论文检测检查文献综述

论文检测检查文献综述

毕业论文文献综述并不会查重。不过在论文写作的时候，还是要尽量有原创的思想和观点，要用自己的描述方式对论文进行写作。如果引用他人的文献和材料以及资料，要有详细的备注。

1、文献综述一般而言是不参与知网查重的，但是由于部分学校考虑到为了加强对学生学术规范的管理，对于文献综述部分也有去除引用文献重复率的部分。

因此，学生应当在撰写文献综述之前了解本校关于文献综述是否查重的规定。

在撰写文献综述的过程中也不能够仅仅是对文献的简单堆砌，而应当用脚注的形式明确文献的的来源和引用的作者的观点，以最大先对的规范文献综述的撰写。

2、论文查重不查致谢、不查图片、不查表格、不查原创性声明、不查作者简介，查重的时候这些都删掉了。

3、查重机理：查重是以13个字为单元查重，也就是如果你害怕重合，就以13个字为单位，每个里面都打乱吧，当然比较麻烦了。

4、若用论文检测系统查重之后，会有报告，报告的内容非常详细，包括你重合的部分会用红色显示出来，各部分的重合率，抄袭的文章都列出来了，可以根据。

扩展资料

随着“反抄袭软件”的普遍应用，在高校里，学校和学生之间便展开了一场“反抄袭”和“反反抄袭”的拉锯战，一个新兴产业也随之出现近来，淘宝网上出现了大量提供“论文检测服务”的卖家，声称能提供“与高校检测结果相同的检测结果”。

高校使用的“反抄袭软件”多是由中国知网研制的“学术不端行为检测系统”，而淘宝网上卖家号称使用的也是知网系统。

而事实上，“反抄袭软件”是中国知网免费向用户提供的，其官方网站特意强调，该系统只提供给高校、科研机构、出版单位等机构用户免费使用，而不提供给个人用户使用。

参考资料来源：百度百科——论文检查服务

不会查文献综述，一般查毕业论文。

毕业后硕士论文抽检是指根据教育部规定，为了杜绝抄袭、代写等学术不端现象出现，从而采取的对上一个学年获得硕士学位的论文进行随机抽取重新检查的一种措施。

抽检以随机抽检为主、重点抽检为辅，硕士论文抽检的范围包括所在地区所有的硕士学位授予单位和全部硕士授权学科，抽检比例不低于2%不高于5%。

硕士论文抽检主要检查内容

硕士博士论文抽检主要考察研究生的创新能力和科研能力。论文抽检首先会检查论文上下逻辑是否一致，是否存在严重拼凑或抄袭现象。其次检查框架是否完整，论文内容是否解决解答了应该回答的问题，工作量是否足够。

最后，论文的文献格式、文献引证、文献综述中的标注、是否存在错字错句等基础内容也包含在抽检的检测范围的。

如果通过检查发现存在格式上的错误、存在错字语病等较小的问题，那么会要求学生进行修改，但是如果经过查实确定毕业论文中存在抄袭、剽窃、伪造、篡改、买卖、代写等学术不端行为，那么将撤销已授予的硕士学位，并注销硕士学位证书。

目标检测综述论文2019

Anchorfree的输出可以有多个。它是一种网络安全解决方案，它可以帮助您保护您的网络流量，并且可以防止您的网络流量被窃取或拦截。它可以让您在网络上自由浏览，而不必担心被攻击者攻击或拦截。Anchorfree的输出可以通过它的安全服务器来实现，它可以帮助您访问被墙的网站，并且可以提供更安全的网络连接。此外，Anchorfree还提供了一些其他的安全功能，例如VPN，可以帮助您更好地保护您的网络安全。

小目标问题在物体检测和语义分割等视觉任务中一直是存在的一个难点，小目标的检测精度通常只有大目标的一半。

CVPR2019论文: Augmentation for small object detection 提到了一些应对小目标检测的方法，笔者结合这篇论文以及查阅其它资料，对小目标检测相关技巧在本文进行了部分总结。

小目标的定义： 在MS COCO数据集中，面积小于 32*32 的物体被认为是小物体。

小目标难以检测的原因： 分辨率低，图像模糊，携带的信息少。由此所导致特征表达能力弱，也就是在提取特征的过程中，能提取到的特征非常少，这不利于我们对小目标的检测。

1、由于小目标面积太小，可以放大图片后再做检测，也就是在尺度上做文章，如FPN（Feature Pyramid Networks for Object Detection），SNIP（An Analysis of Scale Invariance in Object Detection – SNIP)。

Feature-Fused SSD: Fast Detection for Small Objects, Detecting Small Objects Using a Channel-Aware Deconvolutional Network 也是在多尺度上做文章的论文。

2、在Anchor上做文章(Faster Rcnn，SSD, FPN都有各自的anchor设计)，anchor在设置方面需要考虑三个因素：

anchor的密度： 由检测所用feature map的stride决定，这个值与前景阈值密切相关。

anchor的范围： RetinaNet中是anchor范围是32~512，这里应根据任务检测目标的范围确定，按需调整anchor范围，或目标变化范围太大如MS COCO，这时候应采用多尺度测试。

anchor的形状数量： RetinaNet每个位置预测三尺度三比例共9个形状的anchor，这样可以增加anchor的密度，但stride决定这些形状都是同样的滑窗步进，需考虑步进会不会太大，如RetinaNet框架前景阈值是时，一般anchor大小是stride的4倍左右。

该部分anchor内容参考于:

3、在ROI Pooling上做文章，文章SINet: A Scale-Insensitive Convolutional Neural Network for Fast Vehicle Detection 认为小目标在pooling之后会导致物体结构失真，于是提出了新的Context-Aware RoI Pooling方法。

4、用生成对抗网络(GAN)来做小目标检测：Perceptual Generative Adversarial Networks for Small Object Detection。

1、从COCO上的统计图可以发现，小目标的个数多，占到了，但是含有小目标的图片只有，大目标所占比例为，但是含有大目标的图像却有。这说明有一半的图像是不含小目标的，大部分的小目标都集中在一些少量的图片中。这就导致在训练的过程中，模型有一半的时间是学习不到小目标的特性的。

此外，对于小目标，平均能够匹配的anchor数量为1个，平均最大的IoU为，这说明很多情况下，有些小目标是没有对应的anchor或者对应的anchor非常少的，即使有对应的anchor，他们的IoU也比较小，平均最大的IoU也才。

如上图，左上角是一个anchor示意图，右上角是一个小目标所对应的anchor，一共有只有三个anchor能够与小目标配对，且配对的IoU也不高。左下角是一个大目标对应的anchor，可以发现有非常多的anchor能够与其匹配。匹配的anchor数量越多，则此目标被检出的概率也就越大。

实现方法： 1、Oversampling ：我们通过在训练期间对这些图像进行过采样来解决包含小对象的相对较少图像的问题（多用这类图片）。在实验中，我们改变了过采样率和研究不仅对小物体检测而且对检测中大物体的过采样效果

2、Copy-Pasting Strategies：将小物体在图片中复制多分，在保证不影响其他物体的基础上，增加小物体在图片中出现的次数（把小目标扣下来贴到原图中去），提升被anchor包含的概率。

如上图右下角，本来只有一个小目标，对应的anchor数量为3个，现在将其复制三份，则在图中就出现了四个小目标，对应的anchor数量也就变成了12个，大大增加了这个小目标被检出的概率。从而让模型在训练的过程中，也能够有机会得到更多的小目标训练样本。

具体的实现方式如下图：图中网球和飞碟都是小物体，本来图中只有一个网球，一个飞碟，通过人工复制的方式，在图像中复制多份。同时要保证复制后的小物体不能够覆盖该原来存在的目标。

网上有人说可以试一下lucid data dreaming Lucid Data Dreaming for Multiple Object Tracking ，这是一种在视频跟踪/分割里面比较有效的数据增强手段，据说对于小目标物体检测也很有效。

基于无人机拍摄图片的检测目前也是个热门研究点（难点是目标小，密度大）。 相关论文： The Unmanned Aerial Vehicle Benchmark: Object Detection and Tracking（数据集） Drone-based Object Counting by Spatially Regularized Regional Proposal Network Simultaneously Detecting and Counting Dense Vehicles from Drone Images Vision Meets Drones: A Challenge（数据集）

1: 2: 3: 4: 5: 6: 7:

