CN105277506A - 一种人体大肠癌组织的近红外漫反射光谱快速识别方法 - Google Patents

一种人体大肠癌组织的近红外漫反射光谱快速识别方法 Download PDF

Info

Publication number
CN105277506A
CN105277506A CN201410353552.0A CN201410353552A CN105277506A CN 105277506 A CN105277506 A CN 105277506A CN 201410353552 A CN201410353552 A CN 201410353552A CN 105277506 A CN105277506 A CN 105277506A
Authority
CN
China
Prior art keywords
nir
drs
colorectal cancer
histotomy
tissue
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410353552.0A
Other languages
English (en)
Other versions
CN105277506B (zh
Inventor
范琦
曹丽亚
王娅兰
陈杨
董艳虹
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Chongqing Medical University
Original Assignee
Chongqing Medical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Chongqing Medical University filed Critical Chongqing Medical University
Priority to CN201410353552.0A priority Critical patent/CN105277506B/zh
Publication of CN105277506A publication Critical patent/CN105277506A/zh
Application granted granted Critical
Publication of CN105277506B publication Critical patent/CN105277506B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明提供一种高特异性的人体大肠癌组织近红外漫反射光谱快速识别方法。方法步骤包括：1.制备大肠癌组织与正常组织的切片；2.筛选最优的光谱测量参数值，使用傅立叶变换近红外光谱仪采集组织切片的近红外漫反射光谱；3.采用适宜的化学计量学技术提取光谱中的有用信息，以组织病理学的分析结果为参考值，建立大肠癌组织判别模型；4.相同条件下测定待识别组织切片的近红外漫反射光谱，用所建癌组织判别模型进行识别。本发明实现了对大肠癌组织的客观、准确和快速识别，为及时制定大肠癌的正确治疗方案迅速提供可靠的依据。

