一种基于Cycle-GAN网络的跨仪器拉曼光谱数据对齐方法

本发明公开了一种基于Cycle‑GAN网络的跨仪器拉曼光谱数据对齐方法，包括如下步骤：S1:用不同拉曼光谱仪采集样本数据，获得存在系统性差异且无配对样本的第一数据集和第二数据集；S2:对数据集进行去噪、去基线和归一化预处理；S3:构建含结构对称双生成器和双鉴别器的Cycle‑GAN网络模型，生成器用于数据集双向映射，鉴别器判别光谱数据的真实性；S4:利用数据集以自监督形式训练网络模型；S5:将待对齐的光谱数据输入训练好的对应的生成器，获得与另一数据集光谱特征一致的对齐数据。本发明采用自监督的双向Cycle‑GAN网络架构，具有自动寻优能力，不依赖标准光谱，兼容非配对训练数据，还能保留肿瘤异质性的差异化光谱特征，可实现跨仪器拉曼光谱的精准对齐。