一種人體大腸癌組織的近紅外漫反射光譜快速識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種高特異性的人體大腸癌組織近紅外漫反射光譜快速識別方法，屬 于醫(yī)藥檢測領(lǐng)域。
【背景技術(shù)】
[0002] 癌癥是惡性腫瘤的統(tǒng)稱，特征是生長處于失控狀態(tài)、能侵入正常組織、并常常轉(zhuǎn)移 到遠(yuǎn)離其起源的部位生長。它常常給人們的印象是"不治之癥"。然而，送種觀點(diǎn)卻與實(shí)際 情況不符。世界衛(wèi)生組織通過大量的數(shù)據(jù)分析得出結(jié)論；1/3的癌癥可W預(yù)防，1/3的癌癥 可W通過早期發(fā)現(xiàn)而治愈，還有1/3的癌癥可W通過治療而延長生存時間、減輕痛苦W及 提高生活質(zhì)量。因此，對癌癥的診斷就顯得尤為重要。
[0003] 就大腸癌來說，目前雖然有較多的診斷方法，如；CT掃描、B超檢查、己狀結(jié)腸鏡檢 查W及用于確診的主要方法一組織病理學(xué)檢查等，但送些方法都有一定的局限性。首先，易 受主觀因素的影響。例如，當(dāng)腫塊特征或者可疑組織的細(xì)胞形態(tài)學(xué)特征不明顯時就容易出 現(xiàn)誤判，特別是在癌癥早期就更容易發(fā)生。其次，送些方法都不適合術(shù)中對可疑組織進(jìn)行診 斷，例如組織病理學(xué)檢查需要較長的前處理時間。因此，我們需要尋找一種客觀、準(zhǔn)確和快 速的鑒別方法。
[0004] 當(dāng)腫塊特征或者細(xì)胞形態(tài)學(xué)特征不明顯時，就不易得出診斷結(jié)果。但是，送時的癌 組織在分子水平上卻有一定的改變。因而通過測定組織在分子水平上的信息，即能鑒別該 組織是否發(fā)生癌變，從而得出診斷結(jié)論，同時也可W降低主觀因素對診斷的影響。
[0005] 分子信息的獲取可W利用近紅外漫反射光譜技術(shù)。該技術(shù)是一種簡單快速的新型 分析技術(shù)，目前已有大量文獻(xiàn)報(bào)道運(yùn)用近紅外漫反射光譜技術(shù)進(jìn)行定性分析。近紅外光譜 是由于分子的振動能級躍遷（同時伴隨著轉(zhuǎn)動能級的躍遷）而產(chǎn)生的，因而光譜中攜帶大 量分子的信息。運(yùn)用化學(xué)計(jì)量學(xué)對光譜進(jìn)行處理可獲得有用的信息。在本專利中，大腸組 織的近紅外光譜攜帶有正常組織和癌組織的信息，通過建立模型便能實(shí)現(xiàn)運(yùn)用近紅外漫反 射光譜技術(shù)識別正常組織與癌組織。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的在于提供一種一種高特異性的人體大腸癌組織近紅外漫反射光譜 識別方法。
[0007] 本發(fā)明是通過下述技術(shù)方案實(shí)現(xiàn)的：
[0008] 傅里葉變換近紅外漫反射光譜高特異性識別人體大腸癌組織的方法，其特征在于 利用近紅外分析技術(shù)測定大腸組織切片的近紅外光譜，應(yīng)用適宜的化學(xué)計(jì)量學(xué)技術(shù)對所建 光譜進(jìn)行處理，并依據(jù)處理后得到的光譜數(shù)據(jù)和所測切片的組織病理學(xué)的分析結(jié)果為參考 值來建立大腸癌組織的判別模型，應(yīng)用所建模型實(shí)現(xiàn)對大腸癌組織的快速地識別。具體包 括W下步驟：
[0009] 1.制備大腸組織切片；并記錄切片的組織病理學(xué)分析結(jié)果；
[0010] 2.篩選最優(yōu)的光譜測量參數(shù)值，使用傅立葉變換近紅外光譜儀采集組織切片的近 紅外漫反射光譜（NIR-DRS);
[0011] 3.對原始NIR-DRS進(jìn)行預(yù)處理；
