CN117330678B - 蓉蛾益肾口服液的质量检测方法 - Google Patents

蓉蛾益肾口服液的质量检测方法 Download PDF

Info

Publication number
CN117330678B
CN117330678B CN202311630129.6A CN202311630129A CN117330678B CN 117330678 B CN117330678 B CN 117330678B CN 202311630129 A CN202311630129 A CN 202311630129A CN 117330678 B CN117330678 B CN 117330678B
Authority
CN
China
Prior art keywords
characteristic
fingerprint
moth
peak
training
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.)
Active
Application number
CN202311630129.6A
Other languages
English (en)
Other versions
CN117330678A (zh
Inventor
丁玉华
高志华
秦媛
丁凤
王利民
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.)
Inner Mongolia Yili Pharmaceutical Co ltd
Original Assignee
Inner Mongolia Yili Pharmaceutical Co ltd
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 Inner Mongolia Yili Pharmaceutical Co ltd filed Critical Inner Mongolia Yili Pharmaceutical Co ltd
Priority to CN202311630129.6A priority Critical patent/CN117330678B/zh
Publication of CN117330678A publication Critical patent/CN117330678A/zh
Application granted granted Critical
Publication of CN117330678B publication Critical patent/CN117330678B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01N2030/022—Column chromatography characterised by the kind of separation mechanism
    • G01N2030/027—Liquid chromatography
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Physics & Mathematics (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)
  • Engineering & Computer Science (AREA)
  • Library & Information Science (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

公开了一种蓉蛾益肾口服液的质量检测方法。其首先获取被检测蓉蛾益肾口服液的雄蚕蛾阴性供试液特征HPLC指纹图谱，接着，从所述雄蚕蛾阴性供试液特征HPLC指纹图谱提取多个特征指纹峰的相对峰面积，然后，将所述多个特征指纹峰的相对峰面积按照样本维度排列为特征指纹峰相对峰面积输入向量，接着，对所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量进行特征引导关联分析以得到特征指纹峰引导指纹图谱特征，最后，基于所述特征指纹峰引导指纹图谱特征，确定被检测蓉蛾益肾口服液是否符合预定质量标准。这样，可以提高检测的准确性和效率，进而提升蓉蛾益肾口服液的产品质量。

