自免疫性疾病辅助诊断使用ConvSANet和Euclidean距离距离
Mengge Yang1, Jiajia Wang2, Xiaoyi Lv3
1School of Computer Science and Technology, Xinjiang University, Urumqi, China.
Talanta
|June 22, 2024
概括
一种新的方法使用欧几里德距离 (ED) 将1D拉曼光谱数据转换为2D图像,用于诊断自身免疫性疾病,如缩性脊髓炎 (AS),关节炎 (OA) 和Sjögren.
科学领域:
- 生物医学工程 生物医学工程
- 医学诊断 医学诊断 医学诊断
- 光谱学分析分析的方法
背景情况:
- 脊髓炎 (AS),骨关节炎 (OA) 和Sjögren综合征 (SS) 是普遍存在的自身免疫性疾病.
- 未经治疗的自身免疫性疾病会导致严重的关节损伤,运动限制和长期残疾.
研究的目的:
- 开发和评估一种使用拉曼光谱数据进行AS,OA和SS辅助诊断的新方法.
- 探索将1D光谱数据转换为2D光谱图像以进行增强分析的有效性.
主要方法:
- 利用欧几里德距离 (ED) 升级技术将1D拉曼光谱数据转换为2D光谱图像.
- 开发并应用一个双重注意力机制网络来分析这些2D光谱图.
- 员工相互信息 (MI) 用于与原始1D数据对生成的2D拉曼光谱进行验证.
主要成果:
- 双重注意力机制网络在二维ED光谱图上实现了100%的诊断准确性.
- 与其他转换 (ST,STFT,RP,MTF,GAF) 相比,提出的ED方法显著缩短了光谱数据转换时间.
- 由ED生成的2D光谱图与原来的1D光谱数据具有很高的相似性,但保留了关键特征.
结论:
- 结合ED的1D到2D光谱数据转换和CNN对2DED拉曼光谱图的分析,显示了疾病辅助诊断的重大前景.
- ED技术有效地从1D光谱数据中捕获基本信息,使其成为医学诊断的宝贵工具.
- 这种方法为自身免疫性疾病的辅助诊断提供了一种高效和准确的方法.
更多相关视频
15:07VDJ-Seq: Deep Sequencing Analysis of Rearranged Immunoglobulin Heavy Chain Gene to Reveal Clonal Evolution Patterns of B Cell Lymphoma
Published on: December 28, 2015
26.7K
08:49Printed Glycan Array: A Sensitive Technique for the Analysis of the Repertoire of Circulating Anti-carbohydrate Antibodies in Small Animals
Published on: February 14, 2019
6.9K
