您当前的位置：
首页 >
文章列表页 >
基于机器学习模式和气相色谱-质谱联用技术的特征刻画方法分析卡西酮类新精神活性物质
研究报告 | 更新时间：2026-07-15

    • 基于机器学习模式和气相色谱-质谱联用技术的特征刻画方法分析卡西酮类新精神活性物质

    • A Characterization Method for Synthetic Cathinone New Psychoactive Substances Based on Machine Learning and Gas Chromatography-Mass Spectrometry Techniques

    • 分析测试学报   2026年45卷第6期 页码：1256-1264

    • DOI：10.12452/j.fxcsxb.26011901    

      中图分类号： O657.7;D919.2

    • 收稿：2026-01-19，

      修回：2026-04-15，

      录用：2026-04-15，

      网络首发：2026-04-27，

      纸质出版：2026-06-15

    移动端阅览

  • 王洋,陈学国,王琳娜,刘春庚,刘诗怡.基于机器学习模式和气相色谱-质谱联用技术的特征刻画方法分析卡西酮类新精神活性物质[J].分析测试学报,2026,45(06):1256-1264. DOI： 10.12452/j.fxcsxb.26011901.

    WANG Yang,CHEN Xue-guo,WANG Lin-na,LIU Chun-geng,LIU Shi-yi.A Characterization Method for Synthetic Cathinone New Psychoactive Substances Based on Machine Learning and Gas Chromatography-Mass Spectrometry Techniques[J].Journal of Instrumental Analysis,2026,45(06):1256-1264. DOI： 10.12452/j.fxcsxb.26011901.

  •  
  •  

0

浏览量

86

下载量

0

CSCD

文章被引用时，请邮件提醒。
提交
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

关联资源

AI慧眼识毒 | 中国刑事警察学院陈学国：AI+GC-MS精准刻画新精神活性物质鉴识

相关文章

基于能量特征融合机器学习和高丰度代谢组分定量的蓖麻子溯源区分研究
人工智能驱动的中药质量控制研究进展
微塑料热裂解-气相色谱-质谱检测中的脂质干扰问题识别、验证方法与应对策略
可生物降解地膜中紫外吸收剂在土壤-玉米系统中的释放、迁移与累积特征
基于色谱-质谱联用技术的生物降解塑料成分非靶向筛查分析

相关作者

袁孟韬
张媛圆
侯畅
黄旋
尤巍
陈佳
谭美莲
郭磊

相关机构

中国人民公安大学 侦查学院
军事科学院军事医学研究院
中国农业科学院油料作物研究所
天津中医药大学 中药学院
山东中医药大学 药学院
0