Description

蓉蛾益肾口服液的质量检测方法
技术领域
本申请涉及质量检测领域，且更为具体地，涉及一种蓉蛾益肾口服液的质量检测方法。
背景技术
蓉蛾益肾口服液是一种利用中药材制成的保健品。蓉蛾益肾口服液具有补肾助阳功能，有助于国内肾病患者对中药治疗药物的需求，可有效缓解肾阳虚引起的精神不振，气短乏力，畏寒肢冷，腰膝酸软等症状。由于雄蚕蛾是蓉蛾益肾口服液产品的主要成分之一，因此为了确保蓉蛾益肾口服液的质量符合预定标准，需要对口服液进行质量检测，以确保产品的安全性和有效性。
传统的蓉蛾益肾口服液质量检测方法使用对照药材的特征指纹图谱进行比较和鉴别。然而，对照药材的质量可能存在差异，这可能会对样品的评估结果产生影响。此外，传统方法中，对特征指纹图谱的解读和比较通常依赖于人工操作和主观判断，这可能会导致结果的主观性和不一致性，影响蓉蛾益肾口服液质量评估的准确性和产品质量。
因此，期望一种优化的蓉蛾益肾口服液的质量检测方案。
发明内容
为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种蓉蛾益肾口服液的质量检测方法，其可以实现蓉蛾益肾口服液质量的自动化检测，提高检测的准确性和效率，进而提升蓉蛾益肾口服液的产品质量。
根据本申请的一个方面，提供了一种蓉蛾益肾口服液的质量检测方法，其包括：
获取被检测蓉蛾益肾口服液的雄蚕蛾阴性供试液特征HPLC指纹图谱；
从所述雄蚕蛾阴性供试液特征HPLC指纹图谱提取多个特征指纹峰的相对峰面积；
将所述多个特征指纹峰的相对峰面积按照样本维度排列为特征指纹峰相对峰面积输入向量；
对所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量进行特征引导关联分析以得到特征指纹峰引导指纹图谱特征；以及
基于所述特征指纹峰引导指纹图谱特征，确定被检测蓉蛾益肾口服液是否符合预定质量标准。
与现有技术相比，本申请提供的蓉蛾益肾口服液的质量检测方法，其首先获取被检测蓉蛾益肾口服液的雄蚕蛾阴性供试液特征HPLC指纹图谱，接着，从所述雄蚕蛾阴性供试液特征HPLC指纹图谱提取多个特征指纹峰的相对峰面积，然后，将所述多个特征指纹峰的相对峰面积按照样本维度排列为特征指纹峰相对峰面积输入向量，接着，对所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量进行特征引导关联分析以得到特征指纹峰引导指纹图谱特征，最后，基于所述特征指纹峰引导指纹图谱特征，确定被检测蓉蛾益肾口服液是否符合预定质量标准。这样，可以提高检测的准确性和效率，进而提升蓉蛾益肾口服液的产品质量。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，以下附图并未刻意按实际尺寸等比例缩放绘制，重点在于示出本申请的主旨。
图1为根据本申请实施例的蓉蛾益肾口服液的质量检测方法的流程图。
图2为根据本申请实施例的蓉蛾益肾口服液的质量检测方法的架构示意图。
图3为根据本申请实施例的蓉蛾益肾口服液的质量检测系统的框图。
图4为根据本申请实施例的蓉蛾益肾口服液的质量检测方法的应用场景图。
图5为本申请一个实施例的蓉蛾益肾口服液的特征HPLC指纹图谱。
图6为本申请一个实施例的蓉蛾益肾口服液的雄蚕蛾阴性供试液的特征HPLC指纹图谱。
图7为六批蓉蛾益肾口服液的雄蚕蛾阴性供试液的HPLC指纹谱。
图8为本申请另一个实施例的蓉蛾益肾口服液的雄蚕蛾阴性供试液特征HPLC指纹图谱。
图9为六批蓉蛾益肾口服液的HPLC指纹图谱。
图10为本申请另一个实施例的蓉蛾益肾口服液的特征HPLC指纹图谱。
图11为六批蓉蛾益肾口服液和其六批雄蚕蛾阴性供试液的HPLC指纹图谱评价图。
图12为十五批蓉蛾益肾口服液的HPLC指纹图谱评价图。
具体实施方式
下面将结合附图对本申请实施例中的技术方案进行清楚、完整地描述，显而易见地，所描述的实施例仅仅是本申请的部分实施例，而不是全部的实施例。基于本申请实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，也属于本申请保护的范围。
如本申请和权利要求书中所示，除非上下文明确提示例外情形，“一”、“一个”、“一种”和/或“该”等词并非特指单数，也可包括复数。一般说来，术语“包括”与“包含”仅提示包括已明确标识的步骤和元素，而这些步骤和元素不构成一个排它性的罗列，方法或者设备也可能包含其他的步骤或元素。
虽然本申请对根据本申请的实施例的系统中的某些模块做出了各种引用，然而，任何数量的不同模块可以被使用并运行在用户终端和/或服务器上。所述模块仅是说明性的，并且所述系统和方法的不同方面可以使用不同模块。
本申请中使用了流程图用来说明根据本申请的实施例的系统所执行的操作。应当理解的是，前面或下面操作不一定按照顺序来精确地执行。相反，根据需要，可以按照倒序或同时处理各种步骤。同时，也可以将其他操作添加到这些过程中，或从这些过程移除某一步或数步操作。
下面，将参考附图详细地描述根据本申请的示例实施例。显然，所描述的实施例仅仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。
针对上述技术问题，在本申请的技术方案中，提出了一种蓉蛾益肾口服液的质量检测方法，其中，蓉蛾益肾口服液是以当地肉苁蓉、淫羊藿、雄蚕蛾（柞蚕）、沙棘、五味子、制何首乌、蛇床子、菟丝子、人参叶茎总皂苷等特色中药材为关键原材料。蓉蛾益肾口服液的质量检测方法能够利用高效液相色谱法来进行蓉蛾益肾口服液的质量检测。
