申明金

(川北醫(yī)學(xué)院化學(xué)教研室，四川 南充 637000)

人工神經(jīng)網(wǎng)絡(luò)在中藥研究與生產(chǎn)中的應(yīng)用進展

申明金

(川北醫(yī)學(xué)院化學(xué)教研室，四川 南充 637000)

中藥是一個復(fù)雜的多組分體系，如何闡釋多樣的化學(xué)組分中隱藏的信息、規(guī)律與其藥效之間的關(guān)系是中藥研究的難題，也是制約中藥現(xiàn)代化的關(guān)鍵問題。人工神經(jīng)網(wǎng)絡(luò)具有強大的學(xué)習(xí)功能，它能從復(fù)雜的數(shù)據(jù)系統(tǒng)中尋找出相應(yīng)的模式、規(guī)律，歸納隱含在信息單元之間的關(guān)聯(lián)規(guī)則的有效方法。近年來，將人工神經(jīng)網(wǎng)絡(luò)引入中藥研究與生產(chǎn)受到廣泛關(guān)注并取得了顯著進展。本文就人工神經(jīng)網(wǎng)絡(luò)近l0年來在中藥研究領(lǐng)域的應(yīng)用進行了綜述，其中包括中藥質(zhì)量控制、多組分的同時測定、活性成分研究、中藥復(fù)方研究和中藥提取工藝的優(yōu)化等內(nèi)容。

人工神經(jīng)網(wǎng)絡(luò)；中藥研究；中藥質(zhì)量控制；多組分的同時測定；活性成分；中藥復(fù)方；中藥生產(chǎn)

人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，即ANN )是一種模擬人類神經(jīng)系統(tǒng)的信息處理技術(shù)。目前使用的人工神經(jīng)網(wǎng)絡(luò)除應(yīng)用最廣的BP網(wǎng)絡(luò)外，還有徑向基網(wǎng)絡(luò)、自組織網(wǎng)絡(luò)、反饋網(wǎng)絡(luò)等其它神經(jīng)網(wǎng)絡(luò)形式，分別適用于不同的場合。人工神經(jīng)網(wǎng)絡(luò)具有強大的自學(xué)習(xí)能力、聯(lián)想存儲功能和高效尋求優(yōu)化解的能力。此外，神經(jīng)網(wǎng)絡(luò)還具有很強的非線性擬合能力，可映射任意復(fù)雜的非線性關(guān)系，而且學(xué)習(xí)規(guī)則簡單，便于計算機實現(xiàn)。鑒于這些優(yōu)勢，人工神經(jīng)網(wǎng)絡(luò)在中藥研究與生產(chǎn)中得到了廣泛的應(yīng)用?，F(xiàn)簡要介紹其基本特點與功能，并將其近年來在中藥研究與生產(chǎn)中的應(yīng)用綜述如下。

1 人工神經(jīng)網(wǎng)絡(luò)方法在中藥材鑒別和質(zhì)量控制方面的應(yīng)用

中藥材成分復(fù)雜，單純地以中藥材中某一組分的含量或幾個“有效成分”作為藥材鑒別或質(zhì)量等級分類是不科學(xué)的，因而對中藥的鑒別和分類常采用模式識別的方法進行。模式識別是指對表征事物或現(xiàn)象的各種形式的信息進行處理和分析以便對事物或現(xiàn)象進行識別、分類和解釋。人工神經(jīng)網(wǎng)絡(luò)對高維信息具有高效、強大的處理能力，是中藥材的種屬識別和質(zhì)量評價的常用方法。相翠玉等[1]將近紅外漫反射光譜分析技術(shù)與人工神經(jīng)網(wǎng)絡(luò)方法相結(jié)合，對不同產(chǎn)地大黃進行識別，識別正確率可高達到95%。劉陽等[2]收集不同產(chǎn)地的黃芪樣品建立指紋圖譜信息，用自組織競爭神經(jīng)網(wǎng)絡(luò)成功地實現(xiàn)了不同產(chǎn)地黃芪的分類識別。劉星等[3]以不同產(chǎn)地和品種的薏仁的近紅外光譜數(shù)據(jù)作為研究對象，用學(xué)習(xí)向量化神經(jīng)網(wǎng)絡(luò)建立薏仁的分類識別模型，預(yù)測準(zhǔn)確率達到90%以上。安生梅等[4]利用傅里葉變換紅外光譜，測定了不同產(chǎn)地訶子樣品的紅外光譜圖。利用概率神經(jīng)網(wǎng)絡(luò)對紅外光譜數(shù)據(jù)進行訶子產(chǎn)地類別建模，網(wǎng)絡(luò)模型對訶子主產(chǎn)地或偽劣訶子的正確識別率達到100%。該模型具有制樣簡單、譜圖準(zhǔn)確、重現(xiàn)性好等優(yōu)點，適合大量樣品的快速鑒別研究。王麗瓊等[5]利用麻黃藥材的HPLC指紋圖譜所提供的信息建立BP-ANN模型對不同產(chǎn)地的麻黃進行分類，所建模型對不同種類、不同產(chǎn)地的麻黃藥材的預(yù)測準(zhǔn)確率達94.4%。湯彥豐等[6]采用傅里葉紅外光譜掃描42種紫花地丁樣品，利用徑向基神經(jīng)網(wǎng)絡(luò)建立分類模型對野生紫花地丁和栽培紫花地丁進行鑒別，其識別正確率達到95.24%，為紫花地丁的質(zhì)量控制提供了方法保障。目前，在中藥材的模式識別中應(yīng)用較多的是BP網(wǎng)絡(luò)。

