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

王洋; 陈学国; 王琳娜; 刘春庚; 刘诗怡

doi:10.12452/j.fxcsxb.26011901

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

更新时间：2026-04-28

- 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年页码：1-13
- 作者机构：
  
  1.中国刑事警察学院刑事科学技术学院，辽宁沈阳 110854
  2.辽宁省禁毒技术重点实验室，辽宁沈阳 110854
- 作者简介：
  
  陈学国，博士，教授，研究方向：法医毒物分析，E-mail： chenxueguo@cipuc.edu.cn
- 基金信息：
  
  辽宁省重点研发项目(2024JH 2;102500079);中国刑事警察学院科研重点攻关项目(D2025011);2025年度研究生创新能力提升项目(2025YCYB70);辽宁省科学技术计划项目(2025080101-JH2/1013);公安部科技计划项目(2025JSM11)
- 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：2026-04-28，
- 稿件说明：
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/OL]. 分析测试学报, 2026,1-13.

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/OL]. Journal of Instrumental Analysis, 2026, 1-13.
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/OL]. 分析测试学报, 2026,1-13. 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/OL]. Journal of Instrumental Analysis, 2026, 1-13. DOI： 10.12452/j.fxcsxb.26011901.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

人工智能驱动的中药质量控制研究进展

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

基于气相色谱-离子迁移谱及机器学习的不同产地香附饮片的快速鉴别

近红外光谱结合机器学习对当归及其相似品的准确鉴别

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

DOI：10.12452/j.fxcsxb.26011901