基于AFM和参数优化分类器提取的特征的细胞识别
Junxi Wang1,2,3,4, Fan Yang1,2,3,4, Bowei Wang1,2,3,4
1International Research Centre for Nano Handling and Manufacturing of China, Changchun University of Science and Technology, Changchun 130022, China. wangz@cust.edu.cn.
Analytical methods : advancing methods and applications
|June 26, 2024
概括
这项研究引入了一种使用纳米分辨率成像和机器学习的自动化方法,以准确识别癌细胞. 这种方法有助于准确的医学诊断,并减少诊断错误.
科学领域:
- 生物医学工程 生物医学工程
- 计算生物学 计算生物学
- 纳米技术 纳米技术
背景情况:
- 智能技术对于推进精准医学至关重要,特别是在癌症诊断和预后方面.
- 准确的癌细胞识别对于患者的生存和有效的治疗策略至关重要.
研究的目的:
- 开发一种使用纳米分辨率成像识别癌细胞的精确诊断方法.
- 实施细胞特征工程和机器学习,用于自动化细胞分析.
主要方法:
- 利用原子力显微镜 (AFM) 进行纳米分辨率细胞成像.
- 应用细胞特征工程和机器学习分类器用于图像分析.
- 采用特征排名方法来优化特征组合和理解细胞类型差异.
主要成果:
- 在使用贝叶斯优化反向传播神经网络的不同细胞数据集上实现了90.37%和92.68%的高准确率.
- 通过自动化分析成功识别了癌细胞和异常细胞.
结论:
- 拟议的方法提供了用于识别癌症和异常细胞的自动化解决方案,减少了医疗和研究专业人员的负担.
- 这项技术通过减少误判和提高诊断准确度来支持精确的医疗护理.
