基于深度学习的血清表面增强拉曼光谱的多种癌症的早期检测:一项大型病例控制研究
Yuxiang Lin1,2,3, Qiyi Zhang4,5, Hanxi Chen1,2,3
1Department of Breast Surgery, Fujian Medical University Union Hospital, Fuzhou, Fujian Province, 350001, China.
BMC medicine
|February 21, 2025
概括
使用表面增强拉曼光谱 (SERS) 和深度学习的基于血清的新型平台使敏感的多种癌症的早期检测成为可能. 这种方法显示出高精度,为临床癌症查提供了一个有前途的新工具.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 在瘤学瘤学.
背景情况:
- 既定的癌症查方法对多种癌症的早期检测有局限性.
- 早期发现癌症可以显著提高治疗效率和患者的预后.
- 存在对敏感和准确的泛癌查技术的需求.
研究的目的:
- 开发和验证一种基于血清的平台,用于敏感和准确的多种癌症早期检测.
- 将表面增强的拉曼光谱 (SERS) 与先进的数据分析技术相结合.
- 评估平台在区分各种癌症类型与健康对照中的表现.
主要方法:
- 使用了来自1655名早期癌症患者 (乳腺,肺,甲状腺,结肠直肠,胃,食道) 和1896名健康对照者的血清样本.
- 采用表面增强拉曼光谱 (SERS) 来获得光谱数据.
- 应用数据维度增强 (热图转换,CWT) 和深度学习 (ResNet/CNN) 与重新采样 (BorderlineSMOTE) 进行分析.
- 使用类激活映射 (CAM) 进行解释性.
主要成果:
- 深度神经网络 (DNN) 模型实现了高性能 (例如,93.15%的准确性,HC的0.991 AUC).
- 综合SERS和ResNet (热图) 方法显示出优异的区别 (例如,准确率为94.75%,HC的AUC为0.996).
- CAM分析确定了与癌症分类相关的关键光谱区域.
结论:
- 开发了一种高效的基于血清SERS的平台,用于多种癌症的早期检测.
- 这种方法显示出在临床实践中推进癌症查的巨大潜力.
- 整合SERS,深度学习和可解释性为早期癌症诊断提供了一种新的策略.
