标签
本文提出了 HyMLRaman，一个将 EfficientNet-B3 光谱嵌入与经典分类器（尤其是 SVM）以及基于 DDPM 的生成式特征增强相结合的混合框架，通过拉曼光谱识别六种药物化合物，达到了 96.31% 的准确率。
本文展示了利用 Sharpness-Aware Minimization (SAM) 来增强机器学习模型在分类细菌拉曼光谱数据时的泛化能力，将精度提高了高达 10.5%，并推进了用于抗菌素耐药性的便携式诊断工具。
本研究建立了一个利用拉曼光谱和机器学习的物理信息AI框架来鉴定食用油，实现了高分类准确率和紧凑的光谱表示。
本文提出了一种门控瓶颈潜变量ODE结合多路径即时微调与拉曼数据融合的方法，以改进哺乳动物细胞培养过程的多日预测，在真实生物反应器数据上取得了更好的性能。
麻省理工学院的研究人员开发了PlasmoSniff，这是一种利用纳米粒子和增强拉曼光谱技术，可在几分钟内检测肺炎及其他肺部疾病的呼吸测试，有望实现快速的居家或临床诊断。
本综述考察了机器学习在生物医学拉曼光谱流程中的作用，从预处理和信号校正到临床转化，强调了可靠Raman-AI系统的障碍和未来方向。