对抗性对比域生成学习用于细菌拉曼谱的联合去噪与跨域识别
图像与视频处理
2024-12-12 v1 计算机视觉与模式识别
摘要
拉曼光谱作为一种无标签检测技术，已被广泛用于临床诊断致病细菌。然而，拉曼信号本质上较弱且敏感于获取过程的条件。细菌的特征光谱在不同的获取条件下会表现出不同的信噪比和领域差异。因此，现有方法往往面临在训练期间不可用的测试获取条件下进行识别的挑战。本文提出了一种通用框架，即对抗性对比域生成学习框架，用于联合拉曼光谱去噪和跨域识别。该方法由域生成模块和域任务模块组成。通过对抗学习，这两个模块之间利用仅来自单个可用源域的光谱数据生成与源域在语义上一致的扩展去噪域，并提取领域不变的表征。综合案例研究表明，所提出的方法可以在无需噪声自由真实值的情况下进行光谱去噪，并在跨域不可见的光谱获取条件下实现 improved 的诊断准确性和鲁棒性。这表明所提出的方法在实际临床案例中具有显著的诊断潜力。
引用
@article{arxiv.2412.08241,
title = {Adversarial Contrastive Domain-Generative Learning for Bacteria Raman Spectrum Joint Denoising and Cross-Domain Identification},
author = {Haiming Yao and Wei Luo and Xue Wang},
journal= {arXiv preprint arXiv:2412.08241},
year = {2024}
}