利用机器学习预测冷大气等离子体活化液的抗菌活性
机器学习
2022-07-27 v1 医学物理
摘要
等离子体被定义为物质的第四态，非热等离子体可在高电场下于大气压产生。等离子体活化液（PALs）强烈且广谱的抗菌效应现已为人熟知。机器学习（ML）在医学领域已被证实的适用性也鼓励了其在等离子体医学领域的应用。因此，ML 在 PALs 上的应用可提供一个新视角，以更好地理解各种参数对其抗菌效应的影响。本文利用先前获得的数据，提出比较监督式 ML 模型以定性预测 PALs 的体外抗菌活性。我们进行了文献检索并从 33 篇相关文章收集数据。经过必要的预处理步骤后，将两种监督式 ML 方法即分类与回归应用于数据以获得微生物灭活（MI）预测。对于分类，MI 被标记为四类；对于回归，MI 被用作连续变量。对分类与回归模型分别采用两种不同的稳健交叉验证策略以评估所提方法：分别为重复分层 k 折交叉验证与 k 折交叉验证。我们还研究了不同特征对模型的影响。结果表明，超参数优化的随机森林分类器（oRFC）与随机森林回归器（oRFR）分别比其他模型在分类与回归上提供了更好的结果。最终，oRFC 的最佳测试准确率为 82.68%，oRFR 的 R2 为 0.75。ML 技术有助于更好地理解在所需抗菌效应中起主导作用的等离子体参数。此外，此类发现可能有助于未来等离子体剂量的定义。
引用
@article{arxiv.2207.12478,
title = {Machine Learning to Predict the Antimicrobial Activity of Cold Atmospheric Plasma-Activated Liquids},
author = {Mehmet Akif Ozdemir and Gizem Dilara Ozdemir and Merve Gul and Onan Guren and Utku Kursat Ercan},
journal= {arXiv preprint arXiv:2207.12478},
year = {2022}
}
备注
45 pages, 11 figures, 5 tables