面向高通量拉曼光谱的实用Noise2Noise去噪流水线
人工智能
2026-05-19 v1 材料科学
信号处理
摘要
本文提出了一种用于高通量拉曼光谱的轻量级且可复现的去噪流水线。该方法依赖于使用Noise2Noise策略训练的一维卷积自编码器，训练时既不需要外部光谱库，也不需要高信噪比的参考光谱。从由重复短曝光采集组成的精简训练子集中，该模型学会了重建拉曼光谱，同时有效抑制随机噪声。在异质矿物样本上对该方法进行了评估，使用了定量光谱保真度指标（RMSE、SNR、SSIM）以及基于无监督K-means分类的任务导向准则。结果表明，每张光谱仅5 ms的积分时间（通常不足以进行可靠解释）即可产生与参考数据高度保真且保持化学连贯映射的去噪光谱。本工作在光谱质量和采集速度之间提供了实用的权衡，实现了与常规实验室使用兼容的快速、适应性强的拉曼工作流程。它也为其他一维光谱模态提供了可迁移的框架。
关键词
引用
@article{arxiv.2605.18511,
title = {A Practical Noise2Noise Denoising Pipeline for High-Throughput Raman Spectroscopy},
author = {David Martin-Calle and Cesar Alvarez Llamas and Vincent Motto- Ros and Christophe Dujardin and Jérémie Margueritat and David Rodney},
journal= {arXiv preprint arXiv:2605.18511},
year = {2026}
}