EUVIMEDEUVIMED entdecken
Crossref

荧光光谱结合机器学习应用于乳腺癌分子分型

许诺 Xu Nuo, 李奇 Li Qi, 黄翰林 Huang Hanlin, 沈龙海 Shen Longhai, 齐东丽 Qi Dongli, 李宏达 Li Hongda, 冯瑜 Feng Yu

Laser & Optoelectronics Progress · 2025 · 62 (6) · 0617001

DOI: 10.3788/lop241367 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Laser & Optoelectronics Progress, 2025. Verfasst von 许诺 Xu Nuo und 6 weiteren Autor:innen. Die Arbeit wurde bisher 2-mal zitiert (Crossref) und nennt 38 Literaturangaben.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

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。

Zitieren

APA

Nuo, 许. X., Qi, 李. L., Hanlin, 黄. H., Longhai, 沈. S., Dongli, 齐. Q., Hongda, 李. L., & Yu, 冯. F. (2025). 荧光光谱结合机器学习应用于乳腺癌分子分型. Laser & Optoelectronics Progress, 62(6), 0617001. https://doi.org/10.3788/lop241367

Vancouver

Nuo 许X, Qi 李L, Hanlin 黄H, Longhai 沈S, Dongli 齐Q, Hongda 李L, et al. 荧光光谱结合机器学习应用于乳腺癌分子分型. Laser & Optoelectronics Progress. 2025;62(6):0617001. doi:10.3788/lop241367

BibTeX
@article{Nuo2025,
  author = {Nuo, 许诺 Xu and Qi, 李奇 Li and Hanlin, 黄翰林 Huang and Longhai, 沈龙海 Shen and Dongli, 齐东丽 Qi and Hongda, 李宏达 Li and Yu, 冯瑜 Feng},
  title = {荧光光谱结合机器学习应用于乳腺癌分子分型},
  journal = {Laser & Optoelectronics Progress},
  year = {2025},
  volume = {62},
  number = {6},
  pages = {0617001},
  doi = {10.3788/lop241367}
}
Kostenlos starten →