论文部分内容阅读
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。