الولايات المتحدة الأمريكية، 25 مارس، 2024 / EINPresswire.com / – تعد طرق المعالجة المسبقة الطيفية مع إزالة الضوضاء الطيفية بكفاءة وإمكانيات تصحيح خط الأساس عالية الدقة من المتطلبات والتحديات التي تواجه تطبيقات التحليل الطيفي رامان عالية الأداء. في هذا البحث، آر إس بي إس إس إلتم اقتراح استراتيجية جديدة للمعالجة الطيفية لرامان ذات الخطوتين والتي يتم الإشراف عليها ذاتيًا استنادًا إلى التعلم الخاضع للإشراف الذاتي لتحقيق تقليل التشويش الطيفي عالي الدقة وتصحيح خط الأساس للأدوات والعينات والأنواع الطيفية وتعزيز تصور الدقة الكيميائية لصور رامان الفائقة الطيفية عينات الأنسجة السريرية.
رامان المعالجة الطيفية
يكشف مطياف رامان معلومات الترابط الجزيئي للمكونات الكيميائية للعينة في الموقع بطريقة غير مدمرة وخالية من الملصقات (المصطلحات >>>). إنها تقنية طيفية ناشئة متعلقة بالتمثيل الغذائي في البحوث الطبية البيولوجية والسريرية، ومن المتوقع أن تعزز تطور الطب الدقيق. حاليًا، يتم تطبيق مطياف رامان في الكشف الطبي الحيوي عن سوائل الجسم، والأكسوزومات، والخلايا/الميكروبات، والأنسجة، حيث يمكن أن يوفر تصوير رامان الفائق الطيفي للأنسجة البيولوجية معلومات التوزيع المكاني ثلاثية الأبعاد للروابط الجزيئية الكيميائية، ومن المتوقع أن يكون أداة قوية. أداة لفحص ودراسة الآليات الجزيئية لحدوث وتطور الأمراض والعلل.
ومع ذلك، فهو حساس للتداخل من الأجهزة والضوضاء المحيطة وإشارات الخلفية (إشارات/خطوط الأساس غير رامان) بسبب إشارات تشتت رامان الضعيفة. يؤثر تراكب هذه الضوضاء وإشارات خط الأساس بشكل خطير على فصل وحل إشارات رامان الطيفية الجوهرية (قمم رامان)، مما يحد من تطبيق ونشر مطياف رامان، خاصة عبر الأدوات والعينات والأنواع الطيفية. إن تعقيد مكونات العينات البيولوجية والتداخل الشديد لإشارات الفلورسنت يجعل التطبيق الطبي الحيوي لمطيافية رامان أمرًا صعبًا. تعد طرق المعالجة المسبقة الطيفية مع إزالة الضوضاء الطيفية بكفاءة وإمكانيات تصحيح خط الأساس عالية الدقة من المتطلبات والتحديات التي تواجه تطبيقات التحليل الطيفي رامان عالية الأداء.
التحديات
تتطلب طرق التحليل العددي التقليدية تعديلات يدوية متعددة للمعلمات لتحقيق تقليل أفضل للضوضاء وتأثيرات تصحيح خط الأساس، وهي غير مناسبة لسيناريوهات التطبيقات عالية الإنتاجية مثل التشخيص السريري ومعالجة الصور فوق الطيفية.
تتمتع أساليب المعالجة المسبقة للتعلم العميق الحالية بميزة الضبط التلقائي للمعلمات. ومع ذلك، لا تزال هناك حاجة إلى تحسين إزالة الضوضاء والموثوقية الطيفية لتصحيح خط الأساس لتحقيق قابلية التطبيق الشامل على جميع الأدوات والعينات.
يعتمد أداء أساليب المعالجة الطيفية للتعلم العميق التقليدية الخاضعة للإشراف على التدريب عالي الجودة على بيانات الملصقات. هذه الأنواع من بيانات التسمية خالية من الضوضاء وخطوط الأساس، حيث يمكن تقليل الضوضاء عن طريق حساب متوسط أطياف الاستحواذ المتعددة، في حين يصعب القضاء على خطوط الأساس عن طريق اقتناء الأدوات التقليدية. علاوة على ذلك، يحتاج نموذج التعلم العميق الذي تم تدريبه بهذه الطريقة إلى إعادة جمع البيانات وإعادة تدريبها عند استخدامها لأدوات وعينات مختلفة. وتحتاج قدرتهم على التعميم إلى التحسين.