热门频道首页博客研修院VIPAPP问答下载社区推荐频道活动招聘专题打开CSDN APPCopyright © 1999-2020, , All Rights Reserved打开APPAnchor-free之CenterNet 原创2020-07-09 22:39:58有点方 码龄7年关注anchor-base VS Anchor-freeAnchor-base存在的问题：•与锚点框相关超参 (scale、aspect ratio、IoU Threshold) 会较明显的影响最终预测效果；•预置的锚点大小、比例在检测差异较大物体时不够灵活；•大量的锚点会导致运算复杂度增大，产生的参数较多；•容易导致训练时negative与positive的比例失衡。Anchor-free算法的优点：•使用类似分割的思想来解决目标检测问题；•不需要调优与anchor相关的超参数；•避免大量计算GT boxes和anchor boxes 之间的IoU，使得训练过程占用内存更低。由于物体的中心区域是远小于其他背景区域的，整个分类的正负样本和难易样本是极不均衡的。直接训练这样的分类问题很难收敛到一个满意的结果。Base anchor对于正负样本比例失调的解决方式一般为focal loss 和OHEM。前者在损失函数上优化，对正负样本已经困难样本进行不同程度的惩罚；后者将原来的ROI网络扩充为两个ROI，一个ROI只有前向传播，用于计算损失，一个ROI正常前向后向传播，以hard example作为输入，计算损失并传递梯度，根据损失进行筛选，选出对分类和检测影响大的样本。Base anchor检测差异较大物体的策略主要是FPN，如果没有引入FPN，feature map的每个位置只能输出一个框，并且下采样的倍数是8或者16，那么可能会有很多物体的中心点落在同一格子中，这样就会导致训练的时候有多框重叠现象。FPN这种多层级的表示有效解决了这种冲突的现象，可以在一定程度上解决检测物体差异较大的现象。Anchor free没有使用FPN, feature map的每个位置只能输出一个框，下采样的倍数是8或者16，随着FPN的引入，不同尺寸的物体被分配到了不同的层级上，冲突的概率大大降低。CenterNet VS CornerNet等CornerNet将bbox的两个角作为关键点；ExtremeNet 检测所有目标的 最上，最下，最左，最右，中心点。它们都需要经过一个关键点grouping阶段，这会降低算法整体速度。CenterNet针对CornerNet对内部语义缺失和grouping耗时的问题，提出了对中心点进行估计的方法，找到目标的中心，回归出他们的尺寸。仅仅提取每个目标的中心点，无需对关键点进行grouping 或者是后处理。网络结构论文中CenterNet提到了三种用于目标检测的网络，这三种网络都是编码解码(encoder-decoder)的结构：1. Resnet-18 with up-convolutional layers : coco and 142 FPS2. DLA-34 : COCOAP and 52 FPS3. Hourglass-104 : COCOAP and FPS每个网络内部的结构不同，但是在模型的最后输出部分都是加了三个网络构造来输出预测值，默认是80个类、2个预测的中心点坐标、2个中心点的偏置。确立中心点在整个训练的流程中，CenterNet学习了CornerNet的方法。对于每个标签图(ground truth)中的某一类，我们要将真实关键点(true keypoint) 计算出来用于训练，中心点的计算方式如下对于下采样后的坐标，我们设为其中 R 是文中提到的下采样因子4。所以我们最终计算出来的中心点是对应低分辨率的中心点。然后我们对图像进行标记，在下采样的[128,128]图像中将ground truth point以下采样的形式，用一个高斯滤波来将关键点分布到特征图上。损失函数1.中心点的损失函数其中 α 和 β 是Focal Loss的超参数, N 是图像 I 的的关键点数量，用于将所有的positive focal loss标准化为1。在这篇论文中 α 和 β 分别是2和4。这个损失函数是Focal Loss的修改版，适用于CenterNet。2.目标中心的偏置损失图像进行了 R=4 的下采样，这样的特征图重新映射到原始图像上的时候会带来精度误差，因此对于每一个中心点，额外采用了一个local offset 去补偿它。所有类 c 的中心点共享同一个offset prediction，这个偏置值(offset)用L1 loss来训练：这个偏置损失是可选的，我们不使用它也可以，只不过精度会下降一些。3.目标大小的损失假设 (X1(k),Y1(k),X2(k),Y2(k)) 为为目标 k，所属类别为c，它的中心点为我们使用关键点预测 Y^ 去预测所有的中心点。然后对每个目标 K 的size进行回归，最终回归到Sk=(X2(k)-X1(k), Y2(k)-Y1(k))，这个值是在训练前提前计算出来的，是进行了下采样之后的长宽值。作者采用L1 loss 监督w,h的回归4.总损失函数整体的损失函数为物体损失、大小损失与偏置损失的和，每个损失都有相应的权重。论文中 size 和 off的系数分别为和1 ，论文中所使用的backbone都有三个head layer，分别产生[1,80,128,128]、[1,2,128,128]、[1,2,128,128]，也就是每个坐标点产生 C+4 个数据，分别是类别以及、长宽、以及偏置。推理阶段在预测阶段，首先针对一张图像进行下采样，随后对下采样后的图像进行预测，对于每个类在下采样的特征图中预测中心点，然后将输出图中的每个类的热点单独地提取出来。就是检测当前热点的值是否比周围的八个近邻点(八方位)都大(或者等于)，然后取100个这样的点，采用的方式是一个3x3的MaxPool。代码中设置的阈值为，也就是从上面选出的100个结果中调出大于该阈值的中心点，最后经过soft nms得到最终的结果。CenterNet的缺点1.当两个不同的object完美的对齐，可能具有相同的center，这个时候只能检测出来它们其中的一个object。2.有一个需要注意的点，CenterNet在训练过程中，如果同一个类的不同物体的高斯分布点互相有重叠，那么则在重叠的范围内选取较大的高斯点。附：DCN:文章知识点与官方知识档案匹配OpenCV技能树OpenCV中的深度学习图像分类12101 人正在系统学习中打开CSDN APP，看更多技术内容CenterNet(Objects as Points)学习笔记论文: Objects as Points Code: CenterNer的提出 一般的detection方法将object识别成(无旋转的)矩形框。大部分成功的object检测器会枚举出很多object的位置和尺寸，对每一个候选框进行分类。这是浪费的、低效的。 常规方法中的后处理方法(nms等)是很难微分(diff...继续访问『深度应用』对CenterNet的一些思考与质疑·对比与U版YoloV3速度与精度0.引子 笔者很喜欢CenterNet极简的网络结构，CenterNet只通过FCN（全卷积）的方法实现了对于目标的检测与分类，无需anchor与nms等复杂的操作高效的同时精度也不差。同时也可以很将此结构简单的修改就可以应用到人体姿态估计与三维目标检测之中。 后面一些针对CenterNet结构应用于其他任务，也取得不错的效果，比如人脸检测CenterFace以及目标追踪CenterTrack与FairMot。这些内容后面等笔者研习过后再补充，后面应该会做一个类CenterNet结构总结对比，感兴.继续访问最新发布 目标检测 | Anchor free之CenterNet深度解析点击上方“小白学视觉”，选择加"星标"或“置顶”重磅干货，第一时间送达1 前言本文接着上一讲对CornerNet的网络结构和损失函数的解析,链接如下本文来聊一聊Anchor-Free领域耳熟能详的CenterNet。原论文...继续访问CenterNet遇到的问题问题总结 参考pillow报错 conda install 'pillow<' 报错参考THCG改main中 conda创建环境相关操作 conda相关操作2 : HTTP Error 404: Not Found网络问题 AttributeError: Can't pickle local objec...继续访问目标检测：使用mmdetection对比centernet与yolov3的性能前情概要 上一篇博客，我通过mmdetection实现的源码解释了centernet的原理，并分析了该算法的一些优缺点，本篇博客我将讲解如何通过mmdetection运行centernet，并基于一个x光数据集对比centernet与yolov3的性能。 本文使用数据集介绍 本文使用的数据集是安检x光的数据集，数据集大小为3600张图片和对应标注，样例图片如下 而需要检测的物体label有10个：knife、scissors、lighter、zippooil、pressure、slingshot、han继续访问关于CenterNet移动端部署的思考（for ncnn）参考 腾讯技术工程 公众号： 本文主要是参考 arlencai 大佬的博文，对于cneternet在ncnn平台移植的实操和分析，先mark一下，准备后续有空闲尝试将这一思路在nvidia的jetson平台上尝试部署，并进行系列优化（如硬件方面框架的tensorrt量化优化、网络层面的移动端部署替代，或者类似yolov5的CSP结构等方法改良尝试等） 一、背景 原文中，大佬主要是针对微信的“扫一扫”功能进行阐述继续访问CenterNet原文： 扔掉anchor！真正的CenterNet——Objects as Points论文解读 Oldpan 2019年5月16日 0条评论137次阅读0人点赞 anchor-free目标检测属于anchor-free系列的目标检测，相比于CornerNet做出了改进，...继续访问Anchor Free，框即是点，CenterNet论文：Objects as Points Github： CVPR 2019 CenterNet，一个anchor free的新的检测算法，算是对cornerNet的改进，在cornerNet基础上，引入了中心点的概念，因此，称为CenterNet。 算法亮点， anchor free，大大减少了a...继续访问深度学习（三十七）——CenterNet, Anchor-Free, NN QuantizationCenterNet CenterNet是中科院、牛津、Huawei Noah’s Ark Lab的一个联合团队的作品。（） 论文： 《CenterNet: Keypoint Triplets for Object Detection》 上图是CenterNet的网络结构图。 正如之前提到的，框对于物体来说不是一个最好的表示。同理，Corner也不是什么特别好的表示：绝大多数情况下，C...继续访问anchor-free目标检测之centernet自从anchor-free方法实现目标检测的Cornernet提出后，对其进行改进的方法也出现了许多。centernet是一篇对其进行改进的论文，将原来的二元组角点检测扩展为三元组检测，加入了中心点的检测。 为了克服需要手动设计anchor的超参数的问题，Cornernet提出基于关键点检测的方法。但是，基于关键点的方法经常会产生大量不正确的对象边界框，可以说是由于缺少对裁剪区域的额外观察。 ...继续访问目标检测深度学习方法综述（二）0.前言 本来准备将一些模型汇总成一篇博客的，但是不知道为啥写了一万多字之后这博客草稿就保存不了了，所以我将剩下的部分放到这篇博客中来（奇怪的BUG ）前文地址： 我们接着上篇文章的章节来好吧。 SSD算法 SSD 算法是 Faster RCNN 和 YOLO 的结合： 采...继续访问配置和运行CenterNet时踩过的坑在运行CenterNet时遇到的一些问题继续访问简单聊聊centerNet:将目标当成点－1．论文CenterNet：将目标视为点 《Objects as Points》 Date：20190417 Author：德克萨斯大学奥斯汀分校 和 UC 伯克利 ariXiv： ​ github： ​ ...继续访问CenterNet配置及问题详解作者原版github： Install 按照readme文件夹中的操作： 0.创建一个虚拟环境 conda create --name CenterNet python=创建一个名为CenterNet的虚拟环境 source activate CenterNet #激活...继续访问热门推荐 CenterNet算法笔记论文：Objects as Points 论文链接： 代码链接： 这篇CenterNet算法也是anchor-free类型的目标检测算法，基于点的思想和CornerNet是相似的，方法上做了较大的调整，整体上给人一种非常清爽的感觉，算法思想很朴素、直接，而且...继续访问论文阅读笔记 | 目标检测算法——CenterNet算法如有错误，恳请指出 文章目录1. Introduction2. keypoint detection offset size overall loss3. Objects as Points4. Result paper：Objects as Points Source code： 思想： 目标检测将对象识别为图像中与轴对齐的框。大多数成功的物体检测.继续访问目标检测Anchor free方法总结：YOLOv1、CornerNet、CenterNet、FCOSYOLOv1（2016）: CornerNet（2018）: CenterNet（2019）: FCOS（2019）： 什么是Anchor free方法？   Anchor free是相对于Anchor base而言的一种目继续访问Anchor-free目标检测系列3：CenterNet Object as points​​​​​​CenterNet(一个中心点) CenterNet: Objects as Points () 论文是由德克萨斯大学奥斯汀分校和UC 伯克利学者共同提出的真正意义上anchor-free的算法。与之前介绍的CornerNet系列算法不同，CenterNet仅仅检测目标中心点，没有后续的角点配对及NMS后处理操作，检测速度和精度相比于one-stage和two...继续访问扔掉anchor！真正的CenterNet——Objects as Points论文解读前言 anchor-free目标检测属于anchor-free系列的目标检测，相比于CornerNet做出了改进，使得检测速度和精度相比于one-stage和two-stage的框架都有不小的提高，尤其是与YOLOv3作比较，在相同速度的条件下，CenterNet的精度比YOLOv3提高了4个左右的点。 CenterNet不仅可以用于目标检测，还可以用于其他的一些任务，如肢体识别或者...继续访问深度学习计算机视觉机器学习写评论评论收藏点赞踩分享

尊敬的用户，AnchorFree拥有两个输出，其中一个用于连接开发板，另一个是官方推荐的输出，用户可以使用它将开发结果导出到其他设备。

大肠菌群检测论文综述

一般在食品安全检测中，大肠杆菌常用作一种指示菌，具体来讲，很多致病菌常常与大肠杆菌一起在食品中繁殖，检测大肠杆菌可以间接反映食品微生物污染状况，如果大肠杆菌超标，理论上认为该食品被其他致病菌污染的概率增大；另一方面，有些大肠杆菌，如出血性大肠杆菌本身也是一种致病菌需要监测；再者，如果监测农产品中尤其是表面大肠杆菌的，可以作为该产品是否被粪便污染的指标之一。

食品快速检验检测技术以其简捷性和便携性两大优势得到了快速发展。 下面是我为大家整理的食品快速检测技术论文，希望你们喜欢。

食品的快速检验检测技术

摘要：食品安全已成为社会关注的焦点问题。文章介绍了目前常用的食品安全快检技术，并展望了其发展方向。

关键词：食品安全 快检 技术综述

引言

食品安全(food safety)是指食品无毒、无害，符合应当有的营养要求，对人体健康不造成任何急性、亚急性或者慢性危害。俗话说“民以食为天”，食品安全关系到人民群众的身体健康和生命安全，关系到社会和谐稳定，而近年来食品安全问题层出不穷，加了吊白块的面粉，有毒的大米，注了水的鸡肉，掺了石蜡的火锅底料，硫酸泡过的荔枝，以及假酒假烟假蜂蜜劣质奶粉充斥着市场，真让老百姓担心起这片“天”。因此，对食品的生产、加工和销售环节实施监测监控势在必行，食品安全分析检测技术应运而生。

传统的食品安全分析检测技术主要是指化学分析法和大型仪器检测法，相对成熟。但它们的操作只能局限于实验室，操作复杂，耗时长，不能满足对食品质量安全实时监督掌控的需求，尤其在突发事件时，快速检验检测技术以其简捷性和便携性两大优势得到了快速发展。

1、食品快速检验检测技术的研究现状

化学速测技术

化学速测技术主要是根据待测成分的某些化学性质，将样品与特定试剂发生水解、氧化、磺酸化或络合等化学反应，通过与标准品的颜色比较或特定波长下的吸光度比较，以获得检测结果，通常也成为化学比色分析法。

