基于神经网络的中药黄芩药效评价方法研究

J4 ›› 2011, Vol. 24 ›› Issue (1): 72-76.

基于神经网络的中药黄芩药效评价方法研究

侯恩广¹, 李树彬¹, 李珂¹, 丁晓彦², 吕凌², 刘青², 赵渤年², 于宗渊²

1．山东省汽车电子技术重点实验室，山东省科学院自动化研究所，山东济南 250014； 2．山东省中医药研究院，山东济南 250014

出版日期:2011-02-20 发布日期:2011-02-20
基金资助:
国家科学技术部“十一五”支撑计划项目（2006BAI06A0203）；山东省科学院博士基金项目（科基合字［2008］第25号）

Neural network based assessment of pharmacological effects of traditional Chinese medicine

HOU En-Guang¹, LI Shu-Bin¹, LI Ke¹, DING Xiao-Yan², LV Ling², LIU Qing², ZHAO Bo-Nian², XU Zong-Yuan²

1.Shandong Provincial Key Laboratory of Automotive Electronics, Institute of Automation, Shandong Academy of Sciences, Jinan 250014, China; 2.Shandong Academy of Traditional Chinese Medicine, Jinan 250014, China

Online:2011-02-20 Published:2011-02-20

摘要/Abstract

摘要：

本文建立了中药黄芩药效评价的BP神经网络模型，通过收集海量相关数据，训练其模型参数，建立了中药黄芩谱-效结合评价系统。测试结果证明了该方法的先进性与可靠性。

关键词: 中药药效评价, 谱-效相关模式, 神经网络, 指纹图谱

Abstract:

How to impersonally and effectively assess the pharmacological effects of traditional Chinese medicine (TCM) is one of the difficulties confronting the modern research of TCM. This paper establishes a neural network model for the assessment of pharmacological effects of traditional Chinese medicine Huang Qin. We train this model with massive data and adjust its model parameters. We therefore construct a union effect assessment system for the traditional Chinese medicine Huang Qin. Test results show the advances and reliability of this method.

Key words: quality assessment of a traditional Chinese medicine, chromatographic fingerprint and pharmacological effect correlation mode, neural network, fingerprint

中图分类号:

R284.1

侯恩广, 李树彬, 李珂, 丁晓彦, 吕凌, 刘青, 赵渤年, 于宗渊. 基于神经网络的中药黄芩药效评价方法研究[J]. J4, 2011, 24(1): 72-76.

HOU En-Guang, LI Shu-Bin, LI Ke, DING Xiao-Yan, LV Ling, LIU Qing, ZHAO Bo-Nian, XU Zong-Yuan. Neural network based assessment of pharmacological effects of traditional Chinese medicine[J]. J4, 2011, 24(1): 72-76.

[1]	张含笑, 刘宇然, 刘媛, 牛子辰. 基于多任务学习的轨道交通短时客流预测研究[J]. 山东科学, 2024, 37(1): 95-106.
[2]	姜晓东, 王磊磊, 孙鹏, 杨光, 耿俊琪, 王家文, 黄胜, 渠帅, 王晨, 尚盈. 基于生成对抗网络的有载调压开关故障检测研究[J]. 山东科学, 2023, 36(6): 68-73.
[3]	董贯雷, 姜晓东, 孙鹏, 杨光, 耿俊琪, 王家文, 渠帅, 黄胜, 王晨, 尚盈. 基于分布式光纤传感系统的有载变压器故障检测技术研究[J]. 山东科学, 2023, 36(5): 52-59.
[4]	付梦雅, 敖慧豪, 卜超, 朋汤义, 吴德玲, 韩燕全, 洪燕. 基于指纹图谱和网络药理学的干姜质量标志物预测分析[J]. 山东科学, 2023, 36(4): 35-41.
[5]	庄皓, 李杨, 陶明坤. 基于Attention机制的CNN-LSTM驾驶人意图识别方法研究[J]. 山东科学, 2023, 36(2): 103-111.
[6]	孙凤娟,田勇,孙开争,付华轩,张文娟,李敏,吕晨. 基于人工神经网络集合预报的济南市臭氧预报方法[J]. 山东科学, 2022, 35(3): 89-99.
[7]	曹鲁慧, 邓玉香, 陈通, 李钊. 一种基于深度学习的中文文本特征提取与分类方法[J]. 山东科学, 2019, 32(6): 106-111.
[8]	胡祥昊, 李亚男, 孙志强, 高鹏, 代龙. 不同产地苦杏仁药材及其饮片水提液HPLC指纹图谱研究[J]. 山东科学, 2019, 32(4): 1-7.
[9]	吴明泽, 刘国飞, 王笑, 李婷, 王常瞵, 高鹏, 代龙. 秦艽药材与饮片标准汤剂的质量传递性研究[J]. 山东科学, 2019, 32(4): 16-23.
[10]	王硕, 谷远利, 李萌, 陆文琦, 张源. 基于混沌理论和MEA-BPNN模型的快速路短时交通流预测[J]. 山东科学, 2019, 32(2): 98-107.
[11]	李小峰，于慧彬. 基于BP神经网络的船舶航向智能PID控制研究[J]. 山东科学, 2018, 31(4): 8-14.
[12]	刘倩，张敏敏，李圣波，梁琰，刘伟，程素盼，王晓，耿岩玲，赵恒强. HPLC-DAD法测定西藏产区金银花花蕾及叶中化学成分含量[J]. 山东科学, 2018, 31(4): 20-25.
[13]	郑威, 杨英，惠力, 鲁成杰，赵彬，杨立. 基于BP神经网络模型的ADCP倾斜条件下的修正算法研究[J]. 山东科学, 2018, 31(3): 1-7.
[14]	黄恩潭, 谷远利. 基于改进人工蜂群算法优化小波神经网络的短时交通流预测[J]. 山东科学, 2018, 31(2): 79-87.
[15]	陈蕾，戴衍朋，王亮，曲永胜，王萌，周倩. 市售夏枯草饮片质量调查及评价标准研究[J]. 山东科学, 2017, 30(1): 8-14.