Hybride machine learning-ondersteunde Ramanspectroscopie met generatieve feature-augmentatie voor de identificatie van farmaceutische middelen

arXiv:2610.02224v1 Aankondigingstype: nieuw Abstract: Snelle en betrouwbare identificatie van farmaceutische residuen is belangrijk voor de bescherming van de volksgezondheid, het waarborgen van voedselveiligheid en het mogelijk maken van praktische Raman-gebaseerde screening. In deze studie stellen we HyMLRaman voor, een hybride Raman-spectroscopie-raamwerk dat diepe spectrale kenmerkextractie, generatieve modellen en klassieke machine-learning-classificatoren combineert om zes farmaceutische verbindingen te identificeren, waaronder amoxicilline, chlooramfenicol en ciprofloxac