基于NMR的深度学习分类原牛奶样本在乳腺炎的不同阶段
Tomislav Jednačak1, Predrag Novak1, Ivana Rubić2
1Department of Chemistry, Faculty of Science, University of Zagreb, Zagreb, Croatia.
Journal of the science of food and agriculture
|September 17, 2025
概括
这项研究开发了一个深度强化学习 (DRL) 模型,使用核磁共振 (NMR) 来分类生牛牛奶中的牛乳炎. 该模型实现了82%的准确性,为畜牧业提供了一个新的诊断工具.
科学领域:
- 兽医医学 兽医医学 兽医医学
- 分析化学 分析化学
- 生物技术是生物技术.
背景情况:
- 牛乳炎是一种影响牛奶成分的乳腺炎症.
- 乳腺炎会改变蛋白质质量,脂肪酸含量,代谢物,乳糖和矿物质.
研究的目的:
- 评估原牛奶的核磁共振 (NMR) 数据作为深度强化学习 (DRL) 的指纹.
- 开发一个可靠的预测模型,用于乳腺炎分类.
主要方法:
- 使用1H-NMR和扩散顺序光谱 (DOSY) NMR进行代谢物识别.
- 应用了使用DRL到NMR光谱的先进的多维张量分解.
- 根据乳腺炎的阶段和病原体分类的原牛奶.
主要成果:
- 确定了健康和乳牛之间的关键牛奶代谢物和组成差异.
- 根据乳腺炎的阶段和病原体,成功分类牛奶样本.
- 通过使用深度神经网络和减少训练集,实现了82%的分类准确性.
结论:
- 开发了一种准确和高效的牛奶化学成分分类模型.
- 深度神经网络模型对诊断影响牛奶质量的疾病有希望.
- 这种方法可以应用于畜牧业的疾病诊断.
