一種基于深度學(xué)習(xí)的二維拉曼光譜算法

近日，天津大學(xué)精密儀器與光電子工程學(xué)院的光子芯片實(shí)驗(yàn)室提出了一種基于深度學(xué)習(xí)的二維拉曼光譜算法，成果以“Rapid and accurate bacteria identification through deep-learning-based two-dimensional Raman spectroscopy”為題，發(fā)表在《Analytica Chimica Acta》上。

表面增強(qiáng)拉曼光譜（Surface-enhanced Raman spectroscopy, SERS）可以提供分子獨(dú)特的振動(dòng)指紋，具有預(yù)處理簡(jiǎn)單、靈敏度高和無(wú)創(chuàng)檢測(cè)等優(yōu)點(diǎn)。隨著人工智能（artificial intelligence, AI）技術(shù)的快速發(fā)展，基于AI的拉曼光譜分析在細(xì)菌識(shí)別等生物傳感領(lǐng)域具有廣闊前景。目前，為了更加精確地實(shí)現(xiàn)細(xì)菌識(shí)別，研究者們提出將一維拉曼光譜轉(zhuǎn)換為二維拉曼光譜圖來(lái)獲取更加豐富的數(shù)據(jù)信息。但是，高分辨率的二維拉曼光譜圖在提高識(shí)別準(zhǔn)確度的同時(shí)，通常會(huì)引起計(jì)算時(shí)間過(guò)長(zhǎng)等問(wèn)題。

在本項(xiàng)工作中，研究者們提出了一種低分辨率、多信息量的二維拉曼光譜圖處理算法，驗(yàn)證了其在細(xì)菌識(shí)別中的可行性。該算法基于小波包變換與格拉姆角場(chǎng)（Wavelet Packet transform and Gramian Angular field, WPGA）技術(shù)，利用深度學(xué)習(xí)模型實(shí)現(xiàn)快速高效地識(shí)別細(xì)菌。如圖1所示，識(shí)別過(guò)程主要包括三個(gè)步驟，首先，采集細(xì)菌樣品的SERS光譜并進(jìn)行預(yù)處理；其次，利用WPGA算法將一維拉曼光譜轉(zhuǎn)換成二維拉曼光譜圖，這是本項(xiàng)工作能夠?qū)崿F(xiàn)快速高效分類的關(guān)鍵。由于分子振動(dòng)，拉曼光譜常會(huì)出現(xiàn)微小的特征峰，但由于這些信息頻率相對(duì)較高，在光譜平滑過(guò)程中容易被忽略。因此，我們采用小波包變換技術(shù)，對(duì)高頻信息成分進(jìn)行更為精細(xì)的篩選，以減少有用信息的損失。然后利用格拉姆角場(chǎng)技術(shù)，對(duì)篩選后的有效特征添加序列信息來(lái)提高識(shí)別精確度。最后，通過(guò)訓(xùn)練深度學(xué)習(xí)模型來(lái)識(shí)別細(xì)菌。

圖1.細(xì)菌識(shí)別的主要步驟。包括三個(gè)步驟：拉曼數(shù)據(jù)收集、WPGA算法處理和二維光譜圖分類。

基于提出的算法，研究者們對(duì)枯草芽孢桿菌和酵母菌的SERS光譜進(jìn)行了分類驗(yàn)證。圖2（a）展示了基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行該二元分類問(wèn)題的訓(xùn)練過(guò)程，結(jié)果表明驗(yàn)證集的精度可以達(dá)到99.75%，損失為0.0074。圖2（b）展示了模型訓(xùn)練完成后，使用測(cè)試集來(lái)評(píng)估分類性能，識(shí)別準(zhǔn)確率為99.64%，初步證明了該算法的可行性。為了驗(yàn)證該算法的泛化能力，研究者們進(jìn)一步開(kāi)展了基于Bacteria-ID公共數(shù)據(jù)集的多分類識(shí)別任務(wù)。圖2（c）展示了沒(méi)有進(jìn)行WPGA算法處理時(shí)，30種細(xì)菌在二維空間中的分布，不同類別之間的相互混合，難以區(qū)分。如圖2（d）所示，利用所提算法后，不同種類的細(xì)菌彼此分離，基于Resnet網(wǎng)絡(luò)模型的分類識(shí)別準(zhǔn)確率可以達(dá)到90.55%。

圖2.兩種及多種細(xì)菌的分類識(shí)別結(jié)果。(a)訓(xùn)練集和驗(yàn)證集的準(zhǔn)確率和損失曲線；(b)測(cè)試集的混淆矩陣；(c)數(shù)據(jù)集在二維空間中的分布；(d)使用WPGA算法后，數(shù)據(jù)集在二維空間中的聚類效果。

本論文第一作者為天津大學(xué)精密儀器與光電子工程學(xué)院的碩士生劉怡辰，通信作者為天津大學(xué)精密儀器與光電子工程學(xué)院的程振洲教授、胡浩豐教授和高翊盛博士。該工作得到了國(guó)家自然科學(xué)基金（62161160335、62175179、62475188、61805175、12304428）、天津市自然科學(xué)基金（23JCJQJC00250）、廣東省自然科學(xué)基金（2022B1515130002）和日本學(xué)術(shù)振興會(huì)（JP18K13798）項(xiàng)目的支持。