具体地，本申请的技术构思为通过采集蓉蛾益肾口服液的雄蚕蛾阴性供试液特征HPLC指纹图谱，并从HPLC指纹图谱中提取多个特征指纹峰的相对峰面积，同时在后端引入数据处理和分析算法来进行所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述多个特征指纹峰的相对峰面积的关联分析，以此来判断被检测的蓉蛾益肾口服液是否达到预定的质量标准。这样，能够实现蓉蛾益肾口服液质量的自动化检测，提高了检测的准确性和效率，进而提升蓉蛾益肾口服液的产品质量。
图1为根据本申请实施例的蓉蛾益肾口服液的质量检测方法的流程图。图2为根据本申请实施例的蓉蛾益肾口服液的质量检测方法的架构示意图。如图1和图2所示，根据本申请实施例的蓉蛾益肾口服液的质量检测方法，包括步骤：S110，获取被检测蓉蛾益肾口服液的雄蚕蛾阴性供试液特征HPLC指纹图谱；S120，从所述雄蚕蛾阴性供试液特征HPLC指纹图谱提取多个特征指纹峰的相对峰面积；S130，将所述多个特征指纹峰的相对峰面积按照样本维度排列为特征指纹峰相对峰面积输入向量；S140，对所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量进行特征引导关联分析以得到特征指纹峰引导指纹图谱特征；以及，S150，基于所述特征指纹峰引导指纹图谱特征，确定被检测蓉蛾益肾口服液是否符合预定质量标准。
更具体地，在本申请的技术方案中，首先，获取被检测蓉蛾益肾口服液的雄蚕蛾阴性供试液特征HPLC指纹图谱。在HPLC分析中，样品中的化学成分会在色谱柱中分离，并形成峰。每个峰代表着一个特定的化学成分，通过测量峰的面积可以得到该成分在样品中的相对含量。因此，为了确定样品中特定成分的含量，并与对照药材进行比较，以此来评估样品的质量，在本申请的技术方案中，需要进一步从所述雄蚕蛾阴性供试液特征HPLC指纹图谱提取多个特征指纹峰的相对峰面积，以获得多个化学成分的含量信息。通过分析样品特征指纹峰的相对峰面积，可以评估样品中各个成分的相对含量是否符合预定标准。这样，可以更全面地了解样品的化学组成，从而对样品的质量进行评估和判断。
然后，将所述多个特征指纹峰的相对峰面积按照样本维度排列为特征指纹峰相对峰面积输入向量。通过将所述特征指纹峰的相对峰面积按照样本维度排列，可以将每个样本的不同特征指纹峰的相对峰面积表示为一个向量，其中，该向量的每个元素对应于一个特征指纹峰的相对峰面积。这样，以便于后续对于样本中的不同化学成分之间的含量特征进行关联分析，从而实现对样品质量的自动化评估和预测。
进一步地，所述雄蚕蛾阴性供试液特征HPLC指纹图谱提供了关于样品中化学成分的相对峰强度和峰形信息，而所述特征指纹峰相对峰面积输入向量则是从指纹图谱中提取的信息，用于表示样品的各个化学成分的相对含量信息。因此，为了能够对于蓉蛾益肾口服液的质量进行检测，需要对于这两者的特征进行提取和关联。具体地，在本申请的技术方案中，将所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量通过包含卷积神经网络模型和一维卷积层的MetaNet模块以得到特征指纹峰引导指纹图谱特征图。应可以理解，所述卷积神经网络模型可以有效地捕捉到所述雄蚕蛾阴性供试液特征HPLC指纹图谱的特征分布信息，而所述一维卷积层则可以捕捉到所述样品中的各个成分相对含量特征，然后，通过利用所述MetaNet模块的结构设计，可以将所述各个成分的特征指纹峰相对峰面积关联特征来引导所述指纹图谱分布特征的表达。也就是说，通过将所述特征指纹峰相对峰面积特征直接与所述雄蚕蛾阴性供试液特征HPLC指纹图谱特征进行交互，可以直接控制每个特征通道的相关特性，帮助网络专注于每个特征通道的特定部分，提高对蓉蛾益肾口服液质量评估的准确性。
相应地，在步骤S140中，对所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量进行特征引导关联分析以得到特征指纹峰引导指纹图谱特征，包括：将所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量通过包含卷积神经网络模型和一维卷积层的MetaNet模块以得到特征指纹峰引导指纹图谱特征图作为所述特征指纹峰引导指纹图谱特征。
更具体地，将所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量通过包含卷积神经网络模型和一维卷积层的MetaNet模块以得到特征指纹峰引导指纹图谱特征图作为所述特征指纹峰引导指纹图谱特征，包括：将所述雄蚕蛾阴性供试液特征HPLC指纹图谱通过所述MetaNet模块的卷积神经网络模型以得到雄蚕蛾阴性供试液特征HPLC指纹特征图；将所述特征指纹峰相对峰面积输入向量通过所述MetaNet模块的第一一维卷积层后再通过ReLU函数进行线性修正以得到线性修正后特征指纹峰相对峰面积特征向量；将所述线性修正后特征指纹峰相对峰面积特征向量通过所述MetaNet模块的第二一维卷积层后再通过Sigmoid函数进行处理以得到激活后特征指纹峰相对峰面积特征向量；以及，以所述激活后特征指纹峰相对峰面积特征向量对所述雄蚕蛾阴性供试液特征HPLC指纹特征图进行沿通道维度加权融合以得到所述特征指纹峰引导指纹图谱特征图。
继而，再将所述特征指纹峰引导指纹图谱特征图通过分类器以得到分类结果，所述分类结果用于表示被检测蓉蛾益肾口服液是否符合预定质量标准。也就是说，通过所述特征指纹峰的相对峰面积特征引导所述指纹图谱分布特征的优化关联特征信息来进行分类处理，以此来判断被检测的蓉蛾益肾口服液是否达到预定的质量标准。这样，能够实现蓉蛾益肾口服液质量的自动化检测，提高了检测的准确性和效率，进而提升蓉蛾益肾口服液的产品质量。
