CN114532987A - 基于拉曼光谱的信息处理方法、装置及存储介质 - Google Patents
基于拉曼光谱的信息处理方法、装置及存储介质 Download PDFInfo
- Publication number
- CN114532987A CN114532987A CN202210140076.9A CN202210140076A CN114532987A CN 114532987 A CN114532987 A CN 114532987A CN 202210140076 A CN202210140076 A CN 202210140076A CN 114532987 A CN114532987 A CN 114532987A
- Authority
- CN
- China
- Prior art keywords
- raman spectrum
- raman
- band
- intensity
- information
- 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
Links
- 238000001237 Raman spectrum Methods 0.000 title claims abstract description 135
- 230000010365 information processing Effects 0.000 title claims abstract description 25
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000003860 storage Methods 0.000 title claims description 17
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 22
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 22
- 239000001301 oxygen Substances 0.000 claims abstract description 22
- 102000001554 Hemoglobins Human genes 0.000 claims abstract description 18
- 108010054147 Hemoglobins Proteins 0.000 claims abstract description 18
- 108090000623 proteins and genes Proteins 0.000 claims description 34
- 102000004169 proteins and genes Human genes 0.000 claims description 33
- 150000002632 lipids Chemical class 0.000 claims description 32
- 238000000034 method Methods 0.000 claims description 29
- 238000001069 Raman spectroscopy Methods 0.000 claims description 18
- ZDXPYRJPNDTMRX-UHFFFAOYSA-N glutamine Natural products OC(=O)C(N)CCC(N)=O ZDXPYRJPNDTMRX-UHFFFAOYSA-N 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 13
- 210000005013 brain tissue Anatomy 0.000 claims description 12
- 235000014113 dietary fatty acids Nutrition 0.000 claims description 11
- 229930195729 fatty acid Natural products 0.000 claims description 11
- 239000000194 fatty acid Substances 0.000 claims description 11
- 150000004665 fatty acids Chemical class 0.000 claims description 11
- 102000008186 Collagen Human genes 0.000 claims description 10
- 108010035532 Collagen Proteins 0.000 claims description 10
- BAWFJGJZGIEFAR-NNYOXOHSSA-N NAD zwitterion Chemical compound NC(=O)C1=CC=C[N+]([C@H]2[C@@H]([C@H](O)[C@@H](COP([O-])(=O)OP(O)(=O)OC[C@@H]3[C@H]([C@@H](O)[C@@H](O3)N3C4=NC=NC(N)=C4N=C3)O)O2)O)=C1 BAWFJGJZGIEFAR-NNYOXOHSSA-N 0.000 claims description 10
- 230000002308 calcification Effects 0.000 claims description 10
- 229920001436 collagen Polymers 0.000 claims description 10
- 229950006238 nadide Drugs 0.000 claims description 10
- 229930027945 nicotinamide-adenine dinucleotide Natural products 0.000 claims description 10
