[發明專利]一種中藥藥性識別方法、系統、計算機設備及存儲介質在審
| 申請號: | 202210349248.3 | 申請日: | 2022-04-01 |
| 公開(公告)號: | CN114911977A | 公開(公告)日: | 2022-08-16 |
| 發明(設計)人: | 王耘;王獻瑞;梁浩;劉淑明 | 申請(專利權)人: | 王耘 |
| 主分類號: | G06F16/901 | 分類號: | G06F16/901;G06F16/906;G06K9/62;G06N20/00;G06Q10/04;G16H70/40;G01N21/65 |
| 代理公司: | 成都頂峰專利事務所(普通合伙) 51224 | 代理人: | 葉昌威 |
| 地址: | 100000 北京市房山區良鄉大*** | 國省代碼: | 北京;11 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 中藥 藥性 識別 方法 系統 計算機 設備 存儲 介質 | ||
1.一種中藥藥性識別方法,其特征在于,包括:
獲取待識別中藥樣品的拉曼譜圖數據;
將待識別中藥樣品的拉曼譜圖數據導入預置的中藥藥性識別模型進行分析識別,獲得識別結果;
根據識別結果判定待識別中藥樣品的藥性識別信息;
其中,所述中藥藥性識別模型的生成過程包括:
獲取中藥參照樣品的藥性分類信息以及若干拉曼譜圖;
對中藥參照樣品的各拉曼譜圖進行量化處理和相似度評價,獲得標準圖譜數據;
將標準圖譜數據與藥性分類信息關聯整合為中藥參照樣品的體系數據集,并對體系數據集進行特征篩選,得到中藥參照樣品的拉曼數據特征信息;
將中藥參照樣品的拉曼數據特征信息導入預置的機器學習模型進行訓練,獲得藥性識別預測模型;
基于設定的模型評價參數指標對所述藥性識別預測模型進行模型評估,評估通過,則獲得中藥藥性識別模型。
2.根據權利要求1所述的一種中藥藥性識別方法,其特征在于,所述藥性分類信息包括四氣分類藥性、五味分類藥性、歸經分類藥性、升降沉浮分類藥性以及有毒無毒分類藥性,所述識別結果包括四氣分類藥性、五味分類藥性、歸經分類藥性、升降沉浮分類藥性和有毒無毒分類藥性的識別參數,所述藥性識別信息包括四氣分類藥性、五味分類藥性、歸經分類藥性、升降沉浮分類藥性和有毒無毒分類藥性的判定結果。
3.根據權利要求1所述的一種中藥藥性識別方法,其特征在于,所述對中藥參照樣品的各拉曼譜圖進行量化處理和相似度評價,包括:
提取各拉曼譜圖的譜圖數據;
以設定的命中質量指數評價、基于P value評價和逆檢索峰位匹配評價中的一種或多種評價組合方式對各拉曼譜圖的譜圖數據進行相似度評價,選取相似度值大于設定閾值的各拉曼譜圖的平均譜圖數據作為標準圖譜數據。
4.根據權利要求1所述的一種中藥藥性識別方法,其特征在于,所述對體系數據集進行特征篩選,包括:采用Pearson相關系數篩選方法、互信息和最大信息系數篩選方法、距離相關系數篩選方法、學習模型特征排序篩選方法、卡方檢驗篩選方法、信息增益篩選方法以及信息增益率特征篩選方法中的一種或多種組合方式對體系數據集進行特征篩選。
5.根據權利要求1所述的一種中藥藥性識別方法,其特征在于,所述預置的機器學習模型為隨機森林模型、支持向量機模型、邏輯回歸模型、貝葉斯網絡模型和人工神經網絡模型中的任意一種。
6.根據權利要求1所述的一種中藥藥性識別方法,其特征在于,對藥性識別預測模型進行模型評估,包括:采用五折交叉驗證法、七折交叉驗證法、十折交叉驗證法和二十折交叉驗證法中的一種或多種組合方式對藥性識別預測模型進行模型評估。
7.根據權利要求1所述的一種中藥藥性識別方法,其特征在于,所述方法還包括:接收中藥參照樣品的量化數據文件,然后對量化數據文件進行文件解析,獲得中藥參照樣品的藥性分類信息以及若干拉曼譜圖。
8.一種中藥藥性識別裝置,其特征在于,包括獲取單元、評價單元、篩選單元、構建單元、識別單元和判定單元,其中:
獲取單元,用于獲取中藥參照樣品的藥性分類信息以及若干拉曼譜圖,以及獲取待識別中藥樣品的拉曼譜圖數據;
評價單元,用于對中藥參照樣品的各拉曼譜圖進行量化處理和相似度評價,獲得標準圖譜數據;
篩選單元,用于將標準圖譜數據與藥性分類信息關聯整合為中藥參照樣品的體系數據集,并對體系數據集進行特征篩選,得到中藥參照樣品的拉曼數據特征信息;
構建單元,用于將中藥參照樣品的拉曼數據特征信息導入預置的機器學習模型進行訓練,獲得藥性識別預測模型;以及基于設定的模型評價參數指標對所述藥性識別預測模型進行模型評估,評估通過,則獲得中藥藥性識別模型;
識別單元,用于將待識別中藥樣品的拉曼譜圖數據導入預置的中藥藥性識別模型進行分析識別,獲得識別結果;
判定單元,用于根據識別結果判定待識別中藥樣品的藥性識別信息。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于王耘,未經王耘許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202210349248.3/1.html,轉載請聲明來源鉆瓜專利網。





