基于血清光光谱与机器学习算法相结合,快速且非侵入性地检测人类的血病
Ziyi Fang1,2, Quan Wang3, Yiwei Gong2
1College of Life Sciences and Technology, Xinjiang University, Urumqi, China.
Journal of biophotonics
|July 3, 2025
概括
通过使用血清光谱来简化诊断人类血病. 这种方法与支持矢量机 (SVM) 算法相结合,在检测动物传播疾病方面实现了89%的准确性.
科学领域:
- 医学诊断 医学诊断 医学诊断
- 生物物理学的生物物理.
- 传染性疾病 传染性疾病
背景情况:
- 兽病是一种重要的动物传染病,通常通过耗时的临床和血清学方法诊断.
- 需要一种更简单,更准确的诊断方法来诊断人类血病.
- 目前用于布鲁塞洛斯的诊断方法虽然准确,但在速度和简单性方面存在挑战.
研究的目的:
- 评估血清光光谱与机器学习算法相结合的疗效,用于诊断人类血病.
- 为了比较各种算法的诊断性能,包括PCA-LDA,SVM (线性/RBF),KNN和DT.
- 建立一种新的,快速和准确的布鲁塞洛斯检测方法.
主要方法:
- 血清光光谱分析了布鲁塞洛症患者和健康个体的血清光光谱.
- 数据使用主要成分分析-线性差异分析 (PCA-LDA) 来处理.
- 使用线性支向量机 (SVM),辐射基函数SVM (RBF SVM),K-近邻 (KNN) 和决策树 (DT) 算法进行分类.
主要成果:
- 血清光光谱在血病患者和健康对照人群之间观察到明显的差异.
- 患者在452,624和688 nm时呈现了降低的光谱峰值,在495和643 nm时呈现了升高的峰值.
- 与其他测试方法相比,支持矢量机算法 (线性/RBF) 显示出更高的分类准确性,总体诊断准确率为89.0%.
结论:
- 血清光光谱学,特别是用SVM (线性/RBF) 算法分析时,显示出对人类乳病的快速和准确诊断具有重大前景.
- 这种光谱方法为传统诊断技术提供了一个潜在的更简单,更快的替代方案.
- 这种方法的进一步验证可能会导致布鲁塞洛症的临床管理得到改善.