利用普通化学原理的速测法主要包括检测试剂和试纸，随着检测仪器的不断发展，国内外均已有与测试剂相配套的微型光电比色计。针对试纸检测的仪器也有报道，如硝酸盐试纸条[1]，主要是将硝酸盐还原为亚硝酸盐，在弱酸性条件下与对氨基苯磺酸重氮化后，和N-1-盐酸萘乙二胺偶合形成紫红色染料，试纸变色，插入检测仪读数即可。德国默克公司生产的与试纸联用的光反射仪技术相对成熟，国内尚无商品化仪器问世。

利用生物化学原理的速测法主要应用于微生物的检测，商品化成品以美国3M公司的PerrifilmTM Plate系列微生物测试片为代表，在检测金黄色葡萄球菌时，只需要测试片与确认片配套使用即可。测试片有上下两层薄膜组成，下层的聚乙烯薄膜上印有网格，便于计数，同时覆盖着含有特异性显色物质和抗生素的培养基，若样品中含有金黄色葡萄球菌，无须增菌，直接接种纸片培养24h后便可观察到显示出特殊颜色的菌落;确认片与测试片相似，只是含有不同的特异性显色物质，将有疑似菌落的测试片影印到确认片后，培养1-3h即可观察，不需进行繁琐的生理生化鉴定。而常规的Baird-Parker平板计数法耗时长达78h。

酶抑制速测技术

酶抑制速测技术主要用于食品中农药残留和重金属的快速检测。这些物质可通过键合作用造成酶的化学性质和结构的改变，产生的酶-底物结合体会发生颜色、吸光度或者pH值的变化，通过测定这些变化以达到定性或定量检测的目的。根据检测方式的不同，可分为试纸法、pH计法和光度法。相比而言，试纸法成本低、操作简单，更易于推广。它主要是将酶和底物分别固定在两张试纸片上，当样品中有待测组分时，会对酶产生抑制作用，两张试纸片接触后，酶和底物结合便会发生显著地颜色变化，比较适合农贸市场和超市等一些食品集散地的实时安全监管。由于该方法的检出限和保存性等方面的局限，只适用于初筛检测[2]。

生物传感器速测技术

生物传感器技术是利用生物感应元件的专一性，按照一定的规律将被测量转换成可用信号，使这种信号强度与待测物浓度形成一定的比例关系，具有快速、灵敏、高效的特点，是目前食品安全检测技术的研究热点，广泛应用于食品中农药残留、兽药残留等方面的检测，与传统的离线分析技术相比，它更适应于在复杂的体系内进行快速在线连续监测，在现场快速检测领域有着不可逾越的优势，按照传感器类型又可分为免疫传感器、酶传感器、细胞传感器、组织传感器、微生物传感器等等。

免疫传感器是在抗原抗体结合免疫反应的基础上发展起来的生物传感器。利用压电免疫传感器检测食品中常见肠道细菌时，通过葡萄球菌蛋白A将肠道菌共同抗原的单克隆抗体宝贝在10MHz的石英晶体表面，以大肠菌群为例，响应值可达10-6-10-9。

免疫速测技术

免疫速测是利用抗原抗体的专一、特异性反应建立起来的方法，根据选用的标记物可分为放射免疫检测、酶免疫检测、荧光免疫检测、发光免疫检测、胶体金免疫检测等。酶联免疫吸附检测法是应用较为广泛的一种免疫速测技术。它将酶标记在抗体/抗原分子上，形成酶标抗体/抗原即酶结合物，抗原抗体反应信号放大后，作用于能呈现出颜色的底物上，可通过仪器或肉眼进行辨别。目前，黄曲霉毒素酶联免疫试剂盒已广泛应用于食品检测中。

分子生物学速测技术

聚合酶链式反应(PCR)是近年来分子生物学领域中迅速发展并运用的一种技术，在食品检测中主要用于微生物的检测。它利用是否能从待测样品所提取的DNA序列中扩增出与目标菌种同源性的核酸序列来判定是否为阳性，该方法从富集菌体、提取遗传物质、PCR扩增到电泳、测序鉴定，可控制在24h，而致病菌的传统培养检测至少需要4-5天。

随着研究的逐深入，由PCR技术派生出的实时荧光PCR法、DNA指纹图谱法、免疫捕获PCR法、基因芯片法等也逐步得到了应用。基因芯片技术可以在很小的面积内预置千万个核酸分子的微阵列，利用细菌的共有基因作为靶基因，选用通用引物进行扩增，利用特异性探针检测这些共有基因的独特性碱基，从而区分出不同的细菌微生物。该法特异性强、敏感性高，可实现微生物检测的高通量和并行性检测。

2、食品快速检验检测技术的发展方向

食品安全快检法以其简捷性和便携性两大优势得到了快速发展，但缺点也显而易见，需要完善的地方依然很多：

简单 速检验检测技术往往是由一些非专业技术人员使用，因此，检测方法采样、处理、检测、分析等各个环节简单、易行是该方法的一大发展趋势。

准确 检法前处理简单，势必导致待测样品纯度不高，基体干扰大。因此，在今后方法的研究中，应更多关注与如何避免假阳性结果，尤其是在分子生物学速测法中，增强靶基因的特异性、引物的特异性、排除死菌体造成的假阳性应得到进一步探索。

便携 着微电子技术、智能制造技术、芯片技术的发展，检测仪器应向微型化、集约化、便携化方向发展，以满足更多的现场、实时、动态的检测要求。

经济 测成本的高低直接决定着检测技术能否得到广泛的推广和应用，如何在确保又好又快的检测基础上，尽最大可能的降低成本也是今后的研究方向。

标准化前，我国尚未制定出与食品安全快速检测技术相关的标准和规范，这也阻碍了快检法的推广和应用。随着技术的提高和检测中对快检法的需要，应及时制定出相关标准规范以增强快检结果的认可性和权威性。

参考文献

[1]房彦军，周焕英，杨伟群。试纸-光电检测仪快速测定食品中亚硝酸盐的研究【J】解放军预防医学杂志，2004，22(17)：18-21

[2]易良键。食品安全快速检测方法的应用和研究【J】中国信息科技，2012，3：46

点击下页还有更多>>>食品快速检测技术论文

目标检测类论文与综述

论文名称：Rich feature hierarchies for accurate object detection and semantic segmentation 提出时间：2014年 论文地址： 针对问题： 从Alexnet提出后，作者等人思考如何利用卷积网络来完成检测任务，即输入一张图，实现图上目标的定位（目标在哪）和分类（目标是什么）两个目标，并最终完成了RCNN网络模型。 创新点： RCNN提出时，检测网络的执行思路还是脱胎于分类网络。也就是深度学习部分仅完成输入图像块的分类工作。那么对检测任务来说如何完成目标的定位呢，作者采用的是Selective Search候选区域提取算法，来获得当前输入图上可能包含目标的不同图像块，再将图像块裁剪到固定的尺寸输入CNN网络来进行当前图像块类别的判断。 参考博客： 。 论文题目：OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks 提出时间：2014年 论文地址： 针对问题： 该论文讨论了，CNN提取到的特征能够同时用于定位和分类两个任务。也就是在CNN提取到特征以后，在网络后端组织两组卷积或全连接层，一组用于实现定位，输出当前图像上目标的最小外接矩形框坐标，一组用于分类，输出当前图像上目标的类别信息。也是以此为起点，检测网络出现基础主干网络(backbone)+分类头或回归头（定位头）的网络设计模式雏形。 创新点： 在这篇论文中还有两个比较有意思的点，一是作者认为全连接层其实质实现的操作和1x1的卷积是类似的，而且用1x1的卷积核还可以避免FC对输入特征尺寸的限制，那用1x1卷积来替换FC层，是否可行呢？作者在测试时通过将全连接层替换为1x1卷积核证明是可行的；二是提出了offset max-pooling，也就是对池化层输入特征不能整除的情况，通过进行滑动池化并将不同的池化层传递给后续网络层来提高效果。另外作者在论文里提到他的用法是先基于主干网络+分类头训练，然后切换分类头为回归头，再训练回归头的参数，最终完成整个网络的训练。图像的输入作者采用的是直接在输入图上利用卷积核划窗。然后在指定的每个网络层上回归目标的尺度和空间位置。 参考博客： 论文题目：Scalable Object Detection using Deep Neural Networks 提出时间：2014年 论文地址： 针对问题： 既然CNN网络提取的特征可以直接用于检测任务（定位+分类），作者就尝试将目标框（可能包含目标的最小外包矩形框）提取任务放到CNN中进行。也就是直接通过网络完成输入图像上目标的定位工作。 创新点： 本文作者通过将物体检测问题定义为输出多个bounding box的回归问题. 同时每个bounding box会输出关于是否包含目标物体的置信度, 使得模型更加紧凑和高效。先通过聚类获得图像中可能有目标的位置聚类中心，（800个anchor box）然后学习预测不考虑目标类别的二分类网络，背景or前景。用到了多尺度下的检测。 参考博客： 论文题目：DeepBox: Learning Objectness with Convolutional Networks 提出时间：2015年ICCV 论文地址： 主要针对的问题： 本文完成的工作与第三篇类似，都是对目标框提取算法的优化方案，区别是本文首先采用自底而上的方案来提取图像上的疑似目标框，然后再利用CNN网络提取特征对目标框进行是否为前景区域的排序；而第三篇为直接利用CNN网络来回归图像上可能的目标位置。创新点： 本文作者想通过CNN学习输入图像的特征，从而实现对输入网络目标框是否为真实目标的情况进行计算，量化每个输入框的包含目标的可能性值。 参考博客： 论文题目：AttentionNet: AggregatingWeak Directions for Accurate Object Detection 提出时间：2015年ICCV 论文地址： 主要针对的问题： 对检测网络的实现方案进行思考，之前的执行策略是，先确定输入图像中可能包含目标位置的矩形框，再对每个矩形框进行分类和回归从而确定目标的准确位置，参考RCNN。那么能否直接利用回归的思路从图像的四个角点，逐渐得到目标的最小外接矩形框和类别呢？ 创新点： 通过从图像的四个角点，逐步迭代的方式，每次计算一个缩小的方向，并缩小指定的距离来使得逐渐逼近目标。作者还提出了针对多目标情况的处理方式。 参考博客： 论文题目：Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition 提出时间：2014年 论文地址： 针对问题： 如RCNN会将输入的目标图像块处理到同一尺寸再输入进CNN网络，在处理过程中就造成了图像块信息的损失。在实际的场景中，输入网络的目标尺寸很难统一，而网络最后的全连接层又要求输入的特征信息为统一维度的向量。作者就尝试进行不同尺寸CNN网络提取到的特征维度进行统一。创新点： 作者提出的SPPnet中，通过使用特征金字塔池化来使得最后的卷积层输出结果可以统一到全连接层需要的尺寸，在训练的时候，池化的操作还是通过滑动窗口完成的，池化的核宽高及步长通过当前层的特征图的宽高计算得到。原论文中的特征金字塔池化操作图示如下。 参考博客 ： 论文题目：Object detection via a multi-region & semantic segmentation-aware CNN model 提出时间：2015年 论文地址： 针对问题： 既然第三篇论文multibox算法提出了可以用CNN来实现输入图像中待检测目标的定位，本文作者就尝试增加一些训练时的方法技巧来提高CNN网络最终的定位精度。创新点： 作者通过对输入网络的region进行一定的处理（通过数据增强，使得网络利用目标周围的上下文信息得到更精准的目标框）来增加网络对目标回归框的精度。具体的处理方式包括：扩大输入目标的标签包围框、取输入目标的标签中包围框的一部分等并对不同区域分别回归位置，使得网络对目标的边界更加敏感。这种操作丰富了输入目标的多样性，从而提高了回归框的精度。 参考博客 ： 论文题目：Fast-RCNN 提出时间：2015年 论文地址： 针对问题： RCNN中的CNN每输入一个图像块就要执行一次前向计算，这显然是非常耗时的，那么如何优化这部分呢？ 创新点： 作者参考了SPPNet（第六篇论文），在网络中实现了ROIpooling来使得输入的图像块不用裁剪到统一尺寸，从而避免了输入的信息丢失。其次是将整张图输入网络得到特征图，再将原图上用Selective Search算法得到的目标框映射到特征图上，避免了特征的重复提取。 参考博客 ： 论文题目：DeepProposal: Hunting Objects by Cascading Deep Convolutional Layers 提出时间：2015年 论文地址： 主要针对的问题： 本文的作者观察到CNN可以提取到很棒的对输入图像进行表征的论文，作者尝试通过实验来对CNN网络不同层所产生的特征的作用和情况进行讨论和解析。 创新点： 作者在不同的激活层上以滑动窗口的方式生成了假设，并表明最终的卷积层可以以较高的查全率找到感兴趣的对象，但是由于特征图的粗糙性，定位性很差。相反，网络的第一层可以更好地定位感兴趣的对象，但召回率降低。 论文题目：Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks 提出时间：2015年NIPS 论文地址： 主要针对的问题： 由multibox（第三篇）和DeepBox（第四篇）等论文，我们知道，用CNN可以生成目标待检测框，并判定当前框为目标的概率，那能否将该模型整合到目标检测的模型中，从而实现真正输入端为图像，输出为最终检测结果的，全部依赖CNN完成的检测系统呢？ 创新点： 将当前输入图目标框提取整合到了检测网络中，依赖一个小的目标框提取网络RPN来替代Selective Search算法，从而实现真正的端到端检测算法。 参考博客 ：

