WTSynNet：一种用于多物种拉曼光谱分类的轻量级协作网络

《Analytical Methods》：WTSynNet: a lightweight cooperative network for multi-species Raman spectral classification

动物血液与精液的Raman光谱分类模型WTSynNet通过一维小波卷积与星型操作实现高效多尺度特征学习，在参数不足0.3M的情况下达到98%以上准确率，低延迟特性使其适用于现场快速分析，并成功迁移至跨领域海洋病原体检测。

　　

动物血液和精液中含有多种生化成分，这些成分在法医学、兽医诊断和物种溯源中具有重要意义。拉曼光谱技术因其能够无损且快速地获取分子的振动特征而成为识别体液的强大工具。然而，在区分性特征提取与计算效率之间取得平衡仍然是一个挑战，尤其是在多类不平衡的场景中。为了解决这个问题，我们提出了WTSynNet，这是一个轻量级的框架，它将一维小波卷积模块（WTConv1d）与星形操作机制相结合，以实现高效的多尺度特征学习。在动物血液和精液拉曼光谱数据集上的实验表明，WTSynNet在参数数量少于30万的情况下，分类准确率超过了98%，同时保持了极低的推理延迟和内存使用量。此外，该模型在跨领域的海洋病原体拉曼数据集上也表现出色，证明了其鲁棒性和适应性。这些结果表明，WTSynNet是一个紧凑而强大的模型，具有很强的泛化能力，在未来的快速现场拉曼光谱分析应用中具有广阔的潜力。