多因素分析法用于荧光光谱识别胃癌的研究

论文摘要

过去进行各种癌的切除手术时,由于无法直接知道是否将癌组织全部切除,往往会残留肉眼看不到的癌变组织,而不得不进行第二次手术,给患者带来极大的痛苦。为了减轻患者的痛苦,我们需要准确确定胃癌在胃壁中的浸润范围。荧光光谱技术用于识别癌变组织有实时、客观、准确性高等优势。现已有不少采用荧光光谱技术初步进行癌诊断的尝试,也取得了初步的成绩。但是由于多种荧光团的存在及内部局部微环境的多变性导致组织的荧光光谱的复杂多变,给荧光光谱分析带来一定的困难,而荧光光谱分析技术对于提高荧光光谱识别癌组织的准确性至关重要。本文创新性地将偏最小二乘法结合人工神经网络法应用于荧光光谱识别胃癌组织中,大大提高了识别的准确性。 本论文采用光诱导荧光光谱法,选用308nm、337nm、365nm和405nm作为激发波长,得到了58例胃癌病人的正常组织和癌变组织共116个样本的浆膜面的特征荧光光谱,通过对这些特征荧光光谱的分析研究,确定了最佳激发波长为308nm和337nm。在数据处理方面,摒弃了传统的以峰值强度、峰值位置等单个因素作为判据的方法,使用双因素判别法、偏最小二乘法（Partial Least-Squares,简称PLS）、PLS法与人工神经网络法（Artificial neural network,简称ANN）结合（简称ANN-PLS）等信息提取方法,用Matlab语言编程对荧光光谱进行数据处理,得到三种信息提取方法的敏感度、特异度和阳性预测值分别是:68.4%,94.7%,92.9%;81.0%,96.6%,95.9%;86.2%,100%,100%。结果表明ANN-PLS信息提取法能很好的识别胃癌组织,其准确性明显地高于目前国内、外研究者使用的其它任何一种信息提取方法,为临床手术中实时准确地切除癌变组织提供了一个软件系统。同时,通过对人体组织荧光光谱的主要荧光来源、产生光谱差别的原因进行分析,对此有了一个初步的认识。

论文目录

• 中文摘要
• 英文摘要
• 目录
• 0 绪论
• 0.1 课题的来源及意义
• 0.2 国内外研究现状
• 0.3 本论文的结构安排
• 第一章 荧光光谱及探测技术
• 1.1 光致发光的基本原理
• 1.1.1 从能级结构解释荧光产生的过程
• 1.1.2 激发光谱和发射光谱
• 1.1.3 有机分子的荧光光谱
• 1.2 生物体内的发光源
• 1.3 影响荧光的因素
• 第二章 信息提取理论
• 2.1 光谱预处理
• 2.2 判据的选取
• 2.3 判别方案的建立
• 2.4 诊断的评价
• 第三章 光谱检测系统和方法
• 3.1 组织标本
• 3.2 激发波长的选取
• 3.3 实验仪器
• 3.4 实验方法
• 第四章 光谱分析及数据处理
• 4.1 不同激发波长得到的特征荧光光谱
• 4.2 光谱信息提取
• 4.2.1 双因素判别法
• 4.2.2 PLS法
• 4.2.3 ANN—PLS法
• 第五章 结果与讨论
• 5.1 人体组织荧光及其光谱差别的来源
• 5.2 数据处理结果及比较
• 第六章 总结与展望
• 6.1 荧光法癌症诊断的优势与困难
• 6.2 工作总结
• 6.3 展望
• 6.3.1 组织光学
• 6.3.2 数据挖掘技术的应用
• 6.3.3 临床应用
• 参考文献
• 发表论文
• 致谢