对于目标检测方向并不是特别熟悉，本文记录一下RCNN, fast-RCNN, faster-RCNN, mask-RCNN这4篇有关目标检测的论文笔记和学习心得。

R-CNN的意思就是Region based，主要思路就是根据一张图像，提取多个region，再将每个Region输入CNN来进行特征的提取。因此RCNN就可以分为 Region proposals , Feature extraction 两个主要部分，提取的特征就可以输入任意一个分类器来进行分类。 模型的流程图如下：

在训练的时候，首先使用的是已经训练好的CNN网络作为特征提取器，但是由于预训练是在分类数据集上，因此在应用到检测之前要做finetune。也就是说，为了将用ImageNet数据集训练的网络应用到新的任务（检测），新的数据集（region）上，作者将原来的CNN最后的1000类的fc层，更改为了 层， 代表待检测的物体的类别数。然后，对于所有的region，如果它和ground truth的重叠率大于，就认为是正类。 对于分类器的训练，作者发现选择多大的IoU来区分正类和负类非常关键。并且，对于每一类，都会训练一个分类器。

框的回归非常重要，在对每一个region proposal使用分类器进行打分评价之后，作者使用一个回归器来预测一个新的框作为结果。这个回归器使用的特征是从CNN中提取的特征。回归器的训练中，输入是 region proposal 的 和ground truth的 ，目标是学习一种变换，使得region proposal通过该变换能够接近ground truth。同时，希望这种变换拥有尺度不变性，也就是说尺度变化的话，变换不会改变。 如下图所示，每一个regressor会学习一组参数，特征输入是pool 5的特征输出，拟合的目标是 。

Fast-RCNN 主要解决的问题是在RCNN中对于每一个region proposal都进行特征提取，会产生非常多的冗余计算，因此可以先对一张图像进行特征提取，再根据region proposal在相应的特征上进行划分得到对应region的特征（映射关系）。 这样便可以实现共享计算提高速度，但是与SPPnets不同，SPPnets在一副图像得到对应的特征后，从这张图像的特征上proposal对应的部分，采用空间金字塔池化，如下图：

RoI pooling的方法很简单，类似于空间金字塔pooling，它将proposal部分对应卷积层输出的特征（称之为RoI，因为用于做pooling的特征是 region of interest，也就是我们感兴趣的区域）划分成 块，然后对每一块求最大值，最终得到了一个 的特征图。可以看出，它只是空间金字塔pooling的一部分。 但是SPP-nets的空间金字塔也是可以求导的，那么它到底不好在哪里呢？因为当每一个RoI都可能来源于不同的图像的时候（R-CNN和SPPnets的训练策略是从一个batch的不同图像中，分别挑选一个proposal region），SPPNets的训练非常地低效，这种低效来源于在SPPnets的训练中，每个RoI的感受野都非常地大，很可能对应了原图的整个图像，因此，得到的特征也几乎对应了整张图像，所以输入的图像也就很大。 为了提高效率，Fast-RCNN首先选取 个图像，再从每个图像上选择 个RoI，这样的效率就比从每个图像提取一个RoI提高了 倍。

为了将分类和框回归结合起来，作者采用了多任务的loss，来进行联合的训练。具体来说就是将分类的loss和框回归的loss结合起来。网络的设计上非常直接，就是将RoI得到的特征接几个FC层后，分别接不同的输出层。对应于分类部分，特征会接一个softmax输出，用于分类，对于框回归部分，会接一个输出4维特征的输出层，然后分别计算loss，用于反向传播。loss的公式如下：

回归的target可以参考前面的R-CNN部分。

notes

为什么比fast还fast呢？主要原因是在这篇论文中提出了一个新的层：RPN（region proposal networks）用于替代之前的selective search。这个层还可以在GPU上运算来提高速度。 RPN的目的：

为了能够进行region proposal，作者使用了一个小的网络，在基础的卷积层输出的特征上进行滑动，这个网络输入大小为 ，输入后会映射（用 的卷积）为一个固定长度的特征向量，然后接两个并联的fc层（用 的卷积层代替），这两个fc层，一个为box-regressoin，一个为box-classification。如下图：

在每一个滑动窗口（可以参考 ），为了考虑到尽可能多的框的情况，作者设计了anchors来作为region proposal。anchors就是对于每一个滑动窗口的中心位置，在该位置对应的原图位置的基础上，按照不同的尺度，长宽比例框出 个不同的区域。然后根据这些anchors对应的原始图像位置以及区域，和ground truth，就可以给每一个滑动窗口的每一个anchor进行标记，也就是赋予label，满足一定条件标记为正类（比如和ground truth重叠大于一个值），一定条件为负类。对于正类，就可以根据ground truth和该anchor对应的原图的区域之间的变换关系（参考前面的R-CNN的框回归），得到回归器中的目标，用于训练。也就是论文中的loss function部分：

自然地，也就要求RPN的两个并联的FC层一个输出2k个值用于表示这k个anchor对应的区域的正类，负类的概率，另一个输出4k个值，用于表示框回归的变换的预测值。

对于整个网络的训练，作者采用了一种叫做 4-step Alternating Training 的方法。具体可以参考论文。

与之前的检测任务稍有不同，mask r-cnn的任务是做instance segmentation。因此，它需要对每一个像素点进行分类。 与Faster R-CNN不同，Faster R-CNN对每一个候选框产生两个输出，一个是类别，一个是bounding box的offset。Mask R-CNN新增加了一个输出，作为物体的mask。这个mask类似于ps中的蒙版。

与Faster R-CNN类似的是，Mask R-CNN同样采用RPN来进行Region Proposal。但是在之后，对于每一个RoI，mask r-cnn还输出了一个二值化的mask。

不像类别，框回归，输出都可以是一个向量，mask必须保持一定的空间信息。因此，作者采用FCN来从每个RoI中预测一个 的mask。

由于属于像素级别的预测问题，就需要RoI能够在进行特征提取的时候保持住空间信息，至少在像素级别上能够对应起来。因此，传统的取最大值的方法就显得不合适。 RoI Pooling，经历了两个量化的过程： 第一个：从roi proposal到feature map的映射过程。 第二个：从feature map划分成7*7的bin，每个bin使用max pooling。

为此，作者使用了RoIAlign。如下图

为了避免上面提到的量化过程

可以参考

作者使用ResNet作为基础的特征提取的网络。 对于预测类别，回归框，mask的网络使用如下图结构：

整体看完这几篇大佬的论文，虽说没有弄清楚每一个实现细节，但是大体上了解了算法的思路。可以看出，出发点都源于深度神经网络在特征提取上的卓越能力，因此一众大神试图将这种能力应用在检测问题中。从R-CNN中简单地用于特征提取，到为了提高速度减少计算的Fast R-CNN，再到为了将region proposal集成进入整个模型中，并且利用GPU加速的RPN，也就是Faster R-CNN。再到为了应用于instance segmentation任务中，设计的RoIAlign和mask。包括bounding box regression，pooling层的设计，训练方法的选择，loss的设计等等细节，无一不体现了大师们的思考和创造力。 可能在我们这些“拿来”者的眼中，这些方法都显得“理所应当”和巧妙，好用，但是，它们背后隐藏的选择和这些选择的思考却更值得我们学习。 以及，对待每一个问题，如何设计出合理的解决方案，以及方案的效率，通用性，更是应该我们努力的方向。

药物检测技术综述论文

在医学领域中，中药学是实践性很强的专业学科，不仅要求学生掌握扎实的理论知识，还要求学生具有较强的动手、分析和解决实际问题的能力。下面是我为大家整理的中药学 毕业 论文，供大家参考。

浅谈临床中药学的学科建设与人才培养

临床中药学是指在传统中医药理论的指导下，以患者为主体，研究中药或其制剂在人体内的作用及机制与临床用药的合理性、有效性、安全性评价及应用规律的综合性学科。近年来，随着西药临床药学在各医疗机构的深入，临床药学在不良反应监测、合理用药及作用机制研究等多方面显示出独特的优势。

但是，由于中药与西药在结构、配伍、功能主治等各个方面的巨大差异，西药临床药学在中成药、中草药方剂方面的应用捉襟见肘，故以传统中医药理论与临床药学为背景的临床中药学应运而生[1-3]。临床中药学作为一个新兴学科，其学科建设及人才培养等方面均处于摸索阶段，本单位于2015年成立临床中药学硕士招生点，且于当年成功招生，现对该学科的学科建设、人才培养的方案及 经验 做一归纳 总结 ，以供同仁参考引智。

1 培养对象及培养目标

与西药临床药学类似，临床中药学是以向医疗机构提供具有临床及科研能力的临床中药师为最终目标的学科，而为满足临床的需求，临床中药师需具有中医学、中药学及科研等多重 教育 背景及能力，故临床中药学的培养对象需至少具有中医学或中药学的本科教育背景，在培养过程中，需掌握为患者提供安全、有效、经济、合理化用药的 方法 与手段，并以在临床实践中发现中药问题、解决问题为最终培养目标[4-6]。

2 培养模式及培养方案

培养时限及安排

本学科的培养时限为3年(6学期)，第1学期于校本部完成理论课的学习，第2学期至第5学期于本单位着重进行临床实践及科研，第6学期完成学位论文及答辩，即“1+4+1”的培养模式。

培养方式

本学科由研究生导师、医院药学部门及行内专家组成导师组，对研究生进行指导及培养。自研究生入学始，导师组根据培养方案、课题背景及个人特点讨论并制定培养方案，并于研究生完成理论课学习后开始实施。研究生需定期向导师组汇报学习及课题进展情况，导师组对存在的问题进行指导或纠正，并组织专家进行开题、中期汇报、答辩等环节。

理论课培养方案

本学科的理论学习目标旨在思想政治端正的前提下，拥有基本的科研思路及专业理论知识，故将课程分为3种类型：公共必修课、专业必修课及专业选修课，见表1。公共必修课进行政治思想、自然辩证法及英语的学习;专业必修课进行科研思路及科研统计方法的培养;专业选修课则是根据研究方向的需求及个人兴趣，个性化地进行专业知识的储备(至少选修3门)。

值得一提的是，由于临床中药学正处于萌芽阶段，其课程类型并不丰富，无法满足各个研究方向对理论知识的摄取，故允许研究生于其他教育部直属院校修习相关专业选修课，成绩合格后，学分亦予以承认。此举不仅满足了各研究方向对理论知识的要求，更能促进该学科的迅速发展与完善。

