近日，生物醫學檢測技術及儀器bbin宝盈集团祝連慶教授課題組在《Photodiagnosis and photodynamic therapy》期刊發表「基於

多譜帶深度殘差神經網絡的舌鱗癌識別方法」的研究論文。該課題組對舌鱗狀細胞癌和癌周圍正常組織進行了分類，其分類結果優於傳統的機器學習方法，識別準確率達到了98.25%，特異度98.75%，敏感度97.38%，達到了98.25%的準確率。

        此次工作證明拉曼光譜結合深度學習方法可以成功應用於腫瘤組織的檢測，此次工作證明拉曼光譜結合深度學習方法可以成功應用於舌鱗癌組織的檢測，有助於提高在體檢測舌鱗癌組織的準確性，提高了檢測結果的準確性。

        課題組成員提出的多譜帶深度殘差網絡具有以下優勢:

        一是無需對舌鱗癌組織拉曼光譜數據進行預處理；

        二是利用光譜儀中CCD暗電流產生的隨機噪聲原理，為拉曼光譜增加白噪聲，提高數據樣本的多樣性；

        三是利用較大尺度的卷積核提取整條拉曼光譜的特徵以抑制噪聲；

        四是利用多個較小尺度的卷積核分別提取拉曼光譜不同分譜帶的特徵，可以訓練出不同的卷積核權重，用來提取不同的拉曼光譜表徵信息；

        五是將分譜帶提取出的特徵與整條光譜提取的特徵融合在一起，避免特徵消失，提高了癌組織和癌周圍正常組織分類的準確性。