Preview

Журнал прикладной спектроскопии

Расширенный поиск
Доступ открыт Открытый доступ  Доступ закрыт Только для подписчиков

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

Аннотация

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.

Об авторах

C. Chen
Колледж химии и материаловедения Фуцзяньского педагогического университета
Китай

Фучжоу, Фуцзянь



Q. Zhang
Школа информатики Сямэньского университета
Китай

Сямэнь, Фуцзянь



D. Lu
Колледж химии и материаловедения Фуцзяньского педагогического университета
Китай

Фучжоу, Фуцзянь



J. Liu
Школа информатики Сямэньского университета
Китай

Сямэнь, Фуцзянь



Y. Lu
Колледж химии и материаловедения Фуцзяньского педагогического университета
Китай

Фучжоу, Фуцзянь



K. Liu
Школа информатики Сямэньского университета
Китай

Сямэнь, Фуцзянь



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).


Рецензия

Для цитирования:


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.

For citation:


Chen C., Zhang Q., Lu D., Liu J., Lu Y., Liu K. NON-INVASIVE DIAGNOSTICS OF LUNG CANCER BASED ON WHOLE BLOOD SURFACE-ENHANCED RAMAN SPECTROSCOPY AND DEEP MACHINE LEARNING. Zhurnal Prikladnoii Spektroskopii. 2022;89(5):674-681.

Просмотров: 188


ISSN 0514-7506 (Print)