A machine learning-enhanced gastric cancer diagnostic method based on shell-isolated nanoparticle-enhanced Raman spectroscopy

支持向量机 拉曼光谱 癌症 人工智能 卷积神经网络 接收机工作特性 计算机科学 信号(编程语言) 纳米颗粒 模式识别(心理学) 随机森林 材料科学 人工神经网络 机器学习 样品(材料) 诊断准确性 还原(数学) 理论(学习稳定性) 指纹(计算) 生物医学工程 临床诊断 信号强度 诊断模型 信号处理 胶体金 临床实习 生物系统 分析化学(期刊) 表面增强拉曼光谱 拉曼散射
作者
Mengya Li,Liyi Li,Yang Pan,Jing Zeng,R. Ma,Jingzhe Peng,Yongzhong Wu,Wei Zhou,Weiling Fu,Yang Zhang
出处
期刊:Nanoscale [Royal Society of Chemistry]
卷期号:17 (45): 26214-26224 被引量:1
标识
DOI:10.1039/d5nr02377g
摘要

< 0.01). These results confirm the feasibility of combining SHINERS with machine learning for reliable, rapid, and minimally invasive screening of gastric cancer, and underscore its potential application in clinical diagnostics.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
cc发布了新的文献求助10
刚刚
1秒前
隐形曼青应助lincanmou2采纳,获得10
1秒前
1秒前
1秒前
彭于晏应助sheng采纳,获得10
2秒前
2秒前
共享精神应助martinmzn采纳,获得30
2秒前
充电宝应助筱姐姐采纳,获得10
2秒前
3秒前
3秒前
小李应助Nicole采纳,获得10
3秒前
4秒前
hjw发布了新的文献求助10
5秒前
5秒前
5秒前
5秒前
打打应助无心的谷槐采纳,获得10
5秒前
超级香之完成签到,获得积分10
6秒前
6秒前
鲤鱼从安完成签到,获得积分10
6秒前
思源应助小张真的困啦采纳,获得10
6秒前
6秒前
zzz发布了新的文献求助10
6秒前
天Q完成签到,获得积分10
6秒前
Dice°完成签到,获得积分10
7秒前
yang发布了新的文献求助10
7秒前
默_古月完成签到,获得积分10
7秒前
CodeCraft应助cc采纳,获得10
7秒前
可爱的函函应助vvv采纳,获得10
8秒前
9秒前
9秒前
10秒前
10秒前
1111发布了新的文献求助10
10秒前
10秒前
10秒前
11秒前
12秒前
12秒前
高分求助中
(应助此贴封号)【重要!!请各用户(尤其是新用户)详细阅读】【科研通的精品贴汇总】 10000
Principles of town planning: translating concepts to applications 1000
Cognitive Psychology in a Changing World 800
内視鏡的に摘除しえた十二指腸乳頭部腫瘍の2例 660
Management and the Arts 510
Matrix Methods in Data Mining and Pattern Recognition Second Edition 510
The Neuroscience of Language 400
热门求助领域 (近24小时)
化学 材料科学 医学 生物 纳米技术 工程类 有机化学 化学工程 生物化学 计算机科学 内科学 物理 复合材料 催化作用 细胞生物学 无机化学 光电子学 物理化学 电极 基因
热门帖子
关注 科研通微信公众号,转发送积分 7684652
求助须知:如何正确求助?哪些是违规求助? 9248136
关于积分的说明 19951457
捐赠科研通 7257649
什么是DOI,文献DOI怎么找? 3288928
关于科研通互助平台的介绍 2446080
邀请新用户注册赠送积分活动 2293071