使用高光谱成像结合前搜索方法和机器学习的血液癌症诊断

科学领域:

• 生物医学工程 生物医学工程
• 光学光谱学是指光学光谱学.
• 癌症的诊断 癌症的诊断

背景情况:

• 超光谱成像 (HSI) 是用于瘤检测的有价值的生物传感技术.
• 血液癌症检测的当前挑战包括实现快速,准确和低成本的结果.
• 现有的方法往往需要复杂的硬件,可能缺乏足够的精度.

研究的目的:

• 开发一种使用高光谱成像 (HSI) 和前进搜索方法 (FSM) 辨别血液癌症的新方法.
• 为了提高血液癌症检测的准确性和降低硬件要求.
• 为了评估HSI与FSM和支持矢量机 (SVM) 模型相结合的有效性.

主要方法:

• 开发一种新方法,将HSI与前性搜索方法 (FSM) 结合起来进行特征选择.
• 应用四种常见的分类模型来识别血液癌症的光谱.
• 使用多目标原子轨道搜索来计算FSM的光谱线选择概率.
• 使用拟议的FSM,将光谱波长频段范围减少至少50%.

主要成果:

• 支持矢量机 (SVM) 模型在与HSI结合时,实现了最高的识别准确率94.5%,即94.5%.
• 拟议的FSM显著减少了光谱波长带范围,降低了硬件要求.
• 与传统的尺寸缩小方法相比,FSM在更少的硬件要求下产生了更高的精度.
• 混合HSI-FSM-SVM模型证明了高精度的瘤识别.

结论:

• 开发的HSI辅助FSM和SVM混合模型为血液癌症检测提供了强大而有前途的工具.
• 这种非侵入性方法可以快速查血液癌症,并降低了硬件复杂性.
• 这种方法在实现准确且具有成本效益的癌症诊断方面取得了重大进展.