一种基于光声时频谱的穿刺组织条分级方法技术

本发明专利技术涉及一种基于光声时频谱的穿刺组织条分级方法，包括以下步骤：1)对穿刺组织条样本进行红外波段的脉冲光声检测，分别获取胶原及脂质分子光吸收波段下的脉冲光声信号；2)通过小波变换将脉冲光声信号在时域和频域两个维度展开，获取胶原及脂质分子在光吸收波段下的光声时频谱图；3)采用深度学习方法对光声时频谱图提取图像特征，并根据图像特征进行组织分类或者分级判别；4)汇总不同类别或等级的穿刺组织条样本信息以及对应的光声时频谱图特征信息，并在数据服务器中建立光声数据库。与现有技术相比，本发明专利技术具有涵盖胶原和脂质分子信息、客观评价、快速精准识别、适合细长条状的组织分类及分级等优点。的组织分类及分级等优点。的组织分类及分级等优点。

【技术实现步骤摘要】
一种基于光声时频谱的穿刺组织条分级方法


[0001]本专利技术涉及生物医学超声领域，尤其是涉及一种基于光声时频谱的前列腺穿刺组织条分级方法。

技术介绍

[0002]前列腺癌是我国目前男性多发癌症之一，近年来发病率和死亡率均呈逐年上升趋势，前列腺癌是一种发展相对缓慢的肿瘤，早期前列腺癌治疗后的5年生存率大于95％，因此提高我国前列腺癌的早期诊断率是十分重要的。
[0003]目前前列腺癌检测首先是通过经直肠超声确定癌变区域，再通过前列腺穿刺进行等级分类的方式。但现有的超声系统对早期前列腺癌的诊断灵敏度较低，易出现假阴性穿刺结果。因此对于病人来说，需要穿刺50多处位置才能提高确诊率，这会给病人带来极大的身心痛苦。对于穿刺活检出的组织条，一般长度大约为15mm左右，病理上是利用Gleason score评分基准对整根组织条进行恶性程度评级，Gleason score评分最高的区域为这一整根组织条最终的Gleason score评分，但是一般15mm的穿刺组织条仅有20％的区域为肿瘤区域(0～4mm)左右，因此如果对整张病理切片按照每个组织点进行读取分类，耗时长且需要有经验的医师进行精准判别。因此，需要一种更准确及易推广的方式来辅助检测，以有效的剥离出感兴趣区域，减少病理方式的人工耗时。

