Нейросетевой классификатор рамановских спектров сыворотки крови

Abstract

Цель работы — разработка и исследование нейросетевого классификатора для автоматической диагностики хронической сердечной недостаточности на основе рамановских спектров сыворотки крови. В ходе работы выполнен анализ методов рамановской спектроскопии и современных подходов к обработке спектральных данных. Разработан алгоритм предобработки спектров, включающий сглаживание фильтром Савицкого–Голая, удаление флуоресцентного фона методом airPLS и нормализацию данных. Разработаны и реализованы модели многослойного перцептрона (MLP) и одномерной сверточной нейронной сети (CNN) для классификации спектров. Проведено обучение моделей с использованием алгоритма оптимизации Adam и методов предотвращения переобучения. В качестве итоговой рекомендуемой модели выбрана MLP. Выполнена оценка качества классификации с использованием метрик accuracy, precision, recall, F1-score и ROC-AUC. Проведена кросс-валидация модели. Полученные результаты демонстрируют эффективность применения нейросетевых методов для анализа рамановских сп