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】
[0001] 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】
[0002] 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，送种观点却与实际 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W预防，1/3的癌症 可W通过早期发现而治愈，还有1/3的癌症可W通过治疗而延长生存时间、减轻痛苦W及 提高生活质量。因此，对癌症的诊断就显得尤为重要。
[0003] 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、己状结肠镜检 查W及用于确诊的主要方法一组织病理学检查等，但送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，送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。
[0004] 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，送时的癌 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W降低主观因素对诊断的影响。
[0005] 分子信息的获取可W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】
[0006] 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。
[0007] 本发明是通过下述技术方案实现的：
[0008] 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W下步骤：
[0009] 1.制备大肠组织切片；并记录切片的组织病理学分析结果；
[0010] 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);
[0011] 3.对原始NIR-DRS进行预处理；
[0012] 4.截取最优NIR-DRS区域，对所选光谱数据降维；
[0013] 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；
[0014] 6.采集待测组织切片的NIR-DRS;
[0015] 7.对待识别组织切片的NIR-DRS进行预处理；
[0016] 8.应用所建的判别模型，识别待测组织切片类型。
[0017] 所述步骤1中大肠组织切片为石蜡组织切片。
[0018] 所述步骤2中通常应用傅里叶变换近红外光谱仪（AntarisII，ThermoFisher Scientific,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；Resul口. 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；8cm1，扫描次数包括但不 限于；64,光谱范围包括但不限于：10000~4000cm1。
[0019] 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；W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。
[0020] 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（抑）或二阶导数（SD)、Savitzky-Golay平滑（SGS) 或Norris平滑（ND巧W及均值中必化（MC)等。W上各种化学计量学技术的一种或联合使 用，W达到最佳模型性能指数和正判率。
[0021] 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)。
[0022] 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；所述步骤巧）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。
[0023] 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。
[0024] 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】
[00巧]图1 11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。 [0026] 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】
[0027] 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。
[002引 实施例
[0029] 1.组织切片的制备及其病理学信息
[0030] 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。
[0031]