論文の概要: Hybrid Machine Learning-Assisted Raman Spectroscopy with Generative Feature Augmentation for Pharmaceutical Identification

• arxiv url: http://arxiv.org/abs/2610.02224v1
• Date: Fri, 18 Sep 2026 06:36:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 16:33:44.490823
• Title: Hybrid Machine Learning-Assisted Raman Spectroscopy with Generative Feature Augmentation for Pharmaceutical Identification
• Title（参考訳）: ハイブリッド機械学習支援ラマン分光法 : 医薬品同定のための生成的特徴増強
• Abstract要約: HyMLRamanは、ディープスペクトルの特徴抽出、生成モデル、古典的な機械学習分類器を組み合わせたハイブリッドRaman分光フレームワークである。 アモキシシリン、クロルアンフェニコール、シプロフロキサシン、テトラサイクリン、イブプロフェン、パラセタモールを含む6つの医薬化合物を同定する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Rapid and reliable identification of pharmaceutical residues is important for safeguarding public health, ensuring food safety, and enabling practical Raman-based screening. In this study, we propose HyMLRaman, a hybrid Raman spectroscopy framework that combines deep spectral feature extraction, generative models, and classical machine-learning classifiers to identify six pharmaceutical compounds, including amoxicillin, chloramphenicol, ciprofloxacin, tetracycline, ibuprofen, and paracetamol. Raman spectra are converted into spectral images and encoded with several deep neural-network backbones, among which EfficientNet-B3 yields the most effective representation. The resulting 1536-dimensional embeddings are then used to train downstream classifiers, including SVM, KNN, logistic regression, random forest, XGBoost, and ANN, using stratified 10-fold cross-validation. The hybrid EfficientNet-B3--SVM configuration achieves the strongest baseline performance, reaching 96.31% accuracy and a macro-F1 score of 96.36%, outperforming the standalone CNN baseline. To address limited-data conditions, a generative model, a DDPM-based feature augmentation, is introduced in a PCA-reduced EfficientNet-B3 latent space. The low-data ablation results show that DDPM augmentation provides selective benefits, particularly for KNN with reduced training fractions, and that its effect remains classifier-dependent. Finally, an application-level Raman Pharmaceutical Analyzer demonstrates the feasibility of embedding the trained model into an interactive Raman analysis workflow. These results suggest that HyMLRaman provides a practical and interpretable route for rapid Raman-based pharmaceutical screening.
• Abstract（参考訳）: 医薬品残基の迅速かつ信頼性の高い同定は、公衆衛生の保護、食品の安全性の確保、実践的なラマンベースのスクリーニングの実現に重要である。 本研究では,アモキシシリン,クロルアンフェニコール,シプロフロキサシン,テトラサイクリン,イブプロフェン,パラセタモールを含む6種類の医薬化合物を同定するために,スペクトル抽出,生成モデル,古典的機械学習分類器を組み合わせたハイブリッドラマン分光フレームワークHyMLRamanを提案する。 ラマンスペクトルはスペクトル画像に変換され、いくつかのディープニューラルネットワークバックボーンで符号化される。 結果として得られる1536次元の埋め込みは、SVM、KNN、ロジスティック回帰、ランダムフォレスト、XGBoost、ANNなどの下流分類器を成層10倍のクロスバリデーションを使って訓練するために使われる。 ハイブリッドのEfficientNet-B3-SVM構成は、96.31%の精度と96.36%のマクロF1スコアに達し、スタンドアロンのCNNベースラインを上回っている。 限定データ条件に対処するため,PCAにより効率の良いNet-B3ラテント空間にDDPMに基づく特徴拡張モデルを導入する。 低データアブレーションの結果、DDPM増強は、特に訓練率の低下したKNNに対して選択的利益をもたらし、その効果は分類器依存のままであることが示された。 最後に、アプリケーションレベルのRaman Pharmaceutical Analyzerは、トレーニングされたモデルをインタラクティブなRaman分析ワークフローに組み込む可能性を示している。 これらの結果から,HyMLRamanはラマン系医薬品の迅速スクリーニングに実用的かつ解釈可能な方法であることがわかった。

