中药材重金属超标问题日趋严重, 将阻碍中药产业的未来高质量发展, 因此研究高效、 准确、 便捷的超标鉴定方法对于了解中药的安全性具有重要意义。 X射线荧光(XRF)光谱分析具有无损检测、 快速准确、 样品制备方便等优势, 在元素分析领域获得广泛应用。 由于中药材重金属超标阈值低(如中国药典2020年版规定铅超标为5 mg·kg-1), 中药的种类繁多, 基体复杂, 国家标准样本匮乏, 常规的分类算法难以准确鉴定超标问题。 将迁移学习与多分类支持向量机(TrAdaBoost-SVM)方法结合, 以金银花为例, 采用与金银花相似的国家土壤标准样品的光谱特征信息用于数据增强, 将土壤标准样品和少量中药样本混合建立迁移学习和支持向量机分类模型。 通过实验验证, 迁移学习和TrAdaBoost-SVM结合的分类优化方法, 与传统SVM、 AdaBoost分类算法相比, 鉴定重金属元素铅(Pb)的超标准确率有显著提高。 通过测试数据集的预测验证, TrAdaBoost-SVM模型的预测准确率为96.7%, 高于传统SVM及AdaBoost分类模型的准确率。 所提出的迁移学习与TrAdaBoost-SVM结合的方法, 可在小样本条件下建立分类模型, 并对中药的重金属超标准确预测, 具有一定的理论意义和应用价值。

不同产地丹参药材的质量差异显著, 亟需建立准确、 快速的分析鉴别方法, 对丹参药材的产地进行识别。 激光诱导击穿光谱（LIBS）具有快速、 实时、 高效、 等特点, 克服了传统分析方法时间长、 程序复杂等问题。 人工神经网络（ANN）方法则具有强大的学习和泛化能力, 是一种快速、 准确的分析方法。 采用LIBS技术结合ANN方法构建了对不同产地丹参药材的鉴别方法。 实验首先收集来自安徽、 甘肃等六个不同产地的丹参样品, 并通过LIBS光谱仪对丹参样品进行光谱采集； 之后对丹参LIBS光谱的元素特征峰进行比对, 发现不同产地丹参样品的元素发射谱线强度存在着差异, 如Fe元素（238.20, 373.71 nm）和Ca元素（315.89, 317.93 nm）等； 采用最大最小归一化（MMN）、 标准正态变换（SNV）、 均值中心化（MC）、 Savitzky-Golay平滑滤波（SG）以及多元散射校正（MSC）五种预处理方法对LIBS光谱数据进行预处理优化, 减少光谱噪声以及其他干扰信息的影响； 最后分别搭建ANN分类模型, 从测试集分类准确率、 每类产地的敏感性、 精确率和特异性等方面进行比较, 选择最优模型。 基于原谱的ANN模型测试集分类准确率为94.24%； SNV、 MC两种方法并没有提升ANN模型的分类能力； MMN、 SG及MSC三种预处理方法均提升了ANN的分类效果。 SG-ANN模型取得了最佳鉴别效果, 外部测试集分类准确率为98.15%, 同时具有更高的敏感性、 精确率和特异性, 其中, 安徽、 河南两地丹参样品的判别结果最好, 敏感性、 精确率及特异性均达到100.00%, 其余四种产地丹参样品的敏感性、 精确率及特异性也在95.00%以上。 该结果表明, 选择合适的光谱预处理方法, 能显著提升ANN模型对于丹参产地的预测分类能力, 构建一种相关性更强的定性分析模型。 研究结果表明LIBS技术结合人工神经网络方法是一种很有前景的丹参药材分析鉴别方法, 为中药材质量监督体系提供一种新思路。

