【摘要】：隨著近幾年高光譜成像技術(shù)以及精準(zhǔn)醫(yī)學(xué)理論的迅速發(fā)展,將高光譜技術(shù)應(yīng)用于近距離的醫(yī)學(xué)診斷成為新的研究趨勢。以顯微高光譜技術(shù)為基礎(chǔ),結(jié)合光譜特征分析和深度學(xué)習(xí)方法,可以為醫(yī)學(xué)病理診斷提供更多輔助信息,為生物組織學(xué)提供更精細(xì)的光譜特征。因此,本文以顯微高光譜技術(shù)為切入點(diǎn),詳細(xì)闡述了顯微高光譜成像系統(tǒng)、標(biāo)準(zhǔn)化數(shù)據(jù)采集流程、顯微高光譜數(shù)據(jù)預(yù)處理與分析方法。以胃癌病理組織切片為例,深入研究了基于卷積神經(jīng)網(wǎng)絡(luò)和遷移學(xué)習(xí)模型的分類性能,并提出了一套完整的圖譜聯(lián)合分類診斷方法。同時將顯微高光譜技術(shù)應(yīng)用于高光譜虛擬染色、細(xì)菌微生物檢測和黑色素瘤診斷等研究領(lǐng)域,體現(xiàn)了廣闊的應(yīng)用前景和研究價值。本文的主要研究成果和創(chuàng)新點(diǎn)如下:(1)基于顯微高光譜成像技術(shù)的標(biāo)準(zhǔn)化數(shù)據(jù)采集流程與預(yù)處理方法。包括切片樣本制作與標(biāo)記、數(shù)據(jù)采集、實(shí)驗(yàn)樣本提取、光譜數(shù)據(jù)預(yù)處理和光譜分析等。根據(jù)本文實(shí)驗(yàn)采用顯微高光譜成像系統(tǒng)的儀器特點(diǎn),以及采集的高光譜顯微圖像中獨(dú)特的紋理結(jié)構(gòu),提出了最佳的數(shù)據(jù)預(yù)處理和可視化方案,用于后期高效的模型判別與病理分析。同時對于顯微高光譜成像系統(tǒng)與數(shù)據(jù)采集系統(tǒng)進(jìn)行了詳細(xì)闡述。(2)建立了30例胃癌患者的顯微高光譜數(shù)據(jù)庫,并基于此數(shù)據(jù)庫構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)模型。對于胃癌組織與正常組織的細(xì)微光譜差異,利用1D-CNN模型進(jìn)行光譜特征提取,重點(diǎn)研究了1D-CNN應(yīng)用于胃癌高光譜的最佳模型結(jié)構(gòu)及參數(shù),包括卷積層數(shù)、池化類型、全連接層神經(jīng)元個數(shù)等對模型性能的影響,最終分類準(zhǔn)確率達(dá)到了94.39%。同時對胃癌組織光譜特征的個體差異化進(jìn)行研究,并與醫(yī)學(xué)特征進(jìn)行了對比分析。(3)基于多維卷積神經(jīng)網(wǎng)絡(luò)與遷移學(xué)習(xí)模型的腫瘤組織分類診斷方法。針對病理組織紋理結(jié)構(gòu)復(fù)雜以及細(xì)節(jié)信息豐富的特點(diǎn),利用2D-3D CNN模型將提取到的深層光譜特征與細(xì)胞空間特征有機(jī)結(jié)合,將分類準(zhǔn)確率提高到了97.57%。針對醫(yī)學(xué)高光譜訓(xùn)練樣本相對有限的特點(diǎn),利用胃癌數(shù)字病理切片的公開數(shù)據(jù)集建立基于VGG-16的預(yù)訓(xùn)練模型,首次將遷移學(xué)習(xí)應(yīng)用于胃癌高光譜的分類問題中,充分學(xué)習(xí)了顯微病理組織的先驗(yàn)知識。在此基礎(chǔ)上整合數(shù)據(jù)預(yù)處理、光譜分析以及一維與多維CNN分類模型,提出了高效的圖譜聯(lián)合分類診斷模型。(4)基于圖譜聯(lián)合分類診斷模型的顯微高光譜技術(shù)應(yīng)用。將顯微高光譜技術(shù)應(yīng)用于更多生物醫(yī)學(xué)領(lǐng)域,首先針對傳統(tǒng)病理診斷中耗時耗力的染色過程,采用非監(jiān)督光譜標(biāo)記結(jié)合單譜段形態(tài)學(xué)信息的方法,實(shí)現(xiàn)了對未染色切片的高光譜虛擬染色。同時還對各類病原菌、皮膚黑色素瘤、肝癌組織與大熊貓毛發(fā)的顯微高光譜特征進(jìn)行了研究,實(shí)現(xiàn)了多領(lǐng)域應(yīng)用創(chuàng)新,并為其他組織器官與生物樣本的相關(guān)研究提供了借鑒方法。
【學(xué)位授予單位】：中國科學(xué)院大學(xué)(中國科學(xué)院西安光學(xué)精密機(jī)械研究所)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2018
【分類號】：R730.2;TP391.41
【圖文】：