Description

一种人体大肠癌组织的近红外漫反射光谱快速识别方法
技术领域
本发明涉及一种高特异性的人体大肠癌组织近红外漫反射光谱快速识别方法，属于医药检测领域。
背景技术
癌症是恶性肿瘤的统称，特征是生长处于失控状态、能侵入正常组织、并常常转移到远离其起源的部位生长。它常常给人们的印象是“不治之症”。然而，这种观点却与实际情况不符。世界卫生组织通过大量的数据分析得出结论：1/3的癌症可以预防，1/3的癌症可以通过早期发现而治愈，还有1/3的癌症可以通过治疗而延长生存时间、减轻痛苦以及提高生活质量。因此，对癌症的诊断就显得尤为重要。
就大肠癌来说，目前虽然有较多的诊断方法，如：CT扫描、B超检查、乙状结肠镜检查以及用于确诊的主要方法一组织病理学检查等，但这些方法都有一定的局限性。首先，易受主观因素的影响。例如，当肿块特征或者可疑组织的细胞形态学特征不明显时就容易出现误判，特别是在癌症早期就更容易发生。其次，这些方法都不适合术中对可疑组织进行诊断，例如组织病理学检查需要较长的前处理时间。因此，我们需要寻找一种客观、准确和快速的鉴别方法。
当肿块特征或者细胞形态学特征不明显时，就不易得出诊断结果。但是，这时的癌组织在分子水平上却有一定的改变。因而通过测定组织在分子水平上的信息，即能鉴别该组织是否发生癌变，从而得出诊断结论，同时也可以降低主观因素对诊断的影响。
分子信息的获取可以利用近红外漫反射光谱技术。该技术是一种简单快速的新型分析技术，目前已有大量文献报道运用近红外漫反射光谱技术进行定性分析。近红外光谱是由于分子的振动能级跃迁(同时伴随着转动能级的跃迁)而产生的，因而光谱中携带大量分子的信息。运用化学计量学对光谱进行处理可获得有用的信息。在本专利中，大肠组织的近红外光谱携带有正常组织和癌组织的信息，通过建立模型便能实现运用近红外漫反射光谱技术识别正常组织与癌组织。
发明内容
本发明的目的在于提供一种一种高特异性的人体大肠癌组织近红外漫反射光谱识别方法。
本发明是通过下述技术方案实现的：
傅里叶变换近红外漫反射光谱高特异性识别人体大肠癌组织的方法，其特征在于利用近红外分析技术测定大肠组织切片的近红外光谱，应用适宜的化学计量学技术对所建光谱进行处理，并依据处理后得到的光谱数据和所测切片的组织病理学的分析结果为参考值来建立大肠癌组织的判别模型，应用所建模型实现对大肠癌组织的快速地识别。具体包括以下步骤：
1.制备大肠组织切片；并记录切片的组织病理学分析结果；
2.筛选最优的光谱测量参数值，使用傅立叶变换近红外光谱仪采集组织切片的近红外漫反射光谱(NIR-DRS)；
3.对原始NIR-DRS进行预处理；
4.截取最优NIR-DRS区域，对所选光谱数据降维；
5.选择最佳的建模光谱范围和主成分数建立大肠癌组织切的判别模型，并对模型性能进行评价；
6.采集待测组织切片的NIR-DRS；
7.对待识别组织切片的NIR-DRS进行预处理；
8.应用所建的判别模型，识别待测组织切片类型。
所述步骤1中大肠组织切片为石蜡组织切片。
所述步骤2中通常应用傅里叶变换近红外光谱仪(AntarisII，ThermoFisherScientific，USA)采集切片的NIR-DRS，采集装置可使用积分漫反射附件，信号采集软件包括但不限于：Result3.0，数据处理软件包括但不限于：TQAnalyst8.0。光谱采集模式包括但不限于：NIR-DRS。NIR-DRS测量参数中的分辨率包括但不限于：8cm-1，扫描次数包括但不限于：64，光谱范围包括但不限于：10000～4000cm-1。
所述组织切片NIR-DRS的测定方法为：将制备的组织切片置于积分球检测窗上，并使其覆盖光斑，操作中避免切片外部的污染；以选定的光谱采集参数测定大肠组织切片的NIR-DRS，每片切片在3个不同位置各采集一次光谱。
