CN110470646A - 基于人工智能与拉曼光谱的肿瘤组织识别系统 - Google Patents
基于人工智能与拉曼光谱的肿瘤组织识别系统 Download PDFInfo
- Publication number
- CN110470646A CN110470646A CN201910782340.7A CN201910782340A CN110470646A CN 110470646 A CN110470646 A CN 110470646A CN 201910782340 A CN201910782340 A CN 201910782340A CN 110470646 A CN110470646 A CN 110470646A
- Authority
- CN
- China
- Prior art keywords
- raman
- recognition site
- raman spectrum
- data
- detection units
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/63—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light optically excited
- G01N21/65—Raman scattering
Landscapes
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明属于光学医疗器械领域,尤其涉及一种基于人工智能与拉曼光谱的肿瘤组织识别系统,包括拉曼检测装置及与其信号耦合的远程分析中心;远程分析中心用于操纵拉曼检测装置,接收拉曼检测装置采集的拉曼光谱数据,通过人工神经网络模型识别目标组织类型,并将识别结果传送至拉曼检测装置;本发明中人工神经网络模型输出的高度经验性的识别结果具有更高的准确性;对同一组织位点进行多次低能量激光投射能够有效避免因CCD探测器饱和导致的无效检测。此外,得益于同一组织位点上多组拉曼光谱数据的输入,人工神经网络能够克服荧光背景干扰,输出该组织位点上更为精准的识别结果。
Description
技术领域
本发明属于光学医疗器械领域,尤其涉及一种基于人工智能与拉曼光谱的肿瘤组织识别系统。
背景技术
在肿瘤组织等病变组织的识别中,对组织切片进行病理活检是最常见的方案。然而,步骤繁多的组织活检会导致病理分析时间较长。在临床肿瘤切除术中,为确保肿瘤组织切除完整,可能需要多次组织活检,漫长的等待时间为病人带来诸多风险。
现有医疗方案多采用诸如X射线断层成像、超声成像等影像资料进行肿瘤组织位置判断。然而在肿瘤切除术中,影像采集与临床手术之间的时间差会导致影像资料中与实际操作所见的肿瘤组织轮廓、位置、尺寸等信息的偏差。
拉曼光谱(Raman Spectroscopy)技术以其高效、非侵入性、重复性强等优势,逐渐应用到肿瘤组织识别方案中。拉曼光谱技术基于拉曼散射效应,根据分子振动形成的散射光频率改变来反映分子构成。肿瘤组织与正常组织具有生物成分比例及分子构象等方面的差异,二者的拉曼散射光谱能够反映上述差异,由此实现正常组织与肿瘤组织的区分。
然而,由于病变类型、病变程度的高度差异性,除正常组织与肿瘤组织外,检测目标组织处还会包含其他多种类型的组织,各类组织间连接紧密,尤其当肿瘤组织对正常组织浸润性侵入时,组织边缘往往较模糊,导致拉曼光谱数据极为复杂,低含量组织的光谱特征无法明显显示于拉曼光谱中,且很难从拉曼光谱数据中提取表征异常组织的光谱特征,为拉曼光谱数据数据分析与肿瘤组织识别带来极大困扰。
此外,针对基于拉曼光谱的组织识别方案而言,激光强度的选取也是操作者需要面对的问题。激光强度较弱可能导致系统无法有效获取目标组织的拉曼光谱数据,而激光强度较强可能导致CCD探测器饱和,从而使检测无效。
发明内容
针对现有拉曼光谱组织识别技术的上述缺陷,本发明提供了一种基于人工智能与拉曼光谱的肿瘤组织识别系统。
为实现上述技术效果,本申请的具体方案为:
一种基于人工智能与拉曼光谱的肿瘤组织识别系统,其特征在于:包括拉曼检测装置及与其信号耦合的远程分析中心;
远程分析中心用于操纵拉曼检测装置,接收拉曼检测装置采集的拉曼光谱数据,通过人工神经网络模型识别目标组织类型,并将识别结果传送至拉曼检测装置;
拉曼检测装置根据远程分析中心的指令,对目标组织的多个识别位点进行拉曼光谱数据采集,将采集的拉曼光谱数据传送至远程分析中心进行目标组织识别,并接收识别结果进行显示;
