1、基于人工智能嗅觉技术和化学计量学的白及饮片真伪鉴别桂新景李涵王艳丽范雪花李海洋侯富国姚静张璐施钧瀚刘瑞新李学林(.河南中医药大学第一附属医院药学部郑州.河南中医药大学药学院郑州.河南省中药临床应用、评价与转化工程研究中心郑州.河南中医药大学呼吸疾病中医药防治省部共建协同创新中心郑州.河南省中药临床药学中医药重点实验室郑州)摘 要 目的 采用人工智能嗅觉技术结合化学计量学方法探索建立适合鉴别白及饮片真伪的新方法 方法收集白及及其易掺伪饮片(天麻、玉竹、黄花白及)批以 电子鼻嗅觉感官数据为自变量()依据 年版中华人民共和国药典和地方标准鉴别参考传统经验辨识结果作为标杆辨识信息()采用主成分分析判别
2、分析()、偏最小二乘判别分析()、支持向量机()、最小二乘支持向量机()以及反向传播神经网络()种化学计量学方法建立白及与非白及的二分类辨识模型和 种饮片的四分类辨识模型()以鉴别准确率为指标优选最优分类辨识模型 结果经留一法交互验证在二分类辨识模型中、和 正确率分别为.、.、.和.以 最优在四分类辨识模型中、和 正确率分别为.、.、.和.以 最优 结论 运用电子鼻技术对白及及其近似饮片进行气味特征的表征并与多元统计分析方法结合可准确、快速地鉴别白及饮片为中药饮片气味客观化表达及真伪鉴别提供了新的思路和方法关键词 白及电子鼻化学计量学鉴别中图分类号.文献标识码 文章编号()./.开放科学(资源
3、服务)标识码()(.fi .).().()()()()()().、.、.医药导报 年 月第 卷第 期 .白及为兰科植物白及 (.).的干燥块茎始载于神农本草经 该药性微寒味苦、甘、涩具有收敛止血、消肿生肌功效主要用于咯血、吐血、外伤出血、疮疡肿毒、皮肤皲裂等是中医药治疗胃肺出血的经典药物 白及主产于四川、贵州、湖南等地除具有较高的药用价值外还可用于化妆品、工业制胶及食品行业因过度采挖和繁育困难近年来白及野生资源急剧减少产量难以满足市场需求导致市场上白及饮片品质良莠不齐、掺伪掺假现象时有发生 白及常见的掺伪品是外观较类似的黄花白及、天麻、玉竹等 伪品的流通严重影响白及饮片质量、疗效和用药安全 为
4、保证白及饮片质量建立快速高效的白及真伪鉴别方法迫在眉睫白及的鉴别方法主要分为传统鉴别法和现代仪器分析法两类 传统鉴别法即通过眼观、手摸、鼻闻、口尝、耳听等方式结合经验进行鉴别其优点是快速、简便但该法主观性强依赖经验现代仪器分析法即性状、显微、薄层、含量测定、分子鉴别等这类方法能够通过定性或定量鉴别白及饮片存在较好的重复性但存在操作繁琐、耗时较长等问题 因此探索建立一种快速准确的白及饮片鉴别新方法是目前亟收稿日期 修回日期 基金项目河南省科技攻关项目()国家重点研发计划中医药现代化重点专项课题()河南省中医药科学研究专项课题()河南省中医药拔尖人才培养项目(重点项目)()河南省高层次人才特殊支持
5、“中原千人计划”“中原青年拔尖人才”项目()河南省卫生健康中青年学科带头人专项()河南省卫生健康委员会国 家 中 医 临 床 研 究 基 地 科 研 专 项 课 题()作者简介 桂新景()男河南信阳人主管药师在读博士主要从事中药质量评价及临床应用研究工作:电话:.通信作者 刘瑞新()男河南商丘人主任药师硕士生导师博士主要从事中药饮片临床应用现代化关键技术研 究 工 作:电 话:.通信作者 李学林()男主任药师博士生导师主要从事中药应用形式研究工作:电话:.需解决的问题 人工智能嗅觉技术是模拟人体嗅觉的一类仿生学技术又称电子鼻技术该技术起源于 世纪 年代 其原理与人的嗅觉感知模式类似即通过气敏传
