Die Nahinfrarotspektroskopietechnik als schnelle, zerstörungsfreie Analysemethode hat einen wichtigen Anwendungswert bei der Qualitätsbewertung komplexer Systeme. Mit der kontinuierlichen Entwicklung von Deep-Learning-Methoden bietet die Integration beider neue Forschungsansätze und technische Wege für die Qualitätsbewertung traditioneller chinesischer Medizin. Dieser Artikel gibt einen systematischen Überblick über den Anwendungsfortschritt von Modellen wie Multilayer-Perzeptron, Convolutional Neural Networks, Recurrent Neural Networks, Autoencodern, Generativen Gegenspieler-Netzwerken und Transformern in der Modellierung des Nahinfrarotspektrums. Fokus liegt auf der Unterscheidung der Arten und Verarbeitung der chinesischen Medizin, der Echtheitsbestimmung, der Herkunftsrückverfolgung, der Vorhersage des Inhalts von Inhaltsstoffen, der Prozessüberwachung und der Qualitätsbewertung von Zubereitungen. Es werden die Anwendungseigenschaften, potenzielle Vorteile und Einschränkungen verschiedener Algorithmen zusammengefasst. Darauf aufbauend werden die wichtigsten aktuellen Probleme bei Stichprobengröße, Modelldesign, Trainingsstrategien und Interpretierbarkeit zusammengefasst. Abschließend werden die Anwendungstrends und Entwicklungsrichtungen der Integration von Deep Learning und Nahinfrarotspektroskopietechnik in der Qualitätsbewertung traditioneller chinesischer Medizin prognostiziert.

traditionelle chinesische Medizin; Nahinfrarotspektroskopie; Deep Learning; Qualitätsanalyse