通过对内在光光谱中的光谱波动的多分离分析来进行子宫癌前期癌症的实体分类

科学领域:

• 生物物理学的生物物理.
• 频谱学是一种光谱学.
• 医学诊断 医学诊断 医学诊断

背景情况:

• 光中的光谱波动通常被视为噪声.
• 然而,这些波动包含有关光体微环境的宝贵信息.
• 这些信息可能会被用于医学诊断.

研究的目的:

• 开发一种用于从内在光信号中提取光谱波动的新方法.
• 利用这些提取的波动来对正常和癌前患者进行分类.
• 评估该方法在提高诊断准确性的有效性.

主要方法:

• 采用离散波波变换 (DWT) 技术来隔离光谱波动.
• 在将近似值和细节系数归零后应用逆DWT,以提取波动.
• 采用多分形延迟波动分析 (MF-DFA) 来描述信号的复杂性.
• 使用一般化的Hurst和Holder指数进行随机森林分类.

主要成果:

• 在MF-DFA中,癌前信号中显示出更强的多重分离性.
• 赫斯特指数 (H) 和豪斯多夫维度 (Δα) 有效地区分了正常和癌前组.
• 随机森林分类实现了96%的灵敏度,特异性和准确性,AUC为0.98.
• "bior2.4"母波波函数表现出最佳的性能.

结论:

• 频谱波动含有独特的特征,对于区分正常和癌前状态至关重要.
• 基于DWT的提取和随后的分析为增强分类提供了一个强大的方法.
• 这种方法对使用内在光进行非侵入性癌症诊断具有前景.