6、感器将待测样品气味物质的物理信号转化为电信号通过对信号进行处理和模式识别从而获取待测样品的完整气味信息 目前该技术在中药材产地区分、中药鉴定、中药炮制等方面已得到广泛应用有望为白及饮片的质量评价开拓新的思路和方法笔者在本实验选取白及饮片及其 种常见掺伪品为研究载体基于电子鼻获得 类样本嗅觉感官数据使用化学计量学方法分别建立二分类和四分类辨识模型以模型交互验证正判率为指标探讨基于人工智能嗅觉技术建立白及饮片真伪快速鉴别方法的可行性同时为其他饮片的快速鉴别提供参考 仪器与试药.仪器 电子鼻(法国 公司 根传感器电子鼻气味分析系统)传感器及其敏感物质见表 型高速万能粉碎机(北京科伟永兴仪器有限公司规
7、格:目)四号药典筛(浙江上虞市道墟五四仪器厂筛孔内径.)型电子天平(德国 公司感量:.)型电子分析天平(瑞士 公司感量:.)型超声波清洗器(上海科导超声仪器有限公司)型电子显微镜(上海.系统)型薄层成像仪(瑞士卡玛公司)型电热鼓风干燥箱(上海博迅实业有限公司医疗设备厂)电热恒温水浴锅(北京科伟永兴仪器有限公司)型高温箱型电阻炉(沈阳市节能电炉厂).材料(二(葡萄糖氧)苄基异丁基苹果酸酯)(上海源叶生物科技有限公司批号:含量)天麻素(中国食品药品检定研究院批号:含量:.)白及对照药材(中国食品药品检定研究院批号:)稀甘油(南昌白云药业有限公司批号:)水为超纯水甲醇、乙腈、磷酸均为色谱纯其他试剂为
8、分析纯 实验用白及 批、天麻 批、玉竹 批和黄花白及 批分别购自河南中医药大学第一附属医院、河南中医药大学第三附属医院等单位样品具体信息见表 表 电子鼻 根传感器敏感物质.矩阵式与传感器编号传感器名称性能描述参考物质传感器室 /对氧化能力较强的气体灵敏氯、氟、氮氧化合物/对有毒气体灵敏氨、胺类化合物、碳氧化合物/对有机化合物灵敏乙醇/对有毒气体灵敏氨、胺类化合物/对有毒气体灵敏硫化氢/对易燃气体灵敏丙烷、丁烷传感器室/对有机化合物灵敏有机化合物/对可燃气体灵敏碳氢化合物/对易燃气体灵敏甲烷/对氧化能力较强的气体灵敏氟/对芳香族化合物灵敏甲苯、二甲苯/对有机化合物、有毒气体灵敏乙醇、氨水、胺类化
9、合物传感器室 /对可燃气体、有机化合物灵敏碳氢化合物、燃烧产物/对氧化能力较强的气体灵敏氯/对有机化合物灵敏乙醇、燃烧产物/对氧化能力较强的气体灵敏氯/对氧化能力较强的气体灵敏氟/对有机化合物灵敏乙醇 方法.样本的辨识.药典辨识 参照 年版中华人民共和国药典(一部)白及项下性状、显微、薄层鉴别、水分、灰分检查方法对 个样本进行鉴别和测定并结合 年版四川省中药饮片炮制规范所载黄花白及项下的性状鉴定方法对 种饮片进行鉴别.电子鼻信号采集取 号样本粉碎后过 号筛筛孔内径(.)精密称取样本粉末 于样品瓶中程序参数设定为进样量 进样量速率 进样温度 获取时间 进样周期 进样时间 冲洗时间 以空气为载气气
10、体流速 进样针温度 每个样品采集 次取平均值得到 根传感器嗅觉信息矩阵().二分类辨识模型的构建及优化 以电子鼻采集的 个样本嗅觉信号为 值以中华人民共和国药典(年版)与地方标准鉴别结果为标杆 值建立电子鼻信号矩阵 和 之间的关系模型()利用 平台建模时为达到分类效果二分类辨识模型构建时 设定为:“”白及饮片“”非白及饮片模型经运算后所得分类结果 表达意义相同 分别建立 个样本的主成分分析判别分析()、偏最小二乘判别分析()、支持向量机()、和反向传播神经网络()的二分类辨识模型采用留一法交互验证以验证后的模型正判率为辨识结果.四分类辨识模型的构建及优化四分类辨识建模方法同“.节”利用 平台建
11、模时四分类辨识模型构建时 设定为:白及饮片天麻饮片玉竹饮片黄花白及饮片模型经运算后所得分类结果 表达意义相同 分别建立 个样本的、最 小 二 乘支 持 向 量 机()和 的四分类辨识模型以留一法交互验证后的模型正判率为辨识结果.模型(潜变量)与嗅觉传感器对分类贡献度的追踪.基于 值变异度的分析与排序以电子鼻的 根传感器为原始变量通过构建 医药导报 年 月第 卷第 期表 白及、天麻、玉竹、黄花白及样品信息.样品编号品名批号产地采集地点白及贵州白及贵州白及贵州白及贵州白及贵州白及贵州凯里白及贵州白及云南白及贵州白及云南白及湖北白及贵州白及云南普洱白及云南普洱白及贵州凯里白及云南白及贵州白及贵州样品
