Resumen

En este documento, presentamos una forma diferente a los métodos estándar para clasificar espectros Raman cuyo proceso de agrupación se basa en un fenómeno de agrupamiento observado en la naturaleza a nivel atómico y correctamente descrito por el modelo de física estadística conocido como el modelo de Potts, que representa los espines interactivos en una red cristalina. Este método de agrupamiento se conoce como agrupamiento superparamagnético (SPC), que permite identificar estructuras jerárquicas en bancos de datos. En este método novedoso, asignamos un espín de Potts a cada punto de datos (espectro Raman) e introdujimos una interacción entre puntos vecinos cuya fuerza de acoplamiento es una función decreciente de la distancia entre los sitios vecinos más cercanos. Encontramos una estructura jerárquica de árbol en nuestro banco de datos de espectros Raman que nos permitió discriminar entre los espectros de pacientes control y pacientes con diabetes. La sensibilidad y especificidad de la técnica de detección de diabetes mediante espectroscopia Raman fueron calculadas directamente porque el método SPC logra una determinación precisa de los miembros de cada grupo. Como verificación cruzada, los resultados de SPC se compararon con resultados publicados de análisis multivariado, observando excelentes acuerdos; sin embargo, el método SPC permite determinar explícitamente los miembros de todos los grupos identificados.

• Materias:Espectrofotométricos Espectros Raman Nanodiamantes Características espectrales Oxicombustible
• Subjects:Spectrophotometric Raman spectra Nanodiamonds Spectral characteristics Oxyfuel
• Palabras claves:Modelo potts; Agrupación superparamagnética; Estructuras jerárquicas; Espectros raman; Detección de diabetes; Análisis multivariante
• Keywords:Potts model; Super paramagnetic clustering; Hierarchical structures; Raman spectra; Diabetes detection; Multivariate analysis