- ONIBWKKTOPOVIA-UHFFFAOYSA-N Proline Natural products OC(=O)C1CCCN1 ONIBWKKTOPOVIA-UHFFFAOYSA-N 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 239000000126 substance Substances 0.000 claims description 4
- 206010018338 Glioma Diseases 0.000 abstract description 9
- 230000002950 deficient Effects 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000003287 optical effect Effects 0.000 abstract description 4
- 208000032612 Glial tumor Diseases 0.000 abstract description 2
- 239000000090 biomarker Substances 0.000 abstract description 2
- 108010075869 Isocitrate Dehydrogenase Proteins 0.000 description 22
- 102000012011 Isocitrate Dehydrogenase Human genes 0.000 description 22
- 206010003571 Astrocytoma Diseases 0.000 description 17
- 230000006870 function Effects 0.000 description 14
- 201000007983 brain glioma Diseases 0.000 description 11
- 101001042041 Bos taurus Isocitrate dehydrogenase [NAD] subunit beta, mitochondrial Proteins 0.000 description 6
- 101000960234 Homo sapiens Isocitrate dehydrogenase [NADP] cytoplasmic Proteins 0.000 description 6
- 102100039905 Isocitrate dehydrogenase [NADP] cytoplasmic Human genes 0.000 description 6
- 230000035772 mutation Effects 0.000 description 4
- 238000001356 surgical procedure Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000003595 spectral effect Effects 0.000 description 3
- 206010021143 Hypoxia Diseases 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007954 hypoxia Effects 0.000 description 2
- 238000003364 immunohistochemistry Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 101150020771 IDH gene Proteins 0.000 description 1
- 201000010133 Oligodendroglioma Diseases 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000001574 biopsy Methods 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 230000007773 growth pattern Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000004066 metabolic change Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000001225 therapeutic effect Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 210000004881 tumor cell Anatomy 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16B—BIOINFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR GENETIC OR PROTEIN-RELATED DATA PROCESSING IN COMPUTATIONAL MOLECULAR BIOLOGY
- G16B40/00—ICT specially adapted for biostatistics; ICT specially adapted for bioinformatics-related machine learning or data mining, e.g. knowledge discovery or pattern finding
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Medical Informatics (AREA)
- Engineering & Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Health & Medical Sciences (AREA)
- Biophysics (AREA)
- Public Health (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Biotechnology (AREA)
