阅读说明：本技术 一种基于光谱特征参数的***前病变诊断方法 (Cervical cancer pre-lesion diagnosis method based on spectral characteristic parameters ) 是由 钱志余 刘文文 晋晓飞 李韪韬 李怡燃 刘洋洋 张欢 李俊俊 于 2019-10-24 设计创作，主要内容包括：本发明公开了一种基于光谱特征参数的宫颈癌前病变诊断方法,属于宫颈癌前病变筛查方法领域。本发明利用光谱采集系统获取宫颈组织漫反射光谱,从光谱数据中计算特征参数,并基于特征参数实现正常和病变组织的区分。对实验采集的宫颈组织光谱数据进行分析,首先进行筛选和预处理,在特征波段计算特征参数,后利用特征参数建立分类模型。本发明方法完全基于光谱特征模型的预测结果,不需要依赖于医生的主观判断,同时也不需要高水平的技术操作人员,为医疗资源匮乏的地区提供了更合适的筛查手段。(The invention discloses a cervical cancer precancerous lesion diagnosis method based on spectral characteristic parameters, and belongs to the field of cervical cancer precancerous lesion screening methods. The invention utilizes the spectrum acquisition system to obtain the diffuse reflection spectrum of the cervical tissue, calculates the characteristic parameters from the spectrum data, and realizes the distinction between normal tissue and lesion tissue based on the characteristic parameters. Analyzing the cervix tissue spectral data collected by the experiment, firstly screening and preprocessing, calculating characteristic parameters in characteristic wave bands, and then establishing a classification model by using the characteristic parameters. The method is completely based on the prediction result of the spectral feature model, does not need to rely on the subjective judgment of doctors, does not need high-level technical operators, and provides a more appropriate screening means for the areas with deficient medical resources.)

一种基于光谱特征参数的***前病变诊断方法

技术领域

本发明涉及一种基于光谱特征参数的***前病变诊断方法，属于***前病变筛查方法领域。

背景技术

在中国，***是青年和中年女性中的第二大高发恶性肿瘤，严重危害妇女生命健康。***是目前唯一病因明确的癌症，且可治愈，早期筛查、防治可以有效地阻断***的发展。感染高危型人***瘤病毒(HPV)持续两年以上且未治疗则可能发展为宫颈上皮内瘤变(CIN)，高级别的宫颈病变可进一步发展为***，从感染HPV到发展为***一般会历时10--20年。宫颈内瘤变又可以具体分为三个等级，CINⅠ、CINⅡ、CINⅢ，等级越高，异型细胞扩散面积越大。

临床上用于***筛查的方法主要有醋酸(或碘)染色观察法、细胞学检查、电子***镜检查及组织活检等。以上方法存在灵敏度和特异度不高、等待周期长、检查过程痛苦等问题，另外有的方法依赖于操作者的技术水平和医师的主观判断，其准确度不稳定，且不适用于资源短缺的小型医院。

现有的***早期病变筛查的仪器主要是电子***镜，电子***镜可以放大图像，观察到肉眼看不到的病灶细节，有助于早期癌症的判断。电子***镜的诊断结果依赖于医生的主观判断，准确率决定于医生水平。

宫颈组织在病变发展的过程中，其光学参数，吸收系数、约化散射系数等，会发生变化，而这些参数的变化会反映在组织的漫反射光谱中。漫反射光谱应用于癌症的检测的相关研究已经在口腔癌、皮肤癌、***等各个领域展开。

发明内容

本发明提出了一种基于光谱特征参数的***前病变诊断方法，具有无创、快速、实时等优点，弥补了现有临床应用技术的不足。通过病人的组织光谱的特征来对组织的病变状态进行诊断，诊断结果具有客观性，不受操作人员技术水平影响。

本发明为解决其技术问题采用如下技术方案：

一种基于光谱特征参数的***前病变诊断方法，包括如下步骤：

(1)数据采集：利用光谱采集系统进行光谱采集，采集病人的宫颈组织漫反射光谱数据；

(2)数据筛选和预处理：筛除不合格的光谱数据，对合格的光谱数据进行平滑和归一化处理；

(3)特征提取：提取光谱的特征，选定建模所用特征参数；

(4)分类模型建立：将特征参数作为输入，建立分类模型，区分正常组织光谱和病变组织光谱；

(5)类型诊断：基于已有的模型对组织光谱的类别进行判断，并输出诊断结果。

步骤(1)中所述光谱采集系统包括卤素光源、光纤光谱仪和双光纤探头，其中双光纤探头分别与卤素光源和光纤光谱仪连接。

步骤(1)中所述光谱采集系统采集波长范围是200--1100nm。

步骤(1)中所述光谱采集包括如下过程：

a)保留检测环境背景光谱；

b)探头轻轻贴近子宫颈移行带，并缓慢滑动；

c)疑似病变区域采集时间加长，探头在移行带滑动一周后，移走探头，采集完毕。

步骤(2)所述合格的光谱数据分为训练集和验证集，训练集训练预测模型，测试集用于验证模型准确率。

步骤(3)所述特征提取得方法如下：通过实验中不同组织光谱数据对比，找到特征波段，在特征波段中寻找能用特征参数。

步骤(3)所述特征参数分为光谱的峰下面积和斜率参数以及光学参数三类。

步骤(3)所述建模采用的是神经网络模型。

本发明的有益效果如下：

本发明的方法可以作为***前病变筛查的手段，也可以作为辅助工具。本发明方法完全基于光谱特征模型的预测结果，不需要依赖于医生的主观判断，同时也不需要高水平的技术操作人员，为医疗资源匮乏的地区提供了更合适的筛查手段。本发明方法的筛查过程不需要进行活检和染色等，优化了病人的检查体验，能够提升病人对***筛查的接受度，有助于提高***筛查率。基于临床试验数据建立的宫颈组织分类模型，目前对于已有数据的预测灵敏度高于90％，特异度高于85％，相较于临床上应用的其他方法具有一定优势。

