无标签检测结石尿液结合SERS和多变量统计算法
Xinhao Qiu1, Qingjiang Xu2, Houyang Ge1
1School of Opto-electronic and Communication Engineering, Xiamen University of Technology, Xiamen, Fujian, China.
概括
表面增强拉曼散射 (SERS) 与PCA-SVM相结合,为结石的临床查提供了一种快速而准确的方法. 这种新方法显示了高度的分类准确性,有望在诊断中发挥重要作用.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 分析化学 分析化学
- 生物医学工程 生物医学工程
背景情况:
- 结石是一个日益严重的全球健康问题.
- 目前用于诊断结石的诊断方法往往复杂且耗时.
- 需要更快,更简单的诊断工具.
研究的目的:
- 研究使用表面增强拉曼散射 (SERS) 技术对结石的临床查.
- 为了比较三种多变量统计算法 (PCA-LDA,PCA-LR,PCA-SVM) 的结石分类性能.
- 评估SERS与统计算法相结合的潜力,以快速诊断结石.
主要方法:
- 从脏结石患者,其他尿路结石患者和健康个体的尿样中收集SERS光谱.
- 分析了450-1800厘米-1范围内的光谱数据,使用主要组件分析 (PCA) 与线性差别分析 (LDA),逻辑回归 (LR) 和支持向量机 (SVM) 算法相结合.
- 评估每个算法在区分不同组的分类准确性.
主要成果:
- 该PCA-SVM算法实现了最高的分类准确性:92.9%用于区分结石患者和健康个体,92%用于区分他们与其他尿路结石患者.
- 在PCA-LR和PCA-LDA中,分类性能略低.
- 与PCA-SVM相结合的SERS显示出出色的诊断潜力.
结论:
- 与PCA-SVM算法相结合的SERS技术为结石的临床查提供了一种高度有效的方法.
- 这种方法提供了一个快速而准确的诊断解决方案,具有实际临床应用的潜力.
- 进一步的研究应侧重于优化SERS技术和算法,以提高稳定性,准确性和更广泛的人口适用性.