相应地，在步骤S150中，基于所述特征指纹峰引导指纹图谱特征，确定被检测蓉蛾益肾口服液是否符合预定质量标准，包括：将所述特征指纹峰引导指纹图谱特征图通过分类器以得到分类结果，所述分类结果用于表示被检测蓉蛾益肾口服液是否符合预定质量标准。
具体地，将所述特征指纹峰引导指纹图谱特征图通过分类器以得到分类结果，所述分类结果用于表示被检测蓉蛾益肾口服液是否符合预定质量标准，包括：将所述特征指纹峰引导指纹图谱特征图按照行向量或者列向量展开为分类特征向量；使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。
也就是，在本申请的技术方案中，所述分类器的标签包括被检测蓉蛾益肾口服液符合预定质量标准(第一标签p1)，以及，被检测蓉蛾益肾口服液不符合预定质量标准(第二标签p2)，其中，所述分类器通过软最大值函数来确定所述特征指纹峰引导指纹图谱特征图属于哪个分类标签。值得注意的是，这里的所述第一标签p1和所述第二标签p2并不包含人为设定的概念，实际上在训练过程当中，计算机模型并没有“被检测蓉蛾益肾口服液是否符合预定质量标准”这种概念，其只是有两种分类标签且输出特征在这两个分类标签下的概率，即p1和p2之和为一。因此，被检测蓉蛾益肾口服液是否符合预定质量标准的分类结果实际上是通过分类标签转化为符合自然规律的二分类的类概率分布，实质上用到的是标签的自然概率分布的物理意义，而不是“被检测蓉蛾益肾口服液是否符合预定质量标准”的语言文本意义。
应可以理解，分类器的作用是利用给定的类别、已知的训练数据来学习分类规则和分类器，然后对未知数据进行分类（或预测）。逻辑回归（logistics）、SVM等常用于解决二分类问题，对于多分类问题（multi-class classification），同样也可以用逻辑回归或SVM，只是需要多个二分类来组成多分类，但这样容易出错且效率不高，常用的多分类方法有Softmax分类函数。
进一步地，在本申请的技术方案中，所述的蓉蛾益肾口服液的质量检测方法，其还包括训练步骤：用于对所述包含卷积神经网络模型和一维卷积层的MetaNet模块和所述分类器进行训练。
在一个示例中，所述训练步骤，包括：获取训练数据，所述训练数据包括被检测蓉蛾益肾口服液的训练雄蚕蛾阴性供试液特征HPLC指纹图谱，以及，所述被检测蓉蛾益肾口服液是否符合预定质量标准的真实值；从所述训练雄蚕蛾阴性供试液特征HPLC指纹图谱提取多个训练特征指纹峰的相对峰面积；将所述多个训练特征指纹峰的相对峰面积按照样本维度排列为训练特征指纹峰相对峰面积输入向量；将所述训练雄蚕蛾阴性供试液特征HPLC指纹图谱和所述训练特征指纹峰相对峰面积输入向量通过所述包含卷积神经网络模型和一维卷积层的MetaNet模块以得到训练特征指纹峰引导指纹图谱特征图；将所述训练特征指纹峰引导指纹图谱特征图通过所述分类器以得到分类损失函数值；以及，基于所述分类损失函数值并通过梯度下降的方向传播来对所述包含卷积神经网络模型和一维卷积层的MetaNet模块和所述分类器进行训练，其中，在所述训练的每次权重矩阵迭代时，对所述训练特征指纹峰引导指纹图谱特征图展开后得到训练特征指纹峰引导指纹图谱特征向量进行特征优化。
其中，将所述训练特征指纹峰引导指纹图谱特征图通过所述分类器以得到分类损失函数值，包括：所述分类器以如下训练损失公式对所述训练特征指纹峰引导指纹图谱特征图进行处理以生成训练分类结果；其中，所述训练损失公式为：
其中，表示将所述训练特征指纹峰引导指纹图谱特征图投影为 向量，至为各层全连接层的权重矩阵，至表示各层全连接层的偏置矩 阵；以及，计算所述训练分类结果与所述真实值之间的交叉熵值作为所述分类损失函数值。
特别地，在本申请的技术方案中，在将所述训练雄蚕蛾阴性供试液特征HPLC指纹图谱和所述训练特征指纹峰相对峰面积输入向量通过包含卷积神经网络模型和一维卷积层的MetaNet模块时，首先所述MetaNet模块分别对所述训练雄蚕蛾阴性供试液特征HPLC指纹图谱和所述训练特征指纹峰相对峰面积输入向量进行基于二维卷积核的图像局部邻域特征提取和基于一维卷积核的局部邻域时序关联特征提取以得到指纹图谱特征图和特征指纹峰相对峰面积语义关联特征向量。这里，所述指纹图谱特征图的每个特征矩阵用于表达训练雄蚕蛾阴性供试液特征HPLC指纹图谱的图像语义特征，而其各个特征矩阵间具有图像语义特征的通道维度关联，进而所述MetaNet模块利用特征指纹峰相对峰面积语义关联特征向量对指纹图谱特征图的各个特征矩阵之间进行基于特征指纹峰相对峰面积源样本分布来进行约束，这就使得所述训练特征指纹峰引导指纹图谱特征图整体上具有与图像语义特征的特征矩阵空间分布对应的通道维度上的样本域维度密集分布表示，并且每个特征值也具有用于表达图像语义特征的密集空间分布表示，从而导致在所述训练特征指纹峰引导指纹图谱特征图通过分类器进行分类回归训练时，所述分类器的权重矩阵的训练效率降低。
基于此，本申请的申请人在将所述训练特征指纹峰引导指纹图谱特征图通过分类器进行分类回归的训练时，基于所述训练特征指纹峰引导指纹图谱特征图展开后得到训练特征指纹峰引导指纹图谱特征向量进行权重矩阵的迭代。
相应地，在一个示例中，在所述训练的每次权重矩阵迭代时，对所述训练特征指纹峰引导指纹图谱特征图展开后得到训练特征指纹峰引导指纹图谱特征向量进行特征优化，包括：在所述训练的每次权重矩阵迭代时，以如下优化公式基于所述训练特征指纹峰引导指纹图谱特征图展开后得到训练特征指纹峰引导指纹图谱特征向量进行权重矩阵的迭代；其中，所述优化公式为：
