基于图像和机器学习的Alismatis Rhizoma来源智能识别方法
Wenqi Zhao1, Zongyi Zhao1, Wen Zheng1
1State Key Laboratory of Southwest Characteristic Chinese Medicine Resources, School of Pharmacy and College of Modern Chinese Medicine Industry, Chengdu University of Traditional Chinese Medicine, Chengdu, 611137, China.
Scientific reports
|April 22, 2025
概括
图像分析准确地确定了阿利斯马蒂斯树瘤 (AR) 的起源,这是一个传统的中医药. 结合形状,纹理特征和随机森林模型,提供了一种快速,客观的质量控制和来源验证方法.
科学领域:
- 药物鉴定学是指药物鉴定学.
- 计算生物学 计算生物学
- 分析化学 分析化学
背景情况:
- 阿里斯马蒂斯树瘤 (AR) 是一种广泛使用的传统医药,由于其复杂的起源在中国,其质量有所变化.
- 确保AR质量对于临床疗效至关重要,需要客观和快速的来源识别方法.
研究的目的:
- 开发和验证一种快速,客观的方法来识别Alismatis Rhizoma的物种和地理来源.
- 为了评估图像处理的有效性与AR认证的机器学习模型相结合.
主要方法:
- 来自两个物种和四个地理来源的400个Alismatis Rhizoma样本进行了成像.
- 从图像中提取了17个特征 (3个形状,2个颜色,12个纹理).
- 使用特征组合测试了四种分类模型 (随机森林,ELM,BP,SVM).
主要成果:
- 形状 (S) 和纹理 (T) 特性与随机森林 (RF) 模型的组合产生了最佳的结果.
- 这种S+T-RF方法在测试集上实现了99.17%的物种识别准确率和96.67%的地理来源识别准确率.
- 该研究表明,图像处理和射频用于复杂的原产地识别的潜力.
结论:
- 图像处理与随机森林模型相结合,提供了一个快速有效的解决方案,用于识别Alismatis Rhizoma的复杂起源.
- 这种方法可以作为一个有价值的参考,用于验证其他药用植物的来源.
