Оптимизация интеллектуального анализа спектральных данных сыворотки крови методом разрешения многомерных кривых

Abstract

В данной работе рассматривается применение рамановской спектроскопии в сочетании с методами машинного обучения для диагностики хронической сердечной недостаточности (ХСН) на основе анализа спектральных данных сыворотки крови. Для выделения информативных признаков использован метод разрешения многомерных кривых с применением метода чередующихся наименьших квадратов (MCR-ALS), что позволило снизить размерность данных без потери качества классификации. В качестве классификаторов выступили модели логистической регрессии, метод опорных векторов, случайный лес и градиентный бустинг. Полученные результаты подтверждают эффективность интеграции спектрального анализа с интеллектуальными методами обработки данных, демонстрируя перспективность предложенного подхода для автоматизированной диагностики ХСН.