临床实践培养方案

总体要求与目标 临床中药学是与临床医学密不可分的学科，故需本专业研究生亲身融入到临床工作中去，这是整个培养历程中的重头戏，故临床实践的总学程为24个月(4学期)，并坚持理论与实践相结合且着重实践的原则，以研究生毕业后具备临床中药学实践技能及自主解决中药学问题的能力为总体目标，参照西药的《住院药师规范化培训标准》进行临床实践培养，由导师及轮转科室的临床教师对研究生进行临床实践培养[7-9]。

实践内容与安排 本学科临床实践主要分为2个阶段，各阶段学程均为12个月。

(1)通科实践阶段

该阶段需研究生在医院药学部门各岗位轮转完成，其包括门诊药房、中草药房、病房药房、药库、药检室、制剂室等部门，旨在通过实践，熟悉并掌握临床中药师的主要职业技能。

①门诊药房培养方案 研究生于该岗位需掌握处方审核、调配及发药的基本技能;需熟悉药品不良反应呈报方法及流程与“精、麻、毒、放”等特殊药品的管理办法与流程;需了解“药品管理法”、“处方管理办法”等法律法规文件，中成药的用药特点及用药原则，特殊人群用药特点及用药原则。

②中草药房培养方案 研究生于该岗位需掌握中草药处方审核、调配及发药的基本技能;熟悉至少100种常用中药饮片的鉴别特点，特殊饮片的管理方法与流程;了解煎药规程、操作及设施维护，煎药成品的质量控制技术。于该岗位实习约3个月。

③病房药房培养方案 研究生于该岗位需掌握常用中成药的名称、功能主治、规格、用法用量、适应证、禁忌证、不良反应及注意事项，与审核医嘱、调配及发药的基本技能，“麻、精、毒、放”等特殊药品的管理办法;需熟悉药品不良反应关联性评价方法，特殊人群用药特点及用药原则，药房自动化设备的使用及维护，需了解病区基数药品的管理办法。于该岗位实习约3个月。

④药库培养方案 研究生于该岗位需掌握中药饮片的鉴别与保管方法，中成药采购、贮存工作流程和要求，特殊药品的贮存方法;需熟悉药品价格信息管理，医院药事制度及药品采购管理规程;需了解药物经济学基本知识。于该岗位实习约1个月。

⑤药检室培养方案 研究生于该岗位需掌握药品的质量管理方法及常用医院制剂检验方法;需熟悉药品质量控制工作的内容及流程，“药品管理法”及《中国药典》中关于药品质量检测的相关内容，需了解药品质量问题追踪流程与评估 报告 。于该岗位实习约1个月。

⑥ 制剂室培养方案 研究生于该岗位需熟悉中药煮提操作方法，中药前处理、提取、精制、制剂成型等技术;需了解中药材炮制方法，中药特色技术传承。于该岗位实习约1个月，需至少完成10个批次的制剂配制，需至少进行1次日常设配的维护。

(2)专科实践阶段

该阶段分别在临床中药学室与各临床科室完成，研究生通过在临床中药学室的学习，掌握临床中药师的基本工作流程与技能，再根据各导师的研究方向及课题背景，选择某个临床科室，进行较为深入的临床中药学专科实践。在导师与临床带教老师的指导下参与日常医疗活动，培养临床思维及处理临床中药问题的能力。

①临床中药学室培养方案 研究生于该岗位需掌握审核医嘱及干预技能，治疗药物监测数据分析与评估，提供个体化用药建议，中药的治疗原则或治疗指南，药物信息检索和评估，药物咨询，患者教育，药历书写，与医护患的沟通技能;需熟悉药学监护计划的制定与 实施方案 ，特殊人群用药特点及用药原则，临床中药学室工作内容和流程;需了解药学查房，临床会诊及病例讨论。

② 临床科室培养方案 根据导师的研究方向或临床需要，将研究生派往相关临床科室，通过与医生、护士、患者的交流，发现及解决临床中的中药问题，在具体的临床实践中提高对临床中药学知识与技能的运用能力，同时通过专业化中药学服务，规范临床用药，促进医生与患者安全、有效、经济、合理地用药。

科研培养方案

研究生在导师的指导下，根据研究方向及课题背景，自主查阅文献资料，结合临床中药问题，确定选题，撰写开题报告及文献综述。于第三至第四学期在学院内进行开题考核，考核专家小组主要就研究课题的科学性、可行性及临床实用价值三方面进行评议。

根据考核专家小组的意见，进一步修改选题内容并制定详细的科研计划后，深入基层现场和中药学工作第一线，围绕中药临床应用研究与评价、个体化用药与实践、药物安全性与用药安全等方面展开研究，最终获得具有科学性、严谨性和一定实际参考价值的结论或解决方案，并撰写毕业论文。

3 思考与设想

学科建设与人才培养之间的关系相辅相成，它们均以“人”作为主体，学科建设的最终目的即为培养人才，培养出的人才更能推动该学科的迅猛发展[10-12]，对于临床中药学这一新兴学科更是如此。该学科的建设始终是以向医疗机构提供临床中药师作为出发点及最终目标，只有专业人才的输出与配置，才能真正规范临床合理用药，而临床中药师在临床实践及对研究生的“帮、传、带”中，又可促进该学科向规范化、合理化发展。就本单位对该学科的建设方案，提出以下几点思考与设想。

整合教学资源，扩大培养规模

诚然，临床中药学这一学科现阶段正处于摸索阶段，缺乏公认的、规范化的人才培养流程，故在本阶段的第一要务即为整合现有的全部临床、教学、科研资源，努力为研究生提供一个丰富、正规、严谨的培养环境，供其在学有所专、学有所长的基础上，开拓眼界，无缝接轨临床。第二方面，各医科院校应开设临床中药学专业，扩大招生份额，使本专业的人才数量呈梯度增长，以免出现人才断层。第三方面，应加速学科带头人的选拔与培养，发挥“领头羊”的作用，在个别单位形成优势学科，迅速推动该学科的建设。

政策适度支持，规范培养模式

作为一个新兴学科，没有政府卫生部门及各医疗单位的支持会举步维艰，而临床中药学能够促进临床安全、有效、经济、合理用药是有目共睹的，故望决策者们加大对该学科的建设，以促进其快速发展[13-15]。另一方面，临床中药学应参照西药临床药学的培养模式，于较有专业实力的三甲医院设立临床中药师培训基地，选拔各基层单位的中药师进行为期1年的规范化培训，结业后对考核合格者颁发临床中药师证书，以规范各单位的临床中药学工作。此外，还应大力开展各种在职培训及继续教育，这一方面可以迅速扩大临床中药学的培训范围，另一方面也促进了各单位中药师的技能提高及专业延伸。

吸纳多学科知识经验，发挥中医药独特优势

临床中药学本属一交叉学科，是中医学、中药学、西药临床药学、循证医学及临床科研等多学科结合的产物，故该学科的建设不应仅局限在现有师资的教学上，应根据不同研究方向的特点，制定个性化的培养方案，充分汲取其他学科优势，同时也丰富了本学科的内容与深度，本单位的理论课跨校选课即是在此方面的一大突破!

当然，临床中药学的立身之本乃传统中医药理论，故在学科建设与人才培养方面不能完全套用西药临床药学的培养模式，该学科必须依据传统中医药理论，发挥中医药的特点，围绕中成药配伍、中西药复方制剂与中西药配伍、中草药剂量与煎服法、不良反应监测、临床用药咨询及中药宣传与教育等方面开展工作，并以临床用药咨询、中成药处方点评为切入点，规范医护患安全、有效、经济、合理地使用中药。

结语

诚然，本单位于2015年刚刚开展临床中药学的学科建设与人才培养，其各个方面的建设均在摸索，恰恰与临床中药学在国内的现状相一致，但我们相信，通过大家不断的探索、挑战与尝试，最终会摸索出一条适合临床中药学快速发展的特色之路;临床中药师也会随着在临床的发光发热得到医生、护士、患者的信赖与支持!望同仁们共同努力，共铸临床中药学明日之辉煌!

浅谈中药学发展的前景

继承和发展是前提，发展是最好的继承，中药学发展离不开中西医药学结合。然而，无论是中药学发展还是中西医药学结合，在当前都还存在一些令人困惑不解的问题。其中既有理解的问题，也关系到科学观念的转变。现以中药学科学探讨对此问题作如下探讨。

1中药学现代研究的困惑与思考

中药西药化

以往所进行的中药学科学研究，大多探讨的都是中药西药化。因为无论它们是怎样表述的，其核心都是从现有的中药中寻找、分离及提纯所谓的“有效成分”或化学单体，其针对的大多都是西医学的疾病，而这不正是西药的发展历程吗?如青蒿素、黄连素等，大都失去了中医药学理论的表述和应用原则，我国《药典》也已将它们归入西药收载。中药西药化也许是新西药发现或创制的一条捷径，然而，其作为中药发展之路尚有明显的不足之处。其一，从已有的中药西药化的结果来看，其虽然有成功的范例，但与整个中药的数量比较就显得非常之少。其二，从西药目前的发展状况来看，现代西药的发展本身就似乎陷入了一个走不出的“迷宫”。鉴于已有药物的临床毒副作用和病原耐药性等问题，人们忍痛地否定了一批又一批药物的使用价值，不断寻求合成新的药物。

中西药合用

中西药合用最早可以追溯到张锡纯的《医学衷中参西录》。由于中药辨证与西药辨病治疗侧重和经验积累的不同，使中西药合用在很多情况下都收到了好于单纯中药或西药的临床疗效。然而，由于中西药分属于两个不同的医学理论体系，其临床适应症也各有不同，在没有合适的结合理论指导的前提下，尤其是在当今西医药学理论愈来愈强势，中医药学理论愈来愈弱化的条件下将它们合用，不仅难免发生用药理论和方法上的牵强附会与偏差，而且亦会常常影响它们的临床疗效，甚或导致严重的临床毒副反应发生。

2中医药学科特点认识

整体大于部分之和

“整体大于部分之和”是古希腊的一个哲学观念。然而，由于在“单因素线性分析” 上所取得的卓越成就，现代医药学乃至整个现代科学都将这一点忽略了。如现代医药学不仅注重对疾病发生的每一种因素的单独认识与把握，其虽然也用复方，或在处方中也常有两种以上的药物使用，但多是针对不同“病因”而各自为战的大拼盘;其也重视药物之间的相互作用，但其多局限于两种药物之间。而中医药学辨证施治不仅在诊断上强调要“四诊合参”，形成一个整体“证候”，而且在治疗上，也是采用君臣佐使理论将其多味中药组成为一个整体处方来进行试验与观察的。如研究发现，龙胆泻肝汤与关木通加六味地黄丸及关木通加滋阴药的配伍，能显著减少其煎液中的马兜铃酸A含量;关木通加利水药与关木通加清热药，其煎液中的马兜铃酸A含量减少不显著;而关木通加甘草与关木通加附子，均可显著地增加其煎液中的马兜铃酸A含量。关木通经过炒焦、与滑石粉炒和与麦麸炒后，其煎液中的马兜铃酸A含量均有显著性降低(P<)[1]。当代名医用附子，李可最大量一昼夜达600克，祝味菊最大量在45克，姜春华用9克，而李翰卿则用克治愈过心衰的患者，其间最大相差达到2000倍，而都取得了“起沉疴”的临床疗效[2]。这用传统科学的理念是无法理解的，对此应该引起我们足够的重视。

整体并不等于宏观

整体观念是中医药学的一大优势，但整体并不等于宏观。后者只是对宏观规律的认识与把握，前者则强调事物之间的相互联系与相互作用。由于事物之间的相互联系与相互作用，使整体具有了“非线性”与“整体大于部分之和”等复杂性科学的特点;从而使其整体的特性不仅取决于其物质的构成，而且更是由物质之间的关系与构成方式来决定的。如“蝴蝶效应”只能在特定的复杂气象条件下产生;由于中药的配伍、剂量与炮制等不同，使其处方的作用有很大区别等等。那么，中药学发展不仅要重视其有效成分等物质性研究，更不能忽视对其复方配伍、炮制及其临床辨证施治规律等的认识。中药的疗效与毒性，既不能唯成分而论，也不能简单地依据剂量的大小来确定;而是要综合考虑其辨证施治、处方配伍与药材炮制等诸多因素。

