基于拉曼光谱和多标签深度学习的维吾尔医药成分的准确识别方法

科学领域:

• 传统和民族医学传统和民族医学.
• 分析化学是一种分析化学.
• 计算智能是一种计算智能.

背景情况:

• 维吾尔医学是中国传统医学的一个关键组成部分,由于药物材料的改和错误识别,它面临质量控制的挑战.
• 准确识别维吾尔族药物成分对于确保临床疗效和推进研究至关重要.
• 目前的手动检测方法是低效的,昂贵的,并且涉及有毒试剂.

研究的目的:

• 开发一种先进的方法来准确识别维吾尔医学成分.
• 克服传统手动检测技术的局限性.
• 加强维吾尔医学的质量控制和现代化.

主要方法:

• 开发了一种结合拉曼光谱与多标签深度学习模型 (Mix2Com) 的新方法.
• 该模型使用长短期记忆 (LSTM) 和注意力机制来编码拉曼光谱数据.
• 用计算机模拟的混合物作为模型训练和验证的数据集.

主要成果:

• Mix2Com模型实现了高性能指标:准确率为90.76%,精度为99.41%,回忆率为95.42%,F1得分为97.37%.
• 与传统模型相比,观察到显著的改进:49%的准确性和18%的召回比XGBoost.提醒增加.
• 该模型在DeepRaman上表现出优越的性能,准确率为9%,回忆能力有14%的改善.

结论:

• 建议的拉曼光谱和深度学习方法为识别维吾尔族药物成分提供了一个新的,准确的解决方案.
• 这种方法可以显著提高维吾尔医药材料的质量标准.
• 它促进了对有效成分和行动机制的研究,促进了维吾尔医学的现代化.