针对多个识别位点中的每个识别位点,拉曼检测装置向该识别位点多次发射低能量激光光束,收集每次照射所激发出的拉曼散射光,生成针对该识别位点的多组拉曼光谱数据。
进一步地,拉曼检测装置与远程分析中心分别设置有数据接口,二者通过数据接口实现数据无线传输。
远程分析中心包括依次信号相连的数据输入模块、组织识别模块及数据输出模块;针对目标组织多个识别位点中的每个识别位点,数据输入模块用于接收拉曼检测装置针对该识别位点采集的多组拉曼光谱数据,将多组拉曼光谱数据整理为一个多维数据组后,统一输入组织识别模块;组织识别模块包括人工神经网络模型,人工神经网络模型用于对组织识别模块接收的针对该识别位点采集的多组拉曼光谱数据组成的多维数据组进行运算;在训练阶段,人工神经网络模型通过正向网络计算与逆向误差传播计算实现人工神经网络模型的训练;在训练完成的使用阶段,人工神经网络模型通过正向网络计算得出一幅能够准确表征该位点处组织结构的拉曼光谱图,并针对该拉曼光谱图完成该识别位点处的目标组织类型识别;数据输出模块用于将组织识别模块输出的识别结果回传至拉曼检测装置。本申请将针对单个识别位点采集的多组拉曼光谱数据整理后统一送入组织识别模块,由人工神经网络模型输出一个识别结果,即该识别位点的多组拉曼光谱数据对应该识别位点的单个识别结果输出。
拉曼检测装置包括激光源、光谱分析装置及光纤探头,激光源与光纤探头信号相连,光谱分析装置与光纤探头信号相连;针对目标组织多个识别位点中的每个识别位点,激光源用于向该识别位点多次发射低能量激光光束;光纤探头提供了向前光路与返回光路,针对每次发射,激光光束经向前光路照射该识别位点,返回光路收集该识别位点处组织表面的拉曼散射光,并将其传输至光谱分析装置;针对目标组织多个识别位点中的每个识别位点,光谱分析装置接收由返回光路采集的、对应每次发射而激发产生的拉曼散射光,对其进行光谱分析,获得该识别位点处的多组拉曼光谱数据。
激光源发射波长532nm或785nm的单色光,也可以根据实际需求选择其他波长或同时发射多个波长。
本申请提及的低能量激光光束是指激光能量小于1mW的激光光束。
激光源可选自固体激光源、气体激光源、液体激光源和半导体激光源的一种。
进一步地,激光源选用激光二极管。
进一步地,激光源内设有带宽抑制芯片。
光纤探头内包括将激光导向目标组织各识别位点的激励光纤,及从各识别位点处组织表面收集拉曼散射光的收集光纤;一束或多束激励光纤构成光纤探头的向前光路,一束或多束收集光纤构成光纤探头的返回光路。
进一步地,光纤探头包括隔离材料,隔离材料开设长度方向贯穿光纤探头的通道,激励光纤和收集光纤以同心结构设于通道中,且二者之间也设有隔离材料。
光谱分析装置包括依次布置的透镜组、反射镜组及色散元件,透镜组用于汇聚拉曼散射光,屏蔽杂散光,向后续光学元件提供高信噪比的稳定输入;反射镜组用于调整光路;色散元件将拉曼散射光色散分解为拉曼散射光光谱;对于收集自各识别位点处组织表面的多组拉曼散射光,经光谱分析装置处理后,生成表征该识别位点处组织的多组拉曼光谱数据。
进一步地,色散元件选用光栅。
拉曼检测装置还包括将光纤探头分别连接至激光源和光谱分析装置的传输光纤及反向传输光纤;连接激光源的传输光纤与向前光路的激励光纤连接,连接光谱分析装置的反向传输光纤与返回光路的收集光纤连接。
拉曼检测装置还包括设于激光源与传输光纤之间的聚焦光学元件,用于将激光聚焦照射在目标组织识别位点上,同时将激光强度维持在正常采集水平;
进一步地,聚焦光学元件选用透镜。
可选择地,激光源与传输光纤之间还设有激光滤波器,用于消除多余激光背景、散射。
拉曼检测装置还可以包括显示单元,显示单元用于接收远程分析中心输出的识别结果,并予以显示。
进一步地,显示单元可选择指示灯、显示屏、语音提示装置中的至少一种。
本申请的有益效果如下:
1、由上述技术方案可以看出,与现有技术相比,本发明可适用于肿瘤切除术中的实时原位检测。对比组织活检,本发明能够提供高效快捷的肿瘤组织识别方案,降低了手术风险;相较于以往的拉曼光谱检测方案,人工神经网络模型输出的高度经验性的识别结果具有更高的准确性;对同一组织位点进行多次低能量激光投射能够有效避免因CCD探测器饱和导致的无效检测。此外,得益于同一组织位点上多组拉曼光谱数据的输入,人工神经网络能够克服荧光背景干扰,输出该组织位点上更为精准的识别结果。
2、本申请将对应单个识别位点的多组拉曼光谱数据整理为一个多维数据组,由人工神经网络模型对多维数据组进行计算。针对单个识别位点的多次激光照射所获的多组数据,计算生成针对该识别位点的一幅拉曼光谱图,进而识别出一个组织识别结果,从而区别于现有技术中针对单个识别位点的“单次照射-单次识别”或“多次照射-多次识别”的组织识别方式。
