一种基于连续复数小波变换与深度学习的拉曼光谱多组分信号解混的实施方法

本发明将连续复数小波变换与深度学习技术相结合，开发了一种多组分混合拉曼光谱的解混方法，将有利于新型拉曼探针、仪器等的临床在体、原位检测与疾病诊断。该方法包括：(1)利用连续复数小波变换处理，将单一的一维拉曼光谱转换为包含实部与虚部的二维矩阵，获取多组分混合光谱的时频域特征；(2)利用深度学习光谱解混模型对目标组分的时频域特征进行预测；(3)利用连续复数小波变换的逆变换实现对目标组分光谱的重建；(4)重复以上步骤，实现对所有目标组分光谱的预测，完成对原多组分混合拉曼光谱的解混。本发明所提出的基于连续复数小波变换与深度学习的拉曼光谱多组分信号的解混方法相比于传统拉曼光谱分析方法，能够在生物体内的复杂环境下，准确分离不同组织结构、生化成分的独立拉曼信号，从而为后续的疾病机理分析与诊断提供便利。该方法为医学临床拉曼光谱的在体、原位检测分析和疾病诊断提供了一种创新且具有潜力的解决方案。