B型肝炎表面抗原（HBsAg）はB型肝炎ウイルス感染の重要なマーカーです。本論文では、試薬を用いずに血清中のHBsAg感染を可視近赤外（Vis-NIR）分光パターン認識によって検出する新たな手法を構築しました。臨床血清サンプル1,243例（HBsAg陽性601例、陰性642例）を収集し、訓練-予測-検証の実験設計を採用しました。マルチスケール畳み込み、圧縮励起ネットワーク（SE Net）アテンション機構、多段階拡張畳み込みに基づく新しい畳み込みニューラルネットワーク（CNN）アンサンブルアルゴリズムを構築し、従来の部分最小二乗判別分析（PLS-DA）と一般的な浅層CNNアルゴリズムと共に、HBsAg陽性および陰性血清のVis-NIR分光識別モデルを構築しました。本研究では標準正規変数（SNV）変換を用いてスペクトルの前処理を行いました。近赤外域（780～1118nm）におけるSNV処理後のスペクトルを用いたPLS-DAモデルおよび新規CNNモデルは優れたモデリング効果を示し、新規CNNモデルの感度（SEN）は99.3％、漏診率（FNR）は0.7％に達しました。結果は、Vis-NIRスペクトルを用いたHBsAg陽性および陰性血清の高精度な識別が可能であることを示し、提案した新しい深層学習アルゴリズムは他の分光解析分野への応用が期待されます。

可視-近赤外分光パターン認識;血清HBsAg感染判別;部分最小二乗-判別分析（PLS-DA）;畳み込みニューラルネットワーク（CNN）;SE Netアテンション機構;マルチスケール拡張畳み込み