Классификация типов почечных камней с помощью лазерно-индуцированной флуоресценции и машинного обучения

Shi F.; Wang H.; Jamali S.; Fu H.; Wang D.; Ding Z.

Классификация типов почечных камней с помощью лазерно-индуцированной флуоресценции и машинного обучения

Shi F. , Wang H. , Jamali S. , Fu H. , Wang D. , Ding Z.

2026

Разработан быстрый неинвазивный метод классификации типов камней в почках с помощью лазерно-индуцированной флуоресценции (ЛИФ) в сочетании с машинным обучением. Создана ЛИФ-система на основе лазера с длиной волны 405 нм для сбора спектральных данных для четырех распространенных типов камней: моногидрата оксалата кальция, безводной мочевой кислоты, гексагидрата фосфата магния-аммония и карбонатного апатита. Спектральные данные предварительно обработаны с использованием стандартного преобразования и нормализации переменных для уменьшения шума и морфологической изменчивости. После отбора признаков и масштабирования построены четыре модели классификации (метод k-ближайших соседей, классификатор опорных векторов, случайный лес и экстремальный градиентный бустинг), гиперпараметры которых оптимизированы с помощью байесовского алгоритма. Все модели показали хорошие результаты на независимом тестовом наборе, при этом классификатор опорных векторов достиг наивысшей средней точности 92%. Предложенная методика позволяет надежно и эффективно идентифицировать компоненты камней во время операции и обладает значительным потенциалом для улучшения клинической диагностики, определения оптимального лечения и профилактики рецидивов.

Shi F. , Wang H. , Jamali S. , Fu H. , Wang D. , Ding Z. Классификация типов почечных камней с помощью лазерно-индуцированной флуоресценции и машинного обучения. Журнал прикладной спектроскопии. 2026;93(5):722.

Цитирование

Список литературы

1. T. Alelign, B. Petros, Adv. Urol., 1–12 (2018), https://doi.org/10.1155/2018/3068365.

2. A. D. Rule, J. C. Lieske, X. Li, et al., J. Am. Soc. Nephrol., 25, 2878–2886 (2014). https://doi.org/10.1681/ASN.2013091011.

3. S. Chen, L. Zhu, S. Yang, et al., Urology, 79, 293–297 (2012), https://doi.org/10.1016/j.urology.2011.08.036.

4. Z. Gu, J. Qi, H. Shen, et al., Lasers Med. Sci., 25, 577–580 (2010), https://doi.org/10.1007/s10103-010-0769-x.

5. G. Xiang, J. Chen, D. Ho, et al., Ultrason. Sonochem., 101, 106649 (2023), https://doi.org/10.1016/j.ultsonch.2023.106649.

6. N. Harada, J. Yatsuda, R. Kurahashi, et al., IJU Case Rep., 5, 281–285 (2022), https://doi.org/10.1002/iju5.12464.

7. B. Turna, R. J. Stein, M. C. Smaldone, et al., J. Urol., 179, 1415–1419 (2008). https://doi.org/10.1016/j.juro.2007.11.076

8. J. W. He, J. Int. Med. Res., 52, 3000605241275333 (2024), https://doi.org/10.1177/03000605241275333.

9. T. Bach, B. Geavlete, T. R. W. Herrmann, A. J. Gross, J. Endourol., 22, 1639–1643 (2008). https://doi.org/10.1089/end.2008.0184.

10. F. Pasqui, F. Dubosq, K. Tchala, et al., Eur. Urol., 45, 58–64 (2004), https://doi.org/10.1016/j.eururo.2003.08.013

11. M. Wang, Q. Shao, X. Zhu, et al., Urol. Int., 105, 587–593 (2021), https://doi.org/10.1159/000512054.

12. R. L. Blackmon, P. B. Irby, N. M. Fried, J. Biomed. Opt., 16, 71403 (2011), https://doi.org/10.1117/1.3564884.

13. M. Koch, M. Schapher, K. Mantsopoulos, H. Iro, Lasers Surg. Med., 53, 488–498 (2021), https://doi.org/10.1002/lsm.23325.

14. P. Kronenberg, O. Traxer, World J. Urol., 33, 463–469 (2015), https://doi.org/10.1007/s00345-014-1395-1.

15. A. Hertel, M. F. Froelich, D. Overhoff, et al., Eur. Radio, 35, 3120–3130 (2025), https://doi.org/10.1007/s00330024-11262-w.

16. A. H. Khan, S. Imran, J. Talati, L. Jafri, Clin. Urol., 59, 32 (2018), https://doi.org/10.4111/icu.2018.59.1.32.

17. W. Sofińska-Chmiel, M. Goliszek, M. Drewniak, et al., Mol. (basel Switz), 28, 6089 (2023), https://doi.org/10.3390/molecules28166089.

18. M. M. E. L. Henderickx, S. J. M. Stoots, D. M. De Bruin, et al., J. Endourol., 36, 1362–1370 (2022), https://doi.org/10.1089/end.2022.0217.

19. M. Kwaśny, A. Bombalska, Sens. (basel Switz), 22, 2956 (2022), https://doi.org/10.3390/s22082956.

20. Y. H. El-Sharkawy, S. Elbasuney, Photodiagn. Photodyn. Ther., 40, 103186 (2022), https://doi.org/10.1016/j.pdpdt.2022.103186.

21. R. Du, D. Yang, X. Yin, Sens. (basel Switz), 22, 1168 (2022), https://doi.org/10.3390/s22031168.

22. B. Lange, D. Jocham, R. Brinkmann, J. Cordes, Lasers Surg. Med., 49, 361–365 (2017), https://doi.org/10.1002/lsm.22611.

23. X. Li, Autofluorescence Spectral Analysis for Detecting Urinary Stone Composition in Emulated Intraoperative Ambient (2023).

24. I. Saini, D. Singh, A. Khosla, J. Adv. Res., 4, 331–344 (2013), https://doi.org/10.1016/j.jare.2012.05.007.

25. M. Awad, R. Khanna, In: Efficient Learning Machines, Berkeley, CA, 39–66 (2015).

26. R. Genuer, J.-M. Poggi, C. Tuleau-Malot, Pattern Rec. Lett., 31, 2225–2236 (2010), https://doi.org/10.1016/j.patrec.2010.03.014.

27. T. Chen, C. Guestrin, In: Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. ACM, San Francisco California USA, 785–794 (2016).

Источник

Информация

Автор

Shi F. Аньхойский университет; Аньхойский институт оптики и точной механики, Хэфэйский институт материаловедения, Китайская академия наук
Wang H. Аньхойский институт оптики и точной механики, Хэфэйский институт материаловедения, Китайская академия наук
Jamali S. Аньхойский институт оптики и точной механики, Хэфэйский институт материаловедения, Китайская академия наук
Fu H. Аньхойский институт оптики и точной механики, Хэфэйский институт материаловедения, Китайская академия наук; Хэфэйский институт технологических инноваций
Wang D. Вторая больница Аньхойского медицинского университета
Ding Z. Аньхойский университет

Страницы

Год издания

2026

Ключевые слова

Коллекции

Журнал прикладной спектроскопии