12、编号品名批号产地采集地点白及贵州白及贵州白及贵州白及贵州白及贵州白及贵州白及贵州白及贵州白及贵州白及贵州白及贵州白及/云南天麻/陕西天麻/安徽天麻/云南玉竹/湖南黄花白及/四川 :河南中医药大学第一附属医院中药房:河南中医药大学第三附属医院:郑州中医骨伤病医院:河南省中医院:天津市中医药研究院附属医院:郑州市中医院:张仲景大药房:河南中医药大学第一附属医院煎药中心:河南省中医研究院附属医院:成都荷花池中药材专业市场益康堂中药行“/”表示 为药材市场采购的散装饮片无生产批号:./.柱状图可以深入分析各传感器携带的变异信息从而追踪各传感器对模型分类的贡献度大小.最优模型潜变量载荷图追踪 根据“.节
13、”和“.节”下二分类及四分类的最优模型分别建立其模型潜变量载荷图同时结合各传感器 值找到对模型分类结果贡献度较大的传感器 结果.基于药典的鉴别结果根据性状、显微、薄层鉴别以及水分、灰分检查的综合结果 批白及饮片符合 年版中华人民共和国药典(一部)白及项下标准同时不符合 年版四川省中药饮片炮制规范、年版甘肃省中药炮制规范和 年版甘肃省中药材标准黄花白及项下标准 批天麻饮片和 批玉竹饮片经河南中医药大学第一附属医院陈天朝主任药师鉴定为正品天麻和玉竹饮片 批黄花白及饮片与白及对照药材薄层色谱极为相似难以区别性状特征和显微特征方面 号黄花白及样本均和白及较为相似但其显微背景较白及浑浊不易区分 号黄花白
14、及样本与白及相比木化严重质感有明显差异性状特征与白及不同符合地方标准中规定的黄花白及项下标准 由此可见仅靠中华人民共和国药典(年版)及地方标准部分黄花白及饮片不易鉴别.二分类模型辨识结果.二分类辨识模型及交互验证正判率 最优辨识模型参数为主成分选择 个此时这些主成分能够解释样本的信息 样品判别结果见表 个白及样本中有 个被误分类非白及样本中有 个被误分类模型交互验证正判率为.模型主成分得分图见图()两类样本在二维空间有 重叠但该模型区分度高辨识结果中没有未分类样本因此基本可将白及与非白及饮片区分开来表 留一法交互验证模型判别结果.个真实值/预测值白及非白及未识别正判率/白及非白及.二分类辨识模
15、型及交互验证正判率当潜变量个数优选为 时模型性能最优所选 个潜变量能够解释的自变量变异信息 样品判别结果见表:个白及饮片中 个被误分类 个非白及饮片中 个被误分类模型交互验证正判率为.模型潜变量得分图见图 两类样本在二维空间有部分重叠表明白及饮片与非白及饮片在前两个潜变量上有相似之处 该模型区分度好辨识结果中没有未分类样本因此该模型可用作白及饮片与非白及饮片的辨识表 留一法交互验证模型判别结果.个真实值/预测值白及非白及未识别正判率/白及非白及.判别模型及交互验证结果由于样本的原始响应数值较小因此在建模之前对数据进行“标准正态变换()”的行预处理列预处理方法选择“”核函数选择径向基核函数()经
16、预试后核参数初始值设为 初始值设为 主成分个数应用选择“自动()”然后按照此参数设置优选核参数及 值优选结果见图 由参数优选的等高线图可知当 值为、核参数为.时模型错误率最小为.此时模型判别结果混淆矩阵如表 正判率为.、号白及被误判为非白及、和 号天麻被误判为白及图 显示了支持向量的个数为红色虚线是 模型构造的分类“超平面”“”和“”线上的样本称为“支持向量”由图可知该 模型构建的分类超平面能够将两类样本分开.判别模型及交互验证结果 反向传播 .二分类辨识模型主成分得分图.二分类辨识模型潜变量得分图图 白及二分类辨识结果.神经网络模型无法优选参数因此需逐个尝试参数最终优化结果如下:隐藏层个数(
