.png){kind=icon}
返回
Machine Learning Applied to Electrochemical Data Processing for Improved Analyte Quantification in Complex Saliva
.png){kind=icon}
PRE
AI
DOI：10.1002/elan.70048.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
可非侵入性、高频率采集的生物流体（如唾液）在实时监测护理点处的分析物以了解患者健康状况方面具有巨大潜力。然而，由于这些流体的复杂组成可能降低信噪比，其中分析物的定量分析可能具有挑战性。在唾液电化学传感的背景下，唾液的复杂性可通过高且变化的背景导致信号干扰，从而使得准确且可重复的分析物定量分析具有挑战性。专注于单一峰特征的简单分析算法可能适用于分析物在明确缓冲背景中的定量，但不一定适用于复杂生物流体中的分析物定量。为此，针对通过电化学伏安图测量量化唾液中药物水平这一任务，我们评估了五种不同类型的回归模型：k-Nearest Neighbors (KNN)、Random Forest (RF)、Support Vector Machine (SVM)、Gaussian Process (GP)和线性多变量模型。我们将模型在数百个伏安图上进行训练和测试，这些伏安图涉及将抗癫痫药物carbamazepine以五种不同分析物浓度添加到全人类唾液中。对于每种回归模型类型，我们结合超参数调优，从九个伏安图特征中执行特征选择，使用结合了决定系数（ 和平均 .k 的性能指标。为进行无偏模型评估，我们将每个模型应用于测试集数据，使用 和 指标，并通过排列测试统计比较模型性能。我们的分析（i）识别了一个与分析物峰相关且在模型中普遍存在的关键伏安图特征，但该特征在伏安图分析中不常使用；（ii）表明通过添加一到两个额外的伏安图特征可改善每个模型的性能；（iii）表明基于电压和背景电流的特征均可提高模型精度。测试集结果显示，所有模型产生的 值均超过0.84，但KNN和RF的 值（19%）最低，显著优于线性模型（26%）。最后，对来自同一受试者但不同日采集的唾液数据进行的进一步模型评估（无需额外模型训练）显示，KNN表现最佳，具有优异的泛化能力（ 值为19%），而RF和线性模型的性能显著下降（ 值分别为25%和39%）。总体而言，我们的结果表明机器学习模型在显著提高唾液中药物水平定量精度方面具有巨大潜力，优于传统的线性回归模型。
Keyword:
drug detection
electrochemical
machine learning
saliva
voltammetry
期刊
IF:
2.3
论文数:
395
被引数:
1.0W
机构
引用论文
Analyzing the anodic stripping square wave voltammetry of heavy metal ions via machine learning: Information beyond a single voltammetric peak通过机器学习分析重金属离子的阳极溶出方波伏安法: 超出单个伏安峰的信息
PREAI
分享收藏Ionic liquid-assisted ultrasonic exfoliation of phosphorene nanocomposite with single walled carbon nanohorn as nanozyme sensor for derivative voltammetric smart analysis of 5-hydroxytryptamine离子液体辅助单壁碳纳米角的磷烯纳米复合材料的超声剥离作为纳米酶传感器，用于5-羟色胺的衍生伏安智能分析
PREAI
分享收藏Analytic formulas of peak current in cyclic voltammogram: Machine learning as an alternative way?
PREAI
分享收藏Nonparametric estimates of standard error: The jackknife, the bootstrap and other methods.png)
Biometrika
BiometrikaIF0
PREAI
分享收藏Antiepileptic drugs - best practice guidelines for therapeutic drug monitoring: A position paper by the subcommission on therapeutic drug monitoring, ILAE Commission on Therapeutic StrategiesEPILEPSIA
EPILEPSIAIF6.6
PREAI
分享收藏Voltammetric sensing using an array of modified SPCE coupled with machine learning strategies for the improved identification of opioids in presence of cutting agents使用改良的SPCE阵列结合机器学习策略进行伏安传感，以在存在切割剂的情况下改进阿片类药物的识别
OAAI
OAAI分享收藏
查看更多内容