基于多层集成学习算法结合非标记SERS的肺癌血清学诊断系统技术方案

本发明专利技术属于光学传感技术领域，具体为基于多层集成学习算法和非标记SERS的肺癌血清学诊断系统。本发明专利技术系统包括：SERS基底，多层集成学习算法模块，多层集成学习算法训练模块；SERS基底由铝微孔阵列与涂覆于铝微孔阵列中银纳米线组成，用于采集临床样本的拉曼光谱信号；多层集成学习算法模块包括多个学习算法模块，用于对SERS基底采集临床样本的拉曼光谱信号进行分类；经过训练的多层集成学习算法模块用于预测肺癌结果。本发明专利技术样本用量少、快速、高效、成本低，预测准确性高。

【技术实现步骤摘要】

本专利技术属于光学传感，具体涉及基于集成学习算法和非标记sers的肺癌血清学诊断系统。

技术介绍

1、在液体活检领域，无标记表面增强拉曼散射(sers)技术展现出其独特的应用潜力。sers技术能够通过分子的振动-旋转模式，全面地揭示血清中的分子组成，包括核酸、蛋白质、脂质以及小分子等，从而为血清的分子指纹提供详尽的信息。这种方法不仅简化了检测流程，提高了检测速度，还增强了灵敏度，且无需依赖于特定的肿瘤标记物。

2、然而，生物样本中分子的多样性以及光谱的复杂性，对传统的单变量分析方法构成了挑战。为了克服这一难题，目前，最前沿的机器学习和深度学习技术已被广泛应用于解析sers光谱中的微妙变化。通过集合学习的方法，将多个模型的预测结果进行整合，可以充分发挥不同模型的优势，能够获得比单一模型更加精确的预测结果。

技术实现思路

1、本专利技术的目的在于提供一种基于多层集成学习算法和非标记sers的肺癌血清学诊断的系统。

2、本专利技术提供的基于多层集成学习算法和非标记sers的肺癌血清学诊断的系本文档来自技高网...

【技术保护点】

1.一种基于多层集成学习算法和非标记SERS的肺癌血清学诊断的系统，其特征在于，包括：SERS基底，多层集成学习算法模块，多层集成学习算法训练模块；其中：

2.根据权利要求1所述基于多层集成学习算法和非标记SERS的肺癌血清学诊断的系统，其特征在于，所述SERS基底由如下方法制备得到：将浓度为0.01-30mg/mL的AgNWs滴入微孔阵列中，并在室温下干燥。

3.根据权利要求1所述基于多层集成学习算法和非标记SERS的肺癌血清学诊断的系统，其特征在于，所述采集临床样本的拉曼光谱信号，具体是在SERS基底的微孔中滴入0.5-20μL血清，待完全干燥后使用Horib...

【技术特征摘要】

1.一种基于多层集成学习算法和非标记sers的肺癌血清学诊断的系统，其特征在于，包括：sers基底，多层集成学习算法模块，多层集成学习算法训练模块；其中：

2.根据权利要求1所述基于多层集成学习算法和非标记sers的肺癌血清学诊断的系统，其特征在于，所述sers基底由如下方法制备得到：将浓度为0.01-30mg/ml的agnws滴入微孔阵列中，并在...

【专利技术属性】
技术研发人员：陈惠，杨喆军，
申请(专利权)人：复旦大学，
类型：发明
国别省市：