2 人工神經(jīng)網(wǎng)絡(luò)在中藥活性成分及中藥藥動學(xué)研究中的應(yīng)用

中藥活性研究和藥動學(xué)研究中經(jīng)常面臨復(fù)雜的非線性問題，而人工神經(jīng)網(wǎng)絡(luò)其強大的非線性擬合能力可以很好地建立相應(yīng)的復(fù)雜非線性藥效模型。趙蔡斌等[7]采用量子化學(xué)從頭算法，計算1O個大黃素類似物分子結(jié)構(gòu)參數(shù)，用篩選出的結(jié)構(gòu)參數(shù)作為網(wǎng)絡(luò)輸入節(jié)點，建立了大黃素類化合物抗乳腺癌細胞活性的BP神經(jīng)網(wǎng)絡(luò)模型。石俊等[8]采用量子化學(xué)的算法, 計算了18個黃酮類化合物的13個結(jié)構(gòu)參數(shù),用篩選出3個電性結(jié)構(gòu)參數(shù)建立黃酮類化合物抗氧化活性的神經(jīng)網(wǎng)絡(luò)模型。交互驗證法預(yù)報結(jié)果表明,模型預(yù)報結(jié)果可靠。黃榕波等[9]建立了考慮個體差異因素如個體體質(zhì)量、性別、年齡、健康情況、生化生理指標(biāo)、病理指標(biāo)、時間等作為模型輸入的氨酚曲馬多血藥濃度人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型，通過對39名健康志愿者的實驗結(jié)果表明模型對個體血藥濃度具有較好的預(yù)測能力，對實際數(shù)據(jù)擬合程度比較理想。實現(xiàn)了個體即時血藥濃度和個體藥動學(xué)參數(shù)的預(yù)測，為實現(xiàn)臨床個性化用藥和進一步開展相關(guān)的其他藥學(xué)研究提供了有益參考。楊帆等[10]由微分方程推導(dǎo)出血管外給藥的一般藥動學(xué)過程，并通過微分求解得到血藥濃度與時間的關(guān)系函數(shù)，用BP神經(jīng)網(wǎng)絡(luò)對數(shù)據(jù)進行模擬，得到了較好的結(jié)果。BELIC等[11]應(yīng)用BP網(wǎng)絡(luò)，通過藥物的血藥濃度預(yù)測尼群地平的降壓作用，這個方法通過安全劑量下藥物的臨床效果來預(yù)測高劑量下可能發(fā)生的藥物的不良反應(yīng)，為臨床藥物的監(jiān)控提供了新的途徑。