عند استخدام مجموعة بيانات المحاكاة الرياضية للتدريب، على الرغم من أنه يمكن تعديلها بين الأدوات والعينات، بسبب الفرق بين الضوضاء الطيفية الفعلية/خط الأساس والمحاكاة العددية، فإن الموثوقية الطيفية لنموذج المعالجة المسبقة لا تزال غير كافية للعينات الطبية الحيوية رامان المعالجة المسبقة للصورة فوق الطيفية.
خوارزمية رامان للمعالجة الطيفية المسبقة ذات موثوقية عالية وقدرة على التعميم
في الآونة الأخيرة، اقترح فريق البروفيسور بيري بينج شوم من قسم EEE، الجامعة الجنوبية للعلوم والتكنولوجيا، مختبر الدولة الرئيسي لتكنولوجيا تصنيع الألياف الضوئية والكابلات، مختبر قوانغدونغ الرئيسي للإلكترونيات الضوئية المتكاملة والحساس الذكي، والمتعاونون معهم، خطة من خطوتين تعتمد استراتيجية رامان للمعالجة الطيفية المسبقة (RSPSSL) على التعلم الخاضع للإشراف الذاتي لتحقيق تقليل الضوضاء الطيفية عالية الدقة وتصحيح خط الأساس للأدوات والعينات والأنواع الطيفية، وتعزيز تصور الدقة الكيميائية لصور رامان الفائقة الطيفية لعينات الأنسجة السريرية.
المقالة ( https://doi.org/10.1038/s41377-024-01394-5 ) تم نشر “RSPSSL: مخطط جديد للمعالجة الطيفية لرامان عالي الدقة لتعزيز التطبيقات الطبية الحيوية وتصور الدقة الكيميائية” في Light: Science & Applications. دكتوراه. المرشح جياكي هو هو المؤلف الأول، والباحث المساعد جينا جينا تشين (المؤلف الأول المشارك) والبروفيسور بيري بينج شوم هما المؤلفان المقابلان.
تتمثل الخطوة الأولى من الخطة في إنشاء نموذج خاضع للإشراف الذاتي وفقًا للاستقلال المتبادل للعلاقة الجسدية بين قمم رامان والضوضاء وخطوط الأساس، والتحلل الذاتي، وإعادة ترتيب وإعادة بناء أطياف التدريب غير المسماة، وبناء شبكة خصومة توليدية. للحصول على القدرة على توليد عدد لا نهائي من أزواج رامان الطيفية ذات المحاكاة العالية، لحل مشكلة أطياف رامان الحقيقية غير المسماة.
تستخدم أطياف التدريب الخالية من الملصقات بيانات متنوعة من مختبرات متعددة عبر الأدوات والعينات والأنواع الطيفية للحصول على تنوع الضوضاء وخطوط الأساس. ثانيًا، للتكيف مع تعقيد البيانات الطيفية الفعلية، يعمل نموذج المعالجة المسبقة على تحسين قدرة الإشارات المعقدة على التكيف من خلال الاتصال الشامل بين وحدات فرعية متعددة. يمكن استخدام نموذج المعالجة المسبقة RSBPCNN # للمعالجة الطيفية لرامان من أي أداة أو عينة أو نوع طيفي دون تدخل يدوي أو إعادة تدريب.
يتمتع نموذج المعالجة المسبقة RSBPCNN# بقدرات ممتازة على تقليل الضوضاء وتصحيح خط الأساس، كما أن الدقة الطيفية المعالجة عالية. تعمل هذه القدرة على استخراج الإشارات الضعيفة بنسب إشارة إلى ضوضاء مختلفة على تقليل وقت أخذ العينات وتحسين التطبيقات النهائية.
