基于血清红外光谱学结合深度学习的病的快速诊断

科学领域:

• 生物医学工程 生物医学工程
• 频谱学是一种光谱学.
• 人工智能的人工智能

背景情况:

• 结核病 (CD) 和潜在的结核病 (PCD) 存在诊断挑战,原因是症状和血清学重叠.
• 在PCD中缺乏状缩,使其与CD和健康对照 (HC) 的差异化变得复杂.
• 需要准确的,非侵入性的方法来及时诊断和管理乳谱系障碍.

研究的目的:

• 开发和评估一种新的混合双重注意深度学习模型,用于对CD,PCD和HC进行分类.
• 在此分类任务中,利用血清样本的里埃变换红外光谱 (FTIR) 进行分类.
• 为了实现敏感和强大的差异化,特别是在早期的PCD.

主要方法:

• 建议采用双分支架构的混合双重注意深度学习模型.
• 该模型整合了对全球光谱依赖的自我注意力和对局部光谱特征的道智能的注意力.
• 从CD,PCD和HC组的血清样本使用FTIR光谱分析.

主要成果:

• 与基线架构相比,拟议的模型实现了优越的分类性能.
• 该模型在区分潜在的腹腔疾病 (PCD) 和腹腔疾病 (CD) 中显著提高了灵敏度.
• 全球和本地光谱信息的融合使得与PCD相关的微妙变异的敏感检测成为可能.

结论:

• 混合双重注意深度学习模型提供了一个有希望的非侵入性方法,用于早期和精确诊断腹谱系障碍.
• 该框架可以作为临床环境中宝贵的决策支持工具.
• 该方法使用FTIR血清光谱学有效地区分CD,PCD和HC.