近红外光谱数据诊断分类的算法构建方法

摘要

背景近红外光谱技术(NIRS)在非侵入性诊断评估方面具有公认的潜力，但应用有限。可重复区分有无生理异常的数据分析方法，可拓宽该光学技术的临床应用。方法:同时来自近红外膀胱监测和有创尿动力压力-流量研究(UDS)的样本数据集用于说明如何使用分类和回归树(CART)分析构建诊断算法。计算了CART和线性判别分析(LDA)的错误分类错误，并给出了其他泌尿科NIRS数据可能适合CART分析的例子。结果: CART生成了临床相关分类算法(误差4%)，该算法采用46组由全时间序列组成的发色团浓度变化数据集，未指定特征。LDA没有(误差16%)。使用CART NIRS数据提供了与UDS诊断nomogram是否存在梗阻性病理的可比性鉴别能力(特异性88%，准确性84%)。从有或没有排尿功能障碍的儿童和有轻微或严重盆底肌肉功能障碍的妇女的试点数据示例也显示出潜在的诊断差异的发色团浓度。结论CART分析可能应用于其他近红外光谱(NIRS)监测应用，用于将患者分为有病理和无病理。

《光谱学

摘要

版权

更多相关文章