Разработка метода интеллектуального анализа рамановских спектров сыворотки крови

Abstract

В данной работе рассматривается применение рамановской спектроскопии в сочетании с методами машинного обучения для анализа сыворотки крови пациентов с хронической сердечной недостаточностью (ХСН). Для выделения признаков использован метод разрешения многомерных кривых с использованием чередующихся наименьших квадратов (MCR-ALS). Для увеличения пространства признаков использовались клинические данные пациентов, что позволило повысить точность классификации. В качестве метода классификации использован ансамблевый метод стекинга, объединивший предсказания базовых моделей логистической регрессии, метода опорных векторов, случайного леса и градиентного бустинга. Полученные результаты подтверждают перспективность предложенного подхода для диагностики ХСН и подчеркивают важность интеграции спектрального анализа с интеллектуальными методами обработки данных.