- Evolutionary Biology (AREA)
- Bioethics (AREA)
- Epidemiology (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
Abstract
本发明提供一种基于拉曼光谱的信息处理方法，可以对IDH基因型进行分类，利用可见光共振拉曼光谱技术，基于光学分子特征作为生物标记物识别神经胶质瘤的IDH基因型分类。与现有技术相比，本申请提供的技术方案利用富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值对信息进行分类，为基于拉曼光谱的信息处理提供了新角度，通过引入这富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值等分类因素，显著提高分类准确率。
Description
技术领域
本发明涉及拉曼光谱的技术领域，特别是涉及基于拉曼光谱的信息处理方法、装置及存储介质。
背景技术
脑胶质瘤是中枢神经系统中最常见的肿瘤，包括两个亚种：弥散型胶质瘤(diffuse gliomas)和非弥散型胶质瘤(nondiffuse gliomas)，后者包括更多更复杂的生长模式。随着医疗技术的进步，WHO提出将种类繁杂的弥散性胶质瘤按照IDH突变进行分类。由于IDH突变型和IDH野生型胶质瘤之间的差异可能具有重要的治疗意义，因此在手术前或手术中尝试区分这两种肿瘤类型很有意义。
目前脑胶质瘤的IDH判断方法，一般是基于分子生物学的特征进行。确定IDH突变型胶质瘤的唯一方法是对通过活检或手术切除获得的组织标本进行免疫组织化学(IHC)或基因测序。这些方法价格昂贵，并且需要很长的测试时间，一般都需要几个小时。
UCKERMANN等人利用拉曼光谱检测人类脑胶质瘤中的IDH1突变诱导的化学改变，拉曼光谱分析显示IDH1突变型脑胶质瘤中与DNA相关的光谱带强度增加，归属于蛋白质的拉曼条带的强度在IDH1突变型和IDH1野生型脑胶质瘤中有所不同，此外，分配到脂质分子的光谱带亦显著减少。而且通过选择5条光谱带(498、826、1003、1174和1337cm-1),实现了利用拉曼光谱对IDH1基因型进行分类，正确率为89％。
可见，目前需要提供一种脑胶质瘤的IDH判断方法，实现术前分类。
发明内容
本发明提供了一种基于拉曼光谱的信息处理方法、装置及存储介质，通过所述信息处理方法处理人脑组织的拉曼光谱，提高IDH1基因型分类的准确率，实现术前分类的意义。
本发明提供了如下方案：
基于拉曼光谱的信息处理方法，包含：
步骤1)提取所述信息的拉曼光谱的特征值；
步骤2)将所述特征值代入分类函数；
步骤3)根据所述分类函数的值对所述信息进行分类；
其中，所述特征值包含富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值。
在一种优选的实施方式中，所述步骤1)还包含对所述特征值进行预处理。
在一种优选的实施方式中，所述预处理包含对所述特征值进行归一化或计算比值。
在一种优选的实施方式中，步骤3)中所述分类函数通过SVM获得,SVM的训练集为已经采集的所述信息的拉曼光谱的特征值。
在一种优选的实施方式中，所述特征值还包含：带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比。
在一种优选的实施方式中，通过对互相有重叠的脂质的拉曼光谱与蛋白质的拉曼光谱进行分离,之后求出带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比。
在一种优选的实施方式中，所述特征值还包含：
与钙化相关的拉曼光谱的峰值；
脂类的拉曼光谱的谱带的强度；
脂肪酸类的拉曼光谱的谱带的强度；
蛋白质或胶原蛋白的拉曼光谱的谱带的强度；
脯氨酸的拉曼光谱的谱带强度；
烟酰胺腺嘌呤二核苷酸的拉曼光谱的谱带强度；
谷氨酰胺的拉曼光谱的谱带强度。
在一种优选的实施方式中，其特征在于，所述信息为人脑组织。
本申请还提供一种基于拉曼光谱的信息处理装置，包含：
读取模块，用于读取上述方法中的所述特征值；
计算模块，用于将所述特征值代入分类函数；
分类模块，用于根据分类函数的值对信息进行分类。
本申请还提供一种存储介质，所述存储介质设于检测装置中，所述存储介质包括存储的程序，其中，将待检测物质送入所述检测装置中，收到启动检测指令后所述程序运行，所述程序运行时控制所述检测装置执行上述的方法。
根据本发明提供的具体实施例，本发明提供的基于拉曼光谱的信息处理方法，可以对IDH基因型进行分类，利用可见光共振拉曼光谱技术，基于光学分子特征作为生物标记物识别人类神经胶质瘤的IDH基因型分类。与现有技术相比，本申请提供的技术方案利用富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值对信息进行分类，为基于拉曼光谱的人脑组织的信息处理提供了新角度，通过引入这富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值等分类因素，显著提高分类准确率。
进一步地，本申请提供的技术方案综合考虑富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值，带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比和与钙化相关的拉曼光谱的峰值、脂类的拉曼光谱的谱带的强度、脂肪酸类的拉曼光谱的谱带的强度、蛋白质或胶原蛋白的拉曼光谱的谱带的强度、脯氨酸的拉曼光谱的谱带强度、烟酰胺腺嘌呤二核苷酸的拉曼光谱的谱带强度、谷氨酰胺的拉曼光谱的谱带强度，提出对人脑组织的IDH基因型进行分类的信息处理方法，处理效率高，有助于在术前完成分类，为手术提供有意义的指导信息。
当然,实施本发明的任一方法或产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的基于拉曼光谱的信息处理方法的流程示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
