融合可见光近红外透射光谱与机器学习的低成本无试剂多参数尿液检测方法及装置

《Scientific Reports》：Portable urine analysis device based on optical spectroscopy and machine learning

　　

摘要

光学光谱学与机器学习相结合为经济实惠、便携的尿液分析提供了一条有前景的途径。在此，我们报告了一种低成本、无创的设备，该设备利用了机器学习模型和可见光及近红外透射光谱技术。该手持系统使用覆盖410–940纳米波段的18通道分光光度计，记录标准尿液采集容器中透过的LED光的光谱。从光谱数据中，我们训练了19个针对特定参数的二分类器，用于检测比重、pH值、蛋白质、葡萄糖、酮体、白细胞酯酶、亚硝酸盐、尿胆原、血液、红细胞和白细胞、鳞状上皮细胞和移行上皮细胞、透明管型和病理管型、细菌、结晶、酵母菌以及粘液。在交叉验证实验中，该方法取得了与参数相关的性能表现，对多种分析物实现了灵敏度与特异度的良好平衡，并将其他分析物确定为进一步优化候选目标。这些结果表明，紧凑型可见光和近红外光谱技术结合机器学习可以利用廉价硬件且无需试剂来支持多参数尿液分析。综上所述，这些结果证明了紧凑型、无试剂多参数尿液分析的可行性和转化潜力，并支持其向即时医疗检测和家用筛查方向的进一步发展。