其中，和分别是上次和本次迭代的权重矩阵，其中在首次迭代时，采用 不同的初始化策略设置和，（例如，设置为单位矩阵而设置为待分类 特征向量的均值对角矩阵），是待分类的训练特征指纹峰引导指纹图谱特征向量， 和分别表示特征向量和的全局均值，且是偏置矩阵，例如初始设置为单 位矩阵，向量以列向量形式，是向量乘法，是矩阵加法，是按位置点乘，是转 置操作，是最大值函数，是迭代优化后的权重矩阵。
也就是，考虑到在进行基于待分类的训练特征指纹峰引导指纹图谱特征向量 的密集预测任务时，需要将权重矩阵的高分辨率表示与待分类的训练特征指纹峰引导指纹 图谱特征向量的图像语义特征分布维度密集关联上下文进行集成，因此通过在迭代过 程中最大化权重空间的分布边界，来基于迭代关联表示资源认知地（resource-aware）实现 渐进集成（progressive integrity），从而提高权重矩阵的训练效果，提升模型整体的训练 效率。这样，能够基于训练雄蚕蛾阴性供试液特征HPLC指纹图谱和多个训练特征指纹峰的 相对峰面积来判断被检测的蓉蛾益肾口服液是否达到预定的质量标准，通过这样的方式， 能够实现蓉蛾益肾口服液质量的自动化检测，提高了检测的准确性和效率，进而提升蓉蛾 益肾口服液的产品质量。
综上，基于本申请实施例的蓉蛾益肾口服液的质量检测方法被阐明，其可以提高检测的准确性和效率，进而提升蓉蛾益肾口服液的产品质量。
图3为根据本申请实施例的蓉蛾益肾口服液的质量检测系统100的框图。如图3所示，根据本申请实施例的蓉蛾益肾口服液的质量检测系统100，包括：图谱获取模块110，用于获取被检测蓉蛾益肾口服液的雄蚕蛾阴性供试液特征HPLC指纹图谱；相对峰面积提取模块120，用于从所述雄蚕蛾阴性供试液特征HPLC指纹图谱提取多个特征指纹峰的相对峰面积；向量化模块130，用于将所述多个特征指纹峰的相对峰面积按照样本维度排列为特征指纹峰相对峰面积输入向量；特征引导关联分析模块140，用于对所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量进行特征引导关联分析以得到特征指纹峰引导指纹图谱特征；以及，质量分析模块150，用于基于所述特征指纹峰引导指纹图谱特征，确定被检测蓉蛾益肾口服液是否符合预定质量标准。
在一个示例中，在上述蓉蛾益肾口服液的质量检测系统100中，所述特征引导关联分析模块140，用于：将所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量通过包含卷积神经网络模型和一维卷积层的MetaNet模块以得到特征指纹峰引导指纹图谱特征图作为所述特征指纹峰引导指纹图谱特征。
这里，本领域技术人员可以理解，上述蓉蛾益肾口服液的质量检测系统100中的各个模块的具体功能和操作已经在上面参考图1到图2的蓉蛾益肾口服液的质量检测方法的描述中得到了详细介绍，并因此，将省略其重复描述。
如上所述，根据本申请实施例的蓉蛾益肾口服液的质量检测系统100可以实现在各种无线终端中，例如具有蓉蛾益肾口服液的质量检测算法的服务器等。在一个示例中，根据本申请实施例的蓉蛾益肾口服液的质量检测系统100可以作为一个软件模块和/或硬件模块而集成到无线终端中。例如，该蓉蛾益肾口服液的质量检测系统100可以是该无线终端的操作系统中的一个软件模块，或者可以是针对于该无线终端所开发的一个应用程序；当然，该蓉蛾益肾口服液的质量检测系统100同样可以是该无线终端的众多硬件模块之一。
替换地，在另一示例中，该蓉蛾益肾口服液的质量检测系统100与该无线终端也可以是分立的设备，并且该蓉蛾益肾口服液的质量检测系统100可以通过有线和/或无线网络连接到该无线终端，并且按照约定的数据格式来传输交互信息。
图4为根据本申请实施例的蓉蛾益肾口服液的质量检测方法的应用场景图。如图4所示，在该应用场景中，首先，获取被检测蓉蛾益肾口服液的雄蚕蛾阴性供试液特征HPLC指纹图谱（例如，图4中所示意的D），然后，将所述雄蚕蛾阴性供试液特征HPLC指纹图谱输入至部署有蓉蛾益肾口服液的质量检测算法的服务器（例如，图4中所示意的S）中，其中，所述服务器能够使用所述蓉蛾益肾口服液的质量检测算法对所述雄蚕蛾阴性供试液特征HPLC指纹图谱进行处理以得到用于表示被检测蓉蛾益肾口服液是否符合预定质量标准的分类结果。
进一步地，本申请采用试验法，通过高效液相色谱法、对照法、指纹图谱鉴别法等方法开展HPLC指纹图谱鉴定、新制蓉蛾益肾口服液的雄蚕蛾阴性试液和样品液检测的研究，进而提升蓉蛾益肾口服液质量。
关于HPLC指纹图谱鉴定，可以通过高效液相色谱法(通则0512)进行测定。具体地，精密称取雄蚕蛾对照药材2.0g，加50%乙醇溶液（含1毫克/毫升苯甲酸钠）10ml，超声提取15分钟，用纱布滤过，取滤液用水稀释1倍，加苯甲酸钠制成每1ml含1mg的溶液，滤过，滤液作为对照药材溶液。在HPLC仪上进样5μl，记录雄蚕蛾对照药特征指纹图谱。取蓉蛾益肾口服液过0.45μm滤膜，取续滤液作供试品溶液，在HPLC仪上进样5μl，记录供试品特征指纹图谱，以苯甲酸钠（19号峰）为参照物峰，供试品特征指纹图谱应含26个特征指纹峰，在与雄蚕蛾（柞蚕）对照药材特征指纹峰位置样品应有相同指纹峰，样品供试液特征指纹图谱中的1号指纹峰的相对峰面积不得低于1.0。
以十八烷基硅烷键合硅胶为填充剂（ZORBAX SB-C18，柱长为25cm，内径为4.6mm，粒径为5µm）；以0.2%磷酸-水溶液（含5mM庚烷磺酸钠）为流动相A，乙腈-甲醇（9:1）溶液为流动相B，按附表1中的规定进行梯度洗脱；检测波长为280nm，柱温为35℃，流速为每分钟1.0ml。经校准后理论塔板数按苯甲酸钠峰计算应不低于5800。
表1 蓉蛾益肾口服液HPLC指纹图谱梯度洗脱程序表
相应地，图5示出了蓉蛾益肾口服液的特征HPLC指纹图谱，图6示出了蓉蛾益肾口服液的雄蚕蛾阴性供试液的特征HPLC指纹图谱。
