拉曼光谱结合机器学习算法对乳腺癌及其分子亚型的识别

目的开发一种简单、快速且便捷的检测方法用于乳腺癌及其分子亚型的识别。方法采用激光共聚焦拉曼仪采集乳腺正常细胞与乳腺癌不同分子亚型细胞的拉曼光谱图, 对其拉曼光谱峰进行物质归属。先选用Savitzky-Golay平滑(窗口大小为9)对拉曼光谱图进行平滑和去噪处理, 后采用迭代自适应加权惩罚最小二乘法对其进行基线矫正, 并通过主成分分析剔除异常值。借助偏最小二乘判别分析(PLS-DA)、K最邻近(KNN)和支持向量机(SVM)3种原理不同的算法建立乳腺正常细胞与乳腺癌细胞的识别模型及乳腺癌不同分子亚型细胞的识别模型。结果乳腺正常细胞与乳腺癌细胞的谱图形状以及拉曼光谱峰位移相似, 但强度却存在较大差异。机器学习的模型结果显示, PLS-DA和SVM算法对乳腺正常细胞与乳腺癌细胞区分的识别准确度分别在92.03%、90.67%以上。PLS-DA和SVM算法对乳腺癌不同分子亚型细胞的识别准确度分别为(83.66±2.77)%、(90.55±0.06)%。结论拉曼光谱结合机器学习算法可实现乳腺正常细胞与乳腺癌细胞、不同分子亚型的乳腺癌细胞的准确识别。