脑胶质瘤中异柠檬酸脱氢酶(IDH)基因突变是脑胶质瘤发生的早期机理，几乎发生在所有肿瘤细胞中，并可引严重的代谢变化。一种快速的术中检测IDH突变的方法对于指导当前的手术甚至未来的靶向原位治疗都是非常重要的。拉曼光谱技术为IDH基因型的分类提供了一种新的方法。若想实现术前分类，亟需提高分类准确率及效率。本实施例提供基于拉曼光谱的信息处理方法，将其应用到IDH基因型分类中，经过试验证明该信息处理方法能够提高IDH基因型分类的准确率。
利用拉曼光谱，获得人脑组织的包含光学分子特征的信息，对所述信息利用本实施例提供的方法进行处理，以获得IDH基因型分类。
采集众多存在脑胶质瘤的人脑组织的拉曼光谱，提取富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值，带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比、与钙化相关的拉曼光谱的峰值、脂类的拉曼光谱的谱带的强度、脂肪酸类的拉曼光谱的谱带的强度、蛋白质或胶原蛋白的拉曼光谱的谱带的强度、脯氨酸的拉曼光谱的谱带强度、烟酰胺腺嘌呤二核苷酸的拉曼光谱的谱带强度以及谷氨酰胺的拉曼光谱的谱带强度，或对
提取富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值，带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比、与钙化相关的拉曼光谱的峰值、脂类的拉曼光谱的谱带的强度、脂肪酸类的拉曼光谱的谱带的强度、蛋白质或胶原蛋白的拉曼光谱的谱带的强度、脯氨酸的拉曼光谱的谱带强度、烟酰胺腺嘌呤二核苷酸的拉曼光谱的谱带强度度以及谷氨酰胺的拉曼光谱的谱强度度进行归一化或计算比值的预处理后得到的值作为训练集的特征值。
其中，通过对互相有重叠的脂质的拉曼光谱与蛋白质的拉曼光谱进行分离,之后求出带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比。具体地，用拟合的方法对带有重叠部分的脂质的拉曼光谱与蛋白质的拉曼光谱的重叠峰用先行拟合分解的方法进行分离，然后求得峰高之比。用NMF(non-negative matrix factorization的简写，非负矩阵分解)或者用最小二乘法对互相有重叠的脂质的拉曼光谱与蛋白质的拉曼光谱进行分离。
利用上述训练集，通过SVM(Support Vector Machine的简写，支持向量机)获得分类函数。所述分类函数为(IDHmut)星形细胞瘤和IDH野生型(IDHwt)星形细胞瘤分类的边界公式。
利用上述训练集，用SVM形成综合的阈值公式。用多维SVM产生包含上述特征值及各特征值权重的综合边界。
在术前对人脑组织进行原位检测，实施本实施例提供的所述基于拉曼光谱的信息处理方法，对脑胶质瘤进行IDH基因型分类，包含：
步骤1)提取所述人脑组织的拉曼光谱的特征值；
步骤2)将所述特征值代入分类函数，所述分类函数通过所述训练集利用SVM已知；
步骤3)根据所述分类函数的值对所述人脑组织进行分类，确定其IDH基因型；
其中，所述特征值包含富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值、带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比、与钙化相关的拉曼光谱的峰值、脂类的拉曼光谱的谱带的强度、脂肪酸类的拉曼光谱的谱带的强度、蛋白质或胶原蛋白的拉曼光谱的谱带的强度、脯氨酸的拉曼光谱的谱带强度、烟酰胺腺嘌呤二核苷酸的拉曼光谱的谱带强度以及谷氨酰胺的拉曼光谱的谱带强度，或对
提取富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值，带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比、与钙化相关的拉曼光谱的峰值、脂类的拉曼光谱的谱带的强度、脂肪酸类的拉曼光谱的谱带的强度、蛋白质或胶原蛋白的拉曼光谱的谱带的强度、脯氨酸的拉曼光谱的谱带强度、烟酰胺腺嘌呤二核苷酸的拉曼光谱的谱带强度以及谷氨酰胺的拉曼光谱的谱带强度进行归一化或求比值的预处理后得到的值。
其中，谱带的强度可用谱带的高度表征。
其中，通过血红蛋白的拉曼光谱的位置和强度的区别判断其为富氧状态或是缺氧状态。
本实施例中所IDH基因突变型包含(IDHmut)星形细胞瘤和IDH野生型(IDHwt)星形细胞瘤。
IDHmut星形细胞瘤和IDHwt星形细胞瘤的血红蛋白富氧的饱和状态和缺氧状态的拉曼谱带强度的变化程度不同。可以通过富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值作为对IDHmut星形细胞瘤和IDHwt星形细胞瘤进行分类的判据之一。
相对于IDHwt星形细胞瘤，IDHmut星形细胞瘤中带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比不同。可以通过带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比对IDHmut星形细胞瘤和IDHwt星形细胞瘤进行分类的判据之一。
从敏感性、特异性和准确率三个角度评判本实施例提供的信息处理方法对IDH基因型分类的效果。如果定义IDHmut为阳性，IDHwt为阴性。敏感性是对阳性的判断准确率。特异性是对阴性的判断准确率。准确率是对阳性阴性综合起来的判断准确率。
通过本实施例提供的信息处理方法对IDH基因型分类，相对于IDHwt星形细胞瘤，对IDHmut星形细胞瘤的敏感性为95.6％，特异性(即对IDHwt星形细胞瘤的判断准确率)为95.5％，准确性为95.5％。预测IDHwt星形细胞瘤、IDHmut星形细胞瘤和少突胶质细胞瘤的准确率分别为94.5％、86.3％和72.5％。
实施例二
根据本申请实施例，还提供了一种用于实施上述基于拉曼光谱的信息处理方法的信息处理装置，该装置以软件或硬件方式实现。
本实施例提供的基于拉曼光谱的信息处理装置，包含：