整体认识需要微观化但必须转变科学观念

整体认识不仅需要微观化，而且可以随着认识方法与观察指标的微观化而微观化，只是要以复杂性科学的观念为指导。这是因为：(1)证候状态的认识、分析与处理，不断需要新指标、新方法与新药物来提高、发展与丰富其水平、能力与手段。如有人将显微镜(及电子显微镜、X光、B超等)称为“放大眼”，把听诊器等叫做“放大耳”，它使我们看到和听到了以往未能见到的现象。再如温病学向称湿温缠绵难愈，因湿邪重着黏腻，湿与热合，如油入面;但诸如肠伤寒、钩端螺旋体病、布鲁氏杆菌病等湿温类温病，今天已知并非“缠绵难愈”，因为用特效抗生素治疗，多能迅速遏制病情[3]。(2)中医药学的辨证施治或对证候状态的认识、分析与处理，虽然说传统上以宏观指标与天然的动植物药物为主;但其并不是一成不变的，而且每一次随着新指标、新药物与新方法的引进，都给其临床疗效与辨证施治规律的认识带来了飞跃与发展。中医药学现代研究既要重视对每一种因素、每一种药物甚或单体物质的作用特点与规律的认识，更不能忽视对中药复方综合作用、处方配伍、剂量与炮制，尤其是其临床辨证施治规律的研究;并在新的历史条件下，在不断引进新指标、新药物与新方法的基础上，总结出新的辨证施治(证候状态分析与处理)规律，以更好地丰富与发展中医药学。

、我国每年的“禁毒宣传月”从6月3日开始，这是因为历史上的这一天一位著名的民族英雄开始领导人民销毁收缴的鸦片，取得了禁烟斗争的伟大胜利，这位民族英雄是

高等中医药本科 教育 中药学专业设置标准是规范中药教育的重要文件,编制该标准是中医药教育的一件大事,它的制订为保证本科中药学专业教学质量和中药教育的评估提供了依据,对规范中药专业的办学标准,促进本科中药学专业的健康和持续发展具有积极的意义。下面是我为大家推荐的本科中药学论文，供大家参考。

本科中药学论文 范文 一：不同厂家卡马西平片溶出度考察

摘 要 ：一种快速的，有选择性的，灵敏度高的反向高效液相色谱法同时测定血浆样品中奥卡西平，其主要代谢产物(单羟基和双羟基卡马西平)，拉莫三嗪，卡马西平和卡马西平-环氧丙烷的 方法 已实现。

在固相色谱柱(SPE)上提取得到被分析组分，在Zorbax SB-CN 柱上实现色谱分离。 在紫外吸收波长为214nm下，该色谱峰面积比用于定量分析。这高效液相色谱法已成功的用于对我们研究所中癫痫患者得血药浓度监测的日常评价，以及用于关于病人由于药物诱导或抑制OXC代谢产生治疗效果的药代动力学研究。

关键词：奥卡西平;代谢物;HPLC;监测

1. 前言

奥卡西平(OXC)，10酮基卡马西平(CBZ)衍生物，是一个比较新的抗癫痫药物，其作用机制与适应症与卡马西平相似。口服给药后，OXC被胃肠道完全吸收，迅速且几乎完全(96%-98%)得降解为药理活性代谢物单羟基衍生物(MHD)。MHD主要通过与葡萄醛酸结合而代谢，另外一小部分MHD被氧化成二羟基衍生物(DHD)。DHD是一个无药理活性得代谢物，同时也参与了卡马西平的代谢途径。(图1.)

OXC可以作为单一疗法以及与其他AEDs(抗癫痫药物)联合的多疗法，如拉莫三嗪 (LTG)，丙戊酸(VAL)，托吡酯(TPM)的和非班酯(FBM)。我们研究所的癫痫患者通常用CBZ或OXC与LTG等其他抗癫痫药物联用进行治疗。虽然目前没有数据显示，OXC血药浓度监测对癫痫患者的药物治疗有用，药物诱导或抑制的相互作用清楚得表明，对照LTG[2,3]可被视为一个理由，对可能会由于OCX相互作用而进行仔细的监测。另一个原因是实施一分析程序的同时测定LTG,CBZ,CBZ 10,11-环氧化物(CBZ- epox)，OXC和其主要代谢物而不受其他目前

相关的药物(如苯妥英，乙琥胺，非班酯 ， 苯巴比妥和丙戊酸)干扰，可以不需要改变分析程序时，药物在不同的样本中测试会改变。这样可以节省双方的时间和金钱。

HPLC-UV方法目前用于OXC治疗药物监测(TDM)的做法也只是分析这种药物和它的代谢产物[4,5][1];有些是反向选择[6,7]，并要求昂贵的手性柱和长度的分析倍。

由于OXC与CBZ有一个化学结构和性质很相似，Lensmeyer[8]提出的操作程序是目前HPLC法发展的出发点。不过，我们决定要修改方法，因为lensmeyer的分析程序不允许量化LTG和DHD ，因为这两个组分是一起洗脱出的。

2. 材料与方法

标准

OXC,MHD和DHD由Novartis Pharma (Basel, Switzerland)友好提供;LTG由

GlaxoSmithKline

(Verona, Italy)提供;CBZ, CBZ-epox, and cyeptamide (CYE)购自Sigma-Aldrich (Steinheim, Germany). CYE,CBZ储存溶液(1μgμl),在-80℃下储存，CBZ-epox and LTG 制成甲醇溶液，MHD和DHD溶于去离子水中，OXC溶于丙酮中，丙酮醇流动相包含CBZ, CBZ-epox, OXC, MHD, DHD 和

LTG，内标物溶液(100ngμg-1), 水/乙腈(3/1)制成。

试剂与萃取剂

所有溶剂为HPLC等级：乙腈和醋酸购自Merck (Darmstadt,Germany); 甲醇来自Carlo Erba (Milano,Italy); 醋酸铵和三乙胺来自Sigma-Aldrich (Steinheim, Germany).固相萃取柱(SPE)Isolute C8柱(EC)含有200毫克的稳定相，并以3ml容积规格购自StepBio(Bologna, Italia).在Milli-Q Plus 的试剂级别的给水系统中的水是去离子的，过滤且净化的，来自Millipore (St. Quentin, France).

色谱条件

HPLC系统包括一个126溶剂传递装臵模型(Beckman Instruments, Berkerley, CA)，一个LC 295 UV-VIS 模型(Perkin Elmer, USA),设在214nm，与一个406接口单元模型(Beckman Instruments, Berkerley,CA)连接，用于一个GOLD色谱工作仪(version 6) (Beckman Instruments).

色谱分离分别采用一个Zorbax SB-CN柱Hewlett Packard (USA), 250mm× .,粒子大小5m，一个保护柱LichroCART 4-4 RP-8, 5 m (Merck, Darmstadt, Germany)被连接到保护分析柱上。柱子和前臵柱分别被设在50℃的恒温箱中(Jones Chromatographic,USA)。流动相由水/乙腈/甲醇/乙酸/三乙胺(体积比为725/150/125/1/)混合，超声脱气Branson (USA)。流动相PH用乙酸调整为以获得LTG与DHD峰的完全分离(图2)。流速设为12mlmin。 制备标准品和对照品

标准品和对照品包括CBZ,CBZepox,OXC, MHD, DHD, 和LTG添加已知含量的分析物于空白血浆中。他们包括每批患者的样本。

样品制备

我们结合含30μl CYE(.)(100ngμl-1)的500μl 血清和500μl饱和的醋酸铵溶液。混合后，样品被转移至含3ml甲醇的萃取柱，然后3ml水洗。在用3ml水洗萃取柱后，样品将在3ml甲醇中被洗脱出来。然后在40℃的氮气流通下蒸发有机相，残留物用200μl水/乙腈(3/1)溶解，然后取50μl注入到HPLC系统中。 -1

3. 结果

选择性

用上述的色谱条件我们可靠地将六个组分与内标物分离。色谱性能良好，使所有物质峰形与合适的保留时间有效。在一个干扰研究中，提取空白血浆与抗癫痫药物或内标物共同洗脱得到了一个游离的峰。(图.3.)在对病人的多药疗法中，非班酯，加巴喷丁，托吡酯，乙拉西坦和乙琥胺在这过程中不被提取，因为它们不断地离解。丙戊酸酸和苯妥英分别提取，而不是共同与有趣的组分被洗脱出来。苯巴比妥( Pb )和MHD是共同洗脱出来的。因此，在有PB和OXC9(和MHD)存在时，样品用盐酸(1N)和乙醚预处理。在SPE程序允许PB通过并进入有机相并在此后从水相中柱提取其他组分前进行样品酸化。

线性

我们的线性方法检查是通过三份标准品分析的，在范围为μgml的CBZ，μgml的CBZ-epox，μgml的OXC，μgml的MHD，μgmlDHD 和μgml-1的LTG是优良的。(图.4.)

回收率

提取回收率(在五种不同浓度下评价以及在相同浓度下对血浆样本提取物和未提取标准物的 4 -1-1-1-1-1

峰面积比较评价)很好。OXC为，MHD为，DHD为为，CBZ-epox为，LTG为。

限量

在信噪比3：1下，限量为OXC(μgml-1),MHD(μgml-1),DHD、LTG、CBZ和CBZ-epox(μgml)。

日内和日间精密度与准确度

在三个不同浓度下，范围为OXC(μgml-1)，MHD和CBZ(1-20μgml-1)，DHD,CBZ-epox和LTG(1-10μgml-1)，制备五组质量控制样品。相同的提取样本跑了三次后计算日内准确度，在连续四天分析后计算日间准确度。(表 1)对于所有组分，由变异系数(CV)确定的日内和日间精密度低于6%。

4. 讨论

这项研究的目的是如何用HPLC-UV法同时测量联合用CBZ或OXC与LTG和其他抗癫痫药物进行治疗的癫痫患者的血浆中CBZ,OXC和它们的主药代谢产物及LTG。该法适用于用这些药进行单一或多疗法的病人。我们选择SPE样品前处理，因为这种技术比起液液萃取能获得回收率高且更洁净的样本。

该法非常灵敏且其重现性非常好，用高效液相色谱技术，再加上紫外检测允许同时测定人血浆中三种抗癫痫药物(OXC,CBZ和LTG)和它们的主药代谢物(MHD,DHD和CBZ-epox)。在我国实验室经过数月的例行评价这种方法，我们结论是，它对这些药物的TDM有用处。通过使用这一程序，提取不需要超过30分钟，色谱分离只需时17分钟，且色谱系统呈现长期的稳定性;在进行1200次分析后，色谱分离才变差(宽峰和低分辨率)。

参考文献：

[1] Flesh G. Overview of the clinical pharmacokinetics of Drug Invest 2004;24(4):185–203.

[2] Benetello P, Furlanut Jr M, Baraldo M, Tonon A, Furlanut M. Therapeutic drug monitoring of lamotrigine in patients suffering from resistant partial seizures. Eur Neurol 2002;48:200–3.

[3] Morris RG, Black AB, Harris AL, Batty AB, Sallustio BC. Lamotrigine and therapeutic drug monitoring: retrospective survey followin the introduction of a routine service. Br J Clin Pharmacol 1998;46:547–51.

