换一批基于E-nose呼气图谱和机器学习的结直肠癌早期检测及中医证素辨识:一项前瞻性、观察性研究
Early Detection of Colorectal Cancer and Identification of its Traditional Chinese Medicine Syndrome Elements Based on E-Nose Exhaled Breath Profiles and Machine Learning:A Prospective,Observational Study
摘要目的 基于多种机器学习算法探究电子鼻(Electronic nose,E-nose)呼出气对结直肠癌(Colorectal cancer,CRC)早期检测的准确性,及对CRC常见中医证素的初步辨识能力.方法 研究设计为前瞻性、观察性研究,共招募125名CRC患者和107例健康受试者.收集四诊信息,通过证素辨证方法分析中医证素分布情况,运用Cyranose 320便携式电子鼻获取患者口腔呼气气味图谱,结合随机森林、K最近邻、逻辑回归、支持向量机、极端梯度提升5种经典机器学习算法,对CRC发病及其常见病位、病性证素进行气味图谱辨识.结果 ①结直肠癌常见病位证素从高到低依次是大肠、脾、肝、胃,病性证素从高到低依次是气虚、阳虚、气滞、阴虚.②随机森林模型能有效辨识CRC与健康受试者,准确度为88.57%、特异度为80.56%、灵敏度为97.06%、AUC为0.89(95%CI:0.81-0.98).③随机森林模型对CRC常见病位、病性证素的呼吸图谱辨识效能均最佳,分类准确度普遍达90.00%以上.结论 基于E-nose呼气图谱不仅能实现对CRC的早期无创检测,且能为CRC中医证素诊断提供客观、数智化研究证据.
更多相关知识
关键词
结直肠癌电子鼻呼气图谱机器学习中医证素Colorectal cancerElectronic noseExhaled breath profilesMachine learningTraditional Chinese medicine(TCM)syndrome elements
栏目名称
DOI
10.11842/wst.20240813001
发布时间
2026-03-09（万方平台首次上网日期，不代表论文的发表时间）
基金项目
四川省科技厅自然科学基金面上项目（2022NSFSC0670;E-nose）
- 浏览8
- 被引0
- 下载1
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
