B형 간염 표면 항원(HBsAg)은 B형 간염 바이러스 감염의 중요한 표지자입니다. 본 논문은 시약 없이 혈청 HBsAg 감염의 가시광선-근적외선(Vis-NIR) 분광 패턴 인식에 대한 새로운 방법을 제시합니다. 임상 혈청 샘플 1,243건(HBsAg 양성 601건, 음성 642건)을 수집하였으며, 훈련-예측-검증 실험 설계를 통해 다중 스케일 컨볼루션, 압축-흥분 네트워크(SE Net) 주의 메커니즘 및 다중 스케일 확장 컨볼루션 기반의 새로운 컨볼루션 신경망(CNN) 앙상블 알고리즘을 구축하였습니다. 고전적인 부분 최소 제곱-판별 분석(PLS-DA) 및 일반 얕은 CNN 알고리즘과 함께 HBsAg 양성 및 음성 혈청의 Vis-NIR 분광 판별 모델 구축에 사용되었습니다. 본 연구에서는 분광 전처리를 위해 표준 정규 변수(SNV) 변환을 적용하였습니다. 표준 정규 변수 처리된 근적외선 영역(780~1118 nm)의 스펙트럼을 기반으로 한 PLS-DA 모델과 새로운 CNN 모델은 우수한 모델링 성능을 나타냈으며, 새로운 CNN 모델의 민감도(SEN)는 99.3%, 누락 진단율(FNR)은 0.7%에 달했습니다. 결과는 Vis-NIR 스펙트럼을 이용한 HBsAg 양성 및 음성 혈청의 정밀 판별이 가능함을 보여주며, 제안된 새로운 딥러닝 알고리즘은 다른 분광 분석 분야에 응용될 가능성이 있습니다.

가시광선-근적외선 분광 패턴 인식;혈청 HBsAg 감염 판별;부분 최소 제곱-판별 분석(PLS-DA);컨볼루션 신경망(CNN);SE Net 주의 메커니즘;다중 스케일 확장 컨볼루션