通过变分自编码器和机器学习实现准确的肿瘤亚型检测

癌症亚型的准确诊断为手术计划的制定和临床预后提供了重要指导。拉曼光谱学结合机器学习算法已被证明是肿瘤识别的强大工具。然而，复杂成分生物样品的拉曼光谱分析和分类仍然是个挑战。此外，光谱的信噪比也会影响分类的准确性。在这里，我们应用了变分自编码器（VAE）对拉曼光谱进行降维和降噪。我们在细胞和组织水平验证了VAE算法的性能。VAE成功将高维拉曼光谱数据降为三种非小细胞肺癌细胞和两种肾癌组织的二维（2D）数据。在细胞和组织水平上，使用VAE编码后的二维数据，应用高斯朴素贝叶斯进行亚型区分，明显优于使用原始光谱的区分结果。因此，基于VAE和机器学习的拉曼光谱分析对肿瘤亚型的快速诊断具有巨大潜力。