乳腺癌的单模和双模分类方法基于激光诱导的自光谱学

科学领域:

• 生物医学光学 生物医学光学
• 频谱学是一种光谱学.
• 癌症的诊断 癌症的诊断

背景情况:

• 激光诱导光谱学 (LIFS) 是有效的,但对乳腺癌诊断的准确性有限.
• 现有的方法需要客观分析和更好地整合光谱信息.

研究的目的:

• 使用LIFS.改善乳腺癌诊断的分类准确性.
• 开发一种新的复合特征策略,用于增强的光谱分析.
• 为了评估稳定状态和时间解析光数据的融合.

主要方法:

• 评估了三种稳定状态自流星分析方法:光谱比率,断片线性拟合和立方体多项式拟合.
• 引入了滑动窗机制和统计差异分析以实现客观性.
• 通过结合光谱斜率值,开发了一个复合特征策略.
• 集成的零碎线性装配与时间解析的光寿命数据用于双模分析.
• 使用支持矢量机 (SVM) 和线性差异分析 (LDA) 来进行分类.

主要成果:

• 逐段线性装配在数据子集上实现了100%的分类准确性.
• 结合稳定状态和时间解析数据的双模式分析显著改善了与单模式方法相比的类分离性.
• SVM决策边界比LDA更清晰,表明性能更好.

结论:

• 来自稳定状态自光的光谱倾斜特征具有诊断价值.
• 稳定状态和时间解析光数据的融合显著提高了乳腺癌分类性能.
• 拟议的无标签,低成本方法通过整合光谱和生命周期信息,显示出智能诊断的潜力.