读取模块，用于读取计算实施例1中所述特征值，包含富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值、带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比、与钙化相关的拉曼光谱的峰值、脂类的拉曼光谱的谱带的强度、脂肪酸类的拉曼光谱的谱带的强度、蛋白质或胶原蛋白的拉曼光谱的谱带的强度、脯氨酸的拉曼光谱的谱带强度、烟酰胺腺嘌呤二核苷酸的拉曼光谱的谱带强度、谷氨酰胺的拉曼光谱的谱带强度，或对
提取富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值，带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比、与钙化相关的拉曼光谱的峰值、脂类的拉曼光谱的谱带的强度、脂肪酸类的拉曼光谱的谱带的强度、蛋白质或胶原蛋白的拉曼光谱的谱带的强度、脯氨酸的拉曼光谱的谱带强度、烟酰胺腺嘌呤二核苷酸的拉曼光谱的谱带强度以及谷氨酰胺的拉曼光谱的谱带强度进行归一化或求比值的预处理后得到的值。
所述读取模块从拉曼光谱分析仪中读取对人脑组织的信息，直接或通过计算获得上述特征值。
计算模块，用于将所述特征值代入分类函数；
分类模块，用于根据分类函数的值对信息进行分类。
分类模块完成功能的具体方法参照实施例1中描述的方法，此处不赘述。
实施例三
本实施例提供了一种存储介质，所述存储介质设于检测装置中，所述存储介质包括存储的程序，其中，将待检测物质送入所述检测装置中，收到启动检测指令后所述程序运行，所述程序运行时控制所述检测装置执行实施例1中所述的方法。。
可选地，在本实施例中，上述存储介质可以位于计算机网络中计算机终端群中的任意一个计算机终端中，或者位于移动终端群中的任意一个移动终端中。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。
Claims (10)
1.基于拉曼光谱的信息处理方法，其特征在于，包含：
步骤1)提取所述信息的拉曼光谱的特征值；
步骤2)将所述特征值代入分类函数；
步骤3)根据所述分类函数的值对所述信息进行分类；
其中，所述特征值包含富氧状态和缺氧状态的血红蛋白的拉曼光谱的谱带强度的比值。
2.根据权利要求1所述基于拉曼光谱的信息处理方法，其特征在于，所述步骤1)还包含对所述特征值进行预处理。
3.根据权利要求2所述基于拉曼光谱的信息处理方法，其特征在于，所述预处理包含对所述特征值进行归一化或计算比值。
4.根据权利要求1所述基于拉曼光谱的信息处理方法，其特征在于，步骤3)中所述分类函数通过SVM获得,SVM的训练集为已经采集的所述信息的拉曼光谱的特征值。
5.根据权利要求1至4任一项所述基于拉曼光谱的信息处理方法，其特征在于，所述特征值还包含：带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比。
6.根据权利要求5所述基于拉曼光谱的信息处理方法，其特征在于，通过对互相有重叠的脂质的拉曼光谱与蛋白质的拉曼光谱进行分离,之后求出带有重叠部分的脂质和蛋白质的拉曼光谱的峰值之比。
7.根据权利要求1至4任一项所述基于拉曼光谱的信息处理方法，其特征在于，所述特征值还包含：
与钙化相关的拉曼光谱的峰值；
脂类的拉曼光谱的谱带的强度；
脂肪酸类的拉曼光谱的谱带的强度；
蛋白质或胶原蛋白的拉曼光谱的谱带的强度；
脯氨酸的拉曼光谱的谱带强度；
烟酰胺腺嘌呤二核苷酸的拉曼光谱的谱带强度；
谷氨酰胺的拉曼光谱的谱带强度。
8.根据权利要求1至4任一项所述基于拉曼光谱的信息处理方法，其特征在于，所述信息为人脑组织。
9.基于拉曼光谱的信息处理装置，其特征在于，包含：
读取模块，用于读取权利要求1至8任一项中所述特征值；
计算模块，用于将所述特征值代入分类函数；
分类模块，用于根据分类函数的值对信息进行分类。
10.存储介质，其特征在于，所述存储介质设于检测装置中，所述存储介质包括存储的程序，其中，将待检测物质送入所述检测装置中，收到启动检测指令后所述程序运行，所述程序运行时控制所述检测装置执行如权利要求1-8任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210140076.9A CN114532987B (zh) | 2022-02-16 | 2022-02-16 | 基于拉曼光谱的信息处理方法、装置及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210140076.9A CN114532987B (zh) | 2022-02-16 | 2022-02-16 | 基于拉曼光谱的信息处理方法、装置及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114532987A true CN114532987A (zh) | 2022-05-27 |
| CN114532987B CN114532987B (zh) | 2023-12-19 |
Family
ID=81676546
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210140076.9A Active CN114532987B (zh) | 2022-02-16 | 2022-02-16 | 基于拉曼光谱的信息处理方法、装置及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114532987B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012050739A (ja) * | 2010-09-02 | 2012-03-15 | Kao Corp | 皮膚水分量の測定方法 |
| CN102893137A (zh) * | 2010-03-17 | 2013-01-23 | 曾海山 | 用于癌症检测和定位的快速多光谱成像方法和设备及应用 |
| CN104111247A (zh) * | 2014-08-04 | 2014-10-22 | 中国科学院理化技术研究所 | 一种细胞组织共振拉曼光谱扫描成像方法 |
