НЕИНВАЗИВНАЯ ДИАГНОСТИКА РАКА ЛЕГКОГО НА ОСНОВЕ СПЕКТРОСКОПИИ ПОВЕРХНОСТНО-УСИЛЕННОГО КОМБИНАЦИОННОГО РАССЕЯНИЯ СВЕТА ЦЕЛЬНОЙ КРОВИ И ГЛУБОКОГО МАШИННОГО ОБУЧЕНИЯ

Chen C.; Zhang Q.; Lu D.; Liu J.; Lu Y.; Liu K.

НЕИНВАЗИВНАЯ ДИАГНОСТИКА РАКА ЛЕГКОГО НА ОСНОВЕ СПЕКТРОСКОПИИ ПОВЕРХНОСТНО-УСИЛЕННОГО КОМБИНАЦИОННОГО РАССЕЯНИЯ СВЕТА ЦЕЛЬНОЙ КРОВИ И ГЛУБОКОГО МАШИННОГО ОБУЧЕНИЯ

Chen C. , Zhang Q. , Lu D. , Liu J. , Lu Y. , Liu K.

2022

На основе объединения глубокого машинного обучения с поверхностно-усиленной КР-спектроскопией (SERS) наночастиц серебра (NP Ag) разработан новый метод анализа цельной крови для обнаружения рака. Цельная кровь собрана у двух групп — больных (n = 26) раком легкого и здоровых добровольцев (n = 45). Для разработки диагностической модели с использованием одних и тех же спектральных данных применены алгоритмы логистической регрессии (LR), k-ближайшего соседа (KNN), дерева решений (DT) и случайного леса (RF). Диагностическая точность моделей LR, KNN, DT и RF составила 87, 66, 77 и 83 % соответственно. Логистическая регрессия превосходит другие алгоритмы в классификации спектров SERS цельной крови. Предложенная стратегия имеет высокий клинический потенциал для технологии SERS в сочетании с логистической регрессией и действует как дополнительный метод для обнаружения рака легких.

Chen C. , Zhang Q. , Lu D. , Liu J. , Lu Y. , Liu K. НЕИНВАЗИВНАЯ ДИАГНОСТИКА РАКА ЛЕГКОГО НА ОСНОВЕ СПЕКТРОСКОПИИ ПОВЕРХНОСТНО-УСИЛЕННОГО КОМБИНАЦИОННОГО РАССЕЯНИЯ СВЕТА ЦЕЛЬНОЙ КРОВИ И ГЛУБОКОГО МАШИННОГО ОБУЧЕНИЯ. Журнал прикладной спектроскопии. 2022;89(5):674-681.

Цитирование

Список литературы

1. K. A. Cronin, A. J. Lake, S. Scott, R. L. Sherman, A. M. Noone, N. Howlader, S. J. Henley, R. N. Anderson, A. U. Firth, J. Ma, B. A. Kohler, A. Jemal, Cancer, 124, 2785–2800 (2018).

2. J. Bossert, M. Ludwig, P. Wronski, J. Koetsenruijter, K. Krug, M. Villalobos, J. Jacob, J. Walker, M. Thomas, M. Wensing, NP J. Primary Care Respiratory Med., 31, 2 (2021).

3. C. Fang, D. Xu, J. Su, J. R. Dry, B. Linghu, NP J. Digital Med., 4, 14 (2021).

4. N. Guibert, A. Pradines, G. Favre, J. Mazieres, Eur. Respir. Rev., 29, 190052 (2020).

5. E. Ococks, A. M. Frankell, N. Masque Soler, N. Grehan, A. Northrop, H. Coles, A. M. Redmond, G. Devonshire, J. M. J. Weaver, C. Hughes, K. Lehovsky, A. Blasko, B. Nutzinger, O. Consortium, R. C. Fitzgerald, E. Smyth, Ann. Oncol., 32, 522–532 (2021).

6. W. Yu, J. Hurley, D. Roberts, S. K. Chakrabortty, D. Enderle, M. Noerholm, X. O. Breakefield, J. K. Skog, Ann. Oncol., 32, 466–477 (2021).

7. S. Jia, L. Xie, L. Li, Y. Qian, J. Wang, S. Wang, W. Zhang, B. Qian, Expert Rev. Mol. Diagn., 21, 417–427 (2021).

8. R. Nooreldeen, H. Bach, Int. J. Mol. Sci., 22 (2021).

9. Y. Moro Awelisah, G. Li, M. Ijaz, L. Lin, Opt. Laser Technol., 133 (2021).

10. F. Tustumi, F. R. Takeda, M. S. Viyuela, J. B. da Cruz Junior, A. Brandao, R. A. A. Sallum, U. Ribeiro, Jr., I. Cecconello, J. Surg. Oncol., 121, 784–794 (2020).