附图说明
图1所示为本发明提供的基于人工智能与拉曼光谱的肿瘤组织识别系统的系统结构图。
图2所示为远程分析中心的结构图。
图3所示为拉曼检测装置的结构图。
图4所示为拉曼检测装置的光纤探头的横截面示意图。
附图中:1-拉曼检测装置,2-远程分析中心,11-激光源、12-光谱分析装置,13-光纤探头,14-传输光纤,15-反向传输光纤,16-显示单元,121-透镜组,122-反射镜组,123-色散元件,131-激励光纤,132-收集光纤,133-隔离材料,134-通道,21-数据输入模块,22-组织识别模块,23-数据输出模块。
具体实施方式
拉曼光谱(Raman Spectroscopy)技术基于拉曼散射现象,提供了快速、简单、可重复且无损的光谱分析技术。一定频率的激光照射物质时,物质中的分子吸收部分能量,发生不同方式和程度的振动,然后散射出较低频率的光。频率的变化取决于被照射物质的结构特性,不同物质可以在同样的激光照射下产生特定频率的散射光,由此可以借助拉曼光谱进行物质识别与区分。
人体正常组织与肿瘤组织均是由蛋白质、核酸、脂类和糖类等生物分子组成的物质结构。肿瘤组织与正常组织中各生物成分的构成比例和分子构象的差异,可以体现为正常组织与肿瘤组织拉曼光谱数据之间的差异。
在发明公开的一种基于人工智能与拉曼光谱的肿瘤组织识别系统中,采用低能量的激光对目标组织的每个位点进行多次拉曼检测,在每个位点处获取多组拉曼光谱数据,并通过人工神经网络对拉曼光谱数据进行分析处理,获取高精准度的识别结果。该系统可适用于肿瘤切除术中的实时原位检测。
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用于解释本发明,并不用于限定本发明。
实施例1
一种基于人工智能与拉曼光谱的肿瘤组织识别系统S,其特征在于,包括拉曼检测装置1及与其信号耦合的远程分析中心2;其中,远程分析中心2用于操纵拉曼检测装置1,接收拉曼检测装置1采集的拉曼光谱数据,通过人工神经网络模型识别目标组织类型,并将识别结果传送至拉曼检测装置1。拉曼检测1装置根据远程分析中心2的指令,对目标组织T的多个识别位点T1…Tn进行拉曼光谱数据采集,将采集的拉曼光谱数据传送至远程分析中心2进行目标组织识别,并接收识别结果进行显示。
进一步地,针对多个识别位点T1…Tn中的每个识别位点,拉曼检测装置1向该识别位点多次发射低能量激光光束,收集每次照射所激发出的拉曼散射光,生成针对该识别位点的多组拉曼光谱数据。
进一步地,低能量激光光束指激光能量小于1mW的激光光束。
进一步地,拉曼检测装置1与远程分析中心2分别设置有数据接口,二者通过数据接口实现数据无线传输。
远程分析中心2包括依次信号相连的数据输入模块21、组织识别模块22及数据输出模块23。针对目标组织T多个识别位点T1…Tn中的每个识别位点,数据输入模块21用于接收拉曼检测装置1针对该识别位点采集的多组拉曼光谱数据,将多组拉曼光谱数据进行整理后统一输入组织识别模块22;组织识别模块22包括人工神经网络模型,用于对组织识别模块22接收的针对该识别位点采集的多组拉曼光谱数据进行运算;在训练阶段,人工神经网络模型通过正向网络计算与逆向误差传播计算实现人工神经网络模型的训练;在训练完成的使用阶段,人工神经网络模型通过正向网络计算得出能够准确表征该位点处组织结构的拉曼光谱图,并完成该识别位点处的目标组织类型识别;数据输出模块23用于将组织识别模块22输出的识别结果回传至拉曼检测装置1。
拉曼检测装置1包括激光源11、光谱分析装置12及光纤探头13;针对目标组织T多个识别位点T1…Tn中的每个识别位点,激光源11用于向该识别位点多次发射低能量激光光束;光纤探头13提供了向前光路与返回光路,对于每次发射,激光光束经向前光路照射该识别位点,返回光路收集该识别位点处组织表面的拉曼散射光,并将其传输至光谱分析装置12;针对目标组织T多个识别位点T1…Tn中的每个识别位点,光谱分析装置12接收由返回光路采集的、对应每次发射而激发产生的拉曼散射光,对其进行光谱分析,获得该识别位点处的多组拉曼光谱数据;
激光源11发射波长532nm或785nm的单色光,也可以根据实际需求选择其他波长或同时发射多个波长;其中,532nm的激光对于生物组织的拉曼信号有很好的共振增强效果,可以保证组织检测的准确度。
