基于密集连接网络模型的致病菌拉曼光谱分类

作者：杨勇; 董浩; 桑瑶烁; 李志刚; 张龙; 王玲; 王澍

来源：激光与光电子学进展, 2022, 1-10.

• 光谱学
• 拉曼光谱
• 光谱鉴别
• 机器学习
• 致病菌

细菌拉曼光谱信号弱、相似度高且易被噪声干扰，使用传统机器学习方法对其分类必须进行繁杂的光谱预处理，效率低下。为提高细菌拉曼光谱分类的准确率和效率，提出了一个基于密集连接的一维卷积神经网络模型Raman-net，该模型无需额外的光谱预处理就可有效的完成光谱分类。对Bacteria-ID公开数据集的30种细菌的低信噪比拉曼光谱的分类准确率为84.26%，显著高于传统机器学习方法，并领先Ho等取得的82%准确率。采集了对碳青霉烯类抗生素敏感和耐药的2种肺炎克雷伯菌的表面增强拉曼光谱，Raman-net取得了99.16%的分类准确率。实验结果表明，对细菌的普通拉曼光谱和表面增强拉曼光谱，Raman-net无需光谱预处理均可取得优秀的分类效果，为致病菌的拉曼光谱鉴定提供了一种快速有效的方法。

• 单位
  中国科学技术大学; 中国科学院合肥物质科学研究院