11. M. S. Wrobel, J. H. Kim, P. Raj, I. Barman, J. Smulko, Biosens. Bioelectron., 180, 113115 (2021).

12. A. Germond, T. Ichimura, T. Horinouchi, H. Fujita, C. Furusawa, T. M. Watanabe, Commun. Biol., 1, 85 (2018).

13. S. Pahlow, S. Meisel, D. Cialla-May, K. Weber, P. Rosch, J. Popp, Adv. Drug Deliv. Rev., 89, 105–120 (2015).

14. A. Kozik, M. Pavlova, I. Petrov, V. Bychkov, L. Kim, E. Dorozhko, C. Cheng, R. D. Rodriguez, E. Sheremet, Anal. Chim. Acta, 1187, 338978 (2021).

15. L. Shen, Y. Du, N. Wei, Q. Li, S. Li, T. Sun, S. Xu, H. Wang, X. Man, B. Han, Spectrochim. Acta A: Mol. Biomol. Spectrosc., 237, 118364 (2020).

16. V. Karunakaran, V. N. Saritha, M. M. Joseph, J. B. Nair, G. Saranya, K. G. Raghu, K. Sujathan, K. S. Kumar, K. K. Maiti, Nanomedicine, 29, 102276 (2020).

17. X. Li, T. Yang, S. Li, J. Yao, Y. Song, D. Wang, J. Ding, Laser Phys. Lett., 12, 115603 (2015).

18. L. Guo, Y. Li, F. Huang, J. Dong, F. Li, X. Yang, S. Zhu, M. Yang, J. Innov. Opt. Health Sci., 12, 1950003 (2019).

19. S. Li, Z. Guo, Z. Liu, Expert Rev. Anticancer Ther., 15, 5–7 (2015).

20. D. Lin, J. Pan, H. Huang, G. Chen, S. Qiu, H. Shi, W. Chen, Y. Yu, S. Feng, R. Chen, Sci. Rep., 4, 4751 (2014).

21. E. Vargas-Obieta, J. C. Martinez-Espinosa, B. E. Martinez-Zerega, L. F. Jave-Suarez, A. AguilarLemarroy, J. L. Gonzalez-Solis, Lasers Med. Sci., 31, 1317–1324 (2016).

22. X. Li, T. Yang, S. Li, D. Wang, Y. Song, K. Yu, J. Raman Spectr., 47, 917–925 (2016).

23. J. Liu, M. Osadchy, L. Ashton, M. Foster, C. J. Solomon, S. J. Gibson, Analyst, 142, 4067–4074 (2017).

24. H. Sadeghi, H. S. Braun, B. Panti, G. Opsomer, O. Bogado Pascottini, PloS One, 17, e0263409 (2022).

25. G. Pinkas, Y. Karny, A. Malachi, G. Barkai, G. Bachar, V. Aharonson, IEEE Open J. Eng. Med. Biol., 1, 268–274 (2020).

26. M. A. Haile, E. Zhu, C. Hsu, N. Bradley, Struct. Health Monitor., 19, 1340–1350 (2019).

27. B. Yan, B. Li, Z. Wen, X. Luo, L. Xue, L. Li, BMC Cancer, 15, 650 (2015).

28. S. Feng, D. Lin, J. Lin, B. Li, Z. Huang, G. Chen, W. Zhang, L. Wang, J. Pan, R. Chen, H. Zeng, Analyst, 138, 3967–3974 (2013).

29. R. Zhang, Y. Chen, G. Zhou, B. Sun, Y. Li, Z. Chen, Evid. Based Complement. Alternat. Med., 2020, 8859558 (2020).

30. M. A. Mahfouz, A. Shoukry, M. A. Ismail, Artific. Intell. Med., 111, 101985 (2021).

31. C. Kingsford, S. L. Salzberg, Nat. Biotech., 26, 1011–1013 (2008).

32. T. Shi, S. Horvath, J. Comput. Graph. Stat., 15, 118–138 (2012).

33. A. C. S. Talari, Z. Movasaghi, S. Rehman, I. U. Rehman, Appl. Spectrosc. Rev., 50, 46–111 (2014).

Источник

Информация

Автор

Chen C. Колледж химии и материаловедения Фуцзяньского педагогического университета
Zhang Q. Школа информатики Сямэньского университета
Lu D. Колледж химии и материаловедения Фуцзяньского педагогического университета
Liu J. Школа информатики Сямэньского университета
Lu Y. Колледж химии и материаловедения Фуцзяньского педагогического университета
Liu K. Школа информатики Сямэньского университета

Страницы

674-681

Год издания

2022

Ключевые слова

Коллекции

Журнал прикладной спектроскопии

Похожие публикации

Источник

Информация