一种胃部组织性质无创检测装置及方法 【技术领域】
本发明涉及生物光谱分析技术领域，尤其涉及一种胃部组织性质无创检测装置及方法。
背景技术
癌症是严重威胁人类健康甚至生命的一类疾病。胃癌是最常见的恶性肿瘤之一，其死亡率在我国居恶性肿瘤的首位，影响其治疗最主要的因素是病期，早期胃癌的5年生存率可达90％以上。目前，对胃部病变进行检查最有效的方法为纤维胃镜，胃镜下可了解病变的部位和范围，而且可对可疑病变取材进行病理学诊断。在临床胃镜检测结果中，一般很小比例的病例为癌症，绝大部分的病人则患有各种慢性炎症，而若对炎症病变未进行及时的治疗控制和定期检查监测，炎症则可能进一步恶化，发生异型增生，最终发展为癌症。正确快速地实现胃镜样品正常、浅表性胃炎、萎缩性胃炎或胃癌中的临床诊断，并相应的采取不同的治疗方案，对于提高病患的生存率与治愈率具有重要意义。
目前，虽然临床上胃镜检查被广泛采用，如专利CN 1004530250所述的一种内窥镜系统。但胃镜检查仍有一定的局限性，如需要夹取胃部组织，因而有创伤、易感染、易导致扩散，同样的，因为需要夹取组织，所以对所有疑似部位进行夹取检查不易实现，因此可能造成漏检。胃镜检查的诊断结果主要受检查者的操作经验影响与主观判断，因而精确度较低。夹取后的组织福尔马林固定，石蜡包埋，HE染色，最后进行常规病理学检查，因而需要较长时间才能得到诊断结果，且成本较高。
傅里叶变换红外光谱法(Fourier Transform Infrared Spectroscopy，简称FTIR)是近年来发展起来的一种从分子水平研究生物组织的新方法。红外光谱是分子结构变化的灵敏探针，能够从细胞内某些物质相应基团分子振动水平的变化来检测细胞内物质的组成、结构与构象的变化。因此，病变组织的早期变化在未体现在形态学上的变化时，已在其中红外光谱上有所表现。而目前的一些学术研究虽然也涉及此领域，但大多需要采集组织样本后，放置于光谱仪上进行离体检测，即，希望以光谱检查代替病理检查，这样同样需要夹取组织，因而也就具有其弊端。少数能够在体判别组织性质的实验室学术研究也都是针对人体浅表组织，即反映皮肤附近组织的病变情况。且目前的光谱研究还仍然停留在特征谱峰比对阶段，浪费了全谱的大量信息，且过于依靠主观判断，因而精度不高。
综上所述，一种胃部组织性质无创检测装置及方法，将光谱分析方法与图像分析方法相结合，有望发展成为一种无创、快速的胃部组织性质检测新技术，且可用于癌症的早期检测。
【发明内容】
本发明的技术解决问题：克服现有技术的不足，提供一种胃部组织性质无创检测装置及方法，实现在体、多点测量，可以避免漏检，不需夹取患者胃部组织进行病理分析，减少了患者痛苦，避免了交叉感染与扩散，将图像与全光谱信息相结合，通过数学算法编程，自动判别疑似组织性质，具有较高的准确度。
本发明的技术解决方案：一种胃部组织性质无创检测装置，包括以下部分：光源部分，伸入患者体内的软性部分，光谱采集装置，计算机；光源部分包含两部分：提供可见波段的照明所用的光源与提供中红外入射光光源；伸入患者体内的软性部分包括：可见光入射光纤，微型图像采集装置，图像信号输出线路；中红外入射光纤，二次衰减全反射(ATR)探头，中红外出射光纤，其中二次ATR探头与微型图像采集装置位于伸入患者体内的软性部分底端，中红外入射光纤与中红外出射光线组成Y形光纤束与二次ATR探头相连接；伸入患者体内的软性部分可弯曲，控制，通过操作可弯曲部分，可使其向上下左右各方向弯曲，通过调节弯角的方向而有助于其通过胃内弯曲的腔道，提高观察功能；
可见光光源发出的可见光经透镜耦合后进入可见光入射光纤并传输至患者体内，照亮胃部组织，以便微型图像采集装置采集胃部图像，并将图像信息转化为电信号通过图像信号输出线路发送至体外计算机；