景與意義醫(yī)學(xué)與人工智能，美國正式啟動了 精準(zhǔn)醫(yī)學(xué)計(jì)劃 （Precision Medicin醫(yī)學(xué)史上的新登月計(jì)劃，將會是開啟醫(yī)學(xué)領(lǐng)域新時代最好集大數(shù)據(jù)集的生物樣本、醫(yī)療數(shù)據(jù)和患者的健康信息，針、肝癌、肺癌、乳腺癌等疾病展開一系列研究工作。其實(shí).1）的概念早在 20 世紀(jì) 90 年代就已提出[2][3][4]，并在近十6 年至 2015 年精準(zhǔn)醫(yī)學(xué)領(lǐng)域逐年上升的文章數(shù)量，也從側(cè)關(guān)注。自從美國提出精準(zhǔn)醫(yī)學(xué)計(jì)劃以來，精準(zhǔn)醫(yī)學(xué)迅速成注的焦點(diǎn)，英國、法國、韓國、澳大利亞等國都相繼啟動，并逐步將其提升到國家戰(zhàn)略層面。據(jù)不完全統(tǒng)計(jì)，目前究計(jì)劃的國家已超過 10 個，投資金額超過 50 億美元，全預(yù)計(jì)將以每年 15%的速率增長，2020 年市場規(guī)模將突破

直接關(guān)聯(lián)的產(chǎn)業(yè)規(guī)模將超過 100 億，形成產(chǎn)業(yè)集群式發(fā)展，市場每年的增速將達(dá)到 20%-25%。同時，國內(nèi)醫(yī)療巨大的現(xiàn)實(shí)需求也學(xué)的發(fā)展提出了更高要求。中國作為人口大國，惡性腫瘤是一直造成居主要原因之一[5]。根據(jù) 2017 年中國癌癥統(tǒng)計(jì)數(shù)據(jù)，中國的癌癥死亡率平均水平 17%，全國每天約有 1 萬人確診癌癥，慢性病患者達(dá)到 2.6 億肺癌的發(fā)病率、死亡率均為最高，其次是消化系統(tǒng)癌癥；男性罹患前列癌風(fēng)險高，女性罹患乳腺癌和甲狀腺癌的風(fēng)險最高；不同癌癥的地域性較為明顯。這些重大疾病造成了國家人力資源和經(jīng)濟(jì)資源的損失，而目療仍局限于傳統(tǒng)的臨床癥狀表現(xiàn)、生理生化指標(biāo)差異和影像學(xué)分析，對織器官的深層次分子生物學(xué)變化的研究還較少[6][7][8]。以癌前病變診斷國家的早期診斷率達(dá)到 50％，北歐對于某些癌癥的早期診斷率甚至，而中國還不足 20％。精準(zhǔn)醫(yī)學(xué)的出現(xiàn)也正是為了解決這樣的現(xiàn)實(shí)需重大疾病診療以及生育健康領(lǐng)域的應(yīng)用前景廣闊。

【參考文獻(xiàn)】

相關(guān)期刊論文 前7條

1 易偉松;劉文強(qiáng);陸東;李小倩;潘蒙;陳建業(yè);江厚敏;;高光譜成像結(jié)合化學(xué)計(jì)量學(xué)診斷胃癌組織[J];中國醫(yī)學(xué)物理學(xué)雜志;2015年01期

2 劉洪英;顧文荃;李慶利;王依婷;陳增淦;徐沁同;;超光譜成像技術(shù)應(yīng)用于神經(jīng)分類的研究[J];光譜學(xué)與光譜分析;2015年01期

3 公麗艷;孟憲軍;劉乃僑;畢金峰;;基于主成分與聚類分析的蘋果加工品質(zhì)評價[J];農(nóng)業(yè)工程學(xué)報(bào);2014年13期

4 王婷;后桂榮;張寧;余學(xué)飛;;基于激光共聚焦顯微鏡圖像的黑色素瘤計(jì)算機(jī)輔助診斷算法研究[J];中國醫(yī)學(xué)影像學(xué)雜志;2013年02期

5 黃昆;陳登勝;余國忠;;直方圖均衡化在遙感圖像彩色合成中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2010年16期

6 李軍東,張輝;氫質(zhì)子磁共振波譜在腦腫瘤中的應(yīng)用現(xiàn)狀分析[J];山西醫(yī)藥雜志;2005年10期

7 肖功海,舒嶸,薛永祺;顯微高光譜成像系統(tǒng)的設(shè)計(jì)[J];光學(xué)精密工程;2004年04期

相關(guān)博士學(xué)位論文 前2條

1 徐沁同;應(yīng)用拉曼光譜和超光譜成像技術(shù)識別周圍神經(jīng)纖維及神經(jīng)束功能性質(zhì)和顯微結(jié)構(gòu)的研究[D];復(fù)旦大學(xué);2013年

2 戴春妮;高光譜顯微圖像的特征提取與分類方法及其應(yīng)用研究[D];華東師范大學(xué);2009年

本文編號：2712821