[发明专利]基于人工智能与拉曼光谱的肿瘤组织识别系统

说明书

本发明属于光学医疗器械领域，尤其涉及一种基于人工智能与拉曼光谱的肿瘤组织识别系统，包括拉曼检测装置及与其信号耦合的远程分析中心；远程分析中心用于操纵拉曼检测装置，接收拉曼检测装置采集的拉曼光谱数据，通过人工神经网络模型识别目标组织类型，并将识别结果传送至拉曼检测装置；本发明中人工神经网络模型输出的高度经验性的识别结果具有更高的准确性；对同一组织位点进行多次低能量激光投射能够有效避免因CCD探测器饱和导致的无效检测。此外，得益于同一组织位点上多组拉曼光谱数据的输入，人工神经网络能够克服荧光背景干扰，输出该组织位点上更为精准的识别结果。

技术领域

本发明属于光学医疗器械领域，尤其涉及一种基于人工智能与拉曼光谱的肿瘤组织识别系统。

背景技术

在肿瘤组织等病变组织的识别中，对组织切片进行病理活检是最常见的方案。然而，步骤繁多的组织活检会导致病理分析时间较长。在临床肿瘤切除术中，为确保肿瘤组织切除完整，可能需要多次组织活检，漫长的等待时间为病人带来诸多风险。

现有医疗方案多采用诸如X射线断层成像、超声成像等影像资料进行肿瘤组织位置判断。然而在肿瘤切除术中，影像采集与临床手术之间的时间差会导致影像资料中与实际操作所见的肿瘤组织轮廓、位置、尺寸等信息的偏差。

拉曼光谱(Raman Spectroscopy)技术以其高效、非侵入性、重复性强等优势，逐渐应用到肿瘤组织识别方案中。拉曼光谱技术基于拉曼散射效应，根据分子振动形成的散射光频率改变来反映分子构成。肿瘤组织与正常组织具有生物成分比例及分子构象等方面的差异，二者的拉曼散射光谱能够反映上述差异，由此实现正常组织与肿瘤组织的区分。

然而，由于病变类型、病变程度的高度差异性，除正常组织与肿瘤组织外，检测目标组织处还会包含其他多种类型的组织，各类组织间连接紧密，尤其当肿瘤组织对正常组织浸润性侵入时，组织边缘往往较模糊，导致拉曼光谱数据极为复杂，低含量组织的光谱特征无法明显显示于拉曼光谱中，且很难从拉曼光谱数据中提取表征异常组织的光谱特征，为拉曼光谱数据数据分析与肿瘤组织识别带来极大困扰。

此外，针对基于拉曼光谱的组织识别方案而言，激光强度的选取也是操作者需要面对的问题。激光强度较弱可能导致系统无法有效获取目标组织的拉曼光谱数据，而激光强度较强可能导致CCD探测器饱和，从而使检测无效。

发明内容

针对现有拉曼光谱组织识别技术的上述缺陷，本发明提供了一种基于人工智能与拉曼光谱的肿瘤组织识别系统。

为实现上述技术效果，本申请的具体方案为：

一种基于人工智能与拉曼光谱的肿瘤组织识别系统，其特征在于：包括拉曼检测装置及与其信号耦合的远程分析中心；

远程分析中心用于操纵拉曼检测装置，接收拉曼检测装置采集的拉曼光谱数据，通过人工神经网络模型识别目标组织类型，并将识别结果传送至拉曼检测装置；

拉曼检测装置根据远程分析中心的指令，对目标组织的多个识别位点进行拉曼光谱数据采集，将采集的拉曼光谱数据传送至远程分析中心进行目标组织识别，并接收识别结果进行显示；

针对多个识别位点中的每个识别位点，拉曼检测装置向该识别位点多次发射低能量激光光束，收集每次照射所激发出的拉曼散射光，生成针对该识别位点的多组拉曼光谱数据。

进一步地，拉曼检测装置与远程分析中心分别设置有数据接口，二者通过数据接口实现数据无线传输。