2021-专利说明-一种助眠中药组合物.pdf下载

SpringBoot+Vue中医药店管理系统：GSP合规的中药追溯与处方审核

中药饮片管理系统需满足药品经营质量管理规范（GSP）对批号追溯、处方合规性及多维SKU管理的核心要求。其技术本质是将中医辨证分型、毒性分级、炮制工艺等业务语义转化为可校验的数据模型与规则引擎，通过SpringBoot事务控制与Vue结构化表单实现业务闭环。系统价值在于替代Excel手工台账，支撑药监飞行检查所需的全链路溯源与实时合规拦截，典型应用于基层药店、中医馆及医药高职院校毕业设计项目。

3篇2章2节：文献检索前期准备的AI 赋能与数据库介绍

医药研究文献检索全流程指南 医药科研工作的各个环节都依赖高质量的文献检索。本文系统梳理了医药研究文献检索前的准备工作与常用数据库选择方法。 检索前需明确研究课题的核心方向、创新点和意义，科学筛选主题词与自由词，并优化关键词组合。AI工具可辅助完成课题剖析、关键词筛选和组合优化。

卷积神经网络小样本图像识别：原型网络与PyTorch实战

图像识别通常依赖卷积神经网络提取可迁移特征，但在工业质检、遥感解译等场景，新类别只有少量标注，常规训练容易过拟合。小样本图像识别因此采用 N-way K-shot 情景式设定，通过度量学习让同类嵌入靠近、异类远离；原型网络则以每类 support 特征均值为原型，按距离完成分类，新类到来只需重算原型。相比微调与元学习，这种方案兼顾标注成本和在线扩类效率。在 SAR 图像识别、中药饮片分拣等任务中，还需处理域差距、归一化和增强策略。围绕 PyTorch 实现可复现训练流程，并给出排错与精度提升路径，是落地小样

中医药知识图谱构建与推理：从教材到SPARQL实战

中医药知识图谱是实现中医辨证逻辑数字化的核心基础设施，其本质是将《中医基础理论》《中药学》《方剂学》等结构化知识转化为RDF三元组，并依托本体对齐、实体消歧与规则推理支撑‘为什么用黄芪不用党参’等因果型问答。关键技术包括UMLS术语标准化、命名空间驱动的实体区分、SPARQL多跳查询及Drools混合推理，兼顾语义严谨性与工程可落地性。典型应用场景涵盖课程设计、毕业设计及中医临床辅助决策系统开发，尤其适用于需验证知识来源、拒绝黑箱大模型调用的轻量级认知代理构建。

网络药理学+机器学习+分子对接与动力学：复方干预血吸虫病研究全流程

网络药理学通过构建成分-靶点网络预测活性分子，机器学习利用分子指纹对候选成分进行活性排序，分子对接评估结合模式，分子动力学模拟验证复合物稳定性。这套计算流程能高效缩小实验验证范围，广泛应用于中药复方机制研究、寄生虫病及肝纤维化等疾病靶点发现。以除风清脾汤干预血吸虫病为例，结合ADME筛选、PPI网络、随机森林分类、AutoDock Vina对接和GROMACS模拟，可系统揭示复方多成分、多靶点作用机制，为后续湿实验提供可验证假设。