忍冬属中药材种类多、 产量大, 外观性状特征相似, 区分较为困难。 采用傅里叶变换红外光谱对来源于忍冬属的忍冬(金银花)、 红腺忍冬、 灰毡毛忍冬、 黄褐毛忍冬4种中药材进行测定, 红外光谱扫描范围为4 000～400 cm-1, 得到图谱后进行图谱解析; 采用谱带较密集的指纹区(1 800～400 cm-1)计算红外光谱图相似系数和二阶导数谱, 同时结合SMICA(簇类独立软模法)聚类分析法对红外指纹图谱进行分类和异同点比较。 结果表明, 4种忍冬属中药材红外光谱整体峰形相似, 谱峰位置和峰高都比较接近, 在1 629～1 635、 1 376～1 384、 1 265～1 282、 1 152～1 158、 1 050～1 051、 814～816、 611～614和534～537 cm-1附近均有吸收, 但忍冬中1 731 cm-1CO伸缩振动吸收峰最明显, 仅灰毡毛忍冬与忍冬显示出1 105和1 103 cm-1C—O的伸缩振动吸收峰。 红腺忍冬与灰毡毛忍冬1 317 cm-1 CH的弯曲振动吸收峰最明显, 黄褐毛忍冬1 075 cm-1处糖醇类物质的C—OH伸缩振动特征峰最明显。 相似系数结果表明4种中药材间存在一定差异, 其中红腺忍冬与黄褐毛忍冬差异最大, 相似系数为0.94。 二阶导数光谱中, 4种中药材在1 700～1 300和971～780 cm-1波段差异明显。 采用Assure ID软件以药材吸收波数为变量进行聚类分析, 红腺忍冬与黄褐毛忍冬的类间距最大, 为6.86, 进一步表明红腺忍冬与黄褐毛忍冬差异最大。 聚类模型中, 4种中药材的识别率和拒绝率最高值为100%, 最低值达99%; 类模型图中, 不同基原药材两两分开, 表明红外光谱结合SIMCA聚类分析能够鉴别忍冬属4种中药材; 取已知基原的样品对聚类分析模型进行验证, 均被正确识别。 因此, 红外光谱与聚类分析法相结合可以快速、 无损鉴别忍冬属4种中药材, 为忍冬属中药的基原鉴别提供了一种科学有效的方法。

随着生物超微弱发光检测技术的发展，越来越多的学者将该技术应用于医疗领域方面的研究。本文通过分析、总结，发现生物超微弱发光在现代医学中不仅能够协助疾病诊断、评估人体皮肤状态，还能应用于针灸、中药药性、中医证型的医疗当中。此外，本文还引入了除光子强度外的其他参数［Q值、压缩状态参数(SSI)和Fano因子］，并对情绪、运动、死亡过程的生物超微弱发光变化也进行了总结。生物超微弱发光在医疗领域应用广泛，实用性强。本文对其进行综述，以期对人体超微弱发光有更详细的了解，展示生物超微弱发光在医疗领域的发展潜力。

通过生物信息学对过敏性紫癜(HSP)的差异表达miRNA进行分析, 探索其调控的基因、生物过程及代谢通路, 进而预测治疗HSP的潜在中药组方。运用GEO数据库对原始数据集GSE80401进行差异分析, 筛选出差异表达的miRNA, 通过miRwalk、TargetScan、miRDB数据库预测靶基因, 基于Metascape数据库进行基因本体(GO)和pathway富集分析, 利用Cytoscape软件进行关键靶点筛选。最后将关键靶点与Coremine Medical数据库相互映射, 筛选治疗HSP的潜在中药组方。基于GSE样本数据预测的靶基因共有83个, 关键基因为hsa-miR-3945, GO富集分析结果涉及对脂多糖的反应、对无机物的反应、凋亡信号通路、对细胞外刺激的反应等生物过程, KEGG富集结果涉及IL-17信号通路、TNF信号通路、Th17细胞分化通路、NF-κB信号通路等。中药预测发现桂枝、茯苓、赤芍、桃仁、牡丹皮可作为潜在药物来治疗HSP。显著性差异基因和潜在核心靶点的分析研究促进了对HSP发病机制的进一步理解和探索, 为中医药治疗HSP提供了新的方向和临床依据。

为了在按摩、针灸等中医相关诊疗过程中, 高效率定位中医按诊所需腧穴。结合单目视觉标定与定位原理, 提出了一种基于三维坐标系之间转换矩阵求取的中医诊疗机械手坐标定位和转换方法。通过进行相机标定得到相机内参数并建立相机三维世界坐标系, 再基于可粘贴于机械手任意固定位置的自定义标签图像建立相机三维世界坐标系与机械手坐标系的转换关系, 通过三维坐标点建立齐次方程, 求解出最优齐次旋转矩阵(R)以及平移向量(T)。将RT齐次矩阵作为两坐标系的关键转换矩阵, 通过数学运算点坐标数据和最优转换矩阵即可得到坐标点在基于标签平面所约定坐标系中的三维坐标, 有助于完成机械手按诊位置的空间坐标转换和精准定位。以六芒星图为标签图, 基于所提出的方法, 通过仿真实验验证了本文所提方法有效性和准确性。