附图说明

图1***前病变筛查方法流程图。

图2光谱采集设备结构图。

具体实施方式

为使本发明的目的、技术方案和优点阐述更为清晰，以下参照附图，对本发明作进一步的详细说明。

图1是***前病变筛查方法流程图，主要包括数据采集、数据筛选和预处理、特征参数计算、建模、预测几个步骤。

光谱采集系统的光源经光纤照射到宫颈组织，光谱光纤的接收光纤采集从组织返回的光，并传输到光纤光谱仪，光纤探头绕宫颈移行带一周，完成光谱的采集。

双光纤探头前端直径6.5mm，光纤直径400μm，保证充分的漫反射光被检测到。在探头检测端，双光纤源探距离500μm，可探测深度一般为源探距离的一半，即250μm，宫颈上皮组织平均厚度约为350μm，此源探距离可以尽量减少基质层的影响，保证有用信息大多来自发生不典型增生的上皮组织。

光谱筛选主要考虑了环境因素和人为因素的影响，目前主要筛掉的有环境光污染、探头距离远、探头抖动和幅值过低这几种。通过特定波段斜率、光谱峰值来对光谱进行筛选。

通过实验发现，正常组织和病变组织的光谱在某几个波段有较为明显的差异，在这几个波段选取了斜率和峰下面积作为特征参数。经过验证，斜率和峰下面积作为特征，可以作为区分正常和病变组织的标志。本方法中选取的斜率面积特征为S_500-520、S_524-532、S_540-560、S_565-570、S_575-590、S_750-850、A_400-800、A_500-550、A_550-600，其下标分别代表所在波长范围，S代表斜率，A代表面积，例如S_500-520即波长500-520nm波段的斜率。

光谱采样时间间隔可调，预设值为150ms。光谱数据采集主要有以下几个步骤：

(1)设备在使用前消毒，预存当前检测环境黑暗时的光谱，并作为光谱背景。

(2)将探头前端微微贴近子宫颈口平移带外沿，让探头前端轻微接触平移带，顺时针方向螺旋向内滑过整个平移带。若结合***镜进行检查，可对疑似病变区域重点画圈采集几次。

(3)设备使用结束后，保存已采集数据，并进行设备消毒。

由于人为操作和环境的影响，光谱数据中会存在一些不合格光谱数据。在进行数据处理之前，需要对这些无效数据进行筛选。造成不合格光谱的因素主要有环境光污染、探头与组织的距离过大、探头抖动、光谱峰值低，针对这几种不合格光谱，采用光谱峰值和几个特定波段的斜率进行筛选。光谱筛选后，对合格光谱进行平均平滑处理并归一化。预处理结束后的光谱数据和原始光谱数据，保存在数据库中。

对于环境光造成的干扰，光谱在545nm和大于612nm处取得峰值，这两个点的光谱强度通常远远大于周边正常的光谱强度，通过比较612nm处光谱强度和700nm处光谱强度决定是否保存光谱。在固定光源光强下，宫颈组织的光谱峰值一般大于1500counts(光谱强度)，低于1500counts的光谱多数属于接触不良的光谱。抖动干扰的光谱和探头远离组织时的光谱在470-574nm波段斜率和693-731nm波段斜率跟合格光谱有明显区分。通过统计，在470-574nm波段斜率小于0.9时过滤掉光谱，同理在归一化后的光谱的693-731nm波段斜率小于-0.053时过滤掉光谱。采用以上几种方式组合过滤掉无效光谱。

特征参数μ'_s、μ_a、S_500-520、S_524-532、S_540-560、S_565-570、S_575-590、S_750-850、A_400-800、A_500-550、A_550-600共十一维，分别是约化散射系数、吸收系数、波长500-520nm的光谱斜率、波长524-532nm的光谱斜率、波长540-560nm的光谱斜率、波长565-570nm的光谱斜率、波长575-590nm的光谱斜率、波长750-850nm的光谱斜率、波长400-800nm的光谱峰下面积、波长500-550nm的光谱峰下面积、波长550-600nm的光谱峰下面积。特征参数存入数据库。

以十一维特征参数为输入，利用BP(反向传播)神经网络建模，在多个模型中选择准确率最高的作为最终的分类预测模型，保存在数据库中。当有新数据需要进行预测时，从数据库中提取模型，输出预测结果。

图2为光谱采集设备结构图，光谱采集设备主要包含光纤探头、光源、光纤光谱仪、和计算机。从光源产生的光经过入射光纤传送到组织表面，光经过组织的漫反射，再由接收光纤传送到光纤光谱仪，最后进入计算机保存。