オープンセットのディープラーニングでLIBSセンサを有効にすることで,未知の病原菌の粉末をラベルなしで現地で識別できます

Shutong Liu¹, Yibo Wang¹, Zixiao Wang¹

¹School of Optical and Electronic Information, Huazhong University of Science and Technology, Wuhan, 430074, China.

Talanta

|February 19, 2026

まとめ

新しいディープラーニング・メソッドは,病原菌の粉末を特定するためのレーザー誘発分解光譜 (LIBS) を強化しています. この高度な技術は,既知の病原体を正確に検出しながら,未知の物質を効果的に拒絶し,生物の安全性を改善します.

科学分野:

顕微鏡検査と分析化学について
人工知能と機械学習
バイオセキュリティと公衆衛生

背景:

病原菌粉末の現場での,ラベルなしの識別は,バイオセキュリティとバイオテロリズムへの対応に不可欠です.
レーザー誘発分解光譜法 (LIBS) とディープラーニングは,粉末分析に希望を示しています.
現在のディープラーニングモデルは,未知のサンプルタイプを拒絶するのに苦労し,現実世界の信頼性を制限しています.

研究の目的:

信頼性の高い病原菌粉末識別のためのオープンセットのディープラーニングを使用して,新しいLIBSセンシング技術を開発する.
ディープラーニングモデルが,既知のサンプルと未知のサンプルをリアルタイムで区別する能力を向上させる.
バイオセキュリティアプリケーションの病原体検出システムの正確性と堅実性を向上させる.

主な方法:

新しいオープンセットのディープラーニングモデルを開発し,Classification-Reconstruction Open Set Recognition (CROSR) 戦略とResidual Network (ResNet) を統合した.
病原菌粉末のスペクトルデータを取得するためにLIBSを使用しました.
既知の標的病原体と様々な未知のサンプルを含むテストセットでモデルのパフォーマンスを評価しました.

主要な成果:

CROSRを使ったResNetモデルは,既知の病原体クラスの高い分類精度を達成した.
このモデルは,9種類の未知の物質に対して86.6%の精度で,未知のサンプルを拒絶する際の有意な改善を示した.
提案されたモデルは,OpenMax戦略と比較して,標的病原体の識別精度を11.7%向上させ,未知クラスの拒絶を11.9%向上させました.

結論:

オープンセットのディープラーニングによって駆動された開発されたLIBSセンシングテクニックは,オンサイトで,ラベルなしで病原体粉末を特定するための有望なソリューションを提供します.
CROSR戦略は,既知の病原体と未知の物質を区別する際のディープラーニングモデルの信頼性を大幅に改善します.
このアプローチは,バイオセキュリティと迅速な対応能力を高めるための広範な応用展望を持っています.

キーワード:

分類再構築オープンセットの認識レーザー誘発分解スペクトロスコピーは,レーザー誘発分解スペクトロスコピーを用います.現場検知による検知.オープンセットのディープラーニングです.病原体識別病原体識別

さらに関連する動画