生物可解释胃肠道癌检测
该框架将拉曼光谱与深度学习结合，通过定量分子分解实现胃肠道癌的非侵入性检测，具有优异的诊断性能和可解释性。
Li, Juan · Mo, Wenbo · Qi, Daojian · Ni, Shuang · 唐锋 · 王新铭 · 周民杰
Analytical Chemistry 2025
通过光谱分解得到五种纯生化成分系数，并构建生物可解释的比值特征，SHAP分析显示DNA及其比值特征最重要，明确癌症相关分子变化。
LightGBM模型在平衡数据集上达到98.2%准确率、99.4%灵敏度、96.9%特异度和0.996 AUC，交叉验证平均AUC为0.996±0.003，稳定性好。
直接对拉曼光谱进行定量分解和分类，无需对组织切片进行染色等预处理，有望实现术中快速诊断。
对少数类（恶性）系数应用SMOTE过采样，生成平衡数据集，避免了分类器偏向多数类导致的假阴性。