血清拉曼光谱的应用与分类模型相结合,用于乳腺癌快速查
Runrui Lin1, Bowen Peng2, Lintao Li3
1School of Medicine, University of Electronic Science and Technology of China, Chengdu, China.
Frontiers in oncology
|November 15, 2023
概括
拉曼将军光谱显示出迅速查乳腺癌的前景. 一个机器学习模型在区分癌症,良性和正常血清样本方面实现了98%的准确性,突出了其作为诊断工具的潜力.
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.
- 机器学习在医学中的应用
背景情况:
- 乳腺癌的诊断依赖于像活检这样的方法,这可能是侵入性的.
- 需要用于乳腺癌检测的非侵入性快速查工具.
- 拉曼光谱技术提供了一个潜在的无标签,分子指纹技术.
研究的目的:
- 评估使用一般拉曼光谱法用于乳腺癌查的可行性.
- 开发一种机器学习模型,根据血清拉曼光谱对乳腺癌,良性病变和健康个体进行分类.
- 探索拉曼光谱在乳腺疾病差异诊断中的实用性.
主要方法:
- 从333名参与者 (129名癌症患者,91名良性患者,113名健康患者) 收集了血清样本.
- 从所有血清样本中获得拉曼光谱.
- 主要组件分析 (PCA) 和支持矢量机器 (SVM) 用于分类,并进行模型评估的交叉验证.
主要成果:
- 在正常和瘤/良性组之间观察到平均拉曼光谱的显著差异.
- 该SVM模型在分类癌症,良性和正常血清样本方面实现了98%的高预测准确度.
- 在癌症和良性群体之间发现了轻微的光谱变异,但模型有效地区分了它们.
结论:
- 一般拉曼光谱是乳腺癌查的一个可行的方法.
- 开发的机器学习模型在差异诊断中表现出高准确度.
- 拉曼光谱显示出作为乳腺癌快速辅助临床诊断工具的巨大潜力.
更多相关视频
07:54Surface-enhanced Resonance Raman Scattering Nanoprobe Ratiometry for Detecting Microscopic Ovarian Cancer via Folate Receptor Targeting
Published on: March 25, 2019
8.2K
08:27Detection of Human Leukocyte Antigen Biomarkers in Breast Cancer Utilizing Label-free Biosensor Technology
Published on: March 24, 2015
14.8K
