 *
蒋海强等: "基于顶空进样气质联用技术的中药寒热药性的模式识别研究", 《时珍国医国药》 *
蒋秋冬等: "透皮促渗中药挥发油的化学成分与中药药性关联性研究", 《中国中药杂志》 *
覃洁萍等: "解表类中药挥发性成分与药性的相关性研究", 《计算机与应用化学》 *

Similar Documents

Publication Publication Date Title
Szymańska et al. Chemometrics and qualitative analysis have a vibrant relationship
Karpievitch et al. Normalization and missing value imputation for label-free LC-MS analysis
CN112347244B (zh) 基于混合特征分析的涉黄、涉赌网站检测方法
Gullo et al. A time series representation model for accurate and fast similarity detection
Hermansson et al. Entity disambiguation in anonymized graphs using graph kernels
Zhang et al. Classification modeling method for near‐infrared spectroscopy of tobacco based on multimodal convolution neural networks
Schuhfried et al. Classification of 7 monofloral honey varieties by PTR-ToF-MS direct headspace analysis and chemometrics
Kharyuk et al. Employing fingerprinting of medicinal plants by means of LC-MS and machine learning for species identification task
CN113903409B (zh) 一种分子数据处理方法、模型构建与预测方法及相关装置
Li et al. Multi-manufacturer drug identification based on near infrared spectroscopy and deep transfer learning
CN109668850A (zh) 基于紫外指纹图谱的中药药性识别方法及系统
CN102103132B (zh) 一种从体液代谢组轮廓筛选糖尿病标记物的方法
CN107632010A (zh) 一种结合激光诱导击穿光谱对钢铁样品的定量方法
CN115101146A (zh) 基于Weisfeiler-Lehman与深度神经网络的药物靶点预测方法及系统
Teng et al. Predictive data clustering of laser-induced breakdown spectroscopy for brain tumor analysis
CN108827904A (zh) 基于太赫兹光谱的物质识别方法、装置、设备及存储介质
Zhang et al. Spectral and chromatographic overall analysis: An insight into chemical equivalence assessment of traditional Chinese medicine
Vimalajeewa et al. Early detection of ovarian cancer by wavelet analysis of protein mass spectra
Wang et al. End‐to‐end analysis modeling of vibrational spectroscopy based on deep learning approach
CN113567587A (zh) 基于挥发油成分特征的中药寒热药性识别方法
CN113903407A (zh) 成分识别方法、装置、电子设备和存储介质
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
CN116858822A (zh) 一种基于机器学习和拉曼光谱的水体中磺胺嘧啶定量分析方法
Alm et al. A solution to the 1D NMR alignment problem using an extended generalized fuzzy Hough transform and mode support
Chen et al. Robust variable selection based on bagging classification tree for support vector machine in metabonomic data analysis

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

Application publication date: 20211029

RJ01 Rejection of invention patent application after publication