领域适应与自训练方法在提升光谱数据跨批次分类性能中的应用：特征归一化技术的比较分析

《Scientific Reports》：Domain adaptation and self-training for improved cross-batch classification of spectroscopic data: a comparative analysis of feature normalization techniques

　　

摘要

表面增强拉曼光谱（SERS）能够实现高灵敏度、无标记的化学物质识别，但基于单次测量数据训练的机器学习模型在应用于不同批次的光谱时往往表现不佳，这主要是由于基底、仪器及测量条件存在差异。我们以Park等人发布的公开可用的罗丹明6G（R6G）SERS数据集为例研究这一问题[1]。该数据集包含两批样品（Batch-1和Batch-2，每批1500条光谱），虽然在测量条件上基本相同，但在强度范围、基线行为和浓度分布上存在明显差异。我们提出了一种领域自适应的特征学习框架，该框架结合了基于变换器的去噪自编码器（T-DAE）和潜在空间中的相关性对齐算法（CORAL），从而在不依赖目标标签的情况下减少批次间的差异。在更具挑战性的迁移方向（B1→B2，即未进行适应性调整时的性能最低）中，利用T-DAE+CORAL的潜在特征进行逻辑回归分类，平衡准确率从0.844提高到0.884±0.019，特异性也从0.688提高到0.939。在反向迁移方向（B2→B1）下，通过半监督方式添加100条带有标签的目标光谱（约占目标批次总量的6.7%），平衡准确率进一步提高至0.955±0.044。我们将这项工作视为使用单一基准分析物实现SERS分类中跨批次对齐方法的概念验证；未来研究的主要方向是在更多分析物、生物分子靶标和多仪器数据集上进行更广泛的验证。