期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于机器学习的中药制剂中间体微生物限度快速预判研究
被引量：
1
1
作者
赵堉文
李芷瑶
+2 位作者
刘艺丹
李正
王海霞
《分析测试学报》
CAS
CSCD
北大核心
2024年第11期1725-1734,共10页
通过比较随机森林(RF)、支持向量机(SVM)、主成分分析-支持向量机(PCA-SVM)与卷积神经网络(CNN)的模型性能,获得了基于表面增强拉曼光谱(SERS)技术的微生物限度快速预判最优模型,为中药制剂中间体的微生物限度快速预判提供了新方法。首...
通过比较随机森林(RF)、支持向量机(SVM)、主成分分析-支持向量机(PCA-SVM)与卷积神经网络(CNN)的模型性能,获得了基于表面增强拉曼光谱(SERS)技术的微生物限度快速预判最优模型,为中药制剂中间体的微生物限度快速预判提供了新方法。首先合成Au@Ag@SiO_(2)复合纳米材料作为SERS增强基底,随后使用双层膜过滤法制备中药制剂中间体待测样本,并对样本抗菌活性进行考察。最后采集30批中药制剂中间体样本的SERS光谱,并分别建立RF、SVM、PCA-SVM与基于ResNet架构的CNN快速预判模型。结果表明,所建立的CNN模型的准确度、精确度、召回率均为100.0%,F1分数为1.0,受试者操作特征曲线(ROC)显示CNN模型对中药制剂中间体需氧菌总数(TAMC)、霉菌和酵母菌总数(TYMC)的快速预判能力均高于其他3种算法,能对待测样品微生物限度进行有效预判,对不合格样品进行有效风险预警,从而提高对中药生产过程中间体微生物的质量控制水平。
展开更多
关键词
表面增强拉曼散射(SERS)
机器学习
微生物限度检测
快速预判
在线阅读
下载PDF
职称材料
题名
基于机器学习的中药制剂中间体微生物限度快速预判研究
被引量：
1
1
作者
赵堉文
李芷瑶
刘艺丹
李正
王海霞
机构
天津中医药大学中药制药工程学院
天津市中药智能制药与绿色制药重点实验室
中药制药过程控制与智能制造技术全国重点实验室
现代中医药海河实验室
出处
《分析测试学报》
CAS
CSCD
北大核心
2024年第11期1725-1734,共10页
基金
国家自然科学基金项目(82003944)
2023年天津市高等学校研究生教育改革研究计划项目[TJYG110]。
文摘
通过比较随机森林(RF)、支持向量机(SVM)、主成分分析-支持向量机(PCA-SVM)与卷积神经网络(CNN)的模型性能,获得了基于表面增强拉曼光谱(SERS)技术的微生物限度快速预判最优模型,为中药制剂中间体的微生物限度快速预判提供了新方法。首先合成Au@Ag@SiO_(2)复合纳米材料作为SERS增强基底,随后使用双层膜过滤法制备中药制剂中间体待测样本,并对样本抗菌活性进行考察。最后采集30批中药制剂中间体样本的SERS光谱,并分别建立RF、SVM、PCA-SVM与基于ResNet架构的CNN快速预判模型。结果表明,所建立的CNN模型的准确度、精确度、召回率均为100.0%,F1分数为1.0,受试者操作特征曲线(ROC)显示CNN模型对中药制剂中间体需氧菌总数(TAMC)、霉菌和酵母菌总数(TYMC)的快速预判能力均高于其他3种算法,能对待测样品微生物限度进行有效预判,对不合格样品进行有效风险预警,从而提高对中药生产过程中间体微生物的质量控制水平。
关键词
表面增强拉曼散射(SERS)
机器学习
微生物限度检测
快速预判
Keywords
surface enhanced Raman scattering(SERS)
machine learning
microbial limit testing
rapid prediction
分类号
O657.3 [理学—分析化学]
TB9 [机械工程—测试计量技术及仪器]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于机器学习的中药制剂中间体微生物限度快速预判研究
赵堉文
李芷瑶
刘艺丹
李正
王海霞
《分析测试学报》
CAS
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