中红外光源发出的中红外光经透镜耦合后进入中红外入射光纤并传输至患者体内在二次ATR探头内表面进行两次衰减全反射后，出射光负载了胃部组织的生化信息后经出射光纤传至体外光谱采集装置并转化为光谱信号后发送至计算机部分；
通过控制伸缩、转动伸入患者体内的软性部分，微型图像采集装置实时采集胃部各个部分组织的图像，当发现疑似病变组织后，启动光谱采集装置采集该处的光谱信号，此处的图像信息与光谱信息同时被保存下来，作为输入被传输至计算机部分，计算机可以将图像与光谱的存储并实时显示，同时，计算机内的模式识别模块利用事先已建立的各种性质胃部组织光谱数据库，对该处组织的图像信息与光谱信息进行判别分析，可以实时的输出检测组织判别组织正常、浅表性胃炎、萎缩性胃炎或胃癌的判别。
所述的可见部分光源选用卤钨灯或白光LED，所述的中红外光源为硅碳棒；在两光源出口处分别置有凸透镜，分别将两光源所发出的光聚焦耦合入各自入射光纤，经过透镜耦合后，可见光光源与中红外光源分别进可见入射光纤与中红外入射光纤。
所述的可见光入射光纤选用普通石英材质。
所述地中红外入射光纤与中红外出射光纤选用光纤材质为锗盐玻璃，通光波段为700-4000cm-1。
所述二次衰减全发射(ATR)探头为45度锥形ZnSe或Ge晶体，其剖面为等腰直角三角形。
所述的微型图像采集装置采用CCD或CMOS感光方式。
所述的光谱采集装置采用后分光方式，负载了胃部组织性质信息的中红外出射光，由光纤传输至体外，经透镜准直后，通过光谱采集装置中的分光部件分光后被检测器接受，并转化为光谱信号，分光部件可以采用AOTF晶体，可变滤光片或光栅。
所述的模式识别模块，该模块通过输入的光谱与图像信息对胃部组织性质进行判别分析。判别分析是多元统计方法中一类判别分类法，它是根据两个或多个母体的观测样本结果，按照一定的判别准则和相应的判别函数，来判别任一待判个体归属哪一类母体。
利用已经获得的组织光谱与已经判别的组织性质建立判别分析模型，判别分析是多元统计方法中较为成熟的一类判别分类法，它是根据两个或多个母体的观测样本结果，按照一定的判别准则和相应的判别函数，来判别任一待判个体归属哪一类母体。其方法包括：k-最近邻法，人工神经网络法，支持向量机法等多种，且不局限于以上判别分析方法。
k最近邻居法采用向量空间模型来分类，概念为相同类别的胃部组织光谱彼此的相似度高，而可以借由计算与已知类别案例之相似度，来评估未知类别案例可能的分类。根据具体情况，选取待判别样本最近的k个训练集样本光谱，设这k个样本中本别包含正常、浅表性胃炎、萎缩性胃炎和胃癌的样本N1、N2、N3，且N1+N2+N3＝k。分别计算判别样本光谱对四类训练集样本的隶属得分，公式如以下所表示：
式中Di表示该类别中第i个训练集样本光谱到待判别样本光谱之间的距离。Di用以衡量样品光间的相似程度，可以用欧氏距离、马氏距离、街区距离等来计算，且不局限于以上几种距离计算方法。
在计算得到待判别样品光谱对各类的得分后，比较得分高低，将待判别样本判定为得分最高的类别。
人工神经网络(Artificial Neural Network，ANN)是对人脑或自然神经网络(NaturalNeural Network)若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础的，其目的在于模拟大脑的某些机理与机制，实现某个方面的功能。ANN是由具有适应性的简单单元组成的广泛并行互连的网络，它的组织能够模拟生物神经系统对真实世界物体所作出的交互反应。使用人工神经网络方法实现模式识别。可处理一些环境信息十分复杂，背景知识不清楚，推理规则不明确的问题，允许样品光谱有较大的畸变，其运行速度快，自适应性能好，具有较高的分辨率。
