基于特征提取方法的老鼠器官激光诱导分解光谱数据的可视化
Weiliang Wang1, Zhenlin Hu2, Feng Chen1
1Wuhan National Laboratory for Optoelectronics (WNLO), Huazhong University of Science and Technology, Wuhan, Hubei 430074, China.
Analytical methods : advancing methods and applications
|September 1, 2023
概括
这项研究引入了一种用于可视化来自生物样本的激光诱导分解光谱 (LIBS) 数据的新方法. PHATE算法有效地可视化了LIBS光谱分布,优于传统方法.
科学领域:
- 频谱学是一种光谱学.
- 数据可视化 数据可视化
- 生物医学成像技术 生物医学成像技术
背景情况:
- 激光诱导分解光谱 (LIBS) 是一种强大的分析技术.
- 来自生物样本的LIBS数据经常受到噪音和弱信号的影响,阻碍了有效的可视化.
- 现有的LIBS光谱可视化方法尚未得到全面研究,特别是对于生物组织.
研究的目的:
- 为了比较常用的LIBS数据可视化方法.
- 介绍和评估一种新的可视化技术,用于生物样本的LIBS光谱.
- 评估PHATE算法对LIBS光谱数据的性能.
主要方法:
- 使用LIBS映射获取从小鼠器官切片的光谱数据.
- 应用感兴趣的区域提取用于光谱分析.
- 使用主要组件分析 (PCA),多维缩放 (MDS),t分布式静态邻居嵌入 (t-SNE) 和PHATE算法比较可视化性能.
主要成果:
- PHATE方法有效地突出了LIBS光谱分布细节,同时保留了整体数据结构.
- PHATE显示了缩小维度和原始数据之间的高相关系数 (0.97).
- 与PCA,MDS和t-SNE相比,PHATE实现了不同样本类别的优异分离.
结论:
- PHATE算法是可视化生物样本LIBS光谱数据的一个非常有前途的工具.
- 在处理杂和复杂的LIBS频谱方面,PHATE克服了传统方法的局限性.
- 这一进步可以改善生物学和医学研究中LIBS数据的分析和解释.