3 人工神經(jīng)網(wǎng)絡(luò)在中藥功效與復(fù)方配伍研究中的應(yīng)用

利用已有經(jīng)驗積累和文獻資料，對中藥復(fù)方進行識別與改進，通過配伍變化開發(fā)出新型復(fù)方是中藥發(fā)展的需要。這需要對前人積累的用藥頻次、劑量增減進行分類、學(xué)習(xí)，從中找出經(jīng)驗和規(guī)律。麥其鵬等[12]根據(jù)復(fù)方抗衰老中藥藥效與其性味歸經(jīng)之間復(fù)雜的、不確定的關(guān)系和組方原則，建立了藥效和性味歸經(jīng)之間的BP神經(jīng)網(wǎng)絡(luò)模型，對復(fù)方中的三種主要指標(biāo)的預(yù)測準(zhǔn)確率達93%。喬少杰等[13]提出了將模糊神經(jīng)元和徑向基函數(shù)引入神經(jīng)網(wǎng)絡(luò)的方劑功效約簡算法，設(shè)計了方劑功效約簡模糊神經(jīng)網(wǎng)絡(luò)。通過大量實驗表明該算法功效約簡的準(zhǔn)確率達到90% 以上，為由藥物功效歸納方劑功效的研究提供了強力的工具和方法。武曉東[14]將人類根據(jù)經(jīng)驗得到的對中藥的認識，以評分形式作主觀量化。然后以此評分為學(xué)習(xí)樣本，訓(xùn)練BP網(wǎng)絡(luò)擬合評分人員的認識方式，建立了中藥數(shù)值化的主觀評價模型。黎海彬[15]利用BP神經(jīng)網(wǎng)絡(luò)研究中藥性味歸經(jīng)與藥效評價的關(guān)系問題。結(jié)果表明BP神經(jīng)網(wǎng)絡(luò)模型能在一定誤差范圍內(nèi)揭示中藥的性味歸經(jīng)與其降脂藥效之間的關(guān)系，可用于降脂中藥藥效的預(yù)測，為降脂藥物的選擇和中藥降脂藥效評價提供一種科學(xué)、客觀、簡潔的方法。張博[16]在中藥方劑的數(shù)據(jù)預(yù)處理研究中，將粗糙集理論和人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，在對中藥方劑配伍的研究中實現(xiàn)了對中藥方劑藥物的藥性評價，為探尋中藥方劑的配伍規(guī)律提供了技術(shù)支持。羅來成等[17]應(yīng)用人工神經(jīng)網(wǎng)絡(luò)建立下丘腦神經(jīng)內(nèi)分泌免疫因子與下丘腦一垂體一卵巢軸調(diào)控關(guān)系模型，可以定量分析生物系統(tǒng)非線性相關(guān)問題，探討抗卵巢早衰中藥配伍作用的復(fù)雜生物學(xué)機制，為中藥配方提供了依據(jù)。

4 人工神經(jīng)網(wǎng)絡(luò)在中藥材多組分同時測定中的應(yīng)用

中藥材中含有眾多的有機成分和微量元素，要對中藥材中的成分進行單一測定則必須經(jīng)過逐步分離，過程十分煩瑣。由于人工神經(jīng)網(wǎng)絡(luò)具有強大的數(shù)據(jù)計算和預(yù)測能力，現(xiàn)已成為中藥材多組分同時測定的重要方法。多組分同時測定方法通常需要先建立已知濃度的光譜數(shù)據(jù)校正樣本，再以未知濃度樣本的光譜數(shù)據(jù)進行濃度預(yù)測。白立飛等[18]采用虛擬組分自修正、自擬合的方法消除了干擾組分的影響，實現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)(ANN)一紫外分光光度法不經(jīng)分離的中藥多組分濃度的同時測定。對21種不同來源的秦皮中秦皮甲素和秦皮乙素的含量進行了預(yù)測，預(yù)測結(jié)果與HPLC法基本一致。周漩等[19]在不經(jīng)分離的情況下，采用人工神經(jīng)網(wǎng)絡(luò)法，取已知濃度的咖啡因、阿司匹林、非那西丁標(biāo)準(zhǔn)溶液按不同比例混合生成合成樣品，以合成樣品的不同波長下的吸光度值作為網(wǎng)絡(luò)輸入值，3組分的量為輸出值，訓(xùn)練網(wǎng)絡(luò)并預(yù)測復(fù)方阿司匹林片中3組分的含量。成功地不經(jīng)分離同時測定復(fù)方阿司匹林片中的3組分。楊費莉等[20]對苯麻滴鼻液的紫外光譜數(shù)據(jù)進行預(yù)處理和主成分分析后無需分離，采用人工神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)建模，成功地進行了兩組分含量的同時測定。