一种胃部组织性质无创检测的方法，包括以下步骤：
A.在测量前采集足够不同病理分析结果的在体胃部组织图像与光谱，通过化学计量学方法建立判别分析模型；
B.利用微型图像采集装置获取训练集病人胃部组织的图像信息；
C.根据图像判定疑似部分，同时采集并记录疑似部位的图像与光谱信息；
D.将疑似部位的图像信息与光谱信息相结合输入步骤a建立好的判别分析模型中，得到待诊断病人胃部组织的分析结果为正常、浅表性胃炎、萎缩性胃炎或胃癌的一种。
所述步骤A具体包括：
a.招募大量志愿受试者，要求受试者中胃部为正常、浅表性胃炎、萎缩性胃炎或胃癌的比例相近；
b.将软性部分伸入受试者胃中，通过微型图像采集装置采集某部位的图像，同时利用采样光纤采集该部位组织光谱；
c.夹取被采集光谱部位组织，进行病理分析，确定其性质正常、浅表性胃炎、萎缩性胃炎或胃癌中的一种；
d.利用经本发明中所述装置获得的组织光谱与图像信息和利用病理分析得到结果，通过化学计量学方法对光谱建立正常、浅表性胃炎、萎缩性胃炎或胃癌四类的分类模型，
步骤C根据图像判定疑似部分，同时采集并记录疑似部位图像与光谱信息，其特征在于：利用本发明所属装置的软性部分深入待检测患者胃部，通过控制其俯仰或转动，实时采集胃部各个位置的图像，当发现病变组织在上会表现为溃疡性，即基底部会有特殊的表现，不平，硬感、暴露感，病灶周围的粘膜会有集中像和融合现象或者杵状变粗的表现，则开始通过微型图像采集装置记录该位置的图像，同时记录下该部位的图像与光谱数据。
本发明与现有技术相比具有如下优点：
(1)传统的检测装置与方法需要利用夹取钳采集胃部组织至体外，会给患者带来痛苦，同时可能造成扩散与感染，而且过多的采集各处组织也不可能实现，因而容易造成漏检。而本发明采用软性部分伸入患者体内，在体、无创地采集患者组织的光谱与图像进行判别分析，因而无需夹取患者胃部组织，只需采集组织图像与光谱，不会对患者造成痛苦与伤害，减少了患者痛苦，且不易交叉感染，造成扩散。同时，也可以实现多点测量，对有可能病变的部位都可以很容易的进行检测，可以避免漏检。
(2)传统的检测装置与方法需要夹取胃部组织至体外，夹取后的组织福尔马林固定，石蜡包埋，HE染色，最后进行常规病理学检查，因而需要较长时间才能得到诊断结果，且成本较高。而本发明利用深入体内的软性部分深入患者体内采集胃部组织的中红外光谱，中红外光谱能够灵敏地表征生物组织的性质，因此可以实现在体、原位测量，不需要进行病理分析，缩短了诊断所需时间，可以实时得到检测结果。
(3)传统的检测装置与方法依靠图像来确定组织性质，而癌变组织如果能够在影像学上被观测到时，至少已经有千万个癌变细胞了。而本发明应用光谱进行诊断，红外光谱能够从细胞内某些物质相应基团分子振动水平的变化来检测细胞中某些物质的存在、组成、含量以及分子的空间排列和结构的变化，因而本发明可以尽早的检测到组织的病变，可用于胃癌的早期检查。
(4)传统的检测装置与方法主要依靠图像检测，而目前的研究中则是依靠离体的组织光谱进行分析。而本发明同时利用图像与光谱信息都作为诊断依据，信息量更大，因而更可能得到正确的判断。
(5)目前研究中，主要针对离体组织光谱的特征峰进行比对、分析，而本发明中的模式识别模块针对在体组织全谱段光谱建立判别分析模型，检测更准确灵敏、特异性更高。