进一步，关于新制蓉蛾益肾口服液的雄蚕蛾阴性试液和样品液检测。
关于六批阴性样品溶液指纹图谱测定和雄蚕蛾阴性鉴别。六批蓉蛾益肾口服液的雄蚕蛾阴性供试液的1号峰为雄蚕蛾出峰位置，与19号峰（苯甲酸钠峰）的相对峰面积为RA=0.32，见图7。按照药物分析的信噪比S/N=3，规定鉴定样品中是否存在雄蚕蛾存在时，1号峰的相对峰面积不得低于1.0。相应地，表2示出了六批阴性供试液HPLC指纹图谱评价结果。
表2 六批阴性供试液HPLC指纹图谱评价结果
蓉蛾益肾口服液的雄蚕蛾阴性供试液的特征HPLC指纹图谱的1号峰为雄蚕蛾出峰位置，与19号峰（苯甲酸钠峰）的相对峰面积为RA=0.32，见图8，特征技术处参数见表3。
表3六批蓉蛾益肾口服液的雄蚕蛾阴性供试液HPLC特征指纹图谱的特征技术参数
6批蓉蛾益肾口服液的雄蚕蛾阴性供试液特征HPLC指纹图谱的1号峰为雄蚕蛾出峰位置，与19号峰（苯甲酸钠峰）的相对峰面积为RA=0.32，每批样品的特征技术处参数见表4。根据6批蓉蛾益肾口服液的雄蚕蛾阴性供试液的相对峰面积均不大于0.44，信噪比S/N=3，因此，鉴定样品中是否存在雄蚕蛾时，1号峰的相对峰面积RA不得低于1。
表4 六批蓉蛾益肾口服液的雄蚕蛾阴性供试液的相对保留时间和相对峰面积
接下来，关于六批样品溶液指纹图谱测定和雄蚕蛾鉴别。测定新制六批2020001，2020002，2020003，2020004，2020005，2020006蓉蛾益肾口服液HPLC指纹图谱评价结果见表5，此6批样品的1号峰为雄蚕蛾出峰位置与19号峰（苯甲酸钠峰）的相对峰面积均值为RA=2.81，评价图谱见图9。鉴别6批新样品中均含有雄蚕蛾药味。
表5　六批蓉蛾益肾口服液HPLC指纹图谱评价结果
蓉蛾益肾口服液特征HPLC指纹图谱，1号峰为雄蚕蛾出峰位置与19号峰（苯甲酸钠峰）的相对峰面积为RA=2.81，见图10。特征技术处参数见表6。
表6　蓉蛾益肾口服液HPLC特征指纹图谱的特征技术参数
6批蓉蛾益肾口服液特征HPLC指纹图谱的1号峰为雄蚕蛾出峰位置，与19号峰（苯甲酸钠峰）的相对峰面积RA均大于2.4，表明每批样品均含有雄蚕蛾。每批样品的特征技术处参数见表7。
表7 六批蓉蛾益肾口服液的相对保留时间和相对峰面积
6批蓉蛾益肾口服液的雄蚕蛾阴性供试液和样品溶液的特征HPLC指纹图谱的1号峰为雄蚕蛾出峰位置，与19号峰（苯甲酸钠峰）的相对峰面积为RA小于0.5，每批样品的1号峰的RA均大于2.4，见图11。
进一步，关于放置1年和放置2年的样品溶液指纹图谱测定和雄蚕蛾鉴别。分别精密吸取蓉蛾益肾口服液的供试品溶液各5μL，注入液相色谱仪，测定，记录色谱图，以苯甲酸钠（19号峰）为参照物峰，供试品特征指纹图谱应含26个特征指纹峰，计算各批样品的宏定量相似度结果见表8，结果均合格。在与雄蚕蛾对照药材特征指纹峰位置样品均有相同指纹峰，样品供试液特征指纹图谱中的1号指纹峰的相对峰面积均不低于1，15批样品的相对峰面积结果见表9。图12示出了十五批蓉蛾益肾口服液的HPLC指纹图谱评价图。
表8 十五批蓉蛾益肾口服液的宏定量相似度结果
结果0818001，0818001wmj未灭菌；0818002，0818002wmj未灭菌；0818003，0818003wmj未灭菌；0818004，0818005和0818006在2020年4月到达2年保质期，代表其整体药效物质的26个指纹峰的宏定量相似度均合格，见表8。对于距离保质期一年的样品0819001，0819001未灭菌；0819002，0819002未灭菌；0819003和0819003未灭菌等6批样品，这6批样品的宏定量相似度均合格，见表8。表明这15批样品的总药效物质在保质期内的宏定量相似度均符合要求。
根据6批未灭菌样品的宏定量相似度结果均比6批灭菌样品的宏定量相似度平均高6.8%，表明灭菌后药效物质总量有下降趋势。而且灭菌后样品黏度显著增大，样品液不易过滤。
进一步地，以苯甲酸钠峰作为参照物峰，计算1号峰的相对峰面积结果见表9。表9中1号峰的RA均大于2.7，远高于鉴定雄蚕蛾存在必要条件RA=1。说明这十五批样品中均含有雄蚕蛾。样品在放置1那年后和到达保质期时刻，鉴定均含有雄蚕蛾成分。表明定性鉴定方法可靠，可有效鉴定保质期内样品中雄蚕蛾药效成分的存在。
表9 十五批蓉蛾益肾口服液的26个特征指纹峰的相对峰面积RA
此外，本领域技术人员可以理解，本申请的各方面可以通过若干具有可专利性的种类或情况进行说明和描述，包括任何新的和有用的工序、机器、产品或物质的组合，或对他们的任何新的和有用的改进。相应地，本申请的各个方面可以完全由硬件执行、可以完全由软件(包括固件、常驻软件、微码等)执行、也可以由硬件和软件组合执行。以上硬件或软件均可被称为“数据块”、“模块”、“引擎”、“单元”、“组件”或“系统”。此外，本申请的各方面可能表现为位于一个或多个计算机可读介质中的计算机产品，该产品包括计算机可读程序编码。
除非另有定义，这里使用的所有术语(包括技术和科学术语)具有与本申请所属领域的普通技术人员共同理解的相同含义。还应当理解，诸如在通常字典里定义的那些术语应当被解释为具有与它们在相关技术的上下文中的含义相一致的含义，而不应用理想化或极度形式化的意义来解释，除非这里明确地这样定义。
上面是对本申请的说明，而不应被认为是对其的限制。尽管描述了本申请的若干示例性实施例，但本领域技术人员将容易地理解，在不背离本申请的新颖教学和优点的前提下可以对示例性实施例进行许多修改。因此，所有这些修改都意图包含在权利要求书所限定的本申请范围内。应当理解，上面是对本申请的说明，而不应被认为是限于所公开的特定实施例，并且对所公开的实施例以及其他实施例的修改意图包含在所附权利要求书的范围内。本申请由权利要求书及其等效物限定。

