食道癌前病变分期的光谱差异化和基于增强的狐算法改进的特征波长选择方法
Jinbao Zhang1, Shuangli Liu1, Fanrong Wang2
1School of Information Engineering, Southwest University of Science and Technology, Mianyang, China.
Journal of biophotonics
|February 23, 2025
概括
近红外 (NIR) 光谱学通过分析组织的光谱数据,准确地分阶段食道癌. 改进的FOX算法 (iFOX) 增强了波长选择,以获得更好的分类性能.
科学领域:
- 在瘤学瘤学.
- 生物医学光谱学 生物医学光谱学
- 计算生物学 计算生物学
背景情况:
- 近红外 (NIR) 谱学提供了化学键变化的非破坏性,快速和精确的分析.
- 癌症和健康组织之间的光谱差异显示出癌症分期的前景.
- 食道病变是一个诊断挑战,需要准确的分期方法.
研究的目的:
- 评估NIR光谱学结合部分最小方程区分分析 (PLS-DA) 的可行性,以确定食道内皮内瘤的病期.
- 改进波长选择以提高分类性能,使用优化的FOX算法 (iFOX).
主要方法:
- 通过内镜下粘膜解剖切除的食道病变的NIR光谱数据的分析.
- 使用PLS-DA对正常,低度和高度内皮质瘤的分类.
- 开发和应用一个改进的FOX (iFOX) 算法,具有非线性时间变化的Sigmoid转移函数和用于波长选择的镜像选择.
主要成果:
- 尼尔射线光谱和PLS-DA证明了分期食道内皮瘤的可行性.
- iFOX算法提高了波长选择的稳定性和分类性能.
- 在正常和瘤食道组织之间实现了有效的光谱区分.
结论:
- 尼尔射线光谱是一种可行的工具,用于食道内皮内瘤的非破坏性分期.
- 在光谱分析中,iFOX算法为波长选择提供了更好的性能.
- 这种方法具有准确,实时的癌症诊断和分期的潜力.