激光源11可选自固体激光源、气体激光源、液体激光源和半导体激光源的一种;进一步地,激光源11选用激光二极管。
激光源11内设有带宽抑制芯片,使激光光束具有较窄的带宽,从而提高拉曼信号强度。
光纤探头13内包括将激光导向目标组织各识别位点的激励光纤131,及从各识别位点处组织表面收集拉曼散射光的收集光纤132。一束或多束激励光纤131构成光纤探头13的向前光路,一束或多束收集光纤132构成光纤探头13的返回光路。
进一步地,光纤探头13包括隔离材料133,隔离材料133开设了在长度方向上贯穿光纤探头13的通道134,激励光纤131和收集光纤132以同心结构设于通道134中,且激励光纤131和收集光纤132之间也设有隔离材料133。
光谱分析装置12包括依次布置的透镜组121、反射镜组122及色散元件123。其中,透镜组121用于汇聚拉曼散射光,屏蔽杂散光,向后续光学元件提供高信噪比的稳定输入;反射镜组122用于调整光路;色散元件123将拉曼散射光色散分解为拉曼散射光光谱。对于收集自各识别位点处组织表面的拉曼散射光,经光谱分析装置12处理后,生成表征该识别位点处组织的拉曼光谱数据。
进一步地,色散元件123选用光栅。
拉曼检测装置1还包括将光纤探头13分别连接至激光源11和光谱分析装置12的传输光纤14及反向传输光纤15。连接激光源11的传输光纤15与向前光路的激励光纤131连接,连接光谱分析装置12的反向传输光纤15与返回光路的收集光纤132连接。
拉曼检测装置1还包括设于激光源11与传输光纤14之间的聚焦光学元件,用于将激光聚焦照射在目标组织识别位点上,同时将激光强度维持在正常采集水平;
进一步地,聚焦光学元件选用透镜。
可选择地,激光源11与传输光纤14之间还设有激光滤波器,用于消除多余激光背景、散射。
拉曼检测装置1还包括显示单元16,显示单元16用于接收远程分析中心2输出的识别结果,并予以显示。
进一步地,显示单元16可选择指示灯、显示屏、语音提示装置中的至少一种。
实施例2
说明书附图1显示了一种基于人工智能与拉曼光谱的肿瘤组织识别系统S,包括拉曼检测装置1及与其信号耦合的远程分析中心2;
远程分析中心2用于操纵拉曼检测装置1,接收拉曼检测装置1采集的拉曼光谱数据,通过人工神经网络模型识别目标组织类型,并将识别结果传送至拉曼检测装置1;
拉曼检测装置1根据远程分析中心2的指令,对目标组织T的多个识别位点T1…Tn进行拉曼光谱数据采集,将采集的拉曼光谱数据传送至远程分析中心2进行目标组织识别,并接收识别结果进行显示;
针对多个识别位点T1…Tn中的每个识别位点,拉曼检测装置1向该识别位点多次发射低能量激光光束,收集每次照射所激发出的拉曼散射光,生成针对该识别位点的多组拉曼光谱数据。
进一步地,拉曼检测装置1与远程分析中心2分别设置有数据接口,二者通过数据接口实现数据无线传输。
说明书附图2显示了远程分析中心2的具体结构。远程分析中心2包括依次信号相连的数据输入模块21、组织识别模块22及数据输出模块23;针对目标组织T多个识别位点T1…Tn中的每个识别位点,数据输入模块21用于接收拉曼检测装置1针对该识别位点采集的多组拉曼光谱数据,将多组拉曼光谱数据整理为一个多维数据组后,统一输入组织识别模块22;组织识别模块22包括人工神经网络模型,人工神经网络模型用于对组织识别模块22接收的针对该识别位点采集的多组拉曼光谱数据组成的多维数据组进行运算:在训练阶段,人工神经网络模型通过正向网络计算与逆向误差传播计算实现人工神经网络模型的训练;在训练完成的使用阶段,人工神经网络模型通过正向网络计算得出一幅能够准确表征该识别位点处组织结构的拉曼光谱图,并针对该拉曼光谱图完成该识别位点处的目标组织类型识别;数据输出模块23用于将组织识别模块22输出的识别结果回传至拉曼检测装置1。本申请将针对单个识别位点采集的多组拉曼光谱数据整理后统一送入组织识别模块,由人工神经网络模型输出一个识别结果,即该识别位点的多组拉曼光谱数据对应该识别位点的单个识别结果输出。
说明书附图3显示了拉曼检测装置1的具体结构。拉曼检测装置1包括激光源11、光谱分析装置12及光纤探头13,激光源11与光纤探头13信号相连,光谱分析装置12与光纤探头13信号相连;针对目标组织多个识别位点T1…Tn中的每个识别位点,激光源11用于向该识别位点多次发射低能量激光光束;光纤探头13提供了向前光路与返回光路,针对每次发射,激光光束经向前光路照射该识别位点,返回光路收集该识别位点处组织表面的拉曼散射光,并将其传输至光谱分析装置12;针对目标组织多个识别位点T1…Tn中的每个识别位点,光谱分析装置12接收由返回光路采集的、对应每次发射而激发产生的拉曼散射光,对其进行光谱分析,获得该识别位点处的多组拉曼光谱数据;