17、):每层的神经元个数():学习率():.动量项():.迭代次数():由图 可知当训练的迭代次数为 时模型错误率达到 此时模型留一法交互验证判别结果及混淆矩阵如表 白及中、号样本被误分类、号天麻被误分为白及、号天麻、号玉竹 号天麻未分类 模型正判率为.医药导报 年 月第 卷第 期图 白及 二分类辨识模型参数优选.表 二分类辨识模型留一法交互验证判别结果混淆矩阵.个真实值/预测值白及非白及未识别正判率/白及非白及.图 白及 二分类辨识模型分类超平面及支持向量.四分类模型辨识结果.四分类辨识模型及交互验证正判率模型性能最优时主成分个数为 这些主成分能够解释样本的变异信息 样品判别结果见表 经留一法交
18、互验证后 个白及饮片、个天麻饮片、个玉竹饮片中分别有、个被误分类正判率为.误分类情况具体如下:白及样品、号被误分为天麻天麻样品 号被误判为玉竹玉竹样品、号被误判为天麻 号被误判为黄花白及黄花白及无误分类 模型主成分得分图见图()类样本在二维空间中有相互重叠现象说明在前 个主成分所表征的气味信息上 类样本有一定的相似性 该 模型辨识结果中无未分类样本因此该数学建模方法基本可用于 类饮片的分类辨识 图 白及 二分类辨识模型迭代次数及错误率.表 二分类辨识模型留一法交互验证判别结果混淆矩阵.个真实值/预测值白及非白及未识别正判率/白及非白及.表 留一法交互验证模型判别结果.个真实值/预测值白及天麻玉
19、竹黄花白及未分类正判率/白及天麻玉竹黄花白及.四分类辨识模型及交互验证正判率 .四分类辨识模型主成分得分图.四分类辨识模型潜变量得分图图 基于电子鼻的白及四分类辨识结果.模型性能最优时潜变量 个所选 个潜变量可解释自变量差异信息和约 因变量差异信息样品判别结果见表 经留一法交互验证后 个白及饮片中有 个被误分类为天麻饮片 个未分类 个天麻饮片中有 个被误分类 个未分类 个玉竹饮片中有 个被误分类 个未分类 个黄花白及饮片中有 个未分类将未分类样本看作模型判错样本 模型正判率为.误分类情况具体如下:白及样品、号未分类 号误判为天麻天麻样品、号未分类 号被误判为白及玉竹样品、号未分类、号被误判为天
20、麻黄花白及 号未分类 模型潜变量得分图见图白及饮片与黄花白及饮片在二维空间中无重叠现象与天麻饮片重叠较多表明白及饮片与天麻饮片在前两个潜变量所表征的气味信息方面有一定的相似性这也是 个白及饮片被误分类为天麻饮片的原因考虑到该模型辨识结果中存在未分类样本因此用作 类饮片的辨识时其性能还需改进表 留一法交互验证模型判别结果.个真实值/预测值白及天麻玉竹黄花白及未分类正判率/白及天麻玉竹黄花白及.判别模型及交互验证结果样品判别结果见表 经留一法交互验证后 个白及饮片中有 个被误分类为天麻饮片 个天麻饮片中有 个被误分类为白及 个未分类 个玉竹饮片中有 个被误分类为天麻 个未分类黄花白及无误分类 所建
21、立 留一法交互验证判别准确率为.表 留一法交互验证模型判别结果.个真实值/预测值白及天麻玉竹黄花白及未分类正判率/白及天麻玉竹黄花白及.判别模型及交互验证结果 参数设置:隐藏层个数():每层的神经元个数():学习率():.动量项():.迭代次数():此时模型错误率最小见图 此时模型交互验证判别结果及混淆矩阵见表 判别结果:、号白及被误分为天麻、号天麻被误分类为白及、号玉竹被误分类为天麻、号黄花白及被误分为玉竹、号白及、号天麻 号玉竹和、号黄花白及未分类正判率为.图 为 医药导报 年 月第 卷第 期 模型在迭代 次后对每类样本的输出值为避免梯度消失或梯度爆炸导致模型不稳定梯度下降函数将 算法中权
