近日，天津大學(xué)精密儀器與光電子工程學(xué)院的光子芯片實驗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。

表面增強拉曼光譜（Surface-enhanced Raman spectroscopy, SERS）可以提供分子獨特的振動指紋，具有預(yù)處理簡單、靈敏度高和無創(chuàng)檢測等優(yōu)點。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，為了更加精確地實現(xiàn)細(xì)菌識別，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別準(zhǔn)確度的同時，通常會引起計算時間過長等問題。

在本項工作中，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，驗證了其在細(xì)菌識別中的可行性。該算法基于小波包變換與格拉姆角場（Wavelet Packet transform and Gramian Angular field, WPGA）技術(shù)，利用深度學(xué)習(xí)模型實現(xiàn)快速高效地識別細(xì)菌。如圖1所示，識別過程主要包括三個步驟，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，這是本項工作能夠?qū)崿F(xiàn)快速高效分類的關(guān)鍵。由于分子振動，拉曼光譜常會出現(xiàn)微小的特征峰，但由于這些信息頻率相對較高，在光譜平滑過程中容易被忽略。因此，我們采用小波包變換技術(shù)，對高頻信息成分進(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技術(shù)，對篩選后的有效特征添加序列信息來提高識別精確度。最后，通過訓(xùn)練深度學(xué)習(xí)模型來識別細(xì)菌。

圖1.細(xì)菌識別的主要步驟。包括三個步驟：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，研究者們對枯草芽孢桿菌和酵母菌的SERS光譜進(jìn)行了分類驗證。圖2（a）展示了基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行該二元分類問題的訓(xùn)練過程，結(jié)果表明驗證集的精度可以達(dá)到99.75%，損失為0.0074。圖2（b）展示了模型訓(xùn)練完成后，使用測試集來評估分類性能，識別準(zhǔn)確率為99.64%，初步證明了該算法的可行性。為了驗證該算法的泛化能力，研究者們進(jìn)一步開展了基于Bacteria-ID公共數(shù)據(jù)集的多分類識別任務(wù)。圖2（c）展示了沒有進(jìn)行WPGA算法處理時，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)菌的分類識別結(jié)果。(a)訓(xùn)練集和驗證集的準(zhǔn)確率和損失曲線；(b)測試集的混淆矩陣；(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（JP18K13798）項目的支持。