摘要

凭借其低成本、无标记和非破坏性的特点，拉曼光谱正成为一种极具吸引力的技术，在区分细菌感染和细菌感染本身的病原体方面具有很高的潜力。然而，要从众多细菌物种和表型中实现拉曼光谱的一致性和准确性是一项挑战，这严重阻碍了该技术的实际应用。在这项研究中，我们通过机器学习算法分析了表面增强拉曼光谱 (SERS)，以便快速准确地区分细菌病原体。两种无监督机器学习方法，K-means 聚类 (K-Means) 和凝聚嵌套 (AGNES) 用于聚类分析。此外，通过拉曼光谱比较了八种监督机器学习方法对细菌的预测，结果表明卷积神经网络（CNN）在接受者操作特征曲线下的面积（0.9996）最高（0.9996），预测精度最高（99.86%）。总之，机器学习方法可以潜在地应用于通过拉曼光谱在一般水平上对细菌病原体进行分类和预测。