المعالجة الطيفية رامان متعددة الاستخدامات
استخدمنا تجارب متعددة في هذه الدراسة للتحقق من قابلية تعميم النموذج. بدون أي تغييرات، تم تطبيق نموذج المعالجة المسبقة RSBPCNN# مباشرة على تشخيص السرطان والتنبؤ بتركيز مبيدات الأعشاب والتصوير فوق الطيفي، مما أدى إلى تحسين تأثيرات التطبيق بشكل ملحوظ. تعمل هذه الطريقة على تحسين دقة التشخيص والتنبؤ بالتركيز بشكل كبير في حالة التطبيقات ذات التسجيلات القليلة وتتحقق أيضًا من موثوقية المعالجة الطيفية المسبقة. وفي الوقت نفسه، تأتي هذه البيانات التجريبية من أدوات ومختبرات مختلفة، مما يدل على قدرتها على التكيف بين الأدوات المختلفة.
تحسين جودة الصورة فوق الطيفية
إن القدرة الفريدة لتصوير رامان الفائق الطيفي هي التصوير الكيميائي الحجمي. ومع ذلك، فإن إشارة التصوير الحيوي الضعيفة غير مرئية بسبب إشارات خط الأساس المتراكبة. من خلال تطبيق نموذج المعالجة المسبقة RSBPCNN#، تم استرداد شدة ذروة رامان لإعادة بناء صور محددة كيميائيًا. وفي الوقت نفسه، يمكن لهذه الطريقة أيضًا تحسين نسبة الإشارة إلى الضوضاء بشكل كبير وتقصير وقت أخذ العينات بعشرات المرات.
ملخص وآفاق
في هذه الدراسة، تم اقتراح RSPSSL، وهي استراتيجية جديدة للمعالجة الطيفية لرامان ذات الخطوتين والتي يتم الإشراف عليها ذاتيًا، لاكتساب وتوليد عدد لا حصر له من مجموعات البيانات الطيفية عالية الدقة للمحاكاة من خلال الفصل الدقيق وإعادة بناء الميزات الطيفية المختلفة من خلال خوارزميات ممتازة . تصميم النموذج والتدريب عليه وتحسين نموذج المعالجة المسبقة المهيمن مع قدرة عالية على التكيف للحصول على رقم RSBPCNN المستهدف بمتانة عالية. يمكن للنموذج أن يحقق إنتاجية عالية لإزالة ضوضاء التحليل الطيفي رامان العشوائي وتصحيح خط الأساس دون تدخل بشري. نظرًا لخصائصه الطيفية عالية الدقة، يمكنه تحسين دقة تشخيص السرطان والتنبؤ بتركيز المحلول بشكل كبير في التجارب، وتحسين جودة الطيف الكامل للصور فائقة الطيف الكاملة، والقضاء على إشارة الخلفية للمنطقة البيولوجية الصامتة، وتحقيق تصور الدقة الكيميائية للصور في منطقة البصمة الطيفية، وتعكس قابلية التطبيق الواسع على الأدوات والعينات والأنواع الطيفية. في المستقبل، يمكن تحسين دقة الصور فائقة الطيف من خلال النظر في التوزيع المكاني للأطياف.
مشاركة البرامج
تم دمج هذه الطريقة في منصة مشاركة المختبرات للاستخدام العلمي. يمكن للباحثين تحميل بيانات رامان الطيفية على دفعات لتحقيق معالجة طيفية سريعة (1900 طيف/ثانية). روابط URL: https://github.com/oilab-sustech/RSPSSL .
DOI
10.1038/s41377-024-01394-5
عنوان URL المصدر الأصلي
https://doi.org/10.1038/s41377-024-01394-5
معلومات التمويل
تم دعم هذا العمل من قبل المؤسسة الوطنية للعلوم الطبيعية في الصين (62220106006)؛ برنامج شنتشن للعلوم والتكنولوجيا (SGDX20211123114001001، JSGGKQTD2022 1101115656030)؛ مؤسسة البحوث الأساسية الأساسية والتطبيقية في قوانغدونغ (2021B151512 0013).
لوسي وانغ
أبحاث التصميم الحيوي
راسلنا عبر البريد الإلكتروني هنا
