基于stacking集成学习的金线莲质量鉴别方法研究：人工智能与医疗的结合与发展

目前国内外对金线莲的品质鉴定通常依赖于化学分析方法，其中一种是分离成分鉴定法于2008年由曹扬远提出，将金线莲黄酮类成分和甾醇类成分的分离，测定金线莲中三种黄酮醇类物质的含量，可以作为衡量该药材质量的一个指标，以控制金线莲及其制剂的质量[5]。另一种化学分析方法即高效液相色谱法在2017年由邹舒鹏提出：利用金线莲HPLC测定法，主峰在供试品溶液中的保留时间与金线莲苷对照品峰应该相同，制订了金线莲苷HPLC鉴别法。最终采用薄层、高效液相色谱的鉴别[6]。
随着我国科技实力不断增强，生产力水平日益提高，除了化学分析法外还产生了利用其他学科进行金线莲质量鉴别的方法。2020年由谢文涌、柴琴琴、王武等提出形状特征、纹理特征和颜色特征来作为叶片的识别特征的基于多特征提取和stacking集成学习的机器视觉鉴定法[7]。以及王海阁，许文，张勋等提出的通过(叶)显微构造观察，发现不同品系金线莲上表皮细胞和叶肉薄壁细胞的内含物存在差异，从而进行金线莲质量的鉴别的显微镜鉴别法[8]。还有一种方法值得借鉴的是：林艳春在2019年提出利用近红外光谱检测技术进行豆粉质量分析：近红外光谱照射时，由于不同分子的分子结构不同导致不同，导致得到的光谱不同。因此通过近红外光谱技术对药材质量进行检测时，根据得到红外光谱的波长范围进行分析，从而准确地分析出红外光线所携带的分子信息结构与组成的成分[9]。该方法为金线莲质量鉴别提供了一种新的思路。
在2009年结束的Netflix推荐大赛中，由于顶级参赛小组均使用集成学习算法，使得基于Stacking的Ensemble方法得到了广泛的关注，并因此让针对集成学习的算法研究在世界范围的发展进入了加速时期，2011年方育柯,傅彦,周俊临等首先基于集成学习研究了个性化推荐算法[10]，他们因此成为了中国首批研究集成学习的学者，此后的2012、2013年仍有集成学习的相关论文发表