利用近红外光谱与机器学习诊断系统性硬化症
医学物理
2019-08-20 v1 机器学习
信号处理
摘要
本工作的动机是使用非侵入且低成本的技术，以获得更快、更准确的系统性硬化症（SSc，一种风湿性、自身免疫性、慢性罕见病）诊断。所讨论的技术是近红外光谱（NIRS）。光谱采集自志愿者手部的三个不同区域。使用机器学习算法进行分类并寻找最佳光学波长。结果表明，很容易获得对诊断更重要的波长带。我们使用算法RFECV与SVC。结果提示最重要的波长带位于1270 nm，对应于单线态氧的发光。结果表明近端指间关节区域返回了更好的准确率分数。光学光谱仪价格低廉，可轻松用于临床评估，而所用算法在开源平台上完全普及。
引用
@article{arxiv.1908.06137,
title = {Using Near Infrared Spectroscopy and Machine Learning to diagnose Systemic Sclerosis},
author = {Joelle Feijó de França and Hugo Abreu Mendes and Lucas Gallindo Costa and Andrea Tavares Dantas and Angela Luzia Branco Pinto Duarte and Anderson Stevens Leônidas Gomes and Emery Cleiton Cabral Correia Lins},
journal= {arXiv preprint arXiv:1908.06137},
year = {2019}
}
备注
9 pages, 5 figures, 1 table