22、值和阈值设置在 因此每类样本输出值在该区间内图中红色线条为可视化类别输出的 值可以看出 经学习后对每一类样本的输出值都明显不同于其他 类样本分类性能良好在玉竹类别的输出中有一个样本的输出值显著小于其余玉竹样本的输出值表明该 模型在对玉竹类别样本区分时性能还有待提高.电子鼻各嗅觉传感器对模型贡献度分析二分类辨识选择 模型四分类选择 模型 型电子鼻共有 根传感器每根传感器携带变异信息值见图 和图 由图()可知相较于其他 根传感器、号传感器所携带变异信息较多对样本二分类贡献度较大、号传感器携带变异信息较少结合图()中各传感器变量在模型第一、第二潜变量上的载荷图、号传感器为正相关变量 号传感器为负相关
23、变量 号传感器在原点附近说明其特征波动对样本分类影响较小结合传感器 值可知 号传感器所携带变异信息也较少 图 白及样本 四分类辨识模型迭代次数及错误率.但其距离原点较远这是因为每个变量解释的变异信息是由 模型的所有潜变量决定的而二维图只展现了前两个潜变量所解释的变异若要反映传感器携带的全部样本变异信息则需要三维甚至多维的潜变量载荷图来实现图 样本 四分类辨识模型各类别输出值.表 四分类辨识模型留一法交互验证判别结果混淆矩阵.个真实值/预测值白及天麻玉竹黄花白及未分类准确率/白及天麻玉竹黄花白及.图()显示在四分类辨识模型中、号传感器携带样本变异信息较多对 个样本四分类的辨识贡献度较大、号传感器
24、携带变异信息较少 结合 模型变量载荷图、号传感器均为负相关变量、号变量距离原点较近解释变异较小 讨论.电子鼻嗅觉信息数据的确定由于每个样本的电子鼻原始数据量较大 型电子鼻中包含每个样本 内的传感器响应值因此需进行电子鼻.柱状图.二分类辨识模型变量载荷图图 白及二分类辨识模型的变量(传感器)贡献度.().柱状图.四分类辨识模型变量载荷图图 白及四分类辨识模型的变量(传感器)贡献度.()医药导报 年 月第 卷第 期嗅觉信息数据的选取 嗅觉信息数据包括以下内容:每个传感器在特定时间点的响应值每个传感器响应的平均值每个传感器响应的最大值每个传感器响应值的方差等 通过多次实验笔者最终确定选择电子鼻各传感
25、器的响应平均值作为嗅觉信息数据来建模.电子鼻不同传感器对样品响应分析通过分析电子鼻不同传感器对 类样品响应均值发现传感器/、/、/、/、/、/、/、/、/、/、/、/、/响应值为正值其中/响应值最大/响应值最小/等 个传感器对黄花白及响应高于其他饮片/等 个传感器对白及响应高于其他饮片整体而言传感器响应值:天麻玉竹白及黄花白及黄花白及和白及同属白及属植物因此其化学成分比较接近这与电子鼻传感器响应情况也是吻合的多数传感器对黄花白及响应高于白及说明黄花白及中挥发性成分含量相对较高 传感器/、/、/、/、/响应值为负值且响应值均(个)(个)误分类及未分类样本存在的原因可能是这些样本与其他同类样本的组
26、内或组间差异较大导致模型判错或未分类.基于智能嗅觉技术的中药饮片鉴别方法可行性分析“辨状论质”是中药材传统经验的总结是鉴定中药品质真伪优劣的重要方法 中药具有的特征性气味是评价其质量的主要依据之一也是其真伪鉴别的重要依据 电子鼻作为模拟人工嗅觉系统的机器相比传统、等技术而言具有整体性、快捷、环保、样品预处理简单等优点基于辨状论质思维采用电子鼻技术用于中药饮片鉴别方面可行性已有多名学者开展研究杨诗龙采用电子鼻技术结合 等化学计量学分析方法可实现浙贝母、平贝母、川贝母和伊贝母粉末快速准确鉴别刘红秀等通过电子鼻建立了八角、白豆蔻、砂仁等 种中药材鉴别方法鉴别准确率 王蔚昕采用电子鼻技术结合 等多元统