技术实现思路

[0004]本专利技术的目的就是为了克服上述现有技术存在的缺陷而提供一种基于光声时频谱的穿刺组织条分级方法。
[0005]本专利技术的目的可以通过以下技术方案来实现：
[0006]一种基于光声时频谱的穿刺组织条分级方法，包括以下步骤：
[0007]1)对穿刺组织条样本进行红外波段的脉冲光声检测，分别获取胶原及脂质分子光吸收波段下的脉冲光声信号；
[0008]2)通过小波变换将脉冲光声信号在时域和频域两个维度展开，获取胶原及脂质分子在光吸收波段下的光声时频谱图；
[0009]3)采用深度学习方法对光声时频谱图提取图像特征，并根据图像特征进行组织分类或者分级判别；
[0010]4)汇总不同类别或等级的穿刺组织条样本信息以及对应的光声时频谱图特征信息，并在数据服务器中建立光声数据库。
[0011]所述的步骤1)中，脉冲光声检测采用的波段包括胶原分子吸收波段1310nm和脂质分子吸收波段1210nm。
[0012]所述的步骤2)中，在光声时频谱图中，横坐标为时间，对应穿刺组织条的不同位置，纵坐标为频率，代表组织内分子团簇的尺寸信息。
[0013]所述的穿刺组织条形状呈细长条形，其长度远大于宽度，使其仅有一个维度以对
应时间。
[0014]所述的步骤3)中，采用残差网络对光声时频谱图提取图像特征。
[0015]对光声时频谱图提取图像特征包括同类/异类分子团簇尺寸、含量以及异类分子类别信息。
[0016]所述的残差网络内部的残差块采用跳跃连接，用以缓解深度神经网络中增加深度带来的梯度消失的问题，解决深度网络退化问题。
[0017]所述的步骤1)中，对于采集到的光声信号进行能量归一处理，去除能量扰动，并对换能器进行频响校准，去除系统影响。
[0018]采用黑体信号对不同波长造成的脉冲激光能量差异进行激光光能量校准，实现能量归一。
[0019]以光声时频谱图特征信息作为输入，以Gleason score评分作为输出，通过构建神经网络进行组织分类或者分级判别。
[0020]与现有技术相比，本专利技术具有以下优点：
[0021]一、涵盖胶原及脂质的分子信息：基于本专利技术能够有效检测胶原及脂质分子的特征信息，有效、快速提取特征分子信息区分不同类别/等级的组织。
[0022]二、客观评价：待测组织样本的光声信号与黑体产生的光声信号进行了能量归一，用于去除能量扰动，并进一步对换能器进行了频响校准，提供了与系统无关的更为客观的定量结果，并对组织的光声信号在时域和频域两个维度上展开可剥离出感兴趣区域，去除其他部分的影响。
[0023]三、快速精准识别：残差网络模型对光声时频谱图进行图像特征读取，其中特征信息包含了同类分子团簇尺寸、含量以及异类分子类别等信息，残差网络内部的残差块使用了跳跃连接，缓解了深度神经网络中增加深度带来的梯度消失的问题，并且一定程度上解决了深度网络中的退化问题，能够带来更高的准确率，针对光声时频谱图，能进行高效准确的分类。
[0024]四、建立光声数据库：积累不同类别/等级样本信息以及相应的光声时频谱图辅助建立光声数据库。
[0025]五、适合细长条状的组织分级：本专利技术通过小波变换将脉冲光声信号在时域和频域两个维度展开，并构建光声时频谱图，使得在光声时频谱图的时间轴与近似一维的细长条形组织对应，更加准确的得到感兴趣区域，进而得到整个组织范围内的评分。
附图说明
[0026]图1为本专利技术的流程图。
[0027]图2为本专利技术采集的光声时频谱示意图。
具体实施方式
[0028]下面结合附图和具体实施例对本专利技术进行详细说明。显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都应属于本专利技术保护的范围。
[0029]实施例
[0030]如图1所示，本专利技术提供一种基于光声时频谱的穿刺组织条分级方法，主要包括以下步骤：
[0031]步骤1、对穿刺组织条开展红外波段的脉冲光声检测，分别测量组织样本，得到在胶原及脂质分子光吸收波段下的脉冲光声信号；
[0032]步骤2、利用小波变换，将光声信号在时域和频域信号两个维度展开，得到胶原及脂质分子光吸收波段下的光声时频谱图(如图2所示)，图中横坐标为时间，对于穿刺条等细长条组织，即对应穿刺组织条的不同位置，纵坐标为频率，代表组织内分子团簇的尺寸信息。
[0033]步骤3、通过深度学习方式，如残差网络对时频谱图像，提取图像特征，提取信息包括同类/异类分子团簇尺寸、含量等信息，进行组织分类或者分级判别；
[0034]步骤4、积累不同类别/等级样本信息以及相应的光声时频谱图等信息，建立光声数据库。
[0035]针对采集到的光声信号，需要使用黑体信号对不同波长造成的脉冲激光能量差异进行激光光能量校准，并进一步对换能器进行频响校准，去除系统影响。
[0036]步骤1中，对穿刺组织条开展红外波段的脉冲光声检测包含脂质分子1210nm及胶原分子1310nm等双分子的光吸收波长。
[0037]步骤2中，时频谱分析对于细长型组织样本，横坐标时间信息对应于位置信息，可得到分子团簇尺寸、含量等信息的空间分布情况，剥离出感兴趣区域，进行针对性特征分子物理及化学信息提取。
[0038]步骤3中，残差网络模型对光声时频谱图进行图像特征提取，其中特征信息包含了同类分子团簇尺寸、含量以及异类分子类别等信息，残差网络内部的残差块使用了跳跃连接，缓解了深度神经网络中增加深度带来的梯本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光声时频谱的穿刺组织条分级方法，其特征在于，包括以下步骤：1)对穿刺组织条样本进行红外波段的脉冲光声检测，分别获取胶原及脂质分子光吸收波段下的脉冲光声信号；2)通过小波变换将脉冲光声信号在时域和频域两个维度展开，获取胶原及脂质分子在光吸收波段下的光声时频谱图；3)采用深度学习方法对光声时频谱图提取图像特征，并根据图像特征进行组织分类或者分级判别；4)汇总不同类别或等级的穿刺组织条样本信息以及对应的光声时频谱图特征信息，并在数据服务器中建立光声数据库。2.根据权利要求1所述的一种基于光声时频谱的穿刺组织条分级方法，其特征在于，所述的步骤1)中，脉冲光声检测采用的波段包括胶原分子吸收波段1310nm和脂质分子吸收波段1210nm。3.根据权利要求1所述的一种基于光声时频谱的穿刺组织条分级方法，其特征在于，所述的步骤2)中，在光声时频谱图中，横坐标为时间，对应穿刺组织条的不同位置，纵坐标为频率，代表组织内分子团簇的尺寸信息。4.根据权利要求3所述的一种基于光声时频谱的穿刺组织条分级方法，其特征在于，所述的穿刺组织条形状呈细长条形，其长度远大于宽度，使其仅有一个维度以对应时间。5.根据权利要求1所述的...

【专利技术属性】
技术研发人员：程茜，吴诗颖，解维娅，陈盈娜，吴登龙，黄盛松，张梦娇，徐成党，刘莺，
申请(专利权)人：同济大学，
类型：发明
国别省市：