基于核磁共振与深度强化学习的生乳乳腺炎阶段无创精准分类新策略

本研究针对奶牛乳腺炎导致的牛奶成分变化问题，开发了基于1H-NMR和DOSY NMR技术结合深度强化学习（DRL）的原始牛奶分类模型。通过多维张量分解与DRL算法，实现对健康奶牛、亚临床及临床乳腺炎牛奶样本的精准区分，分类准确率达82%，为畜牧业疾病诊断提供创新技术支撑。

　　

牛乳腺炎是一种由病原菌联合乳腺组织损伤引发的炎症，显著改变牛奶中蛋白质质量、脂肪酸含量、小分子代谢物种类及乳糖矿物质浓度。本研究采用无需样品预处理的核磁共振（NMR）技术，结合¹H-NMR和扩散排序光谱（DOSY NMR），解析健康奶牛（两组）、亚临床（四组）与临床（一组）乳腺炎原始牛奶的关键代谢物组成。通过二维DOSY NMR谱与多维张量分解算法耦合，构建深度强化学习（DRL）分类模型，实现基于乳汁化学组成的乳腺炎阶段与致病因子精准分类。基于半数训练集的分类准确率高达82%，该模型为畜牧业中影响乳汁质量的疾病诊断提供了可靠工具。

（作者声明无利益冲突）