【技术实现步骤摘要】
本专利技术涉及医学检测。更具体地说，本专利技术涉及一种基于iccd和光纤式门控的拉曼光谱系统应用方法及系统。
技术介绍
1、癌症是目前人类所面对的共同难题。而癌症的早期诊断对于提高治疗效果和患者生存率至关重要。传统的组织病理学检测方法通常需要手术活检或穿刺活检，这些方法具有侵入性，可能导致并发症，且耗时较长。
2、当然的，现有技术中，也有采用非侵入性的检测，如对某些部位(如乳腺)的检测采用影像(如超声等)技术实现，如专利申请号为202110038828.6，专利名称为基于影像组学定性算法构建癌症临床指标评估系统，用于对癌症的早期诊断、预后及药效亚型提供无创、精准以及非主观性的判断，但该技术存在的问题在于：该系统只能通过提取多种影像特征实现肿瘤形态学判断，而肿瘤具有很强的异质性，在形态学上会有多种表现，影像组学从一个维度来分析，难以全面准确地反映肿瘤的分子生物学特征、免疫学特征等，从而影响诊断的准确性。
3、另外，也有一些部分采用试纸类的产品来实现对癌症的判断，如申请号为：202211408042.x，专利名称为一种胃癌诊断产品和诊断模型，其用于对早期胃癌的诊断，具有非常高的灵敏度和特异度，可将其用于胃癌的早期筛查，以此降低胃癌死亡率，但其存在的问题在于：该试纸类产品为体外诊断产品，无法做到实时监测，也无法精准定位癌变组织的位置，还需借助其他检测手段进一步确认。
4、而拉曼光谱技术作为一种非侵入性的分子成像技术，可以从分子水平上分析癌变细胞中蛋白质、脂类、核酸等成分的相对含量和分布，对肿瘤异质性
技术实现思路
1、本专利技术的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
2、为了实现本专利技术的这些目的和其它优点，提供了一种基于iccd和光纤式门控的拉曼光谱系统应用方法，包括：
3、s1、控制单元切换激光光源的工作状态，以产生激发目标组织拉曼信号的激光；
4、s2、所述激光通过柔性光纤探头到达待检测部分，控制单元切换门控单元和iccd探测器的工作状态，以通过光纤探头采集目标组织的拉曼光谱信号；
5、s3、所述控制单元将采集到的拉曼光谱信号输出至光谱分析模块，光谱分析模块基于内置的深度学习模型对采集拉曼光谱信号进行处理，以对采集组织的恶性程度进行分析评估；
6、s4、控制单元对光谱分析模块的处理结果进行输出和/或显示。
7、优选的是，在s2中，所述采集目标组织的拉曼光谱信号的方法为：在待采集组织的预定的区域范围内，随机选取10个点采集拉曼光谱，且每点采集时间至少保持10秒。
8、优选的是，在s2中，所述门控单元用于控制iccd的曝光时间，以保证iccd的快门速度500ps，门宽5ns。
9、优选的是，在s3中，所述深度学习模型的获取方式包括：
10、s30、对采集到的拉曼光谱信号进行预处理、特征提取得到采集组织成分光谱；
11、s31、通过神经网络模型学习基本成分的标准拉曼光谱，并将采集组织成分光谱、正常组织光谱作为神经网络模型的训练数据进行训练；
12、采用训练后的神经网络模型分析采集组织成分光谱中基本成分的贡献程度，以给出组织中基本成分的比例关系；
13、s32、基于拉曼光谱数据的特点，构建基于卷积神经网络和长短期记忆网络的融合式神经网络模型并训练，以通过交叉验证方法评估神经网络模型的性能，进而对卷积神经网络和长短期记忆网络的权重w1和权重w2分别进行赋值，以得到训练好的深度学习模型；
14、其中，所述基本成分包括dna、脂肪、组蛋白、胶原蛋白、肌动蛋白。
15、优选的是，在s3中，训练好的深度学习模型压缩后部署在光谱分析模块上，以实现对采集的拉曼光谱数据进行实时分析和反馈。
16、优选的是，在s30中，所述预处理包括：对采集到的拉曼光谱进行降噪、基线校正、归一化和光谱畸变校正操作。
17、所述特征提取的方法包括：
18、s301、从多个维度提取预处理后的拉曼光谱信号图中的有效特征信息；
19、s302、基于连续小波变换的谱峰特征提取算法从有效特征信息提取对肿瘤诊断具有生物学意义的关键信息，进而得到谱峰特征数据；
20、其中，所述有效特征信息是指特征谱峰片段，以通过特征谱峰片段来表征对肿瘤诊断具有生物学意义的谱峰归属；
21、所述关键信息包括特征谱峰片段中谱峰的峰位、峰强和峰宽。
22、优选的是，在s301中，通过如下特征谱峰片段来对肿瘤诊断具有生物学意义的谱峰归属进行表征：
23、通过616-626cm-1的特征谱峰片段表征酰胺iv；
24、通过637-647cm-1的特征谱峰片段表征c-s伸缩振动；
25、通过785-795cm-1的特征谱峰片段表征dna；
26、通过855-865cm-1的特征谱峰片段表征脂质；
27、通过998-1008cm-1的特征谱峰片段表征苯丙氨酸；
28、通过1075-1085cm-1的特征谱峰片段表征dna；
29、通过1235-1245cm-1的特征谱峰片段表征酰胺ⅲ；
30、通过1318-1328cm-1的特征谱峰片段表征ch形变振动；
31、通过1444-1454cm-1的特征谱峰片段表征ch2弯曲振动；
32、通过1547-1557cm-1的特征谱峰片段表征酰胺ii；
33、通过1611-1621cm-1的特征谱峰片段表征色氨酸；
34、通过1664-1674cm-1的特征谱峰片段表征胺i。
35、优选的是，在s31中，训练神经网络模型以确定组织中基本成分比例关系的方式为：
36、s310、通过下式获取模拟组织光谱s：
37、s＝a0s0+a1s1+a2s2+a3s3+a4s4+a5s5
38、上式中，s0是正常组织光谱，s1-s5分别是dna、脂质、组蛋白、胶原蛋白、肌动蛋白的光谱，且a0-a5分别为正常组本文档来自技高网...
