论文部分内容阅读
大肠癌(colorectal cancer,CRC)是最常见的恶性肿瘤,早期、准确地诊断能降低患者的死亡率。在诊断方法中,病理诊断(pathological diagnosis)被视为权威性的手段。然而病理诊断不是绝对的权威,存在其固有的主、客观局限性。傅立叶变换红外(Fourier transform infrared,FT-IR)光谱法具有操作简单、对样品不破坏和适用于分析复杂样品等特征,能从分子水平上揭示癌变组织与正常组织之间的差异。结合化学计量学技术(chemometric techniques),对所得到的光谱数据进行处理与分析,能实现对癌变组织的准确、快速鉴别,辅助病理诊断。本研究采用中红外(mid-infrared,MIR)光谱法和近红外(near infrared,NIR)光谱法,结合判别分析(discriminant analysis,DA)法和对向传播人工神经网络(counterpropagation artificial neural network,CP-ANN),以供病理检查的大肠组织切片为分析对象,建立大肠癌组织准确、快速的判别方法,为辅助大肠癌组织客观、准确地病理诊断提供技术支持。目的:建立判别大肠组织是否癌变的FT-IR光谱准确、快速判别方法,用以辅助病理诊断。方法:1.大肠组织病理切片红外光谱的测量采用傅立叶变换红外光谱仪和近红外光谱仪,在4000–2200 cm-1范围内,以分辨率4 cm-1和扫描次数32测量切片的中红外透射光谱(mid-infrared transmittance spectra,MIRTS);在10000–4000 cm-1范围内,以分辨率8 cm-1和扫描次数64测量切片的近红外漫反射光谱(near infrared diffuse reflectance spectra,NIRDRS)。2.基于切片的MIRTS,采用DA和CP-ANN判别所分析大肠组织切片是否为癌变组织切片。3.基于切片的NIRDRS,采用DA和CP-ANN判别所分析大肠组织切片是否为癌变组织切片。结果:1.共得到71片大肠组织病理切片共213张MIRTS和213张NIRDRS。2.基于组织切片的MIRTS,建立的DA模型和CP-ANN模型能够准确、快速判别大肠组织是否癌变,其中DA模型的校正集正判率为99.31%,验证集正判率为100.0%;CP-ANN模型的校正集正判率、验证集正判率和交叉验证集正判率均为100.0%。3.基于组织切片的NIRDRS,建立的DA模型和CP-ANN模型能够准确快速判别大肠组织是否癌变,其中DA模型的校正集正判率为99.31%,验证集正判率为100.0%;CP-ANN模型的校正集正判率、验证集正判率和交叉验证集正判率均为100.0%。结论:以用于病理诊断的大肠组织切片为分析目标,测定MIRTS和NIRDRS,建立线性算法的判别模型DA和非线性算法的判别模型CP-ANN,能准确、快速判别组织切片的类型,辅助大肠组织的病理诊断。