5 人工神經(jīng)網(wǎng)絡(luò)在中藥化工生產(chǎn)中的應(yīng)用

中藥化工生產(chǎn)包括中藥有效成分提取、中藥制劑工藝、中藥生產(chǎn)過程測量和中藥生產(chǎn)業(yè)績評價等方面。從眾多的中藥成分提取某一類成分或進行制劑，往往要受到溫度、壓力、pH值等多種外加因素的影響。因此，在中藥研制和生產(chǎn)中，多指標(biāo)、多因素的有效的優(yōu)化顯得尤為重要。由于各因素與指標(biāo)之間往往不存在線性關(guān)系，這就需要運用神經(jīng)網(wǎng)絡(luò)方法在一個多維空間尋找優(yōu)化工藝參數(shù)的范圍。目前，人工神經(jīng)網(wǎng)絡(luò)在此方面已受到了普遍的重視和應(yīng)用。朱俊訪[21]等使用香菇多糖提取工藝中提取時間、提取溫度、料液比、醇析乙醇量和多糖提取率的實驗結(jié)果，運用BP神經(jīng)網(wǎng)絡(luò)進行多因素的非線性模型建模，按所得優(yōu)化工藝參數(shù)進行提取顯著地提高了多糖提取率。王正明等[22]運用人工神經(jīng)網(wǎng)絡(luò)結(jié)合遺傳算法優(yōu)化了密花石斛多糖的超聲波輔助提取工藝參數(shù)。韓偉等[23]以合歡皮多糖得率為指標(biāo)，選取微波輻射時間、液固比和溶劑pH為自變量，利用BP神經(jīng)網(wǎng)絡(luò)進行模擬得到了合歡皮多糖提取的優(yōu)化工藝參數(shù)，取得了較好的提取效果。劉德玲等[24]用BP神經(jīng)網(wǎng)絡(luò)結(jié)合改進遺傳算法建立了鉤藤堿的優(yōu)化提取模型，有效地提高鉤藤堿的提取含量和質(zhì)量。張梅等[25]將BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)與傳統(tǒng)的正交試驗方法相結(jié)合，對主要影響因素進行仿真優(yōu)化，獲得錦銹杜鵑黃酮物質(zhì)提取的最佳工藝，取得了較好的效果。李玲娟等[26]以反映中藥水提液膜過程中的特征實驗數(shù)據(jù)為訓(xùn)練樣本建立神經(jīng)網(wǎng)絡(luò)模型來預(yù)測水提液過濾時膜污染程度的指標(biāo)參數(shù)-膜通量和膜污染度。應(yīng)用結(jié)果表明網(wǎng)絡(luò)的訓(xùn)練速度快且預(yù)測精度高，為中藥水提液膜過濾復(fù)雜系統(tǒng)中的膜污染程度預(yù)測提供了一種新思路和新方法。張超等[27]以揮發(fā)油得率為評價指標(biāo)，以正交試驗設(shè)計考察浸泡時間、提取時問、加水量對提取的影響作為工藝參數(shù)，用BP神經(jīng)網(wǎng)絡(luò)得到了揮發(fā)油提取的優(yōu)化提取工藝，顯著地減少了試驗次數(shù)。

中藥的生產(chǎn)離不開過程監(jiān)測，殷華宇等[28]利用超聲波萃取金銀花中的綠原酸。依據(jù)工藝機理和操作經(jīng)驗，從提取過程中初選了數(shù)學(xué)模型所需的輸入變量。對萃取過程中的提取率，利用主元分析方法PCA對輸入變量進行主元分解，再利用BP神經(jīng)網(wǎng)絡(luò)進行數(shù)學(xué)建模，提高了對中藥萃取過程中提取率的在線軟測量精度。林維勇等[29]采用基于Levenberg-Marquardt算法改進的BP神經(jīng)網(wǎng)絡(luò)構(gòu)建中藥現(xiàn)代化產(chǎn)業(yè)綜合績效評估模型，為中藥生產(chǎn)管理開辟了新思路。

6 結(jié)束語

人工神經(jīng)網(wǎng)絡(luò)是并行分布式系統(tǒng)，克服了傳統(tǒng)的基于邏輯符號的人工智能在處理直覺、非結(jié)構(gòu)化信息方面的缺陷，具有自學(xué)習(xí)、自適應(yīng)、高速尋找優(yōu)化解的能力。近年來，人工神經(jīng)網(wǎng)絡(luò)與其它方法如模糊邏輯、專家系統(tǒng)、遺傳算法、小波分析、粗集理論和灰色系統(tǒng)理論等相結(jié)合，推動人工智能和信息處理技術(shù)不斷發(fā)展，必將促進人工神經(jīng)網(wǎng)絡(luò)在中藥研究和生產(chǎn)中得到更加廣泛深入的應(yīng)用。

[1] 相翠玉,宋曉勇.中草藥大黃的近紅外光譜和人工神經(jīng)網(wǎng)絡(luò)鑒別分析[J].時珍國醫(yī)國藥,2012,12(3):3168-3169.

