一种基于拉曼光谱和机器学习算法的识别驼奶的鉴别模型及方法

    公开(公告)号:CN115586172A

    公开(公告)日:2023-01-10

    申请号:CN202211201755.9

    申请日:2022-09-29

    IPC分类号: G01N21/65 G06F18/24

    摘要: 本发明为一种基于拉曼光谱和机器学习算法的识别驼奶的鉴别模型及方法。一种基于拉曼光谱和机器学习算法的识别驼奶的鉴别模型,采用以下步骤建立所述的鉴别模型:(1)采集驼奶粉的拉曼光谱数据;(2)对所述的拉曼光谱数据依次进行基线校正、平滑处理和归一化处理,得预处理后的光谱数据;(3)对所述的预处理后的光谱数据进行降维后,建立SVM分类模型,即所述的鉴别模型。本发明所述的一种基于拉曼光谱和机器学习算法的识别驼奶的鉴别模型及方法,有助于了解不同品牌驼奶之间物质的差异,在鉴别筛查中具有较大的潜在研究价值。

    一种G@Ag@PSB复合SERS衬底及其制备方法、应用

    公开(公告)号:CN118641526A

    公开(公告)日:2024-09-13

    申请号:CN202410745215.X

    申请日:2024-06-11

    IPC分类号: G01N21/65

    摘要: 本发明为一种G@Ag@PSB复合SERS衬底及其制备方法、应用。一种G@Ag@PSB复合SERS衬底的制备方法,包括以下步骤:(1)制备多孔硅布拉格反射镜;(2)将葡萄糖溶液和硝酸银溶液混合后,加入所述的多孔硅布拉格反射镜,在160‑180℃下反应5‑7h后。冷却、清洗、干燥,得所述的G@Ag@PSB复合SERS衬底。本发明所述的一种G@Ag@PSB复合SERS衬底及其制备方法、应用,采用电化学腐蚀(EC)和水热碳化法(HTC),以硝酸银和葡萄糖分别作为银源和碳源,合成了石墨碳(G)@银(Ag)@多孔硅布拉格反射镜(PSB)复合SERS衬底,其具有成本低的优势,同时对GA具有显著SERS增强能力,可用于小分子药物鉴定中,具有良好的潜在应用性能。

    一种食品质量管理安全风险预筛查模型

    公开(公告)号:CN113592338B

    公开(公告)日:2023-09-12

    申请号:CN202110909891.2

    申请日:2021-08-09

    摘要: 本发明为一种食品质量管理安全风险预筛查模型。一种食品质量管理安全风险预筛查模型,包括:(1)文本数据获取及预处理;(2)预处理后的文本数据编码向量化;(3)通过有监督的深度学习中注意力得分机制,判断食品安全危害程度。本发明所述的一种食品质量管理安全风险预筛查模型,是一种基于关联注意力机制的新型食品文本挖掘技术,利用消费者评论中每个词和unsafety标签的互信息,计算出每个词与食品安全危害的关联得分,再结合有监督的深度学习中注意力得分进一步挖掘消费者与危险食品的潜在互动,从而可以快速筛查潜在的食品安全问题。

    一种基于数据脱敏的CT医疗图像清洗方法

    公开(公告)号:CN111382151A

    公开(公告)日:2020-07-07

    申请号:CN202010206503.X

    申请日:2020-03-23

    摘要: 本发明为一种基于数据脱敏的CT医疗图像清洗方法。一种基于数据脱敏的CT医疗图像清洗方法,包括:S10:对CT医疗图像的原始数据进行伦理批件人工审核;S20:采用基于遮掩和替换的脱敏策略,将标签下涉及患者个人隐私的数据进行格式化替换或由*代替;S30:将经过CT医疗图像脱敏后的数据应用清洗程序进行清洗;S40:在步骤S20中如果出现信息Patient ID重复的数据,需要提示人工审核重复数据信息是否脱敏并剔除未脱敏数据;S50:将清洗后的正常数据进行归类输出,人工溯源到原始数据逐一审核确认。本发明的CT医疗图像清洗方法准确有效,可以快速准确对CT医疗图像进行数据脱敏操作,并完成数据清洗工作;对患者隐私进行了保护,同时也节省了大量的人力和时间成本。

    海胆状SERS基底及制备方法、应用、SLE分类模型及建立方法、应用

    公开(公告)号:CN118655123A

    公开(公告)日:2024-09-17

    申请号:CN202410745924.8

    申请日:2024-06-11

    发明人: 陈晨 陈程 薛友

    IPC分类号: G01N21/65

    摘要: 本发明为海胆状SERS基底及制备方法、应用、SLE分类模型及建立方法、应用。海胆状SERS基底的制备方法,包括以下步骤:(1)制备PSi布拉格反射镜;(2)将所述的PSi布拉格反射镜浸泡在硝酸银溶液中40‑80s后,取出,在其表面滴加四氯金酸溶液,至少3min后,用水清洗、干燥,得具有海胆状结构的Au@Ag‑PSi,即所述的海胆状的SERS基底。本发明所述的海胆状SERS基底及制备方法、应用、SLE分类模型及建立方法、应用,采用电化学腐蚀法和原位还原法合成了以Au NPs为外壳,Ag NPs为核心,多孔硅(PSi)为基底的新型SERS基底,其具有更高的SERS增强效应和更高的灵敏度,从而可用于罗丹明检测和SLE分类中。

    一种食品质量管理安全风险预筛查模型

    公开(公告)号:CN113592338A

    公开(公告)日:2021-11-02

    申请号:CN202110909891.2

    申请日:2021-08-09

    摘要: 本发明为一种食品质量管理安全风险预筛查模型。一种食品质量管理安全风险预筛查模型,包括:(1)文本数据获取及预处理;(2)预处理后的文本数据编码向量化;(3)通过有监督的深度学习中注意力得分机制,判断食品安全危害程度。本发明所述的一种食品质量管理安全风险预筛查模型,是一种基于关联注意力机制的新型食品文本挖掘技术,利用消费者评论中每个词和unsafety标签的互信息,计算出每个词与食品安全危害的关联得分,再结合有监督的深度学习中注意力得分进一步挖掘消费者与危险食品的潜在互动,从而可以快速筛查潜在的食品安全问题。