27、计方法可以对正品防风、北柴胡及其地方习用品准确进行鉴别 本研究采用电子鼻对白及饮片及其掺伪品进行鉴别的最佳二分类和四分类模型正判率分别为.和.均取得较优鉴别结果故基于智能嗅觉技术的中药饮片鉴别在方法上是可行的 分析本研究未能达到正判率的原因是选择的研究载体白及、黄花白及、玉竹、天麻性状描述均为气微其气味特征均不明显容易导致难以辨识其气味特征而出现误分类或者未分类情况 此外人工智能技术还包含了电子眼、电子舌等可以考虑融合多种感官信息数据有利于提高信息维数对于提高模型正判率会有所帮助基于智能嗅觉技术(电子鼻)所建立的白及真伪二分类最优辨识模型为 模型四分类最优辨识模型分别为 模型 上述两种模 型均
28、具有良好的预测能力可以用于白及饮片的真伪鉴别 总体而言本研究所建立的方法可准确、快速地鉴别白及及其近似饮片为中药饮片气味客观化表达及真伪鉴别提供了新思路和新方法参考文献 孙乐乐杨永红刘军凯等.白及的本草考证.中药材():.国家药典委员会.中华人民共和国国药典(一部).北京:中国医药科技出版社:.左世梅.药用植物白及化学成分和药理作用研究进展.中国现代医生():.李伟平何良艳丁志山.白及的应用及资源现状.中华中医药学刊():.蒋俊陈红霞汤兴利等.基于中医药美白理论的白及研发思考.中草药():.刘京宏周利钟晓红等.白及资源研究现状及长产业链开发策略.中国现代中药():.孙达锋史劲松张卫明等.白及多
29、糖胶研究进展.食品科学():.李伟平何良艳丁志山.白及的应用及资源现状.中华中医药学刊():.张曼韩亭亭胡春芳等.白及产业现状及可持续发展策略.中草药():.李明华程显隆李宁新等.白及的质量问题及真伪鉴别方法.中国药事():.陈美君.中药白及品质评价研究.成都:成都中医药大学:.翟萌马逾英郑光雅等.市售白及与三种混伪品的对比鉴别.成都中医药大学学报():.娜仁花.中药鉴别研究的发展和现代鉴别技术介绍.临床医药文献电子杂志():.朱樵苏段营辉黄澜等.白及与伪品“水白及”的对比鉴别.海峡药学():.杨顺丽杨枝中李龙等.白及薄层色谱鉴别方法的改进和高效液相指纹图谱研究.云南中医学院学报():.贠玉伟
30、.白及的性状与薄层色谱鉴别研究.内蒙古中医药():.王龙胡海波钱涛.白及真伪品的性状与显微鉴别.时珍国医国药():.钱梅焦玉张勤.白及药材掺伪的快速鉴别.湖北中医杂志():.吴梅古今李文春等.商品白及饮片与水白及饮片的快速鉴别.中国民族民间医药():.赵爽黄春球杨耀文等.黄花白及的 分子标记转化研究.中草药():.():.刘瑞新陈鹏举李学林等.人工智能感官:药学领域的新技术.药物分析杂志():.夏成凯宋芊芊方成武.基于电子鼻技术区分不同产地的牡丹皮药材.中国现代应用药学():.黄得栋何微微晋玲等.基于电子鼻技术区分不同产地的南五味子.中国实验方剂学杂志():.拱健婷王佳宇李莉等.基于电子鼻气味
31、指纹图谱与 算法鉴别姜黄属中药.中国中药杂志():.张超杨诗龙胥敏等.基于气味指纹分析的半夏及其伪品鉴别研究.世界科学技术中医药现代化():.方文韬赵丽蓉张虹等.基于电子鼻技术多花黄精药材的鉴别研究.现代农业科技():.刘杰杨瑶珺王文讳等.基于电子鼻技术的国产血竭与进口血竭快速鉴别研究.世界中医药():.胡婷婷张振凌张娟等.电子鼻区分牛膝及其不同炮制品气味的初步研究.中国药房():.胥敏杨诗龙张超等.基于气味客观化的黄连及其炮制品鉴别研究.中国中药杂志():.四川省食品药品监督管理局.四川省中药饮片炮制规范.成都:四川科学技术出版社:.甘肃省食品药品监督管理局.甘肃省中药炮制规范.兰州:甘肃人民出版社:.甘肃省食品药品监督管理局.甘肃省中药材标准.兰州:甘肃文化出版社:.杨诗龙.基于智能感官分析技术的贝母及黄连饮片鉴别研究.成都:成都中医药大学:.刘红秀姬生国庄家俊等.基于仿生嗅觉的中药材鉴别的实现.广东药学院学报():.王蔚昕.中药的电子鼻鉴别方法研究.北京:北京中医药大学:.医药导报 年 月第 卷第 期