(6)常见的光谱采集方式为：中红外光由入射光纤进入皮肤再经反射后进入出射光纤的方式，而中红外光穿透深度很浅，因而携带信息量极少，组织信息很容易淹没在仪器与背景噪声中。而本发明采用二次衰减全反射(ATR)探头，提高了光谱信号强度与信噪比，为后续分析提供了可能。
【附图说明】
图1为本发明一种胃部组织性质无创检测装置组成框图；
图2为本发明与胃部组织结合的组成框图；
图3为本发明装置中二次ATR探头剖面图；
图4为本发明装置中二次ATR探头的结构图；
图5为本发明中方法流程图；
图6为本发明实施例中所用AOTF光谱仪结构图；
图7为本发明实施例中采集得到的胃部组织图像；
图8为本发明实施例中采集得到的胃部组织光谱。
图中：1光源部分，2可见光光源，3中红外光源，4可见光入射光纤，5中红外光入射光纤，6二次ATR探头，7胃部组织，8中红外光出射光纤，9光谱采集设备，10微型图像采集设备，11图像信号传输线路，12光谱信号传输线路，13计算机，14模式识别模块，15伸入患者体内的软性部分，16固定光纤与ATR晶体的装置，17二次ATR晶体。
【具体实施方式】
下面结合附图和具体实施例对本发明的技术方案做进一步详细阐述：
如图1至图4所示，本发明的胃部组织性质无创检测装置包括如下部分：
二次ATR探头6与微型图像采集装置10位于伸入患者体内的软性部分15底端，中红外入射光纤5与中红外出射光纤8组成Y形光纤束与二次ATR晶体17相连接；伸入患者体内的软性部分15可弯曲，控制，通过操作可弯曲部分，可使弯曲的最大角度向上、下各100°，向左、右各50°，通过调节弯角的方向而有助于先端部通过胃内弯曲的腔道，提高观察功能。
可见光光源2发出的可见光经透镜耦合后进入可见光入射光纤4并传输至患者体内，照亮胃部组织，以便微型图像10采集装置采集胃部图像，并将图像信息转化为电信号通过图像信号11输出线路发送至体外计算机13；
中红外光源3发出的中红外光经透镜耦合后进入中红外入射光纤5并传输至患者体内在二次ATR晶体17内表面进行两次衰减全反射后，出射光负载了胃部组织的生化信息后经出射光纤8传至体外光谱采集装置9并转化为光谱信号后，经光谱信号传输线路12发送至计算机部分13；
通过控制伸缩、转动伸入患者体内的软性部分15，微型图像采集装置10实时采集胃部各个部分组织的图像，当发现疑似病变组织后，启动光谱采集装置9采集该处的光谱信号，此处的图像信息与光谱信息同时被保存下来，作为输入被传输至计算机部分13，计算机可以将图像与光谱的存储并实时显示，同时，计算机内的模式识别模块14利用事先已建立的各种性质胃部组织光谱数据库，对该处组织的图像信息与光谱信息进行判别分析，可以实时的输出检测组织判别组织正常、浅表性胃炎、萎缩性胃炎或胃癌性质的判别。
可见部分光源2选用卤钨灯；中红外光源3选用硅碳棒；在可见部分光源2和中红外光源3出口处分别置有凸透镜，分别将两光源所发出的光聚焦耦合入各自入射光纤，经过透镜耦合后，可见光光源2与中红外光源3分别进可见入射光纤4与中红外入射光纤5。
可见光入射光纤4选用普通石英材质。
中红外入射光纤5与中红外出射光纤8选用光纤材质为锗盐玻璃，通光波段为700-4000cm-1。
二次衰减全发射(ATR)晶体17为45度锥形ZnSe晶体，其剖面为等腰直角三角形。
微型图像采集装置10采用CCD感光方式。
光谱采集装置采用AOTF为分光部件的后分光式光谱仪。所用AOTF中红外光谱仪系统的总体结构框图如图6所示。负载了胃部组织性质信息的中红外出射光，由光纤传输至体外，经聚光准直系统后进入AOTF晶体。在超声波频率的作用下，AOTF发生衍射，零级透射光和-1级衍射光经过聚焦，分别照射在两个中红外探测器上。探测器接收到的光信号经相关电路转化成直流信号，通过光谱仪内的单片机运算，将衍射光信号除以透射光信号。由于两路信号通过了几乎相同的光路，因而相除的结果补偿了光源强度的起伏、光程中各种干扰等误差，提高了测量精度。数字频率合成器用于对衍射光波长进行连续或者单步扫描，最终生成光谱信号并传输至计算机。