所述步骤3中对原始光谱和数据的预处理方法包括但不限于：多元散射校正(MSC)或标准正态变换(SNV)、一阶导数(FD)或二阶导数(SD)、Savitzky-Golay平滑(SGS)或Norris平滑(NDS)以及均值中心化(MC)等。以上各种化学计量学技术的一种或联合使用，以达到最佳模型性能指数和正判率。
所述步骤4中用于建模的光谱波数范围可由建模软件自动筛选，光谱数据降维方法为主成分分析法(PCA)。
所述步骤5中中建立的判别模型为用于鉴别大肠组织是否为癌变组织的定性模型；所用的建模方法包括但不限于：判别分析法(DA)；通过模型性能指数和正判率确定建模的最佳主成分个数；所述步骤(5)中评价所建判别模型性能的参数可为但不限于性能指数(PI)、校正集正判率和预测集正判率。
所述步骤6中待测组织切片NIR-DRS的光谱采集参数、光谱测量方法与校正模型中已知组织切片一致。基于未知组织切片的NIR-DRS，应用所建模型，可快速地识别大肠癌组织。
本发明采用傅里叶变换近红外漫反射光谱法快速识别人体大肠癌组织。与传统的诊断方法相比，本发明实现了大肠癌组织的客观、准确、早期和快速识别，为及时制定大肠癌正确的正确治疗方案迅速提供可靠的依据。
附图说明
图111片人体正常组织切片和11片大肠癌组织切片的原始傅里叶变换NIR-DRS。
图2识别人体大肠组织切片是否癌变的最优DA模型结果图。
具体实施方式
下面结合附图和实施例对本发明进一步说明，该实施例为本发明的举例，不应解释为对本发明的限制。
实施例
1.组织切片的制备及其病理学信息
各选取11片大肠正常组织和大肠癌组织作为样本。将所有大肠组织石蜡包埋后，用石蜡切片机切片。选取厚度均匀且组织较多的石蜡片进行制片。
2.组织切片近红外近红外漫反射光谱的测量
仪器：美国Thermo公司的AntarisII傅里叶变换近红外光谱仪，采样装置为积分球漫反射附件，信号采集软件为Result3.0，数据处理软件为TQAnalyst8.0。
光谱测量条件：分辨率为8cm-1，扫描次数为64，光谱扫描范围为3799-10001cm-1，每次扫描前均采用相同参数扫描并扣除背景。
光谱采集方法：将制备的组织切片置于积分球检测窗上，使其覆盖光斑，操作中避免切片外部的污染；以选定的光谱采集参数测定大肠组织切片的NIR-DRS，每片大肠组织切片在3个不同位置各采集一次光谱，共测量得到66张光谱。
测得11片大肠正常组织和大肠癌组织的原始傅里叶变换近红外漫反射光谱如图1所示。3.判别分析法(DA)鉴别大肠组织切片
将22片大肠组织切片共66张光谱分为校正集和预测集。校正集切片16片，48张光谱，其中大肠癌组织8片，正常组织8片；预测集切片6片，18其中大肠癌组织3片，正常组织3片。
使用TQAnalyst8.0软件，采用主成分分析法(PCA)对光谱数据进行降维，通过模型性能指数和正判率确定建模的最佳主成分个数，建立DA校正模型用于识别人体大肠组织切片是否癌变。建模所用光谱范围由TQAnalyst8.0软件自动筛选为9877-3922cm-1，所建模型性能由以下参数来评定：性能指数(PI)、校正集正判率和预测集正判率。
经过筛选得到的最优DA判别模型(模型9)的光谱前处理方法为MSC和SGS，经PCA降维后选取的主成分数(PCs)为16，此时光谱累积贡献率为99.88％；模型的性能指数为85.3％，校正集正判率为97.92％，预测集正判率为100％。光谱前处理方法筛选情况见表1。最优DA判别模型的判别结果如图2所示，表明所建模型能较准确有效地识别人体大肠癌组织。
表1不同光谱前处理方法时DA判别模型的各项性能指标
4.结论
傅里叶变换近红外光谱法结合化学计量学技术所建立的模型能够较为准确地识别人体大肠癌组织，且方法客观、准确和快速，为及时制定大肠癌的正确治疗方案迅速提供可靠的依据。