激光源11发射波长532nm或785nm的单色光,也可以根据实际需求选择其他波长或同时发射多个波长;
本申请提及的低能量激光光束是指激光能量小于1mW的激光光束。
激光源11可选自固体激光源11、气体激光源11、液体激光源11和半导体激光源11的一种;
进一步地,激光源11选用激光二极管。
进一步地,激光源11内设有带宽抑制芯片。
说明书附图4示出了光纤探头13的横截面视图。光纤探头13内包括将激光导向目标组织各识别位点的激励光纤131,及从各识别位点处组织表面收集拉曼散射光的收集光纤132;一束或多束激励光纤131构成光纤探头13的向前光路,一束或多束收集光纤132构成光纤探头13的返回光路。
进一步地,光纤探头13包括隔离材料133,隔离材料133开设长度方向贯穿光纤探头13的通道134,激励光纤131和收集光纤132以同心结构设于通道134中,且二者之间也设有隔离材料133。
光谱分析装置12包括依次布置的透镜组121、反射镜组122及色散元件123,透镜组121用于汇聚拉曼散射光,屏蔽杂散光,向后续光学元件提供高信噪比的稳定输入;反射镜组122用于调整光路;色散元件123将拉曼散射光色散分解为拉曼散射光光谱;对于收集自各识别位点处组织表面的多组拉曼散射光,经光谱分析装置12处理后,生成表征该识别位点处组织的多组拉曼光谱数据。
进一步地,色散元件123选用光栅。
参见说明书附图3,拉曼检测装置1还包括将光纤探头13分别连接至激光源11和光谱分析装置12的传输光纤14及反向传输光纤15;连接激光源11的传输光纤14与向前光路的激励光纤131连接,连接光谱分析装置12的反向传输光纤15与返回光路的收集光纤132连接。
拉曼检测装置1还包括设于激光源11与传输光纤14之间的聚焦光学元件,用于将激光聚焦照射在目标组织识别位点上,同时将激光强度维持在正常采集水平;
进一步地,聚焦光学元件选用透镜。
可选择地,激光源11与传输光纤14之间还设有激光滤波器,用于消除多余激光背景、散射。
拉曼检测装置1还可以包括显示单元16,显示单元16用于接收远程分析中心2输出的识别结果,并予以显示。
进一步地,显示单元16可选择指示灯、显示屏、语音提示装置中的至少一种。
以上实施例仅用以说明本发明的技术方案,而非对其限制。本领域技术人员在本发明揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应该以权利要求所界定的保护范围为准。
Claims (10)
1.一种基于人工智能与拉曼光谱的肿瘤组织识别系统,其特征在于:包括拉曼检测装置(1)及与其信号耦合的远程分析中心(2);
远程分析中心(2)用于操纵拉曼检测装置(1),接收拉曼检测装置(1)采集的拉曼光谱数据,通过人工神经网络模型识别目标组织类型,并将识别结果传送至拉曼检测装置(1);
拉曼检测装置(1)根据远程分析中心(2)的指令,对目标组织的多个识别位点进行拉曼光谱数据采集,将采集的拉曼光谱数据传送至远程分析中心(2)进行目标组织识别,并接收识别结果进行显示;
针对多个识别位点中的每个识别位点,拉曼检测装置(1)向该识别位点多次发射低能量激光光束,收集每次照射所激发出的拉曼散射光,生成针对该识别位点的多组拉曼光谱数据。
2.根据权利要求1所述的基于人工智能与拉曼光谱的肿瘤组织识别系统,其特征在于:拉曼检测装置(1)与远程分析中心(2)分别设置有数据接口,二者通过数据接口实现数据无线传输。
3.根据权利要求1所述的基于人工智能与拉曼光谱的肿瘤组织识别系统,其特征在于:远程分析中心(2)包括依次信号相连的数据输入模块(21)、组织识别模块(22)及数据输出模块(23);针对目标组织多个识别位点中的每个识别位点,数据输入模块(21)用于接收拉曼检测装置(1)针对该识别位点采集的多组拉曼光谱数据,将多组拉曼光谱数据整理为一个多维数据组后,统一输入组织识别模块(22);组织识别模块(22)包括人工神经网络模型,人工神经网络模型用于对组织识别模块(22)接收的针对该识别位点采集的多组拉曼光谱数据组成的多维数据组进行运算:在训练阶段,人工神经网络模型通过正向网络计算与逆向误差传播计算实现人工神经网络模型的训练;在训练完成的使用阶段,人工神经网络模型通过正向网络计算得出一幅能够准确表征该位点处组织结构的拉曼光谱图,并针对该拉曼光谱图完成该识别位点处的目标组织类型识别;数据输出模块(23)用于将组织识别模块(22)输出的识别结果回传至拉曼检测装置(1)。