[4] Mandrioli R, et al. Liquid chromatographic determination of oxcarbazepine and its

本科中药学论文范文二：裕丹参不同播期育苗比较研究

摘 要 目的：本研究以河南方城裕丹参为材料，探讨裕丹参育苗的最佳播种时期，以期为当地裕丹参的规范化生产提供一定的理论依据。方法：采用大田试验的方法，通过对不同播期间的株高、根长、折干率等方面进行比较研究，探讨不同播期对丹参育苗生长发育的影响。结果：发现播期2(即6月28日播)的丹参发育最好。结论：6月28日左右为该地区丹参育苗播种的最佳时期。(注意黑体内容的变换)

关键词： 丹参 ;播期;育苗

1 文献综述

丹参概述

植物形态

丹参(Salvia miltiorrhiza Bunge.)为多年生草本植物，茎高达80cm，叶柄及叶轴均被长柔毛，羽状复叶对生，小叶3~5(7)卵形或椭圆状卵形，长，

两面疏被柔毛。轮伞花序为假总状，花序轴和花萼密被腺毛和长柔毛;花萼钟形，长约11mm;花冠紫蓝色，长20~27mm，冠桶内具斜向毛环，下唇中裂片宽偏心形，药隔下臂先端连合，药室不育。子房4深裂，花柱着生于子房底，小坚果椭圆状倒卵形，花期4~6月，果期7~8月。

生境与习性

野生丹参生于山坡林下、草丛或溪谷旁，海拔120m~1300m。产于河北、山西、陕西、山东、河南、江苏、浙江、安徽、江西、湖南、及四川。适应性强，喜气候温暖湿润、阳光充足的环境。春季地温10℃时开始返青，在气温低的地区，植株生长发育不良，幼苗出土亦慢，温度20℃~26℃相对湿度80%时生长旺盛，秋季气温降至10℃以下时，地上部分开始枯萎。丹参耐寒，在北方能露土越冬，根在-15℃的情况下可安全越冬。为深根植物对土壤要求不严，但以疏松肥沃的沙质壤土生长良好。中性、微碱性的土壤最适宜 种植 ，粘土排水不良易烂根。

丹参的应用历史和药用价值

我国应用丹参历史悠久。始载于东汉的《神农本草经》“主心腹邪气，肠鸣幽幽如走水，寒热积聚;止烦渴，益气。”被列为上品。北魏《吴普本草》载：“治心腹痛。”表明丹参自古用于热证和肠鸣，泻肠内积聚物和腹中之邪气。列为上品表明它无毒副作用并作清补之用。以后随着中医实践的发展，人们逐渐转向丹参可养血、调经、安神并可治风邪热证。

明代《本草纲目》载“活血、通心包络、治疝痛”按《妇人明理论》云：“四物汤治妇女病，不问产前产后经水多少，皆可多用，唯一味丹参散主治与之相同，盖丹参散能宿血，补新血，安生胎，罗斯泰，止崩中带下，调经脉，其功大类当归、地黄、芍药之故也。”清代《本草逢源》记有：“丹参本经治心腹邪气，肠鸣幽幽如走水等疾，皆积血内滞而化为水之候，止烦漫益气者，淤积去而烦漫愈，正气复也。”即在《神农本草经》对丹参描述的基础上，进一步强调了丹参在活血化瘀、养血、安神、调妇人经血、止崩带下及治疗肿瘤的功效，并记述一味丹参散即可用于治疗妇科疾病。

现代科学研究和临床表明：丹参可治疗迁延性和慢性肝炎，血栓闭塞性脉管炎，迁延性肺炎，慢性肾功能不全等。目前丹参更是中医活血化瘀、调经、安神、止崩带下与抗菌消炎的一味常用良药。《中华人民共和国药典》2005版归纳丹参的功效为祛瘀止痛，活血通经，清心除烦，主治“月经不调，经闭痛经，症瘕积聚，胸腹刺痛，热痹疼痛，疮疡肿痛，心烦不眠，肝脾肿大”。复方丹参滴丸，复方丹参注射液等就是利用复方治疗，主要用于心绞痛等冠心病。其中复方丹参滴丸(天津产)作为中成药于1997年12月被美国食品与药品管理局准许在美国进行临床研究，为丹参进入国际市场奠定了基础。

中药材GAP 与丹参的规范化种植

中药材GAP

中药材GAP是《中药材生产质量管理规范(试行)》(Good Agricultural Practice for Chinese Crude Drugs)的简称。其中GAP是Good Agricultural Practice的缩写，是由我国国家食品药品监督管理局组织制定，并负责组织实施的行业管理法规。该规范从保证药材质量出发，规范了中药材生产的全过程。其内容包括中药材的产前(产地生态环境：对大气、水质、土壤环境生态因子的要求：种质和繁殖材料;正确鉴定物种，种质资源的优化)、产中(优良的栽培技术 措施 ，要点是田间管理和病虫害防治)，产后(采收与产地加工：确定适宜采收期及产地加工技术)包装、储藏、质量管理等全过程的系统原理，是一套完整的管理体系。

GAP针对植物药材、动物药材和矿物药材，以控制产品质量为核心以制定出科学的符合中药材社会化生产的标准操作规程(SOP)为手段，以实现中药材生产的优质高效为目标，以达到药材“真实、优质、稳定、可控”为最终目的。

中药材GAP 的实施及基地建设的意义

建立中药材的生产、采收、加工的规范标准，对于保证中药材产品以至中成药产品质量具有特别重要的意义。在中药现代化国际化进程中首先必须从中药材的质量抓起。中药材标准化是中药现代化和国际化的基础和先决条件。而中药材的标准化有赖于中药材生产的规范化。因为中药材是通过一定的生产过程形成的，药用植物的不同种植、不同生态环境、不同栽培和研制技术及采收、加工等方法都会影响药材的产量和质量，所以中药材生产是中药药品研制、生产、开发和应用整个过程的源头，只有首先抓住源头，才能从根本上解决中药的质量问题及中药标准化和现代化的问题 。

制定及实施GAP是促进农业产业化的重要措施。产业化不仅仅是制药企业和医疗保健事业的需要，也是农业结构调整的一条道路。中药是我国医药 传统 文化 的组成部分，但是许多传统道地药材往往生长于经济不发达的偏远地区，长期以来约80%的常用药材主要依靠采挖野生资源来满足社会需求。长期采挖的结果导致资源枯竭，生态环境破坏。建设中药材生产基地是中药资源保护扩大再生和生态环境保护最有效的手段，也是持续供应中药材产品的根本途径。因此，通过对道地中药材品种、种质、产地土壤、气候、栽培、加工等的系统研究，开展规模化规范化人工栽培，可在保证药材质量的同时保护野生资源和生态环境，实现药材资源的持续利用。

中药材GAP实施的进展

2002年2月国家食品药品监督管理局(CFDA)发布了《中药材生产质量管理规范(试行)》(即GAP的认证)。2003年11月1日起，SFDA开始正式受理

中药企业GAP认证申请。继国内第一批中药材规范化种植基地通过GAP认证试点工作，GAP认证将开始在我国中药材种植行业作为自愿认证逐渐推广。2005年6月止，已有26家中药材生产企业种植的26个中药材品种通过了中药材GAP认证。如河南西峡山茱萸生产基地、山西商洛丹参生产基地、四川雅安鱼腥草生产基地、安徽阜阳板蓝根生产基地等。

丹参的规范化生产

1)种质资源(四级标题一律去掉)

张国兴等[1]从生态型出发，研究国产著名道地药材川丹参大叶型、小叶型和野生型品种资源特性。首次确立了川丹参的品种资源类型建立了丹参品种资源分型研究的性状和生产力特性指标体系。小叶型丹参为川丹参的优质高产新品种。郭保林等[2]通过不同产区的丹参样品进行RAPD分析将扩增条带用NTSY-pc和AMDVA软件进行数据处理。研究表明，丹参居群内遗传多样性十分丰富;山东和河南产的栽培居群栽培种源来自当地野生居群，尚没有进行人工选择，丹参酮A等成分减少的原因主要是栽培条件不理想;地区间居群的遗传分化不均衡，四川中江和河北承德居群与 其它 居群较远;丹参道地性的确定应当依据现代的优质药材评价系统，山东和河南产的丹参也可认为是丹参的道地药材。

2) 产地生态环境

伍均等[3]对四川中江县丹参产区生态环境和土壤条件进行了调查研究，结果表明：丹参主要栽培在该县西北部地山区海拔600m~900m坡地气候温暖湿润，主产土壤为中壤质的石灰性和中性紫色土。一般土壤有机质和氮钾属于中低水平，速效磷丰富;在微量营养元素中，有效铁、锰、铜充足，有效锌、硼普遍缺乏。黄志勇等[4]用GAP质控下栽培的中药丹参作为重金属内控标准物，经过不同实验室测试和不同市区稳定性测试的试验结果表明，丹参内控标准金属含量的数据准确可靠，稳定性好可作为丹参中药材重金属质量控制的参考标准，也可作为其它中药GAP规范管理中有毒元素的内部质量控制的参考标准。蒋传中等[5]报道：山西商洛是丹参的道地产区，其独特的地理气候条件特别适宜丹参生长;其大气、灌溉水质、土壤环境无污染，特别适宜建立丹参GAP基地。张国兴等[6]根据主产区高产丹参和低产丹参药材质量的差异性，研究了非地带紫色土区丹参土壤发生学特征值分子比率的特性。试验结果表明，紫色土发生学特征值是丹参生药产量及规格品质的中药土壤因素之一，土壤风化程度深浅与丹参产量密切相关。

3) 栽培技术措施

朱小强等[7]为解决丹参春栽出苗慢，出苗不齐，缺苗多，影响产量的问题。采用分根法春栽，地膜覆盖，对土壤温度、土壤养分、出苗时间与出苗率等因素进行了对比试验，结果表明地膜覆盖后的丹参生态效应十分明显，产量也明显高于

露地对照组。韩建萍等[8-11]利用盆栽和大田实验研究了施肥对丹参植株生长及有效成分的影响。实验结果表明：丹参移栽时作基肥的氮肥不能施用太多，否则会影响成活，苗期也会出现烧苗症状;生长中期可施用适量氮肥，以利于茎叶的生长，为后期的生长发育提供光合产物。氮:磷=1:1时，产量比对照提高了;氮:磷:钾=1:时，丹参素和丹参酮的总含量比对照提高和18%;总丹参酮的含量与丹参根的直径呈负相关，细根影响产量和外观品质，建议生产上应适当密植。刘文婷等[11]报道丹参的产量和其有效成分的含量均以20cm ×25cm的栽培密度为最佳，根产量以鲜重记可达163kg/亩。丹参素含量可达，丹参酮的含量可达。建议在进行丹参规范化栽培时可选择株行距为20cm×25cm的栽培密度。

影响药材质量的因素

商品药材的质量常有很大差异，为保证临床用药的安全、有效，必须要保证所用药材的质量。但是，影响药材质量的因素错综复杂，如物种的遗传基因、产地环境条件、栽培技术措施、采收、加工和贮藏等。其中物种的遗传因素、产地生态环境、栽培技术措施是影响药材质量的主要因素。研究影响药材质量的各种因素，找出它们对药材质量的影响的一般规律和特殊规律，进而实现对药材质量从生产、采收、加工、贮藏到应用全过程的动态调控，确保药材的安全、有效和质量的稳定均一。

裕丹参简介

方城古称裕州，盛产丹参，因品质优良、疗效显著，为别与其它产地丹参而冠以地名 “裕丹参”，裕丹参始于金、元，鼎盛在明、清。清《方城志》(康熙三十六年刊)载：方城疆域之广轮，盖同古裕州，星夜分之桐柏山淮水之上游 峰峦联络，溪涧环绕，野多陂陀膏腴，物产桔梗、丹参极佳，乃地道之帮，医崇之上。《名医别录》曰：“诸药所生，皆有境界， ……丹参生桐柏山川谷及太山，桐柏山乃淮水发源之山，非江东之桐柏也。”孔志云：“动植形生，因地舛生;春秋节变，感气殊功。离其本土，则质同而效异;乘于采取，则物是而时非，名实既虚，寒温多谬，施于君父，逆莫大焉。”为别丹参之良莠，好恶真伪，医者用之有据，故金代谓之“裕丹参”。

参考文献(文献标号用方括号)

[1] 张国兴,王义明.丹参品种资源特性的研究[J].中草药,2002,33(8):247.