[2] 劉 陽,史慶軍,李 晶,等.基于人工神經(jīng)網(wǎng)絡(luò)的黃芪指紋圖譜分類的研究[J].電腦知識與技術(shù),2013,9(6):1419-1420.

[3] 劉 星,毛丹卓,王正武,等.薏仁種類的近紅外光譜技術(shù)快速鑒別[J].光譜學(xué)與光譜分析,2014,34(5):1259-1263.

[4] 安生梅,吳啟勛,吉守祥.基于紅外光譜概率神經(jīng)網(wǎng)絡(luò)的訶子產(chǎn)地鑒別[J]. 湖北農(nóng)業(yè)科學(xué),2014,53(20):4977-4979.

[5] 王麗瓊,范 琦,易珍奎,等.HPLC指紋圖譜結(jié)合反向傳播人工神經(jīng)網(wǎng)絡(luò)和判別分析鑒定不同的麻黃藥材[J]. 西南師范大學(xué)學(xué)報(自然科學(xué)版),2012,37(5):73-77.

[6] 湯彥豐,候占忠,王志寶,等.紫花地丁的紅外光譜和徑向基神經(jīng)網(wǎng)絡(luò)鑒別[J].湖北農(nóng)業(yè)科學(xué),2014,53(1):132-134.

[7] 趙蔡斌,王占領(lǐng),郭小華,等.基于神經(jīng)網(wǎng)絡(luò)的大黃素類化合物抗癌活性模型[J].陜西理工學(xué)院學(xué)報,2007,23(4):64-67.

[8] 石 俊,張艷軍,李 敬,等.黃酮類化合物抗氧化活性的神經(jīng)網(wǎng)絡(luò)模型[J].化學(xué)分析計量,2009,18(5):51-53.

[9] 黃榕波,溫預(yù)關(guān).考慮個體差異的氨酚曲馬多血藥濃度人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型研究[J].廣東藥學(xué)院學(xué)報,2010,26(3):243-245.

[10] 楊 帆,黎 寧,劉恩一.非線性最小二乘法及BP神經(jīng)網(wǎng)絡(luò)在血管外給藥動力學(xué)模擬中的應(yīng)用[J].數(shù)理醫(yī)藥學(xué)雜志,2007,20(2):200-202.

[11] BELIC A,GRABNAR I,BELIC I,et a1．Predicting the anti-hype-rtensive ef ct of nitrendipine from plasma concentration profiles using artificial neural networks[J].Comput Biol Med,2005,35(10):892-904.

[12] 麥其鵬,李續(xù)娥,吳艷華,等.復(fù)方抗衰老中藥的性味歸經(jīng)與藥效的BP神經(jīng)網(wǎng)絡(luò)研究[J].計算機工程與應(yīng)用,2010,35(24):3371-3376.

[13] 喬少杰,唐常杰,韓 楠,等.基于模糊神經(jīng)網(wǎng)絡(luò)的方劑功效約簡算法[J].四川大學(xué)學(xué)報(工程科學(xué)版),2008,40(2):107-111.

[14] 武曉東.基于BP神經(jīng)網(wǎng)絡(luò)和主觀評價的中藥功效數(shù)值化模型[J].甘肅科技,2011,27(8):19-21.

[15] 黎海彬.復(fù)方降脂中藥活性篩選平臺建立的研究[J].廣州城市職業(yè)學(xué)院學(xué)報,2008,2(3):31-36.

[16] 張 博.基于粗集和神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘技術(shù)在中藥方劑配伍中的藥效關(guān)系研究[J].吉林化工學(xué)院學(xué) 報,2012,27(8):35-37.

[17] 羅來成,劉 靜,傅 杰,等.基于人工神經(jīng)網(wǎng)絡(luò)模型的抗卵巢早衰中藥配伍作用的生物學(xué)機制研究[J].時珍國醫(yī)國藥,2010,21(9):2133-2134.

