表面增强的拉曼散射方法用于治疗点心房的诊断
I Boginskaya1, R Safiullin2, V Tikhomirova3
1Institute for Theoretical and Applied Electromagnetics RAS, 125412, Moscow, Russia.
Computers in biology and medicine
|March 5, 2025
概括
一种使用表面增强拉曼散射 (SERS) 和机器学习的新方法可以准确地检测血清中的心房动. 这种方法为早期心脏风险评估提供了一个有前途的工具.
科学领域:
- 生物医学工程 生物医学工程
- 分析化学 分析化学
- 心脏病学 心脏病学
背景情况:
- 阴性心房动 (PAF) 带来了重大的健康风险.
- 准确和早期发现PAF对于有效管理至关重要.
- 当前的诊断方法可能在灵敏度或可访问性方面存在限制.
研究的目的:
- 开发和验证一种使用SERS检测PAF的新方法.
- 分析PAF患者和健康捐赠者的血清SERS光谱.
- 使用机器学习识别PAF的光谱生物标志物.
主要方法:
- 表面增强的拉曼散射 (SERS) 光谱法用于干燥的血清样本.
- 机器学习算法,包括后勤回归和主要组件分析,用于光谱数据处理.
- 用支矢量机器和随机森林进行了比较分析.
主要成果:
- 开发的方法在PAF检测方面实现了0.82的分类准确度.
- 通过光谱分析确定了与PAF相关的特定振动带.
- 与其他机器学习方法相比,物流回归显示出更高的性能.
结论:
- SERS与机器学习相结合,为PAF检测提供了一个有希望,准确和高效的方法.
- 该方法需要每样本的光谱数量最小,以便进行可靠的分析.
- 这种技术有可能在评估心脏风险方面得到更广泛的应用.
更多相关视频
09:17High-Resolution Endocardial and Epicardial Optical Mapping in a Sheep Model of Stretch-Induced Atrial Fibrillation
Published on: July 29, 2011
14.7K
06:12Multimodal Analytical Platform on a Multiplexed Surface Plasmon Resonance Imaging Chip for the Analysis of Extracellular Vesicle Subsets
Published on: March 17, 2023
1.3K