関連論文リスト

• A Data-Centric Framework for Intraoperative Fluorescence Lifetime Imaging for Glioma Surgical Guidance [2.1626027566082127]
  本稿では、信頼性学習(CL)、クラス改良、ターゲットラベル評価を統合したデータ中心型AI(DC-AI)フレームワークを提案する。 CLはFLIm点レベルの信頼度を定量化し,ラベルの不整合を同定し,反復型クラスを3種類のスキームにマージする。 その結果得られた高忠実度データセットは、3クラスタスクで96%の精度を達成したモデルのトレーニングを可能にした。
  論文  参考訳（メタデータ） (2026-04-28T22:12:15Z)
• AgriPath: A Systematic Exploration of Architectural Trade-offs for Crop Disease Classification [45.52399819498234]
  本研究は、細粒度作物病分類のための3つのモデルパラダイムの体系的比較を示す。 我々は16の作物と41の病気にまたがる111kの画像を含むベンチマークであるAgriPath-LF16を紹介する。 CNNは画像の精度が最も高いが、ドメインシフトによって劣化する。 対照的なVLMは、競合するクロスドメイン性能を持つ堅牢でパラメータ効率の良い代替手段を提供する。
  論文  参考訳（メタデータ） (2026-03-08T17:28:01Z)
• IMSAHLO: Integrating Multi-Scale Attention and Hybrid Loss Optimization Framework for Robust Neuronal Brain Cell Segmentation [0.6999740786886535]
  我々は,頑健で適応的な神経細胞分割のための新しいディープラーニングフレームワーク,IMSAHLOを提案する。 本フレームワークは81.4%の精度,マクロF1スコア82.7%の精度,マイクロF1スコア83.3%の精度,難密でスパースなケースでは99.5%の精度を実現している。
  論文  参考訳（メタデータ） (2026-01-14T23:43:33Z)
• CONFIDE: Hallucination Assessment for Reliable Biomolecular Structure Prediction and Design [46.12506067241116]
  本稿では,位相的フラストレーションを定量化する自己評価尺度であるCODE(Chain of Diffusion Embeddings)を提案する。 エネルギー的およびトポロジ的視点を組み合わせた統合評価フレームワークであるCONFIDEを提案する。 データ駆動の埋め込みと理論的な洞察を組み合わせることで、CODEとConFIDEは、幅広い生体分子システムで既存の指標より優れています。
  論文  参考訳（メタデータ） (2025-11-20T03:38:46Z)
• Rapid Machine Learning-Driven Detection of Pesticides and Dyes Using Raman Spectroscopy [0.5002873541686897]
  農薬や合成染料は、食品の安全性、人間の健康、環境の持続可能性に重大な脅威をもたらす。 ラマン分光法は分子特異的な指紋を提供するが、スペクトルノイズ、蛍光背景、バンドオーバーラップに悩まされている。 本稿では,ラーマン分光法(MLRaman)から農薬や染料を検出するためのResNet-18特徴抽出に基づくディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-15T11:35:55Z)
• Fitness aligned structural modeling enables scalable virtual screening with AuroBind [56.720030595081845]
  AuroBindは、100万規模のケモゲノミクスデータ上に、カスタム原子レベルの構造モデルを微調整するスケーラブルな仮想スクリーニングフレームワークである。 AuroBindは、直接選好最適化、高信頼錯体からの自己蒸留、教師-学生加速戦略を統合している。 AuroBindは10の疾患関連目標に対して、実験的なヒット率7-69%を達成し、トップ化合物はナノモラール下からピコモラールに到達した。
  論文  参考訳（メタデータ） (2025-08-04T07:34:48Z)
• DPASyn: Mechanism-Aware Drug Synergy Prediction via Dual Attention and Precision-Aware Quantization [2.8158058913878268]
  薬物の組み合わせはがん治療において必須であり、抗がん剤と薬物の相互作用(DDI)を活用して効果と戦闘抵抗性を高める。 二重注意機構と精度認識量子化(PAQ)を備えた新しい薬物相乗効果予測フレームワークDPASynを提案する。 デュアルアテンションアーキテクチャは、ドラッグ内構造とドラッグ間相互作用を共有プロジェクションとクロスドラッグアテンションを通じて共同でモデル化し、きめ細かな生物学的に妥当な相乗効果モデリングを可能にする。
  論文  参考訳（メタデータ） (2025-05-25T13:40:13Z)
• Drug classification based on X-ray spectroscopy combined with machine learning [11.985793625437546]
  X線吸収分光法は、操作の容易さ、透過性観察、強い物質分化能力などの利点を提供する。 本研究では、畳み込みニューラルネットワーク(CNN)、サポートベクトルマシン(SVM)、パーティクルスワーム最適化(PSO)を用いた分類モデルを構築した。 実験の結果、このモデルは他の2つの一般的な手法と比較して高い分類精度を達成し、予測精度は99.14%であった。
  論文  参考訳（メタデータ） (2025-05-04T04:49:55Z)
• Dumpling GNN: Hybrid GNN Enables Better ADC Payload Activity Prediction Based on Chemical Structure [53.76752789814785]
  DumplingGNNは、化学構造に基づいてADCペイロードのアクティビティを予測するために特別に設計された、ハイブリッドなグラフニューラルネットワークアーキテクチャである。 DNAトポイソメラーゼIインヒビターに着目した包括的ADCペイロードデータセットで評価を行った。 特別なADCペイロードデータセットに対して、例外的な精度(91.48%)、感度95.08%)、特異性(97.54%)を示す。
  論文  参考訳（メタデータ） (2024-09-23T17:11:04Z)
• Deep Learning for Virtual Screening: Five Reasons to Use ROC Cost Functions [80.12620331438052]
  深層学習は サイリコの何十億もの分子を 迅速にスクリーニングする 重要なツールとなりました その重要性にもかかわらず、厳密なクラス不均衡、高い決定しきい値、いくつかのデータセットにおける基底真理ラベルの欠如など、これらのモデルのトレーニングにおいて重大な課題が続いている。 このような場合、クラス不均衡に対するロバスト性から、レシーバ動作特性(ROC)を直接最適化することを好んで論じる。
  論文  参考訳（メタデータ） (2020-06-25T08:46:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。