荧光光谱结合机器学习应用于乳腺癌分子分型
摘要
乳腺癌是常见的恶性肿瘤之一，其分子分型可有效指导个体化治疗，但临床使用的检测方法操作相对复杂、耗时长。荧光光谱法具有简便、高效的优点，在肿瘤检测研究中被广泛应用，而涉及分子分型的研究较少。提出主成分分析与支持向量机（PCA-SVM）模型结合荧光光谱的乳腺癌分子分型检测新方案。构建405 nm激光诱导荧光光谱系统，测量乳腺癌组织的自体荧光光谱。利用高斯拟合，发现不同分型乳腺癌中的荧光团谱峰强度存在差异，通过PCA-SVM模型进一步分析，实现乳腺癌分子分型的判别，准确率达95.0%，精度达95.9%，平衡F分数达94.9%，对4种分型的判别灵敏度分别达91%、94%、97%、100%。该方案提高了高维光谱数据分析效率，为乳腺癌分子分型的快速判别提供新方向。
引用本文（GB/T 7714）
许诺 Xu Nuo, 李奇 Li Qi, 黄翰林 Huang Hanlin, 等. 荧光光谱结合机器学习应用于乳腺癌分子分型[J]. Laser & Optoelectronics Progress, 2025.
引文网络
本站仅收录题录与摘要供学习参考，全文版权归属出版方；如有侵权请联系我们删除。