来源：期刊VIP网 时间：
作者：刘晨曦;魏东;冉义兵;周柳营;马川;
单位：北京建筑大学电气与信息工程学院;建筑大数据智能处理方法研究北京市重点实验室;
摘要：采用深度学习进行正常脑组织与肿瘤组织边缘诊断，对算法效率和准确率均有较高要求，为此提出一种1D-RamNeXt脑肿瘤组织拉曼光谱分类方法。首先，针对样本类别不均衡问题，设计一维数据再平滑数据增强方法，以扩充原光谱数据集；为提升诊断准确率，通过堆叠残差网络（ResNet）块并增加通道数量，构建卷积神经网络（CNN）模型，对光谱数据特征进行提取及整合，并在网络中引入并行拓扑结构残差模块，以解决深度神经网络中层数过多导致的模型退化问题，并减少超参数及算法计算量。针对所提取的小鼠脑部组织实验结果表明，与线性判别分析（LDA）、 K最邻近（KNN）和支持向量机（SVM）类传统算法相比，本文方法准确率提升6%；与AlexNet, VggNet和ResNet一维CNN模型相比，本文方法在准确率提升2%的前提下运行速度提升16%。
关键词：拉曼光谱;;卷积神经网络;;脑肿瘤;;残差结构
基金资助：北京市属高校高水平创新团队建设计划项目（IDHT20190506）;; 北京建筑大学高级主讲教师培育计划（GJZJ20220803）资助
