Micro-Raman spectroscopy study of cancerous and normal nasopharyngeal tissues
Notice bibliographique
Résumé
The capabilities of micro-Raman spectroscopy for differentiating normal and malignant nasopharyngeal tissues were evaluated. Raman scattering signals were acquired from 22 normal and 52 malignant nasopharyngeal tissue samples. Distinctive spectral differences in Raman spectra between normal and malignant nasopharyngeal tissues were found, particularly in the spectral ranges of 853, 937, 1094, 1209, 1268, 1290 to 1340, 1579, and 1660 cm-1, which primarily contain signals related to proteins, DNA, and lipids. Compared to normal tissues, the band intensity located at 853, and 937 cm-1 were significantly lower for cancerous tissues (p<0.05), while the band intensity located at 1094, 1209, 1268, and 1579 cm-1 were significantly higher (p<0.05). The band intensity located at 1290 to 1340, and 1660 cm-1 were also higher for cancerous tissues; but the differences were not statistically significant (p>0.05). Principal component analysis (PCA) and linear discriminate analysis (LDA) were employed to generate diagnostic algorithms for classification of Raman spectra of the two nasopharyngeal tissue types. The PCA-LDA algorithms together with leave-one-out, cross-validation technique yielded diagnostic sensitivity of 92% and specificity of 82%. This work demonstrated that the Raman spectroscopy technique associated with PCA-LDA diagnostic algorithms has potential for improving the diagnosis of nasopharyngeal cancers.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».