血痕时序预测网络

92% 判准率

一种融合通道与空间注意力的光谱网络，可解释地锁定血痕老化的关键分子谱峰，预测准确率较传统方法显著提升。

Haijian, Du · Zhihua, Liu · Zexin, Shen · Meng, Xinhong · Zhiqi, Yao · Du, Lan · Yuchan, Wang · Yinglu, Wu · Gong, Bing · 郭勇

Chemometrics and Intelligent Laboratory Systems 2026

参数信息

测试准确率

92.35 %

跨物种与跨温度验证准确率范围

82.35–90.12 %

高注意力区域扰动导致的准确率下降

35.29 %

注意力峰值波数1

1120–1130 cm⁻¹

注意力峰值波数2

1650 cm⁻¹

注意力峰值波数3

1720 cm⁻¹

技术优势

判准率达92.35%

该准确率是在900–1800 cm⁻¹近红外光谱上测试得到的，比所有竞争模型都高。

注意力锁定关键分子峰

模型优先关注1120–1130 cm⁻¹、1650 cm⁻¹和1720 cm⁻¹区域，这些峰与血红蛋白氧化和蛋白质去折叠密切相关。

扰动验证支持可解释性

扰动高注意力区域导致准确率下降多达35.29%，而阴性对照区域仅下降5.88%，证实这些区域确实影响模型决策。

跨物种与温度稳健

跨物种和跨温度验证中准确率达到82.35–90.12%，表明模型对环境变化具有较强的泛化能力。

应用场景

• 法医化学：协助法医根据血痕光谱推断沉积时间，支撑案件时间线重建。
• 光谱分析：为近红外光谱分析提供可解释的注意力机制，定位关键分子峰。
• 物证鉴定：为物证鉴定提供可追溯的证据，将模型决策与分子机制关联。