由于三维荧光光谱技术选择性好、 灵敏度高、 测试快速等优点目前已在众多领域中被广泛应用。 中药药性理论是中药的核心基础理论, 是中药学的特色理论之一, 中药药性的客观化判别是中医药现代化研究的关键问题。 中药中大部分分子具备产生荧光的能力, 因而, 针对中药三维荧光光谱特征, 从中药药性的角度对中药进行分类识别研究。 利用FS920型稳态荧光光谱仪测得5组不同浓度的23味寒温类中药溶液制剂的三维荧光光谱数据, 获取样本的等高线图和三维荧光光谱图; 分析不同样本不同激发波长和发射波长范围存在噪声的基础上, 应用集合经验模态分解算法(EEMD)对光谱图进行降噪预处理; 基于局部线性嵌入算法(LLE)对光谱数据进行特征提取, 分析近邻点数k=12, 本征维数d=7时得到的特征向量, 结果表明不同浓度的寒性药在PC4和PC6的特征值变化明显, 不同浓度的温性药在PC1, PC2, PC4和PC7的特征值变化明显, 且浓度越高特征值都有下降趋势。 将提取的特征向量输入到随机森林(RF)中, 构建LLE-RF分类模型, 分析不同参数时LLE-RF分类模型对寒温类中药荧光光谱数据的分类效果, 设置RF分类器中训练集和测试集的样本比例分别为3∶1和2∶1, 即训练集的比重r分别为3/4和2/3, 分析LLE中近邻点数k取值为7~18, 本征维数d分别取值为6, 7, 8, 9和10时分类正确率。 当近邻点数k=12, 本征维数d=7时LLE-RF模型对中药药性的分类正确率最高, 达到96.6%。 最后比较同一比例r情况下, 采用不同核函数构造SVM分类器对寒温类中药荧光光谱数据分类效果, 当多层感知机作为核函数时, 分类效果最差。 当r=3/4, 径向基作为核函数时, 寒温类中药荧光光谱数据的分类效果最好, 正确率达到82.1%。 分析结果表明, 通过荧光光谱技术与LLE-RF相结合的方法, 能有效的将寒温类中药进行模式识别, 并且分类效果比LLE-SVM更理想。

以近红外荧光碳量子点为探针, 以赭曲霉毒素A(OTA)适配体为特异性结合体, 建立了近红外荧光核酸适体OTA传感检测平台。研究显示, 所建立的近红外荧光核酸适体OTA传感对OTA具有高特异性, 其他真菌毒素无明显干扰。研究了传感体系组成、pH值、孵化时间等因素对近红外荧光传感性能的影响, 确定了最优检测条件。在最优检测条件下, OTA 浓度在0.015~1.5 ng·mL-1范围与体系荧光强度恢复呈良好线性关系, 检测限为8 pg·mL-1。该方法用于连翘、葛根、莲子、麦芽、陈皮、甘草等中草药中痕量OTA的测定, 发现这些中药材都存在赭曲霉毒素A的污染。

A technique for the determination of tannin content in traditional Chinese medicine injections (TCMI) was developed based on ultraviolet (UV) spectroscopy. Chemometrics were used to construct a mathematical model of absorption spectrum and tannin reference content of Danshen and Guanxinning injections, and the model was verified and applied. The results showed that the established UV-based spectral partial least squares regression (PLS) tannin content model performed well with a correlation coe±cient (r) of 0.952, root mean square error of calibration (RMSEC) of 0.476 μg/ml, root mean square error of validation (RMSEV) of 1.171 μg/ml, and root mean square error of prediction (RMSEP) of 0.465 μg/ml. Pattern recognition models using linear discriminant analysis (LDA) and k nearest neighbor (k-NN) classifiers based on UV spectrum could successfully classify different types of injections and different manufacturers. The established method to measure tannin content based on UV spectroscopy is simple, rapid and reliable and provides technical support for quality control of tannin in Chinese medicine injections.