[0012] 4.截取最優(yōu)NIR-DRS區(qū)域，對所選光譜數(shù)據(jù)降維；
[0013] 5.選擇最佳的建模光譜范圍和主成分?jǐn)?shù)建立大腸癌組織切的判別模型，并對模型 性能進(jìn)行評價(jià)；
[0014] 6.采集待測組織切片的NIR-DRS;
[0015] 7.對待識別組織切片的NIR-DRS進(jìn)行預(yù)處理；
[0016] 8.應(yīng)用所建的判別模型，識別待測組織切片類型。
[0017] 所述步驟1中大腸組織切片為石蠟組織切片。
[0018] 所述步驟2中通常應(yīng)用傅里葉變換近紅外光譜儀（AntarisII，ThermoFisher Scientific,USA)采集切片的NIR-DRS,采集裝置可使用積分漫反射附件，信號采集軟件包 括但不限于；Resul口. 0,數(shù)據(jù)處理軟件包括但不限于；TQAnalyst8. 0。光譜采集模式包括 但不限于；NIR-DRS。NIR-DRS測量參數(shù)中的分辨率包括但不限于；8cm1，掃描次數(shù)包括但不 限于；64,光譜范圍包括但不限于：10000~4000cm1。
[0019] 所述組織切片NIR-DRS的測定方法為；將制備的組織切片置于積分球檢測窗上， 并使其覆蓋光斑，操作中避免切片外部的污染；W選定的光譜采集參數(shù)測定大腸組織切片 的NIR-DRS，每片切片在3個不同位置各采集一次光譜。
[0020] 所述步驟3中對原始光譜和數(shù)據(jù)的預(yù)處理方法包括但不限于；多元散射校正 (MSC)或標(biāo)準(zhǔn)正態(tài)變換（SNV)、一階導(dǎo)數(shù)（抑）或二階導(dǎo)數(shù)（SD)、Savitzky-Golay平滑（SGS) 或Norris平滑（ND巧W及均值中必化（MC)等。W上各種化學(xué)計(jì)量學(xué)技術(shù)的一種或聯(lián)合使 用，W達(dá)到最佳模型性能指數(shù)和正判率。
[0021] 所述步驟4中用于建模的光譜波數(shù)范圍可由建模軟件自動篩選，光譜數(shù)據(jù)降維方 法為主成分分析法（PCA)。
[0022] 所述步驟5中中建立的判別模型為用于鑒別大腸組織是否為癌變組織的定性模 型；所用的建模方法包括但不限于：判別分析法（DA);通過模型性能指數(shù)和正判率確定建 模的最佳主成分個數(shù)；所述步驟巧）中評價(jià)所建判別模型性能的參數(shù)可為但不限于性能指 數(shù)（PI)、校正集正判率和預(yù)測集正判率。
[0023] 所述步驟6中待測組織切片NIR-DRS的光譜采集參數(shù)、光譜測量方法與校正模型 中已知組織切片一致?；谖粗M織切片的NIR-DRS，應(yīng)用所建模型，可快速地識別大腸癌 組織。
[0024] 本發(fā)明采用傅里葉變換近紅外漫反射光譜法快速識別人體大腸癌組織。與傳統(tǒng)的 診斷方法相比，本發(fā)明實(shí)現(xiàn)了大腸癌組織的客觀、準(zhǔn)確、早期和快速識別，為及時制定大腸 癌正確的正確治療方案迅速提供可靠的依據(jù)。
【附圖說明】
[00巧]圖1 11片人體正常組織切片和11片大腸癌組織切片的原始傅里葉變換NIR-DRS。 [0026] 圖2識別人體大腸組織切片是否癌變的最優(yōu)DA模型結(jié)果圖。
【具體實(shí)施方式】
[0027] 下面結(jié)合附圖和實(shí)施例對本發(fā)明進(jìn)一步說明，該實(shí)施例為本發(fā)明的舉例，不應(yīng)解 釋為對本發(fā)明的限制。
[002引 實(shí)施例
[0029] 1.組織切片的制備及其病理學(xué)信息
[0030] 各選取11片大腸正常組織和大腸癌組織作為樣本。將所有大腸組織石蠟包埋后， 用石蠟切片機(jī)切片。選取厚度均勻且組織較多的石蠟片進(jìn)行制片。
[0031]