近日，我校伟德bevictor中文版大數據專業本科生在國際著名期刊《Journal of Medicinal Food》上發表題為“Rapid Mold Detection in Chinese Herbal Medicine Using Enhanced Deep Learning Technology”的高水平科學研究論文。
中藥在全球範圍内被廣泛應用于治療各種人類疾病。但是在采前和采後很多因素會導緻中藥材對黴菌毒素污染的易感性增加，如氣候變化、儲存條件、蟲害等。黴菌污染容易導緻其質量下降和功效降低，甚至對人類健康構成威脅。為了保證中藥藥效，開發出高效、準确的中藥黴變檢測方法至關重要。傳統檢測方法，（如PCR、ELISA、免疫熒光、熱成像、熒光成像等）雖可實現檢測之目标，然而這些方法普遍耗時長且效率低，因此如何能夠簡單、快速、準确、經濟的實現中藥材黴變檢測，是一個亟待解決的難題。
該研究采用非線性信号分析方法來消除原始電子鼻數據中的噪聲，通過綜合分析8個傳感器數據，引入了偏心時間卷積網絡（Eccentric Temporal Convolutional Network，ETCN）模型，該模型有效地從電子鼻檢測數據中捕獲時間和空間信息，從而在中藥材中實現黴變的精準檢測。研究結果表明，ETCN方法達到了94.3%的準确率，優于其它對比模型，證明ETCN模型的準确性和高效性，為中藥材黴變快速無損檢測提供了較為理想的解決方案。
圖1 ETCN模型的網絡結構
論文第一作者是大數據21級本科生竺婷，通訊作者是校科研育人名師工作室負責人。Journal of Medicinal Food期刊是一本專注于食品材料的藥用價值和生物醫學作用的國際同行評審期刊，其2023年影響因子為1.73。本研究工作依托伟德bevictor中文版科研育人名師工作室，并得到伟德bevictor中文版的大力支持，使得學生可以在無量之課外學術空間中得以自由翺翔，為優秀學生未來之發展奠定堅實基礎。
論文地址：
https://doi.org/10.1089/jmf.2024.k.0004
數計學院 連俊博
浙公網安備33018502001115号