清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Quality Discrimination Method of Cinnamomi Cortex Formula Granules Based on Multi-Source Information Fusion and Chemometrics

化学计量学 模式识别(心理学) 人工智能 融合 传感器融合 质量(理念) 化学 信息融合 计算机科学 数学 色谱法 生物 质量评定 高光谱成像 皮质(解剖学)
作者
Pan-pan Wang,Xuehua Fan,Jianing Sun,LI Meng-Han,Xin-jing Gui,Yong-qin Zhu,Qing-xiao Wang,Xiao-yao Wang,Rui-xin Liu
出处
期刊:Journal of Food Composition and Analysis [Elsevier BV]
卷期号:: 109692-109692
标识
DOI:10.1016/j.jfca.2026.109692
摘要

Cinnamomi Cortex (CC ) is a widely used medicinal and edible species with substantial market potential and frequent clinical use. Therefore, the quality consistency of CC formula granules (CCFG) directly affects therapeutic efficacy and patient safety. We developed a rapid quality-detection workflow for CCFG integrating multi-dimensional biomimetic sensory data. Fifty-one batches of CCFG were analyzed by HPLC and GC-IMS and characterized with near-infrared spectroscopy (NIR), electronic eye (EE), electronic tongue (ET), and electronic nose (EN). We built qualitative classification models using convolutional neural networks (CNN), partial least squares discriminant analysis (PLS-DA), k-nearest neighbors (KNN), and least-squares support vector machines (LS-SVM) and quantitative component-prediction models using partial least squares regression. In qualitative models, the CNN model based on GC-IMS data achieved 100% accuracy. The multi-source information fusion of ET+EN+EE achieved the highest positive judgement rate of 97.06%. For quantitative prediction, the fusion model combining the EN+EE predicted cinnamic acid content with R² = 0.9834, RMSEC = 0.3195, and RMSEP = 0.3547, demonstrating excellent predictive performance. Overall, this approach provides a rapid, robust method for CCFG quality identification extending conventional quality-control practices for traditional Chinese medicine (TCM) and offering a practical methodological reference for assessing similar TCM formula granules and related food products.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
ZXneuro完成签到,获得积分10
刚刚
刚刚
TingtingGZ发布了新的文献求助10
5秒前
在水一方的应助被WebCasa采纳,获得50
12秒前
14秒前
22秒前
30秒前
34秒前
小巧慕儿完成签到,获得积分10
43秒前
动听的山槐完成签到,获得积分10
53秒前
59秒前
Criminology34的应助被科研通管家采纳,获得10
1分钟前
Criminology34的应助被科研通管家采纳,获得10
1分钟前
Criminology34的应助被科研通管家采纳,获得10
1分钟前
小二郎的应助被科研通管家采纳,获得10
1分钟前
Criminology34的应助被科研通管家采纳,获得10
1分钟前
1分钟前
华仔的应助被xun采纳,获得10
1分钟前
1分钟前
正直的剑愁完成签到,获得积分10
1分钟前
WebCasa发布了新的文献求助50
1分钟前
1分钟前
1分钟前
sshh123发布了新的文献求助60
1分钟前
1分钟前
美丽代桃完成签到,获得积分10
1分钟前
iman完成签到,获得积分10
1分钟前
xun发布了新的文献求助10
1分钟前
2分钟前
TingtingGZ发布了新的文献求助10
2分钟前
李pp关注了科研通微信公众号
2分钟前
2分钟前
故意的丹萱完成签到,获得积分10
2分钟前
2分钟前
xun完成签到,获得积分20
2分钟前
充电宝的应助被兰斯洛特117采纳,获得10
2分钟前
能干的修洁完成签到,获得积分10
2分钟前
maomao完成签到,获得积分10
2分钟前
WebCasa完成签到,获得积分10
2分钟前
2分钟前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
拉伸高分子熔体中缠结行为的模拟和小角中子散射研究 1700
The World Atlas of Wine 9th edition 1000
奈特基础组织学:配套组织病理学(第4版)(Netter's Essential Histology With Correlated Histopathology) 800
John McDowells Bildungstheorie 800
八旗制度の研究 600
plantTFDB 508
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 计算机科学 工程类 有机化学 化学工程 生物化学 物理 复合材料 内科学 催化作用 光电子学 人工智能 细胞生物学 无机化学 物理化学 数学
热门帖子
关注 科研通微信公众号,转发送积分 8173194
求助须知:如何正确求助?哪些是违规求助? 9565558
关于积分的说明 21780461
捐赠科研通 7767279
什么是DOI,文献DOI怎么找? 3431542
关于科研通互助平台的介绍 2555697
邀请新用户注册赠送积分活动 2476682