基于血清SERS的肝癌分类模型的机器学习算法优化研究

作者：胥生科; 窦景锐; 吾布里塔里甫·达吾提; 吕国栋^*

来源：兰州大学学报(医学版), 2022, 48(11): 76-85.

DOI：10.13885/j.issn.1000-2812.2022.11.015

• 表面增强拉曼光谱术
• 血清
• 机器学习算法
• 肝癌

目的 通过比较主成分分析（PCA）、线性判别分析（LDA）、支持向量机（SVM）和正交偏最小二乘判别分析（OPLS-DA），优化获得基于血清表面增强拉曼光谱术（SERS）的肝癌分类模型的最佳算法，为研发新型肝癌诊断技术奠定基础。方法 采集检测52例肝癌患者、64例肝硬化患者和53例健康志愿者的血清增强拉曼信号，分析不同SERS光谱特征，分别建立PCA-LDA、PCA-SVM、SVM-线性核函数、SVM-高斯径向基函数（SVM-RBF）和OPLS-DA算法的肝癌分类模型，并使用敏感性、特异性、准确度和受试者操作特征曲线评估5种算法对肝癌的诊断效能。结果 在三分类中，基于OPLS-DA算法对肝癌的分类准确度均高于其他4种算法的。在二分类肝癌组和非肝癌组中，基于SVM-RBF算法准确度高于其他4种算法的。二分类模型的受试者操作特征曲线显示，SVM-RBF算法对肝癌的预测能力均高于其他4种算法的。结论 SVM-RBF算法结合血清SERS建立的肝癌分类模型是一种快速、准确地检测肝癌的新技术。

• 单位
  公共卫生学院; 新疆医科大学第一附属医院; 新疆医科大学