本發(fā)明公開了一種基于深度學(xué)習(xí)卷積神經(jīng)網(wǎng)絡(luò)的新冠病毒識(shí)別預(yù)測(cè)模型，選取確診新冠與健康人員的血清拉曼光譜作為樣本，首先將樣本光譜數(shù)據(jù)使用Min?max方法歸一化、使用Savitzky?Golay方法對(duì)光譜進(jìn)行平滑去噪、使用主成分分析方法對(duì)光譜數(shù)據(jù)降維處理后，利用卷積神經(jīng)網(wǎng)絡(luò)構(gòu)建新冠病毒的識(shí)別預(yù)測(cè)模型，并使用Adam優(yōu)化算法對(duì)模型參數(shù)進(jìn)行優(yōu)化，以提高模型的預(yù)測(cè)準(zhǔn)確率。最后，為證明卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)越性，選取機(jī)器學(xué)習(xí)中的隨機(jī)森林、邏輯回歸、決策樹、K近鄰等算法進(jìn)行模型構(gòu)建，對(duì)比不同模型的預(yù)測(cè)結(jié)果，得出基于卷積神經(jīng)網(wǎng)絡(luò)的模型對(duì)新冠病毒具有最高的識(shí)別準(zhǔn)確率，為生物醫(yī)學(xué)檢測(cè)新冠病毒提供一種無損輔助的方法。