基于血清FTIR光谱和支持矢量机器的宫癌的快速诊断

科学领域:

• 生物医学光谱学 生物医学光谱学
• 医疗保健中的机器学习
• 妇科瘤学 妇科瘤学

背景情况:

• 宫癌是女性妇科恶性瘤中死亡的主要原因.
• 早期和准确的诊断对于有效的治疗和改善患者结果至关重要.
• 目前的诊断方法可能具有侵入性或缺乏足够的特异性.

研究的目的:

• 评估血清富里埃变换红外光谱 (FTIR) 在区分健康人群,乳腺瘤患者和宫癌患者的疗效.
• 探索机器学习和深度学习算法的应用,用于光谱数据分析.
• 评估基于FTIR的血清分析用于宫癌检测的诊断潜力.

主要方法:

• 从30名乳腺瘤患者,36名宫癌患者和30名健康个体收集了血清样本.
• 对所有血清样本记录了富里埃变换红外线 (FTIR) 光谱.
• 支持矢量机 (SVM) 和1D卷积神经网络 (1D-CNN) 模型被用于分类,SVM超参数通过网格搜索和留出一个异常交叉验证进行了优化.

主要成果:

• 支持矢量机 (SVM) 模型实现了高的识别准确度,在测试组中达到85.0%至100.0%.
• 1D卷积神经网络 (1D-CNN) 模型在测试组中显示了75.0%至90.0%之间的识别准确度.
• 频谱数据处理包括平均和增量,导致258个,96个和1806个样本的数据集.

结论:

• 血清FTIR光谱,当与SVM算法集成时,为诊断宫癌提供了一个高度可行的和准确的方法.
• 这种方法为妇科病症的非侵入性诊断工具提供了巨大的潜力.
• 这些发现强调了将光谱技术与癌症检测的先进计算方法相结合的医学意义.