4.根据权利要求1所述的基于人工智能与拉曼光谱的肿瘤组织识别系统,其特征在于:拉曼检测装置(1)包括激光源(11)、光谱分析装置(12)及光纤探头(13),激光源(11)与光纤探头(13)信号相连,光谱分析装置(12)与光纤探头(13)信号相连;针对目标组织多个识别位点中的每个识别位点,激光源(11)用于向该识别位点多次发射低能量激光光束;光纤探头(13)提供了向前光路与返回光路,针对每次发射,激光光束经向前光路照射该识别位点,返回光路收集该识别位点处组织表面的拉曼散射光,并将其传输至光谱分析装置(12);针对目标组织多个识别位点中的每个识别位点,光谱分析装置(12)接收由返回光路采集的、对应每次发射而激发产生的拉曼散射光,对其进行光谱分析,获得该识别位点处的多组拉曼光谱数据。
5.根据权利要求4所述的基于人工智能与拉曼光谱的肿瘤组织识别系统,其特征在于:激光源(11)可选自固体激光源(11)、气体激光源(11)、液体激光源(11)和半导体激光源(11)的一种。
6.根据权利要求4所述的基于人工智能与拉曼光谱的肿瘤组织识别系统,其特征在于:光纤探头(13)内包括将激光导向目标组织各识别位点的激励光纤(131),及从各识别位点处组织表面收集拉曼散射光的收集光纤(132);一束或多束激励光纤(131)构成光纤探头(13)的向前光路,一束或多束收集光纤(132)构成光纤探头(13)的返回光路。
7.根据权利要求6所述的基于人工智能与拉曼光谱的肿瘤组织识别系统,其特征在于:光纤探头(13)包括隔离材料(133),隔离材料(133)开设长度方向贯穿光纤探头(13)的通道(134),激励光纤(131)和收集光纤(132)以同心结构设于通道(134)中,且二者之间也设有隔离材料(133)。
8.根据权利要求4所述的基于人工智能与拉曼光谱的肿瘤组织识别系统,其特征在于:光谱分析装置(12)包括依次布置的透镜组(121)、反射镜组(122)及色散元件(123),透镜组(121)用于汇聚拉曼散射光,屏蔽杂散光,向后续光学元件提供高信噪比的稳定输入;反射镜组(122)用于调整光路;色散元件(123)将拉曼散射光色散分解为拉曼散射光光谱;对于收集自各识别位点处组织表面的多组拉曼散射光,经光谱分析装置(12)处理后,生成表征该识别位点处组织的多组拉曼光谱数据。
9.根据权利要求4所述的基于人工智能与拉曼光谱的肿瘤组织识别系统,其特征在于:拉曼检测装置(1)还包括将光纤探头(13)分别连接至激光源(11)和光谱分析装置(12)的传输光纤(14)及反向传输光纤(15);连接激光源(11)的传输光纤(14)与向前光路的激励光纤(131)连接,连接光谱分析装置(12)的反向传输光纤(15)与返回光路的收集光纤(132)连接。
10.根据权利要求9所述的基于人工智能与拉曼光谱的肿瘤组织识别系统,其特征在于:拉曼检测装置(1)还包括设于激光源(11)与传输光纤(14)之间的聚焦光学元件,用于将激光聚焦照射在目标组织识别位点上,同时将激光强度维持在正常采集水平。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910782340.7A CN110470646A (zh) | 2019-08-23 | 2019-08-23 | 基于人工智能与拉曼光谱的肿瘤组织识别系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910782340.7A CN110470646A (zh) | 2019-08-23 | 2019-08-23 | 基于人工智能与拉曼光谱的肿瘤组织识别系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110470646A true CN110470646A (zh) | 2019-11-19 |
Family
ID=68513603
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910782340.7A Pending CN110470646A (zh) | 2019-08-23 | 2019-08-23 | 基于人工智能与拉曼光谱的肿瘤组织识别系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110470646A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111413319A (zh) * | 2020-04-30 | 2020-07-14 | 成都大象分形智能科技有限公司 | 基于拉曼光谱的复杂低浓度液体样本检测系统 |