| WO2015023990A1 (en) * | 2013-08-15 | 2015-02-19 | The Trustees Of Dartmouth College | Method and apparatus for quantitative and depth resolved hyperspectral fluorescence and reflectance imaging for surgical guidance |
| US20170020460A1 (en) * | 2014-04-08 | 2017-01-26 | Polyvalor, Limited Partnership | System and method for assessing a cancer status of biological tissue |
| US20170135615A1 (en) * | 2014-01-31 | 2017-05-18 | The General Hospital Corporation Dba Massachusetts General Hospital | Prediction of tumor recurrence by measuring oxygen saturation |
| CN107361742A (zh) * | 2017-06-23 | 2017-11-21 | 戎创前沿科技(北京)有限公司 | 一种脑胶质瘤等级标准图的获取方法 |
| CN107389651A (zh) * | 2017-06-23 | 2017-11-24 | 戎创前沿科技(北京)有限公司 | 一种脑胶质瘤级别特征分布图的获取方法 |
| WO2020018461A1 (en) * | 2018-07-16 | 2020-01-23 | The University Of Virginia Patent Foundation | Compositions and methods of diagnosis and treatment for neurological diseases |
| US20200284657A1 (en) * | 2017-09-14 | 2020-09-10 | Polyvalor, Limited Partnership | Methods and Systems for Imaging a Sample Using Raman Spectroscopy |
-
2022
- 2022-02-16 CN CN202210140076.9A patent/CN114532987B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102893137A (zh) * | 2010-03-17 | 2013-01-23 | 曾海山 | 用于癌症检测和定位的快速多光谱成像方法和设备及应用 |
| JP2012050739A (ja) * | 2010-09-02 | 2012-03-15 | Kao Corp | 皮膚水分量の測定方法 |
| WO2015023990A1 (en) * | 2013-08-15 | 2015-02-19 | The Trustees Of Dartmouth College | Method and apparatus for quantitative and depth resolved hyperspectral fluorescence and reflectance imaging for surgical guidance |
| US20170135615A1 (en) * | 2014-01-31 | 2017-05-18 | The General Hospital Corporation Dba Massachusetts General Hospital | Prediction of tumor recurrence by measuring oxygen saturation |
| US20170020460A1 (en) * | 2014-04-08 | 2017-01-26 | Polyvalor, Limited Partnership | System and method for assessing a cancer status of biological tissue |
| CN104111247A (zh) * | 2014-08-04 | 2014-10-22 | 中国科学院理化技术研究所 | 一种细胞组织共振拉曼光谱扫描成像方法 |
| CN107361742A (zh) * | 2017-06-23 | 2017-11-21 | 戎创前沿科技(北京)有限公司 | 一种脑胶质瘤等级标准图的获取方法 |
| CN107389651A (zh) * | 2017-06-23 | 2017-11-24 | 戎创前沿科技(北京)有限公司 | 一种脑胶质瘤级别特征分布图的获取方法 |
| US20200284657A1 (en) * | 2017-09-14 | 2020-09-10 | Polyvalor, Limited Partnership | Methods and Systems for Imaging a Sample Using Raman Spectroscopy |
| WO2020018461A1 (en) * | 2018-07-16 | 2020-01-23 | The University Of Virginia Patent Foundation | Compositions and methods of diagnosis and treatment for neurological diseases |
Non-Patent Citations (5)
| Title |
|---|
| JINGWEN YAO等: "Metabolic characterization of human IDH mutant and wild type gliomas using simultaneous pH- and oxygensensitive molecular MRI", 《JOURNAL OF NEURO-ONCOLOGY》, vol. 21, no. 9, pages 1184 - 1196 * |