Claims (9)

1.人体大肠癌组织近红外漫反射光谱高特异性快速识别方法，其特征在于利用近红外分析技术测定大肠组织切片的近红外光谱，应用化学计量学技术对所测光谱进行处理，并依据处理后得到的光谱数据和所测切片的组织病理学的分析结果为参考值来建立大肠癌组织判别模型，应用所建模型实现对大肠癌组织的灵敏、快速地识别。具体包括以下步骤：
(1)制备大肠组织切片；并记录切片的组织病理学分析结果；
(2)筛选最优的光谱测量参数值，使用傅立叶变换近红外光谱仪采集组织切片的近红外漫反射光谱(NIR-DRS)；
(3)对原始NIR-DRS进行预处理；
(4)截取最优NIR-DRS区域，对所选光谱数据降维；
(5)选择最佳的建模光谱范围和主成分数建立大肠癌组织切的判别模型，并对模型性能进行评价；
(6)采集待测组织切片的NIR-DRS；
(7)对待测组织切片的NIR-DRS进行预处理；
(8)应用所建的判别模型，识别待测组织切片类型。
2.如权利要求1所述的方法，其特征在于：疾病为大肠癌。
3.如权利要求1所述的方法，其特征在于：所述步骤(1)中大肠组织切片为石蜡组织切片。
4.如权利要求1所述的方法，其特征在于：所述步骤(2)中应用傅立叶变换近红外光谱仪采集病理组织切片的NIR-DRS，采集装置为积分球漫反射附件，采集参数为扫描次数可为32、64或128，分辨率可为2cm-1、4cm-1、8cm-1或16cm-1，光谱扫描范围1001～3799cm-1。在3个不同的地方各采集一次光谱。组织切片NIR-DRS的测定方法为：将制备的组织切片置于积分球检测窗上，并使其覆盖光斑，操作中避免切片外部的污染；以选定的光谱采集参数测定大肠组织切片的NIR-DRS，每片切片在3个不同位置各采集一次光谱。
5.如权利要求1所述的方法，其特征在于：所述步骤(3)中对光谱和数据进行预处理的方法为以下各种化学计量学技术的组合，多元散射校正(MSC)或标准正态变换(SNV)、一阶或二阶导数、Savitzky-Golay滤波器或Norris导数滤波器以及均值中心化(MC)等。
6.如权利要求1所述的方法，其特征在于：所述步骤(4)中最优的波数范围可由建模软件自动筛选，光谱数据降维方法为主成分分析法(PCA)。
7.如权利要求1所述的方法，其特征在于：所述步骤(5)中建立的判别模型为用于识别大肠组织是否为癌变组织的定性模型；所用的建模方法包括但不限于：判别分析法(DA)；通过模型性能指数(PI)和正判率确定建模的最佳主成分个数；所述步骤(5)中评价所建判别模型性能的参数可为但不限于PI、校正集正判率和预测集正判率。
8.如权利要求1所述的方法，其特征在于：所述步骤(6)中待测组织切片NIR-DRS的光谱采集参数、光谱测量方法与校正模型中已知组织切片一致。
9.如权利要求1所述的方法，其特征在于：所述步骤(7)中待测组织切片的光谱预处理方法、光谱范围与校正模型中已知组织切片一致；建模过程所用的软件可为但不限于TQAnalyst软件。
CN201410353552.0A 2014-07-18 2014-07-18 一种人体大肠癌组织的近红外漫反射光谱快速识别方法 Expired - Fee Related CN105277506B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410353552.0A CN105277506B (zh) 2014-07-18 2014-07-18 一种人体大肠癌组织的近红外漫反射光谱快速识别方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410353552.0A CN105277506B (zh) 2014-07-18 2014-07-18 一种人体大肠癌组织的近红外漫反射光谱快速识别方法

Publications (2)

Publication Number Publication Date
CN105277506A true CN105277506A (zh) 2016-01-27
CN105277506B CN105277506B (zh) 2018-03-30

Family

ID=55146891

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410353552.0A Expired - Fee Related CN105277506B (zh) 2014-07-18 2014-07-18 一种人体大肠癌组织的近红外漫反射光谱快速识别方法

Country Status (1)

Country Link
CN (1) CN105277506B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109490239A (zh) * 2018-12-27 2019-03-19 重庆医科大学 一种载玻片制样专用红外透反射光谱测量附件
CN110726695A (zh) * 2019-11-19 2020-01-24 湖北医药学院 小鼠脑组织不同部位天麻素近红外光谱特异性识别方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6214550B1 (en) * 1997-06-27 2001-04-10 Pacific Northwest Research Institute Methods of differentiating metastatic and non-metastatic tumors
CN1804582A (zh) * 2006-01-18 2006-07-19 中国农业大学 一种利用近红外光谱鉴别生鲜乳和商品乳中的还原乳的方法
CN101961379A (zh) * 2009-07-24 2011-02-02 天津天士力现代中药资源有限公司 丹参的近红外光谱鉴别方法
CN103760110A (zh) * 2013-05-23 2014-04-30 山东商业职业技术学院 一种快速鉴别不同动物来源肉的方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6214550B1 (en) * 1997-06-27 2001-04-10 Pacific Northwest Research Institute Methods of differentiating metastatic and non-metastatic tumors
CN1804582A (zh) * 2006-01-18 2006-07-19 中国农业大学 一种利用近红外光谱鉴别生鲜乳和商品乳中的还原乳的方法
CN101961379A (zh) * 2009-07-24 2011-02-02 天津天士力现代中药资源有限公司 丹参的近红外光谱鉴别方法
CN103760110A (zh) * 2013-05-23 2014-04-30 山东商业职业技术学院 一种快速鉴别不同动物来源肉的方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
M.V.P.CHOWDARY ET AL.: "Discrimination of Normal and Malignant Mucosal Tissues of the Colon by Raman Spectroscopy", 《PHOTOMEDICINE AND LASER SURGEY》 *
SHUWEN LUO ET AL.: "Discrimination of premalignant lesions and cancer tissues from normal gastric tissues using Raman Spectroscopy", 《JOURNAL OF BIOMEDICAL OPTICS》 *
张家进 等: "Logistic回归算法结合近红外光谱对子宫内膜癌组织切片分类的研究", 《光谱学与光谱分析》 *
徐可 等: "近红外光谱技术结合主成分分析法用于子宫内膜癌的诊断", 《高等学校化学学报》 *
翟玮 等: "基于近红外光谱和支持向量机的子宫内膜癌早期诊断研究", 《光谱学与光谱分析》 *
赵立婷 等: "子宫内膜癌组织近红外光谱预处理与波段选择研究", 《光谱学与光谱分析》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109490239A (zh) * 2018-12-27 2019-03-19 重庆医科大学 一种载玻片制样专用红外透反射光谱测量附件
CN109490239B (zh) * 2018-12-27 2024-02-02 重庆医科大学 一种载玻片制样专用红外透反射光谱测量附件
CN110726695A (zh) * 2019-11-19 2020-01-24 湖北医药学院 小鼠脑组织不同部位天麻素近红外光谱特异性识别方法

Also Published As

Publication number Publication date
CN105277506B (zh) 2018-03-30

Similar Documents

Publication Publication Date Title
McGregor et al. Real‐time endoscopic Raman spectroscopy for in vivo early lung cancer detection
CN1261072C (zh) 通过与脂肪组织相关的特征对组织分类与表征
CN101308086A (zh) 基于近红外光谱技术的水果内部品质在线检测方法及装置
US20110028808A1 (en) Method and apparatus for examination of cancer, systemic lupus erythematosus (sle), or antiphospholipid antibody syndrome using near-infrared light
CN101620180A (zh) 近红外技术快速检测茶叶品质的方法
CN106018332A (zh) 一种柑桔黄龙病的近红外光谱田间检测方法
CN108732121B (zh) 一种基于红外光谱鉴别良性与恶性肿瘤的方法
CN109211835A (zh) 一种基于光谱技术的厨余垃圾快速鉴定方法
CN102243170A (zh) 用近红外光谱技术鉴别麦冬药材产地的方法
CN103411906A (zh) 珍珠粉和贝壳粉的近红外光谱定性鉴别方法
WO2015103550A1 (en) Photoacoustic physio-chemical tissue analysis
US20190277755A1 (en) Device and method for tissue diagnosis in real-time
CN106018320B (zh) 一种基于近红外光谱分析的类胡萝卜素检测方法
CN107303174A (zh) 一种互联网+光谱肿瘤临床医学诊断方法
CN104359855A (zh) 一种基于近红外光谱的注水肉检测方法
CN105942982B (zh) 一种基于动态光谱的肿瘤预测仪
CN105277506A (zh) 一种人体大肠癌组织的近红外漫反射光谱快速识别方法
CN109100315B (zh) 一种基于噪信比的波长选择方法
EP1444504A1 (en) Classification of samples
CN106198423B (zh) 一种基于可见-近红外光谱分析技术鉴别火腿肠等级的方法
CN104568828A (zh) 近红外漫反射光谱测定造纸法再造烟叶抗张强度的方法
Morita et al. Real-time near infrared spectral monitoring of mammary gland for inflammation diagnosis in dairy cows
CN110726695A (zh) 小鼠脑组织不同部位天麻素近红外光谱特异性识别方法
CN105334183A (zh) 一种基于近红外光谱鉴别法定麻黄药材的方法
EP1959249A1 (en) Method and apparatus for examining and diagnosing life style-related disease using near-infrared spectroscopy

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20180330

Termination date: 20210718

CF01 Termination of patent right due to non-payment of annual fee