CN111413318A (zh) * | 2020-04-30 | 2020-07-14 | 成都大象分形智能科技有限公司 | 基于拉曼光谱的血清检测系统及方法 |
CN112716447A (zh) * | 2020-12-03 | 2021-04-30 | 北京信息科技大学 | 一种基于拉曼检测光谱数据深度学习的口腔癌分类系统 |
CN113252636A (zh) * | 2021-05-06 | 2021-08-13 | 河北大学 | 深度识别拉曼光谱分析系统及分析方法 |
CN114366037A (zh) * | 2022-02-16 | 2022-04-19 | 北京理工大学 | 用于脑癌术中引导的光谱诊断系统及其工作方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103196889A (zh) * | 2013-04-16 | 2013-07-10 | 许春 | 基于微机电系统光谱分析的便携式拉曼光谱仪 |
CN103645170A (zh) * | 2013-12-03 | 2014-03-19 | 北京航空航天大学 | 一种利用拉曼光谱检测肿瘤性质的装置 |
CN105997000A (zh) * | 2016-05-30 | 2016-10-12 | 福建师范大学 | 一种基于纤维内窥镜的拉曼光谱检测装置及其实现方法 |
CN108802008A (zh) * | 2018-09-12 | 2018-11-13 | 珠海彩晶光谱科技有限公司 | 一种利用受激拉曼光谱检测血液中肿瘤细胞的方法和装置 |
-
2019
- 2019-08-23 CN CN201910782340.7A patent/CN110470646A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103196889A (zh) * | 2013-04-16 | 2013-07-10 | 许春 | 基于微机电系统光谱分析的便携式拉曼光谱仪 |
CN103645170A (zh) * | 2013-12-03 | 2014-03-19 | 北京航空航天大学 | 一种利用拉曼光谱检测肿瘤性质的装置 |
CN105997000A (zh) * | 2016-05-30 | 2016-10-12 | 福建师范大学 | 一种基于纤维内窥镜的拉曼光谱检测装置及其实现方法 |
CN108802008A (zh) * | 2018-09-12 | 2018-11-13 | 珠海彩晶光谱科技有限公司 | 一种利用受激拉曼光谱检测血液中肿瘤细胞的方法和装置 |
Non-Patent Citations (1)
Title |
---|
王燕等: "应用LVQ神经网络建立基于拉曼光谱检测技术的肺癌诊断模型初探"", 《第十七届全国光散射学术会议摘要文集》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111413319A (zh) * | 2020-04-30 | 2020-07-14 | 成都大象分形智能科技有限公司 | 基于拉曼光谱的复杂低浓度液体样本检测系统 |
CN111413318A (zh) * | 2020-04-30 | 2020-07-14 | 成都大象分形智能科技有限公司 | 基于拉曼光谱的血清检测系统及方法 |
CN111413319B (zh) * | 2020-04-30 | 2023-05-26 | 成都大象分形智能科技有限公司 | 基于拉曼光谱的复杂低浓度液体样本检测系统 |
CN111413318B (zh) * | 2020-04-30 | 2023-05-26 | 成都大象分形智能科技有限公司 | 基于拉曼光谱的血清检测系统及方法 |
CN112716447A (zh) * | 2020-12-03 | 2021-04-30 | 北京信息科技大学 | 一种基于拉曼检测光谱数据深度学习的口腔癌分类系统 |
CN113252636A (zh) * | 2021-05-06 | 2021-08-13 | 河北大学 | 深度识别拉曼光谱分析系统及分析方法 |
