利用 AutoML 对紫外-可见吸收光谱数据进行镰状细胞贫血诊断
定量方法
2021-11-29 v1 图像与视频处理
摘要
镰状细胞贫血是一种在世界许多地区广泛流行的遗传性疾病。已知通过筛查进行早期诊断和预防性治疗可降低镰状细胞病（SCD）的死亡率。此外，对具有大致无症状的镰状细胞特征（SCT）个体进行筛查，对于遏制该疾病的遗传传播是必要的。然而，传统诊断方法的成本和复杂性限制了在全球资源有限地区对 SCD 和 SCT 进行早期诊断的可行性。近期，我们团队开发了一种基于紫外-可见吸收光谱的低成本诊断测试方法，用于检测 SCD 和 SCT。在此，我们提出一种基于 AutoML 的方法，以高准确率对从开发的紫外-可见光谱技术获得的原始光谱数据进行分类。所提出的方法能够以 100% 的灵敏度和 93.84% 的特异性检测镰状血红蛋白的存在。这项研究证明了基于机器学习的吸收光谱测试在资源有限环境下大规模筛查项目中部署的潜在效用。
引用
@article{arxiv.2111.12711,
title = {Diagnosis of sickle cell anemia using AutoML on UV-Vis absorbance spectroscopy data},
author = {Sarthak Srivastava and Radhika N. K. and Rajesh Srinivasan and Nishanth K M Nambison and Sai Siva Gorthi},
journal= {arXiv preprint arXiv:2111.12711},
year = {2021}
}