使用太赫兹精度光谱学和CNN-变压器混合网络算法识别Pueraria lobata的起源
Yongni Shao1, Dan Chen2, Binggan Wang3
1Terahertz Technology Innovation Research Institute, Terahertz Spectrum and Imaging Technology Cooperative Innovation Center, Shanghai Key Lab of Modern Optical System, University of Shanghai for Science and Technology, Shanghai 200093, China; Shanghai Institute of Intelligent Science and Technology, Tongji University, Shanghai 200092, China.
Spectrochimica acta. Part A, Molecular and biomolecular spectroscopy
|November 21, 2025
概括
太赫兹 (THz) 光谱学与深度学习混合模型相结合,准确地验证了Pueraria lobata的地理来源. 这种非破坏性的方法提高了传统医学的质量控制和可追溯性.
科学领域:
- 分析化学 分析化学
- 频谱学是一种光谱学.
- 化学测量 化学测量 化学测量
背景情况:
- 普埃拉里亚洛巴塔是一种传统的中医药,根据地理来源,其生物活性成分的概况各不相同.
- 准确的地理认证对于质量控制和确保Pueraria lobata的有效性至关重要.
- 现有的身份验证方法可能具有破坏性或缺乏所需的精度.
研究的目的:
- 探索特拉赫兹 (THz) 光谱技术在Pueraria lobata的非破坏性地理来源认证方面的潜力.
- 开发和评估一种新型的深度学习模型,将THz光谱学集成为Pueraria lobata分类.
- 将THz光谱的性能与其他分析技术和机器学习算法进行比较.
主要方法:
- 来自中国八个地区的Pueraria lobata样本使用THz光谱学进行分析.
- 一个CNN-Transformer混合深度学习网络被开发用于光谱数据分类.
- 高性能液体染色学 (HPLC) 用于将光谱特征与关键生物活性化合物相关联.
- 对比分析包括拉曼光谱和五种传统的机器学习算法.
主要成果:
- 使用CNN-变压器混合模型的THz光谱方法实现了地理原产地分类的91.67%的高精度.
- 这种准确性明显优于传统方法 (60.42%-64.58%) 和标准的CNN架构 (85.42%).
- 来自江西和西地区的样本获得了完美的分类 (F1分数 = 1.000).
- 惠普LC分析证实了THz光谱特征与诸如 puerarin 等生物活性成分之间的联系.
结论:
- 太赫兹光谱学与先进的深度学习相结合,为Pueraria lobata起源的可追溯性提供了一个强大而准确的解决方案.
- 这种非破坏性技术为传统医学的质量控制提供了一个优秀的替代方案.
- 开发的混合模型显示出在食品和药品认证中应用的巨大潜力.
