尿图的新型非侵入性方法:深度学习支持的SERS光谱技术,用于快速差异检测脏全移植损伤
Xi Chen1, Kailin Lin2, Kewen Chen3
1Key Laboratory of Optical Technology and Instrument for Medicine, Ministry of Education, University of Shanghai for Science and Technology, Shanghai 200093, China.
概括
使用先进光谱和人工智能的新尿液测试可以准确检测移植损伤. 这种非侵入性方法有助于监测移植体的健康状况,可能延长移植体的寿命.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 免疫学 免疫学 免疫学
背景情况:
- 合移植的损伤是移植损失的主要原因,需要精确的监测.
- 目前的方法,如实验室检测和活检,往往不敏感,侵入性,或耗时.
研究的目的:
- 开发一种新的,非侵入性诊断方法,用于治疗移植损伤.
- 使用表面增强拉曼光谱 (SERS) 进行尿液分析的深度学习.
主要方法:
- 开发了一种混合金银SERS基质,用于敏感的尿液分析.
- 应用深度学习算法来解释复杂的SERS光谱指纹.
- 在SERS数据上训练模型,这些数据来自患有各种代移植损伤的患者.
主要成果:
- 在区分不同类型的移植损伤方面取得了高精度 (93.03%).
- 证明了无标签SERS在尿液液活检中的潜力.
- 突出了深度学习在分析SERS光谱数据中的有效性.
结论:
- 将SERS和深度学习结合起来,为诊断代移植损伤提供了一种有前途的非侵入性方法.
- 这种方法可以帮助及时评估和管理全移植健康状况.
- 有潜力改善长期合移植脏存活率.
