近日，生物医学检测技术及仪器北京实验室祝连庆教授课题组在《Photodiagnosis and photodynamic therapy》期刊发表“基于

多谱带深度残差神经网络的舌鳞癌识别方法”的研究论文。该课题组对舌鳞状细胞癌和癌周围正常组织进行了分类，其分类结果优于传统的机器学习方法，识别准确率达到了98.25%，特异度98.75%，敏感度97.38%，达到了98.25%的准确率。

        此次工作证明拉曼光谱结合深度学习方法可以成功应用于肿瘤组织的检测，此次工作证明拉曼光谱结合深度学习方法可以成功应用于舌鳞癌组织的检测，有助于提高在体检测舌鳞癌组织的准确性，提高了检测结果的准确性。

        课题组成员提出的多谱带深度残差网络具有以下优势:

        一是无需对舌鳞癌组织拉曼光谱数据进行预处理；

        二是利用光谱仪中CCD暗电流产生的随机噪声原理，为拉曼光谱增加白噪声，提高数据样本的多样性；

        三是利用较大尺度的卷积核提取整条拉曼光谱的特征以抑制噪声；

        四是利用多个较小尺度的卷积核分别提取拉曼光谱不同分谱带的特征，可以训练出不同的卷积核权重，用来提取不同的拉曼光谱表征信息；

        五是将分谱带提取出的特征与整条光谱提取的特征融合在一起，避免特征消失，提高了癌组织和癌周围正常组织分类的准确性。