CN114366037A (zh) * | 2022-02-16 | 2022-04-19 | 北京理工大学 | 用于脑癌术中引导的光谱诊断系统及其工作方法 |
CN114366037B (zh) * | 2022-02-16 | 2023-11-24 | 北京理工大学 | 用于脑癌术中引导的光谱诊断系统及其工作方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110470646A (zh) | 基于人工智能与拉曼光谱的肿瘤组织识别系统 | |
CN1211650C (zh) | Nir临床光学扫描系统 | |
US9566030B2 (en) | Optical system for detection and characterization of abnormal tissue and cells | |
US8263947B2 (en) | Method and device for localising fluorophores or absorbers in a surrounding medium | |
CN105377134B (zh) | 用于通过拉曼光谱进行无创伤性活体测量的设备 | |
EP2725967B1 (en) | An apparatus for optical analysis of an associated tissue sample | |
CN101460091B (zh) | 组织的拉曼分析 | |
EP0575472A1 (en) | Devices and methods for optical diagnosis of tissue | |
US20100121199A1 (en) | Method and apparatus for non-invasive cancerous tissue diagnosis and tomography using terahertz image | |
CN108139327A (zh) | 在线过程监测 | |
WO2007040589A1 (en) | Method and system for measuring sub-surface composition of a sample | |
KR20080043843A (ko) | 비침투 피부환부 확인방법 및 피부의 환부를 식별하기위한 디텍터 | |
EP2118640A1 (en) | Device and method for acquiring image data from a turbid medium | |
US20180098726A1 (en) | Laser-based disease diagnosis system | |
CN1748139A (zh) | 用于血液分析的装置和方法 | |
CN101612034A (zh) | 重构混浊介质光学参数的时间分辨测量系统及方法 | |
CN103815871A (zh) | 生物体检查装置和生物体检查方法 | |
US20160235372A1 (en) | Portable cancer diagnostic device and system | |
US20160341668A1 (en) | Angled confocal spectroscopy | |
US20120065519A1 (en) | Method and system for collecting optical data for use in time resolved optical imaging of a turbid media | |
CN216622169U (zh) | 一种基于荧光和拉曼融合技术的皮肤组织光谱检测装置 | |
EP3408650B1 (en) | Portable optical apparatus for diffuse reflectance spectroscopy | |
CN105979874A (zh) | 用于测量对象的情况的装置 | |
CN115040066B (zh) | 一种多功能眼底扫描方法及系统 | |
US20150057553A1 (en) | Internal optical spectroscope and method for real time in-situ diagnosis in living cells |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191119 |