[2] 郭宝林,林生.丹参主要居群的遗传关系及药材道地性的初步研究[J].中草药,2002,33(12):3111.

[3] 武均,陈远学.中江县丹参产区的生态环境与土壤条件[J].四川农业大学学报,2005,27(3):284~288.

[4] 黄志勇,庄峙夏.GAP质控下栽培丹参重金属内控标准物的制备和表征[J].中国中药杂志,2003,28(9):808-811.

5 蒋传中,卫新荣.丹参种植地点的选择依据及标准研究[J].现代中药研究与实践,2004,18(1):51~52.

6 张兴国,程方叙.中江丹参土壤发生学的[J].中国中药杂志,2004,29(7):636~638.

7 朱小强,王新军.丹参地膜覆盖栽培技术实验[J].商洛师范高等专科学校校报,2001,15(4):22~24.

(4)8 韩建萍,梁宗锁,孙群等.施肥对丹参植株生长及有效成分的影响[J].西北农业学报,2002,11:67~71.

磷对丹参根系生长及总丹参酮积累的影响[J].西北植物学报，(3)9 韩建萍,梁宗锁.氮、2003,24:603~607.

10 韩建萍,梁宗锁.丹参根系氮、磷营养的吸收及丹参酮累积规律研究[J].中国中药杂志,2004,29(3):208~211.

11 刘文婷,梁宗锁,付亮亮等.栽植密度对丹参产量和有效成分含量的影响[J],现代中药研究与实践,2003,17(4):14~17.

12 王新军,朱小强,吴珍等.丹参播种育苗技术的试验研究[J],商洛师范专科学校学报,2004,18(1):87~89.

药品生物测定的发展趋势〔摘要〕 生物测定是经典的药品检测专业之一，现代仪器分析的广泛应用，给其带来了极大的挑战和机遇，面对目前的基本状况，阐明了生物测定专业在中药开发、新药研制、药物安全性评价及微生物限度检查方面的应用和发展趋势。 〔关键词〕 生物测定；药理；药品 药品是特殊商品，药品质量直接关系到用药者的安全和疗效。药品检测方法和检测水平随着制药工业的发展不断改进提高。由于现代科学技术的发展，相邻学科之间的相互渗透，分析化学的发展经历了三次巨大的变革，使分析化学发展成为以仪器分析为主的现代分析化学。面对生命科学中复杂的分离分析任务，发展了色谱分析方法。结构分析、价态分析、晶体分析等方面的研究又促进了光谱分析的发展。以计算机应用为主要标志的信息时代的来临，仪器分析迅速发展，为药物检测提供各种非常灵敏、准确而快速的分析方法〔1〕。生物测定受到了极大的挑战，其发展前景令我们从事药品生物测定工作者所关注。 1 药品生物的特点与业务范围 药品生物测定的定义与特点 药品生物测定（简称生测）是利用药品（或药品中的有害杂质）对生物（或离体器官及组织）所引起的反应来测定药品的含量或安全性的一种方法。 生测法的优点是测定的结果与医疗要求基本一致，能直接反映药品的效果或毒副作用，这是其他物理学方法或化学方法所不能达到的。因此，目前各国药典仍大都采用这一方法。 生测法的缺点是检验周期长，微生物有生长繁殖过程，动物有生理代谢过程，观察分析时间一般在2~7天，有些试验会更长。影响因素多，有生物差异性，也有系统操作误差和环境条件等造成的影响。用品用具、动物质量、仪器设备都会对结果产生影响〔2〕。所以，以生测主检的品种在中国药典中逐版减少。 药品生物测定的业务范围 中国药典是法定的药品标准，它将药品质量控制项目归为四类：性状、鉴别、检查和含量。生测的业务主要涉及到中西药品的检查类和含量类。 其中作为药品安全性检查项目最多，包括：无菌、热原、细菌内毒素、异常毒性、安全试验、急性全身毒性、过敏物质、刺激性、溶血、降压物质、微生物限度等。含量（或效价）测定包括：抗生素微生物检定法，胰岛素、硫酸鱼精蛋白、缩宫素、卵泡刺激素、黄体生成素、升压素等生物检定法。 2 药品生物测定的现状 由于现代化检测仪器的广泛应用，药品生物测定的品种和范围，方法和要求，也发生了很大变化。 品种和范围的变化 抗生素的含量测定，最初大部分抗生素用微生物法测定含量。随着制药工业发展，提纯方法不断改进，有效组分更加明确，许多品种检测方法不断改为仪器测定和化学测定。例如：2000年版中国药典收载约219个抗生素品种，其中有15个原料药及其制剂从1995年版的化学法和微生物法改为高效液相色谱法（简称HPLC），使该法达到97种，微生物法仅有24个，其中9个品种是新增加的。有人预计本世纪初，HPLC法会发展成为中国药典使用频率最高的一种仪器分析法〔3〕。规定取消抗生素过期检验，抗生素微生物效价测定的业务工作量更是明显减少。 药品注射剂的热源检查。1942年美国首先将家兔法收入药典，相继世界各国药典均规定用该法。中国药典从1953年开始收载。自1973年以来，鲎试剂被证明是一种检测细菌内毒素（热原）存在的灵敏试剂。用鲎试剂要比家兔试验迅速、经济，所需样品量少，操作过程工作量小，每天可进行许多样品检测。1980年美国药典20版首载“细菌内毒素检查法”，1985年USP21版收载5种注射用水及40种放射性药品。1991年11月执行的USP22版第五增补版公布了185种药品删除家兔法，用细菌内毒素检查法代替。1995年USP23版注射剂的热源项几乎都被细菌内毒素检查法代替〔4〕。 我国从20世纪70年代开始研究制备鲎试剂，1988年卫生部颁布细菌内毒素检查法，1993年中国药典第二增补本收载该法，但未涉及任何品种，1995年中国药典二部正式收载，并规定了注射用水、氯化钠注射液和二十多种放射性药品并删除热源检查，以内毒素代替。2000年版中国药典进一步扩大到68种。预计2005年版中国药典还要继续增加品种，热源项都将被内毒素代替。动物试验改为生化试验。 实验动物 生测离不开实验动物，在实验中，为了减少生物差异，提高动物反应敏感性，以最少的动物达到最满意的结果。国家非常重视实验动物，1988年国务院颁布了《实验动物管理条件》，对实验动物的饲管、管理、使用等做出了明确规定，实行达标认证制度，严格管理。按微生物控制程度把实验动物分为四级：普通动物、清洁动物、无特殊病原体动物和无菌动物〔5〕。一般动物实验必须达到清洁动物标准，种系清楚，不杂乱，无规定指出的疾病。动物级别越高，饲养管理条件越严，设施投资越大。实验动物是实验研究的活试剂，既要有纯度，也要有数量，背景明确，来源清楚，符合要求才能使用。（随着药品纯度的提高，凡是有准确的化学和物理方法或细胞学方法能取代动物实验，进行药品和生物制品质量检测，应尽量采用，以减少动物的使用。） 药品生物测定在方法上的改进与变化 为了缩短操作时间，减少实验误差，近年来生测方面也研制并投入使用了部分仪器设备，如：抗生素抑菌圈测定仪、微机热原测温仪、集菌仪、细菌数测定仪等，减轻了工作强度，提高了工作效率，检测结果更加准确可靠。 3 药品生物测定的发展趋势 生测作为经典方法沿用至今，表明它有其他方法不能替代的特点，在药品检验中发挥了重要作用。不少老产品改为其他方法控制质量，也会不断有新产品离不开生测法，我们应当充分发挥它的优点，尽量克服它的不足，开拓新的业务范围。 微生物限度检查工作量大 为了控制药品染菌限度，1975年美国药典19版首载微生物限度检查，1980年英国药典收载，我国在1990年由卫生部颁布了药品卫生标准及检验方法，1995年版中国药典正式收载〔6〕。2000年版中国药典按剂型规定了微生物限度标准，执行范围除注射剂和中药饮片外几乎包括中西药的所有制剂和原料。该项检查成为药典品种适用最多的检查项目，占当前地市级药品检验所生测室业务工作量的80%以上。在这项检查中，有大量的业务技术需要我们进一步研究，改进试验条件，使数据准确，探讨快速检测的新方法。药包材的检查，国家药监局已经发布试行标准，业务范围将更加扩大，这是我们进一步做好工作，努力探讨研究的新领域。 药品生物测定在中药开发中的作用 我国是中药王国，2000年版中国药典一部共收载920种，其中中成药398种。有含量测定的157种，仅占总数的17%，中药成分多，杂质和干扰物质很多。复方制剂，尤其大复方制剂专属性的检出处方中所含药材很困难，有大量的研究工作需要做。中成药中的杂质如重金属、残留农药等达到一定水平会产生毒副作用，影响药物安全性〔7〕。要让中药制剂打进国际市场，我们在检查类的控制项目和含量类的方法探讨方面有大量工作要做，生物测定可以在毒理、药理方面进行研究、探讨，逐步完善质量控制标准，提高制剂质量发挥更大的作用。 新药研制开发与安全性评价 新药研制开发是多学科合作的系统工程。在获得一个具有生物活性的化合物后，研究开发组织者要在生物医学领域进行药物评价研究，首先必须组织药理学、毒理学、病理学、兽医学、遗传学、生物化学、药代动力学方面的专家进行合作研究，按药物非临床研究管理规范GLP进行管理。组织药理、毒理（包括一般毒理和特殊毒理）、病理、药代动力学和毒代动力学、药物分析、临床化学、实验动物、生物统计、质量保证等部门有关人员进行讨论，分阶段做出评价〔8〕。生测在这方面可以参加开发研究或进行技术指导。 药物动力学研究，通常需要从动物体液或组织器官匀浆中分离、鉴定和检测代谢后的原粉及其他代谢产物。但是，将服药动物按指定时间间隔处死，测定随时间变化的血药浓度，不仅动物用量大，而且常因动物个体差异无法得到可靠结果，也无法在同一动物重复实验确证。处死动物的代谢产物也只能反映被处死时的结果，无法了解药物代谢的全过程。有学者报道，采用微透析取样技术，可在活的动物不同部位重复取样，用微柱液相色谱〔9〕或毛细管电泳〔10〕进行分析，测定药物的吸收、分布、代谢和排泄情况〔11〕。 自动进取样装置和计算机工作站应用于药理实验的探讨，使药品生物测定趋向微量、灵敏、专属、简便、快速和自动化的方向发展。 综上所述，药品生物测定是药物分析的重要组成部分，是不可缺的检测专业，现代仪器的大量使用，不仅不会影响其发展，而是如虎添翼，让药品生物测定展示出新的前景。 〔参考文献〕 1 倪坤义，田颂九，丁丽霞.21世纪药物分析学的发展趋势.中国药学杂志，2000，35（12）：798. 2 张治锬.抗生素药品检验.北京：人民卫生出版社，1991，12-20. 3 田颂九，丁丽霞，田洁.国内外药典中质量标准的发展趋势简述.中国药学杂志，1999，34（11）：781. 4 吴伟洪.鲎与鲎试验法论文汇编（三）.厦门鲎试剂厂，1996，18. 5 施新猷.医学实验动物学.西安：陕西科学技术出版社，1989，32. 6 马绪荣，苏德模.药品微生物学检验手册.北京：科学出版社，2000，59. 7 李真，龚培力，曾繁典.药物杂质及其对安全性的影响.中国临床药学杂志，2001，17（6）：452. 8 刘昌孝.美国新药研究开展与药物安全性评价研究概况.中国药学杂志，1999，34（11）：785. 9 Chen AQ,Lunte sampling coupled on-line to fast microbore liquid Chromatogr,1995,691（1-2）:29. 10 Qanson electrophoresis and microdialysis:current technology and Chromatogr B,1997,697：89. 11 Yang H,Wang Q,Elmquist WF,et desin and validation of a novel intravenous microdialysis probe:application to fluconazole pharmacokinetics in the freelymoving rat Res,1997,14