【技术保护点】
1.一种基于ICCD和光纤式门控的拉曼光谱系统应用方法，其特征在于，包括：
2.如权利要求1所述的基于ICCD和光纤式门控的拉曼光谱系统应用方法，其特征在于，在S2中，所述采集目标组织的拉曼光谱信号的方法为：在待采集组织的预定的区域范围内，随机选取10个点采集拉曼光谱，且每点采集时间至少保持10秒。
3.如权利要求1所述的基于ICCD和光纤式门控的拉曼光谱系统应用方法，其特征在于，在S2中，所述门控单元用于控制ICCD的曝光时间，以保证ICCD的快门速度500ps，门宽5ns。
4.如权利要求1所述的基于ICCD和光纤式门控的拉曼光谱系统应用方法，其特征在于，在S3中，所述深度学习模型的获取方式包括：
5.如权利要求4所述的基于ICCD和光纤式门控的拉曼光谱系统应用方法，其特征在于，在S3中，训练好的深度学习模型压缩后部署在光谱分析模块上，以实现对采集的拉曼光谱数据进行实时分析和反馈。
6.如权利要求4所述的基于ICCD和光纤式门控的拉曼光谱系统应用方法，其特征在于，在S30中，所述预处理包括：对采集到的拉曼光谱进行降噪
7.如权利要求6所述的基于ICCD和光纤式门控的拉曼光谱系统应用方法，其特征在于，在S301中，通过如下特征谱峰片段来对肿瘤诊断具有生物学意义的谱峰归属进行表征：
8.如权利要求6所述的基于ICCD和光纤式门控的拉曼光谱系统应用方法，其特征在于，在S31中，训练神经网络模型以确定组织中基本成分比例关系的方式为：
9.如权利要求4所述的基于ICCD和光纤式门控的拉曼光谱系统应用方法，其特征在于，在S32中，所述融合式神经网络模型是基于Boosting模型完成卷积神经网络和长短期记忆网络的融合，且融合式神经网络模型的输出F通过下式得到：
10.一种拉曼光谱检测系统，其应用于如权利要求1-9任一项所述的基于ICCD和光纤式门控的拉曼光谱系统应用方法中，其特征在于，包括：
...【技术特征摘要】
1.一种基于iccd和光纤式门控的拉曼光谱系统应用方法，其特征在于，包括：
2.如权利要求1所述的基于iccd和光纤式门控的拉曼光谱系统应用方法，其特征在于，在s2中，所述采集目标组织的拉曼光谱信号的方法为：在待采集组织的预定的区域范围内，随机选取10个点采集拉曼光谱，且每点采集时间至少保持10秒。
3.如权利要求1所述的基于iccd和光纤式门控的拉曼光谱系统应用方法，其特征在于，在s2中，所述门控单元用于控制iccd的曝光时间，以保证iccd的快门速度500ps，门宽5ns。
4.如权利要求1所述的基于iccd和光纤式门控的拉曼光谱系统应用方法，其特征在于，在s3中，所述深度学习模型的获取方式包括：
5.如权利要求4所述的基于iccd和光纤式门控的拉曼光谱系统应用方法，其特征在于，在s3中，训练好的深度学习模型压缩后部署在光谱分析模块上，以实现对采集的拉曼光谱数据进行实时分析和反馈。
6.如权利要求4所述...
【专利技术属性】
技术研发人员：莫文博，周民杰，祁道健，赵宗清，王新明，唐烽，倪爽，
申请(专利权)人：中国工程物理研究院激光聚变研究中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。