基于密集连接网络模型的致病菌拉曼光谱分类 |
| |
引用本文: | 杨勇,董浩,桑瑶烁,李志刚,张龙,王玲,王澍.基于密集连接网络模型的致病菌拉曼光谱分类[J].激光与光电子学进展,2023(1):396-400. |
| |
作者姓名: | 杨勇 董浩 桑瑶烁 李志刚 张龙 王玲 王澍 |
| |
作者单位: | 1. 中国科学院合肥物质科学研究院安徽光学精密机械研究所;2. 中国科学技术大学研究生院科学岛分院 |
| |
基金项目: | 国家自然科学基金面上项目(82072380);;安徽省自然科学基金青年项目(1908085QB85); |
| |
摘 要: | 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时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,提出了一种基于密集连接的一维卷积神经网络模型Ramannet,无需额外的光谱预处理就能有效完成光谱分类。实验结果表明,Raman-net对Bacteria-ID公开数据集中30种细菌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及对比方法。对于碳青霉烯类抗生素敏感和耐药的2种肺炎克雷伯菌表面增强拉曼光谱,Raman-net取得了99.16%的分类准确率。这表明对于细菌的普通拉曼光谱和表面增强拉曼光谱,Raman-net无需光谱预处理就能取得较好的分类效果,为致病菌的拉曼光谱鉴定提供了一种快速有效的方法。
|
关 键 词: | 光谱学 拉曼光谱 光谱鉴别 机器学习 致病菌 |
|
|