Jun, 2024
基于领域适应的荧光光谱解释的深度学习
Intepretative Deep Learning using Domain Adaptation for Fluorescence Spectroscopy
Umberto Michelucci, Francesca Venturini
TL;DR该研究提出了一种新方法，利用预训练的视觉模型进行领域适应，并结合新的可解释性算法，以解决荧光光谱数据（尤其是激发 - 发射矩阵）分析中的挑战。通过对特定特征工程的神经网络的描述，我们现在能够更深入、更有意义地理解数据背后的物理化学过程。该方法通过对初榨橄榄油（EVOO）中的氧化过程进行分析来进行论证，展示了在预测质量指标和识别相关光谱带方面的有效性。该研究在光谱学领域中使用深度学习取得显著创新性结果，将其从黑盒转变为理解复杂生物和化学过程的工具。