基于血拉曼光谱学结合深度学习的快速诊断乳病
Tian Shi1,2, Jiahe Li3, Na Li1,2
1Department of Gastroenterology, People's Hospital of Xinjiang Uygur Autonomous Region, Urumqi, 830001, Xinjiang Uygur Autonomous Region, China.
Scientific reports
|July 2, 2024
概括
现在可以非侵入性地诊断乳病 (CD). 拉曼光谱和深度学习,特别是DRSN模型,在区分CD患者和健康个体方面实现了95%的准确性.
科学领域:
- 生物化学 生物化学
- 医学诊断 医学诊断 医学诊断
- 计算生物学 计算生物学
背景情况:
- 病 (CD) 是一种严重的自身免疫性疾病,由质引发,影响营养吸收和日常生活.
- 早期和准确的CD诊断对于预防严重的健康并发症至关重要,如营养不良和肠道恶性瘤.
研究的目的:
- 开发一种非侵入性,快速,准确的诊断方法来诊断腹腔疾病.
- 评估深度学习模型与拉曼光谱学结合用于CD检测的有效性.
主要方法:
- 使用拉曼光谱分析了29名乳病患者和30名健康对照者的血样本.
- 四个深度学习模型 (CNN,MCNN,ResNet,DRSN) 被用来进行分类.
主要成果:
- 深度残留收缩网络 (DRSN) 模型实现了95%的最高诊断准确率和97.60%的AUC.
- 其他模型的准确性各不相同,MCNN达到90.76%.
结论:
- 拉曼光谱与深度学习相结合,提供了一种卓越的非侵入性方法来诊断腹腔疾病.
- DRSN模型显示了临床应用在识别乳病方面的巨大潜力.