[18] 白立飛,張海濤,張寒琦,等.虛擬組分-人工神經(jīng)網(wǎng)絡(luò)用于中藥紫外光度法中多組分的同時測定[J].光譜學(xué)與光譜分析,2007,27(1):126-130.

[19] 周 漩,陳曉穎,鐘兆健.人工神經(jīng)網(wǎng)絡(luò)在中藥多組分同時測定中的應(yīng)用[J]. 廣東藥學(xué)院學(xué)報,2008,24(6):575-577.

[20] 楊費莉,楊 銘.紫外分光光度法同時測定苯麻滴鼻液的組分含量[J].中國醫(yī)院藥學(xué)雜志,2008,28(10):857-859.

[21] 朱俊訪,李 博,聶 陽.多元非線性回歸與BP神經(jīng)網(wǎng)絡(luò)在香菇多糖提取工藝研究中的應(yīng)用[J].海峽藥學(xué),2014,26(2):15-17.

[22] 王正明,洪勝,羅建平.人工神經(jīng)網(wǎng)絡(luò)-遺傳算法優(yōu)化密花石斛多糖超聲輔助提取工藝[J].安徽農(nóng)業(yè)科學(xué),2013,41(13):5710-5712.

[23] 韓 偉,孫曉梅,羅文峰. 合歡皮多糖提取工藝優(yōu)化及BP神經(jīng)網(wǎng)絡(luò)模型[J].南京工業(yè)大學(xué)學(xué)報(自然科學(xué)版),2013,35(5):57-61.

[24] 劉德玲,關(guān)曉穎,黃艷萍. 基于BP神經(jīng)網(wǎng)絡(luò)和改進遺傳算法的鉤藤堿提取工藝優(yōu)化研究[J].計算機與現(xiàn)代化,2012,20(8):17-20.

[25] 曾祥燕,趙良忠,蔣盛巖.BP神經(jīng)網(wǎng)絡(luò)優(yōu)化槐花中蘆丁的提取工藝[J].天然產(chǎn)物研究與開發(fā),2013,25(2):312-316.

[26] 李玲娟,李 岡.BP神經(jīng)網(wǎng)絡(luò)在中藥水提液膜過濾中的應(yīng)用[J].計算機仿真,2009,29(6):195-199.

[27] 張 超,韓 麗,楊秀梅,等.BP神經(jīng)網(wǎng)絡(luò)結(jié)合正交試驗優(yōu)化苦參方中荊芥揮發(fā)油的提取工藝[J].中成藥,2015,37(1):70-74.

[28] 殷華宇,陳 娟,祁 欣,等. 基于PCA-BP的中藥提取率的軟測量[J].計算機與應(yīng)用化學(xué),2008,28(7):885-887.

[29] 林維勇,張小平. 基于BP神經(jīng)網(wǎng)絡(luò)的中藥現(xiàn)代化產(chǎn)業(yè)績效評估[J].計算機應(yīng)用與軟件,2013,30(4):149-152.

(本文文獻格式：申明金.人工神經(jīng)網(wǎng)絡(luò)在中藥研究與生產(chǎn)中的應(yīng)用進展[J].山東化工，2016，45(16)：50-52.)

Progress in Application of Artificial Neural Network in the Study of Traditional Chinese Medicine and Production

ShenMingjin

(Department of chemistry, North Sichuan Medical College, Nanchong 637000,China)

Traditional Chinese medicine(TCM) is a complex multicomponent system. In the research of TCM，it has been a difficult problem that how to interpret the relationship among the hidden information, the rule and the effect of the various chemical components，which seriously restricts the modernization of TCM. The artificial nenral network(ANN)is one kind of new method that have strong learning function,It can seek the pattern,the rule and the connection among the information units in the complex data system. In recent years，it has attracted widespread attention and great progress has been made as ANN method was introduced into the study of TCM and production.This paper reviews the application of ANN in the study of traditional TCM in recent ten years,in terms of quality control, determining the multi-components simultaneously,studies on the bioactive constituenes,chinese herbal compound,and optimizing the extraction process,etc.

artificial neural network; study of traditional Chinese medicine; quality control of TCM; determining the multi-components simultaneously; bioactive constituenes; chinese herbal compound; production of Chinese traditional medicine

2016-06-07

川北醫(yī)學(xué)院科研發(fā)展基金(CBY13-A-ZP11)

申明金(1970—)，四川南部人，碩士，副教授，主要從事中藥模式識別研究。

R28

A

1008-021X(2016)16-0050-03