@article{Chen C. 2022-09-26,
author = { Chen C. ,  Zhang Q. ,  Lu D. ,  Liu J. ,  Lu Y. ,  Liu K. },
title = {НЕИНВАЗИВНАЯ ДИАГНОСТИКА РАКА ЛЕГКОГО НА ОСНОВЕ СПЕКТРОСКОПИИ ПОВЕРХНОСТНО-УСИЛЕННОГО КОМБИНАЦИОННОГО РАССЕЯНИЯ СВЕТА ЦЕЛЬНОЙ КРОВИ И ГЛУБОКОГО МАШИННОГО ОБУЧЕНИЯ},
year = {2022},
publisher = {NP «NEICON»},
abstract = {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.},
URL = {https://www.academjournals.by/publication/15573},
eprint = {https://www.academjournals.by/files/15529},
journal = {Журнал прикладной спектроскопии},
}