Claims (4)

1.一种蓉蛾益肾口服液的质量检测方法，其特征在于，包括：
获取被检测蓉蛾益肾口服液的雄蚕蛾阴性供试液特征HPLC指纹图谱；
从所述雄蚕蛾阴性供试液特征HPLC指纹图谱提取多个特征指纹峰的相对峰面积；
将所述多个特征指纹峰的相对峰面积按照样本维度排列为特征指纹峰相对峰面积输入向量；
对所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量进行特征引导关联分析以得到特征指纹峰引导指纹图谱特征；以及
基于所述特征指纹峰引导指纹图谱特征，确定被检测蓉蛾益肾口服液是否符合预定质量标准；
其中，对所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量进行特征引导关联分析以得到特征指纹峰引导指纹图谱特征，包括：
将所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量通过包含卷积神经网络模型和一维卷积层的MetaNet模块以得到特征指纹峰引导指纹图谱特征图作为所述特征指纹峰引导指纹图谱特征；
其中，将所述雄蚕蛾阴性供试液特征HPLC指纹图谱和所述特征指纹峰相对峰面积输入向量通过包含卷积神经网络模型和一维卷积层的MetaNet模块以得到特征指纹峰引导指纹图谱特征图作为所述特征指纹峰引导指纹图谱特征，包括：
将所述雄蚕蛾阴性供试液特征HPLC指纹图谱通过所述MetaNet模块的卷积神经网络模型以得到雄蚕蛾阴性供试液特征HPLC指纹特征图；
将所述特征指纹峰相对峰面积输入向量通过所述MetaNet模块的第一一维卷积层后再通过ReLU函数进行线性修正以得到线性修正后特征指纹峰相对峰面积特征向量；
将所述线性修正后特征指纹峰相对峰面积特征向量通过所述MetaNet模块的第二一维卷积层后再通过Sigmoid函数进行处理以得到激活后特征指纹峰相对峰面积特征向量；以及
以所述激活后特征指纹峰相对峰面积特征向量对所述雄蚕蛾阴性供试液特征HPLC指纹特征图进行沿通道维度加权融合以得到所述特征指纹峰引导指纹图谱特征图；
其中，基于所述特征指纹峰引导指纹图谱特征，确定被检测蓉蛾益肾口服液是否符合预定质量标准，包括：
将所述特征指纹峰引导指纹图谱特征图通过分类器以得到分类结果，所述分类结果用于表示被检测蓉蛾益肾口服液是否符合预定质量标准。
2.根据权利要求1所述的蓉蛾益肾口服液的质量检测方法，其特征在于，还包括训练步骤：用于对所述包含卷积神经网络模型和一维卷积层的MetaNet模块和所述分类器进行训练。
3.根据权利要求2所述的蓉蛾益肾口服液的质量检测方法，其特征在于，所述训练步骤，包括：
获取训练数据，所述训练数据包括被检测蓉蛾益肾口服液的训练雄蚕蛾阴性供试液特征HPLC指纹图谱，以及，所述被检测蓉蛾益肾口服液是否符合预定质量标准的真实值；
从所述训练雄蚕蛾阴性供试液特征HPLC指纹图谱提取多个训练特征指纹峰的相对峰面积；
将所述多个训练特征指纹峰的相对峰面积按照样本维度排列为训练特征指纹峰相对峰面积输入向量；
将所述训练雄蚕蛾阴性供试液特征HPLC指纹图谱和所述训练特征指纹峰相对峰面积输入向量通过所述包含卷积神经网络模型和一维卷积层的MetaNet模块以得到训练特征指纹峰引导指纹图谱特征图；
将所述训练特征指纹峰引导指纹图谱特征图通过所述分类器以得到分类损失函数值；以及
基于所述分类损失函数值并通过梯度下降的方向传播来对所述包含卷积神经网络模型和一维卷积层的MetaNet模块和所述分类器进行训练，其中，在所述训练的每次权重矩阵迭代时，对所述训练特征指纹峰引导指纹图谱特征图展开后得到训练特征指纹峰引导指纹图谱特征向量进行特征优化。
4.根据权利要求3所述的蓉蛾益肾口服液的质量检测方法，其特征在于，将所述训练特征指纹峰引导指纹图谱特征图通过所述分类器以得到分类损失函数值，包括：
所述分类器以如下训练损失公式对所述训练特征指纹峰引导指纹图谱特征图进行处理以生成训练分类结果；其中，所述训练损失公式为：
其中，表示将所述训练特征指纹峰引导指纹图谱特征图投影为向量，至为各层全连接层的权重矩阵，至表示各层全连接层的偏置矩阵；以及
计算所述训练分类结果与所述真实值之间的交叉熵值作为所述分类损失函数值。
CN202311630129.6A 2023-12-01 2023-12-01 蓉蛾益肾口服液的质量检测方法 Active CN117330678B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311630129.6A CN117330678B (zh) 2023-12-01 2023-12-01 蓉蛾益肾口服液的质量检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311630129.6A CN117330678B (zh) 2023-12-01 2023-12-01 蓉蛾益肾口服液的质量检测方法

