高精度膀癌诊断方法:基于维护技术的二维拉曼光谱数据与自动加权特征融合网络相结合
Mengge Yang1, Jiajia Wang2, Siyu Quan1
1School of Information Science and Engineering, Xinjiang University, Urumqi, China.
Analytica chimica acta
|November 3, 2023
概括
这项研究引入了一种新的2D拉曼光谱法,用于增强膀癌的检测. 将二维拉曼光谱图与卷积神经网络 (CNN) 结合起来,可以实现高精度,为癌症诊断提供了一个有前途的工具.
科学领域:
- 生物医学光学 生物医学光学
- 频谱学是一种光谱学.
- 计算生物学 计算生物学
背景情况:
- 拉曼光谱是用于癌症诊断的无标记技术.
- 传统方法在大型数据集和多类谱分析方面遇到了困难.
- 卷积神经网络 (CNN) 在图像处理任务中表现出色.
研究的目的:
- 开发一种使用拉曼光谱检测膀癌症的改进方法.
- 为了利用二维拉曼光谱图和CNN来提高诊断准确度.
主要方法:
- 使用s-transform (ST) 将1D拉曼数据转换为2D光谱图.
- 四种升级技术 (STFT,RP,MTF,GAF) 产生了各种各样的二维光谱图.
- 一个自动加权特征融合网络 (AWFFN) 将CNN (VGG19,ResNet50,ResNet101) 与粒子群优化 (PSO) 结合起来.
主要成果:
- 在使用二维拉曼光谱和CNN检测膀癌的检测中达到99.2%的准确性.
- 类激活映射 (CAM) 可视化了特征提取过程.
- 综合方法显示出对辅助癌症诊断的显著前景.
结论:
- 与1D数据相比,2D拉曼光谱法提供了更高的精度.
- 这种技术为辅助癌症检测提供了一个可行的方法.
- 为改善诊断能力提供关键的技术支持.
