Oct, 2023
通过特征正则化提高对未知类别的抗干扰能力的开放式细菌拉曼光谱鉴别
Enhancing Open-World Bacterial Raman Spectra Identification by Feature Regularization for Improved Resilience against Unknown Classes
Yaroslav Balytskyi, Nataliia Kalashnyk, Inna Hubenko, Alina Balytska, Kelly McNear
TL;DR深度学习技术与拉曼光谱学的结合在临床环境中具有潜力，能够精确快速地鉴定病原细菌。然而，传统的封闭集分类方法假设所有测试样本属于已知病原体，其适用性有限；本研究通过开发一种新颖的 ResNet 集成模型和注意机制，结合目标空间损失函数进行特征正则化，提高了病原体检测的准确性，并有效降低了误报率。该研究提出的拉曼光谱学算法能够检测未知、未编目和新出现的病原体，为适应未来可能出现的病原体提供了灵活性，并有潜力提高在动态操作环境（如公共安全应用）中拉曼光谱解决方案的可靠性。