Publications (2)

Publication Number Publication Date
CN117330678A CN117330678A (zh) 2024-01-02
CN117330678B true CN117330678B (zh) 2024-02-09

Family

ID=89277737

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311630129.6A Active CN117330678B (zh) 2023-12-01 2023-12-01 蓉蛾益肾口服液的质量检测方法

Country Status (1)

Country Link
CN (1) CN117330678B (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1602830A (zh) * 2004-11-09 2005-04-06 清华大学 一种对中药生产工艺进行实时监控的方法
CN103257188A (zh) * 2013-01-05 2013-08-21 中山大学 一种复方血栓通制剂生物活性色谱指纹图谱的构建方法
CN106324112A (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hplc指纹图谱的建立及检测方法
CN106442834A (zh) * 2016-08-31 2017-02-22 吉林修正药业新药开发有限公司 一种益肾安神药物hplc特征图谱的构建方法
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

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1602830A (zh) * 2004-11-09 2005-04-06 清华大学 一种对中药生产工艺进行实时监控的方法
CN103257188A (zh) * 2013-01-05 2013-08-21 中山大学 一种复方血栓通制剂生物活性色谱指纹图谱的构建方法
CN106324112A (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hplc指纹图谱的建立及检测方法
CN106442834A (zh) * 2016-08-31 2017-02-22 吉林修正药业新药开发有限公司 一种益肾安神药物hplc特征图谱的构建方法
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

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Convolutional neural network for automated peak detection in reversed-phase liquid chromatography;Alexander Kensert et al.;Journal of Chromatography A;全文 *
小儿金青颗粒HPLC指纹图谱研究;万佳丽;明凯利;向阳;林凤杰;黄志军;;中国药师(第08期);全文 *
灰色系统理论在中药色谱指纹图谱模式识别中的应用研究;魏航;林励;张元;王莲婧;陈沁群;;色谱(第02期);全文 *
益肾安神口服液特征图谱研究;赵源慧;杨喆茗;白冰;徐建;李长惠;王宝成;;长春中医药大学学报(第01期);全文 *

Also Published As

Publication number Publication date
CN117330678A (zh) 2024-01-02

Similar Documents

Publication Publication Date Title
CN116189179B (zh) 循环肿瘤细胞扫描分析设备
CN107677647B (zh) 基于主成分分析和bp神经网络的中药材产地鉴别方法
Abhishek et al. Automated detection and classification of leukemia on a subject-independent test dataset using deep transfer learning supported by Grad-CAM visualization
CN106096571B (zh) 一种基于emd特征提取和稀疏表示的细胞分类方法
WO2023115682A1 (zh) 自适应随机块卷积核网络的高光谱中药材鉴别方法
Safdar et al. Intelligent microscopic approach for identification and recognition of citrus deformities
Khutlang et al. Automated detection of tuberculosis in Ziehl‐Neelsen‐stained sputum smears using two one‐class classifiers
CN110068544A (zh) 物质识别网络模型训练方法及太赫兹光谱物质识别方法
CN111833330B (zh) 基于影像与机器嗅觉融合的肺癌智能检测方法及系统
CN112750132A (zh) 基于双路径网络和通道注意的白细胞图像分割方法
Tello-Mijares et al. A novel method for the separation of overlapping pollen species for automated detection and classification
Han et al. Automatic classification method of thyroid pathological images using multiple magnification factors
Tarimo et al. WBC YOLO-ViT: 2 Way-2 stage white blood cell detection and classification with a combination of YOLOv5 and vision transformer
CN114707608A (zh) 医疗质控数据处理方法、装置、设备、介质及程序产品
de Lima et al. Importance of complementary data to histopathological image analysis of oral leukoplakia and carcinoma using deep neural networks
CN117330678B (zh) 蓉蛾益肾口服液的质量检测方法
CN110008836A (zh) 一种病理组织切片高光谱图像的特征提取方法
CN107449849B (zh) 一种中药鉴别方法
Laosai et al. Deep-Learning-based Acute Leukemia classification using imaging flow cytometry and morphology
CN114925196B (zh) 多层感知网络下糖尿病血检异常值辅助剔除方法
CN110765908A (zh) 基于深度学习的级联式癌细胞检测系统
Cruz et al. Leaf Classification of Costus Plant Species Using Convolutional Neural Network
Sumi et al. Glioblastoma Multiforme Classification On High Resolution Histology Image Using Deep Spatial Fusion Network
Sha et al. HerbMet: Enhancing metabolomics data analysis for accurate identification of Chinese herbal medicines using deep learning
WANG et al. Analysis of blood cell image recognition methods based on improved CNN and Vision Transformer

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
GR01 Patent grant
GR01 Patent grant