HyMLRaman: 제너레이티브 기능 증강을 활용한 하이브리드 라만 분광법

Hybrid Machine Learning-Assisted Raman Spectroscopy with Generative Feature Augmentation for Pharmaceutical Identification

HyMLRaman은 깊은 스펙트럼 특징 추출, 생성 모델 및 고전 머신러닝 분류기를 결합하여 6가지 제약 화합물(amoxicillin, chloramphenicol, ciprofloxacin, tetracycline, ibuprofen, paracetamol)을 식별하는 하이브리드 라만 분광법 프레임워크이다. EfficientNet-B3를 사용하여 1536차원 임베딩을 생성하고, SVM, KNN, 로지스틱 회귀, 랜덤 포레스트, XGBoost, ANN 등 다양한 분류기를 학습시킨 결과, EfficientNet-B3-SVM 조합이 96.31%의 정확도와 96.36%의 매크로 F1 점수를 기록하며 가장 우수한 성능을 보였다. 또한, 제한된 데이터 조건을 해결하기 위해 DDPM 기반의 기능 증강 모델이 도입되었고, 이는 KNN에서 특히 효과적이었다. 최종적으로, 훈련된 모델을 인터랙티브 라만 분석 워크플로우에 통합할 수 있는 가능성을 보여주는 라만 제약 분석기가 개발되었다.