基于密集连接网络模型的致病菌拉曼光谱分类

	基于密集连接网络模型的致病菌拉曼光谱分类
	杨勇; 董浩; 桑瑶烁; 李志刚; 张龙; 王玲; 王澍
刊名	激光与光电子学进展
	2023
卷号	60
关键词	spectroscopy Raman spectroscopy spectral discrimination machine learning pathogenic bacteria 光谱学拉曼光谱光谱鉴别机器学习致病菌
ISSN号	1006-4125
英文摘要	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。
语种	中文
内容类型	期刊论文
源URL	[http://ir.hfcas.ac.cn:8080/handle/334002/133176]
专题	中国科学院合肥物质科学研究院
作者单位	中国科学院合肥物质科学研究院
推荐引用方式 GB/T 7714	杨勇,董浩,桑瑶烁,等. 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,2023,60.
APA	杨勇.,董浩.,桑瑶烁.,李志刚.,张龙.,...&王澍.(2023).基于密集连接网络模型的致病菌拉曼光谱分类.激光与光电子学进展,60.
MLA	杨勇,et al."基于密集连接网络模型的致病菌拉曼光谱分类".激光与光电子学进展 60(2023).