食品营养
-
FRONT NUTR:通过化学信息学方法从蓝莓中计算筛选抗阿尔茨海默病的新神经保护成分
今天介绍一篇由中南林业科技大学张琳教授团队发表的一篇研究性论文,由肖冉等人于2022年12月发表在国际营养学TOP期刊Frontiers in Nutrition上(JCR:Q1 IF:6.59)。本文尝试设计一种基于化学信息学方法这种有效的智能筛选模式,从蓝莓中寻找抗阿尔茨海默病(AD)的新型有效成分,并通过实验验证了预期成分的生物活性。该方法集成了先进的人工智能和化学信息学方法,实现了对所有成分的逐步分析和过滤。最后,获得了预期的新化合物氯化锦葵色素-3-O-半乳糖苷(Ma-3-gal-Cl)。这篇文章采用的创新性方法为。这项工作采用的筛选策略能够为研究者从天然产物和食物中筛选活性成分提供新的参考。
-
基于质谱-机器学习技术的番茄分类:一个食品安全增强平台
今天介绍一篇由Arthur Noin de Oliveira等人于2022年8月发表在Food Chemistry(IF=9.231)上的文章。该研究旨在开发一个使用机器学习算法的平台,分析质谱数据,对番茄进行有机和非有机的分类。决策树算法被定制用于数据分析,该模型在确定每种水果属于哪个组时达到了92%的准确度、94%的灵敏度和90%的精确度。
-
基于图像识别的饮食评估系统
今天给大家介绍一篇由Kalliopi V. Dalakleidi等人,于2021年7月8日发表在Advances in Nutrition(IF=11.567)的一篇综述性文章。该综述描述了用于饮食评估的计算机视觉方法的最新进展,并介绍了基于图像的食物识别系统 (IBFRS) 在专业饮食实践中的最新应用。
-
基于偏最小二乘和人工神经网络分析的采后苹果品质变化及保质期预测模型
今天介绍一篇由渤海大学食品科学与技术学院励建荣教授的研究组等人于2022年6月在线发表在Food Chemistry上的文章。本文构建了偏最小二乘法(PLS)和人工神经网络(ANN)模型来预测苹果的保质期。本工作旨在丰富苹果保鲜理论,为采后苹果货架期的快速评价提供参考。
-
深度学习根据成分声明准确预测食品类别和营养成分
今天介绍一篇由Peihua Ma等人于2022年5月发表在Food Chemistry上的文章。本文作者提出了一种基于深度学习的通用技术来预测食物种类和营养成分。开发了一种食品配料语句嵌入方法,包括配料数据解析、数据采样、数据编码和配料语句张量表示,该方法也可应用于其他与食品语言数据处理相关的任务。随后,应用了四种最先进的深度学习模型,包括多层感知器(MLP)、递归神经网络(RNN)、卷积神经网络(CNN)和图形神经网络(GNN)。
-
Food Chemistry|深度学习在基于图像的中国市场食品营养估计中的应用
该研究在视觉识别任务中利用了深度学习技术,并提出了一套大数据驱动的深度学习模型,从食物图像回归到营养估计,最大限度地发挥了深度学习模型的潜力,同时为未来将人工智能引入食品领域提供了基础。
-
展望:大数据和机器学习有助于推进营养流行病学
今天介绍一篇由Morgenstern Jason D等人于2021年在Advances in Nutrition上发表的文章。营养流行病学领域面临着测量误差、饮食复杂,和残余混杂所带来的挑战。本文的目的是强调大数据和机器学习的发展如何帮助应对这些挑战。
-
食品的分子注释——走向个性化饮食和精准健康
今天给大家介绍一篇由Junai Gan等人近期发表在Trends in Food Science & Technology上的文章。文章提出了一种对食品进行分子注释的框架,让人们对食物的分子特性如何影响个人饮食行为和健康有更好的了解,使个人和护理人员能够针对目标的健康管理做出明智的饮食决策。
-
使用机器学习方法评估草莓树果实提取物在粉剂及溶剂系统中的稳定性
今天给大家介绍一篇由Astraya等人合著,于前段时间发表在Food Chemistry上的一篇研究型文章。文章中作者为了模拟酚类化合物在不同储存条件下的降解动力学,建立了3种机器学习模型。