AISY | 王亮团队基于深度学习变分自编码器-长短期记忆模型的表面增强拉曼光谱分析阴道清洁等级分类

王亮团队开发了一种基于深度学习变分自编码器-长短期记忆模型（VAE-LSTM）的表面增强拉曼光谱（SERS）技术，用于快速准确地分类阴道清洁度等级。传统方法依赖于人工镜下检查或分子诊断方法，存在准确性依赖专家经验、成本高昂和周转时间长的问题。该研究通过VAE算法提升光谱质量，结合LSTM神经网络分析SERS信号，显著提高了光谱的信噪比（SNR），并在盲测中达到85%的准确率。该技术有望辅助临床高效诊断阴道清洁度等级，具有高效、便捷和低成本的优势。