Поверхностный антиген гепатита B (HBsAg) является важным маркером инфекции вируса гепатита B. В данной статье разработан новый метод узнавания спектральных паттернов видимого и ближнего инфракрасного (Vis-NIR) света для выявления инфекции HBsAg в сыворотке без использования реагентов. Было собрано 1243 клинических образца сыворотки (601 положительный по HBsAg, 642 отрицательных), использована экспериментальная схема тренировки-прогноза-проверки. Построен новый ансамблевый алгоритм сверточной нейронной сети (CNN) на основе многомасштабных сверток, механизма внимания SE Net и многомасштабных дилатированных сверток, который вместе с классическим методом частичных наименьших квадратов с дискриминантным анализом (PLS-DA) и обычной поверхностной CNN использовался для создания модели распознавания спектров Vis-NIR положительной и отрицательной сыворотки HBsAg. Для предварительной обработки спектров применялось преобразование стандартных нормальных переменных (SNV). Модель PLS-DA и новая CNN-модель, основанные на спектрах, обработанных SNV в ближнем инфракрасном диапазоне (780~1118 нм), показали лучшие результаты моделирования. Чувствительность (SEN) новой CNN модели достигла 99,3%, а уровень пропущенных диагнозов (FNR) составил 0,7%. Результаты показывают, что точное различение положительной и отрицательной сыворотки HBsAg по спектрам Vis-NIR является реализуемым, и предложенный новый алгоритм глубокого обучения может быть применен и в других областях спектрального анализа.

распознавание спектральных паттернов видимого и ближнего инфракрасного света;распознавание инфекции сывороточного HBsAg;частичные наименьшие квадраты с дискриминантным анализом (PLS-DA);сверточная нейронная сеть (CNN);механизм внимания SE Net;многомасштабные дилатированные свертки