计算机13采用通用型计算机，最低配置P41.7GHz，512M ram。
计算机中模式识别模块14具有判别分析功能，在使用本发明所述的一种胃部组织性质无创检测装置前，收集大量(100以上)的胃部组织样本，记录组织的图像及图像位置的光谱，样本中需包含在体的正常、浅表性胃炎、萎缩性胃炎或胃癌四种性质的图像与光谱，根据载体组织的光谱与图像信息对应的该组织的性质建立数值分类规则，当有待检测的在体胃部组织的光谱与图像输入判别分析模块时，可根据建立的数值分类规则判定该组织的性质为正常、浅表性胃炎、萎缩性胃炎或胃癌中的一种。
本发明的实施例采用支持向量机作为判别分析算法。在应用本发明装置前已经通过采集大量受试者胃部组织信息建立起来，模块支持向量机分类算法是从线性可分情况下的最优分类面(Optimal Hyperplane)提出的。要求分类面对所有样本都能正确分类，就是要求它满足
yi(wTxi+b)-1≥0，i＝1，2，...，n
式中使等号成立的那些样本叫做支持向量(Support Vectors)。两类样本的分类空隙(Margin)的间隔大小：
Margin=2||w||]]>
因此，最优分类面问题可以表示成如下的约束优化问题的最小值。为此，可以定义如下的Lagrange函数：
L(w,b,α)=12wTw-Σi=1nαi[yi(wTxi+b)-1]]]>
其中，ai≥0为Lagrange系数，问题是对w和b求Lagrange函数的最小值。通过求解该优化问题，得到最优分类函数是：
f(x)=sgn((w*)Tx+b*)=sgn(Σi=1nai*yixi*x+b*)]]>
其中，sgn()为符号函数。
首先通过非线性变换Φ将输入空间变换到一个高维空间，然后在这个新空间中求取最优线性分类面，而这种非线性变换是通过定义适当的核函数(内积函数)实现的，令：
K(xi，xj)＝<Φ(xi)·Φ(xj)>
用核函数K(xi，xj)代替最优分类平面中的点积xiTxj，就相当于把原特征空间变换到了某一新的特征空间，而相应的判别函数式则为：
f(x)=sgn[(w*)Tφ(x)+b*]=sgn(Σi=1nai*yiK(xi,x)+b*)]]>
其中xi为支持向量，x为未知向量，
采用权利要求1所述的检测装置进行胃部组织性质无创检测的方法的具体实施方式如下：
招募志愿受试者共118人，采用本发明所述装置的软性部分伸入受试者胃中，通过其中的微型图像采集装置采集某部位的图像，同时利用采样光纤采集该部位组织光谱；
夹取被采集光谱部位组织，进行病理分析，经病理科HE检验证实胃癌35例，浅表性胃炎31例、萎缩性胃炎33例，正常胃组织19例；
建立如上所述的支持向量机判别分析模型，再另外随即抽取一位待诊断患者，在检查前一天晚上8时以后，不进食物及饮料，禁止吸烟。前一天晚饭吃少渣易消化的食物。将带有采样光纤的探头伸入患者胃中，开启探头所带光源照亮胃部组织，实时采集胃部各个位置的图像，发现一处组织表现为溃疡性，该处组织图像如说明书附图7所示，则认定该处为疑似部位，记录下该处组织的光谱图像，同时采集并记录下该部位的图像与光谱数据，该处组织谱图如图8所示。
将该处的光谱信息与图像信息带入建立的支持向量机判别分析模块，判断该处为胃癌。而后夹取该处组织至体外，进行常规病例分析，结果与本发明检测结果一致。
以上所述，仅为本发明的较佳实施例，并非用于限定本发明的保护范围。