便携式电子气味计用于非侵入性查犬类耳鼻病:使用机器学习的概念验证研究

科学领域:

• 兽医医学 兽医医学 兽医医学
• 分析化学 分析化学
• 机器学习 机器学习

背景情况:

• 由于Ehrlichia canis引起的狗狗,构成了重大挑战,特别是在资源有限,诊断访问受限的地区.
• 目前对狗耳病的诊断往往是基于实验室的,这限制了它们在某些环境中的可访问性和速度.

研究的目的:

• 评估便携式电子嗅计的可行性,用于对犬类耳鼻瘤进行非侵入性查.
• 分析呼吸,唾液和头发样本中的挥发性有机化合物 (VOC),以检测疾病.
• 根据传感器数据评估机器学习分类器在识别受感染狗的性能.

主要方法:

• 使用一组八个金属氧化物 (MOX) 气体传感器从38只狗的呼吸,唾液和头发样本中获取信号 (19名感染者,19名对照).
• 应用主要组件分析 (PCA) 来减少传感器数据的维度.
• 使用监督机器学习分类器 (AdaBoost,SVM,k-NN,RF) 来分析特征和分类样本.

主要成果:

• 支持矢量机 (SVM) 模型表现出最强的性能,特别是唾液样本,达到94.7%的准确度,灵敏度和精度 (AUC = 0.964).
• 与唾液相比,呼吸和头发样本的辨别能力较低.
• 该研究涉及114个来自PCR确诊病例和对照病例的3个生物矩阵的样本.

结论:

• 电子嗅觉测量显示出作为一种补充性,低成本,非侵入性查工具的潜力.
• 使用SVM的唾液分析对这种查方法来说似乎是最有希望的.
• 需要对更大的样本进行进一步的研究,以验证这些初步发现.