Classifying low-grade and high-grade bladder cancer using label-free serum surface-enhanced Raman spectroscopy and support vector machine
Classifying low-grade and high-grade bladder cancer using label-free serum surface-enhanced Raman spectroscopy and support vector machine
复制标题
使用无标记血清表面增强拉曼光谱和支持向量机对低级别和高级别膀胱癌进行分类
DOI：
10.1088/1555-6611/aa9d6d
复制
发表时间：
2018-02
期刊：
影响因子：
1.2
通讯作者：
Guo Zhouyi
中科院分区：
文献类型：
--
作者：
Zhang Yanjiao;Lai Xiaoping;Zeng Qiuyao;Li Linfang;Lin Lin;Li Shaoxin;Liu Zhiming;Su Chengkang;Qi Minni;Guo Zhouyi
本研究旨在利用血清表面增强拉曼散射（Sers）光谱和支持向量机（SVM）算法对低级别和高级别膀胱癌（BC）患者进行分类。以银纳米粒子为表面增强拉曼散射活性基底，对88个血清样品进行了表面Sers光谱分析。当区分所有BC患者与正常受试者和低级别与高级别BC患者的血清Sers光谱时，分别获得96.4%和95.4%的诊断准确率，与最佳SVM分类器模型。这项研究表明，血清Sers技术结合支持向量机有很大的潜力，无创检测和分类的高级别和低级别的BC患者。
This study aims to classify low-grade and high-grade bladder cancer (BC) patients using serum surface-enhanced Raman scattering (SERS) spectra and support vector machine (SVM) algorithms. Serum SERS spectra are acquired from 88 serum samples with silver nanoparticles as the SERS-active substrate. Diagnostic accuracies of 96.4% and 95.4% are obtained when differentiating the serum SERS spectra of all BC patients versus normal subjects and low-grade versus high-grade BC patients, respectively, with optimal SVM classifier models. This study demonstrates that the serum SERS technique combined with SVM has great potential to noninvasively detect and classify high-grade and low-grade BC patients.
登录
查看更多内容
影响因子：
--
作者：
Dellis A;Papatsoris A
通讯作者：
Papatsoris A
影响因子：
46.2
作者：
Pence I;Mahadevan-Jansen A
通讯作者：
Mahadevan-Jansen A
影响因子：
4.6
作者：
Nima ZA;Mahmood M;Xu Y;Mustafa T;Watanabe F;Nedosekin DA;Juratli MA;Fahmi T;Galanzha EI;Nolan JP;Basnakian AG;Zharov VP;Biris AS
通讯作者：
Biris AS
影响因子：
64.8
作者：
J. F. Li;Yi Fan Huang;Yong Ding;Zhi-Lin Yang;S. Li;Xiao Shun Zhou;F. Fan;Wei Zhang;Z. Zho
通讯作者：
J. F. Li;Yi Fan Huang;Yong Ding;Zhi-Lin Yang;S. Li;Xiao Shun Zhou;F. Fan;Wei Zhang;Z. Zho
偏振表面增强拉曼光谱技术在结直肠癌检测中的诊断潜力
影响因子：
3.8
作者：
Lin, Duo;Huang, Hao;Chen, Rong
通讯作者：
Chen, Rong