基于深度卷积神经网络的拉曼光谱分析特征可视化
计算机视觉与模式识别
2020-07-29 v1 图像与视频处理
化学物理
摘要
我们展示了一种利用深度卷积神经网络进行拉曼光谱分析的识别与特征可视化方法。该可视化通过从池化层和全连接层中的权重计算光谱中的重要区域来实现。该方法先针对简单洛伦兹谱进行检验，随后应用于药物化合物与数值混合氨基酸的光谱。我们利用洛伦兹谱考察了卷积滤波器的尺寸与数量对拉曼峰信号提取区域的影响。通过可视化提取的特征，确认了拉曼峰对识别有贡献。在背景水平区域获得了近零的权重值，该区域似乎被用于基线校正。通过对数值混合氨基酸光谱的评估，确认了公共成分提取。即使在模型以one-hot向量作为训练标签（无混合比）的情况下，公共峰处出现高权重值、特征峰处出现负值。该所提方法潜在地适用于诸如训练模型验证、确保从化合物样品中进行光谱分析的公共成分提取可靠性等应用。
引用
@article{arxiv.2007.13354,
title = {Feature visualization of Raman spectrum analysis with deep convolutional neural network},
author = {Masashi Fukuhara and Kazuhiko Fujiwara and Yoshihiro Maruyama and Hiroyasu Itoh},
journal= {arXiv preprint arXiv:2007.13354},
year = {2020}
}