利用高光谱成像技术无创诊断肾移植术后排斥反应的研究

摘要

目的 探索一种通过尿液高光谱成像技术对肾移植术后排斥反应进行快速、鉴别诊断的方法。方法 收集118例肾移植术后受者的尿液样本中高光谱数据信息，构建深度学习模型对排斥反应类型进行诊断和分类。结果 构建了一个基于34层残差网络(ResNet-34)的深度学习诊断模型，纳入了118例患者并将其划分为训练集与测试集。根据移植肾穿刺病理结果，将患者尿液样本分为5组：无排斥反应组、T细胞介导的排斥反应组、抗体介导的排斥反应组、混合排斥反应组及肾病复发组。结果显示，该模型对上述5组的诊断灵敏度分别为0.960、0.980、0.930、0.940和0.943，诊断特异度分别为0.983,0.993,0.997,0.989和0.989，总体诊断准确率达95.7%。结论 本研究为肾移植术后排斥反应的鉴别诊断提供一种无创、快速、准确的辅助诊断方法。

关键词

高光谱成像技术 / 无创诊断 / 肾移植 / 排斥反应 / 辅助诊断 / 学习模型 / T细胞介导的排斥反应 / 抗体介导的排斥反应