基于神经网络和物元分析的民族药小花清风藤综合鉴定智能模型研究

Sabia parviflora is one of the most conventional medicine used to treat hepatitis and rheumatism diseases by the Miao and Buyi ethnic groups in Guizhou. Clinical and pharmacological studies proved that it has great value of exploitation and market potential, but it contains mass of adulterants and has difficults in identification. At present, studies on the truth identification and quality eveluation is still lagging behind or in a blank stage. This paper studies Sabia parviflora and adulterants from the morphology of plant, character of medicinal material, microstructure, active ingredient content, HPLC fingerprint, near infrared spectrum and DNA barcode to obtain characteristic datas used to identifying Sabia parviflora and quality evaluation, establishing truth and quality comprehensive identification nonlinear mathematical model with multi-index and multi-parameter by artificial neural network and matter element analysis. This model combine“Four tradtional identification methods”with modern advanced identification and analysis technologies. It could fulfill truth identification and quality grade eveluation with one or several characteristic datas in the application. Establishing an accurate, stable and easy intelligent model fit for the tradtional Chinese medicine could not only provied powerfull intelligence sopport in the development and utilization of Sabia parviflora but also offer new ideas and ways in the truth identification and quality eveluation of tradtional Chinese herbs.

小花清风藤是贵州苗族、布依族治疗肝炎和风湿等疾病最为常用的药物之一，实践和科学研究证实其蕴藏着极大的开发利用价值和市场潜力，但其混伪品众多且不易鉴别，有关真伪鉴定和品质评价的研究还十分滞后或是空白。本课题以小花清风藤及其混伪品为研究对象，从HPLC指纹图谱、近红外光谱、DNA条形码，以及原植物形态、药材性状、显微构造、活性成分含量等方面入手，获取小花清风藤真伪鉴别和品质评价的特征数据，运用人工神经网络（ANN）和物元分析（MEA）技术构建多指标、多参数的真伪和品质综合鉴定非线性数学模型。该模型将传统的“四大鉴别法”与现代先进的鉴定和分析技术有机结合起来，融为一体，应用时只需将一项或几项特征数据输入模型即可实现真伪鉴定和品质等级评价同时进行。构建准确、稳定、简便、符合中医药特色的智能模型，不仅能为小花清风藤的开发利用提供强有力的智力支持，还可为中药材真伪鉴定和品质评价提供新的思路与方法。

小花清风藤是贵州苗族、布依族治疗肝炎和风湿等疾病的常用药物之一，实践和科学研究证实其蕴藏着极大的开发利用价值和市场潜力，但其混伪品众多且不易鉴别，有关真伪鉴定和品质评价的研究还十分滞后或是空白。本课题按照项目任务书的要求，以小花清风藤及其混伪品为研究对象，从药材性状、显微构造、活性成分含量、HPLC指纹图谱、近红外光谱以及DNA条形码等方面入手，获取小花清风藤真伪鉴别和品质评价的特征数据，运用人工神经网络（ANN）和物元分析（MEA）技术构建了“BP神经网络与HOG特征相结合的小花清风藤叶片智能鉴别模型”、“基于模糊物元与灰色模式识别的小花清风藤品质评价方法”、“基于MobileNet的10种清风藤植物石细胞图像智能鉴别模型”“基于辨状论质的小花清风藤颜色与化学成分含量的相关性理论”等小花清风藤真伪鉴定和品质评价方法。. 除了建立小花清风藤真伪鉴定和品质评价模型及方法，项目还收集保存了110批小花清风藤及其混伪品药材样品，建立了清风藤属药用植物种质资源圃；建立了小花清风藤性状显微、DNA条形码、近红外光谱等鉴定方法；构建了小花清风藤HPLC化学指纹图谱及其质量评价方法；从小花清风藤中分离得到包括一个新化合物在内的20个化合物，获得了一批具有良好药理活性的化合物单体；建立了小花清风藤药材所含黄酮类、皂苷类等有效成分的含量测定方法，明确了不同药材部位中总皂苷、总黄酮及6个有效成份的含量；明确了小花清风藤有效成份的动态积累规律，确定了小花清风藤药材的最适入药部位为叶和最佳采收期为2~4月；优选出了小花清风藤栽培繁殖的技术条件。各项研究成果为今后深入研究和开发利用小花清风藤资源奠定了良好的技术条件和实物基础。. 通过项目实施，发表相关学术论文21篇，申请发明专利6项，培养硕士研究生3人，1人晋升为正高职称，2人晋升为中级职称，打造了一支专门从事民族药资源研究的科研队伍，为后期对以小花清风藤为代表的地方特色民族药用资源开展深入研究和综合开发利用奠定了坚实基础。