| LAURENT JAMES LIVERMORE等: "Rapid intraoperative molecular genetic classification of gliomas using Raman spectroscopy", 《NEURO-ONCOLOGY ADVANCES》, vol. 1, no. 1, pages 1 - 12 * |
| ORTRUD UCKERMANN, WENMIN YAO , TAREQ A JURATLI: "IDH1 mutation in human glioma induces chemical alterations that are amenable to optical Raman spectroscopy", 《JOURNAL OF NEURO-ONCOLOGY》, 30 September 2018 (2018-09-30), pages 262 - 268 * |
| ORTRUD UCKERMANN等: "IDH1 mutation in human glioma induces chemical alterations that are amenable to optical Raman spectroscopy", 《JOURNAL OF NEURO-ONCOLOGY》, vol. 139, no. 2, pages 261 - 268, XP036568359, DOI: 10.1007/s11060-018-2883-8 * |
| TODD HOLLON等: "Label-free brain tumor imaging using Raman-based methods", 《JOURNAL OF NEURO-ONCOLOGY》, vol. 151, no. 3, pages 393 - 402, XP037376134, DOI: 10.1007/s11060-019-03380-z * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114532987B (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112086129B (zh) | 预测肿瘤组织cfDNA的方法及系统 | |
| CN108701173A (zh) | 用于发现预测对检查点抑制剂敏感的msi和新表位的系统、组合物和方法 | |
| AU2018367488B2 (en) | Systems and methods for determining microsatellite instability | |
| CN111276252B (zh) | 一种肿瘤良恶性鉴别模型的构建方法及装置 | |
| CN109411015A (zh) | 基于循环肿瘤dna的肿瘤突变负荷检测装置及存储介质 | |
| CN113838533B (zh) | 一种癌症检测模型及其构建方法和试剂盒 | |
| Poh et al. | Unique FISH patterns associated with cancer progression of oral dysplasia | |
| KR20190085667A (ko) | 무세포 dna를 포함하는 샘플에서 순환 종양 dna를 검출하는 방법 및 그 용도 | |
| US20190287646A1 (en) | Identifying copy number aberrations | |
| CN115087745A (zh) | 无细胞样品中的双末端dna片段类型及其用途 | |
| AU2020364225B2 (en) | Fragment size characterization of cell-free DNA mutations from clonal hematopoiesis | |
| JP2007037421A (ja) | 大腸癌リンパ節転移の有無を予測するための遺伝子セット | |
| Huang et al. | Genotype-based gene signature of glioma risk | |
| CN114532987A (zh) | 基于拉曼光谱的信息处理方法、装置及存储介质 | |
| CN111951893B (zh) | 构建肿瘤突变负荷tmb面板的方法 | |
| KR101990430B1 (ko) | 암의 재발 예후 예측을 위한 바이오마커 발굴 시스템 및 방법 | |
| CN113862351B (zh) | 体液样本中鉴定胞外rna生物标志物的试剂盒及方法 | |
| WO2008007630A1 (fr) | Méthode et appareil de recherche de protéine | |
| CN117038060A (zh) | 一种基于机器学习级联的拉曼光谱分子检测及成像装置 | |
| KR20210083208A (ko) | 체세포 변이 검출을 위한 방법 및 조성물 | |
| US20210238689A1 (en) | Tumor functional mutation and epitope loads as improved predictive biomarkers for immunotherapy response | |
| Ballman | Genetics and genomics: gene expression microarrays | |
| CN110462056A (zh) | 基于dna测序数据的样本来源检测方法、装置和存储介质 | |
| CN114078567A (zh) | 一种基于cfDNA的肿瘤负荷检测装置及检测方法 | |
| Rezaeian et al. | A novel model used to detect differential splice junctions as biomarkers in prostate cancer from RNA-Seq data |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |