CN102595996B - 辅助诊断仪 - Google Patents

Abstract

本发明公开了一种辅助诊断仪，其包括：向量输入装置，所述向量输入装置读取测试向量，所述测试向量是用做诊断靶标的生物组织的光谱特性向量；多元线性回归分析装置，所述多元线性回归分析装置使用多个独立组分向量对所述测试向量进行多元线性回归分析并获得误差向量，所述多个独立组分向量是特定物质的光谱特性向量，所述误差向量是剩余组分的向量；以及指标值计算装置，所述指标值计算装置提取所述误差向量的特性，并从被提取的误差向量的特性计算代表用做诊断靶标的生物组织中是否含有病变区以及何种类型的病变区可能被包含于所述生物组织中的指标值。

Description

辅助诊断仪

技术领域

本发明涉及用于从生物组织(例如粘膜)的光谱特性获得关于该生物组织是否含有一个病变区以及该生物组织含有何种病变区的指标值的辅助诊断仪和辅助诊断方法。

背景技术

近年来，已经提出了一种如日本专利临时公开No.JP2007-135989A中描述的具有作为光谱仪的功能的电子内窥镜。通过此种电子内窥镜，可以获得生物组织(如，例如胃或直肠的消化器官的粘膜)的光谱特性(与频率相关的光吸收率的分布)。光谱特性取决于用于光谱特性测量的生物组织靶标的表层中包含的物质的类型(Beer-Lambert法则)。即，通过结合形成生物组织的多数基本物质的光谱特性获得生物组织的光谱特性。

有一种情况，其中，在健康部分的生物组织中罕见的物质在病变区的生物组织中大量存在。因此，包括病变区的生物组织的光谱特性不同于仅包含健康部分的生物组织的光谱特性。结果，通过比较生物组织的光谱特性和已知不包含病变区的组织的光谱特性，可能诊断该生物组织是否包含病变区。

发明内容

一般的，诊断是通过医生用眼检查由光谱仪测得的生物组织光谱特性的图而进行的。以上描述的通过用眼检查的诊断专有地依赖于医生的经验。因此，希望提供一种在使用光谱特性的诊断中能够获得作为定量判断材料的指标值的辅助诊断仪和辅助诊断方法。

本发明的目的是提供一种能够解决上述问题的辅助诊断仪和辅助诊断方法，即，能够获得在使用光谱特性的诊断中的定量的指标值。

为实现上述目标，根据本发明的辅助诊断仪包括：向量输入装置，其读取测试向量，所述测试向量是用做诊断靶标的生物组织的光谱特性向量；多元线性回归分析装置，其使用多个独立组分向量对所述测试向量进行多元线性回归分析并获得误差向量，所述多个独立组分向量是特定物质的光谱特性向量，所述误差向量是剩余误差组分的向量；以及指标值计算装置，其提取所述误差向量的特性，并从被提取的误差向量计算代表用做诊断靶标的生物组织中是否含有病变区以及何种类型的病变区可能被包含于所述生物组织中的指标值。

使用这种配置，有可能获得在诊断中用于作为定量判断材料的指标值，并且该指标值是根据不包含于健康组织中的光谱特性组分的误差向量来计算的。

优选地，通过来自多个生物组织样本的光谱特性向量的独立组分分析计算独立的组分向量，所述多个生物组织样本的每一个对应于用做诊断靶标的生物组织的相同部分，且不含有病变区。

优选地，指标值计算装置根据病变区物质向量计算出指标值，所述病变区物质向量是通过来自于病变区样本误差向量的独立组分分析而获得的，所述病变区样本误差向量是通过与多个独立组分向量一起对含有特定病变区的多个生物组织样本的光谱特性向量进行多元线性回归分析而获得的剩余误差组分的向量。

指标值计算装置可以进行：

通过多元线性回归分析进行计算满足下列表达式(a)的系数s_d：

E≈s_dE_d…(a)

其中，误差向量设定为E＝[E_λ1，E_λ2，…E_λM]，并且病变区物质向量设定为E_d＝[E_dλ1，E_dλ2，…E_dλM]；

使用重量系数w_λm根据下面的表达式(b)计算向量E/s_d和E_d之间的相似度D：

$D=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{\λm}}\·{(E_{\mathrm{d\λm}}-\frac{E_{\mathrm{\λm}}}{s_d})}^2\·\·\·\left(b\right);$ 并且

根据相似度D确定指标值。

指标值计算装置可进行：

通过基于系数s_dk以及E_d和向量E_dk/s_dk的每一个之间的相似度组D_dk的测试计算相似度D包含于相似度组D_dk中的可能性，系数s_dk满足下列表达式(C)并且是通过将多个病变区样本误差向量设定为E_dk＝[E_dkλ1，E_dkλ2，…E_dkλM](k＝1，2，…，K)时的多元线性回归分析而获得的，相似度组D_dk是通过下列表达式(d)获得的；并且

将相似度D包含于相似度组D_dk中的可能性设定为指标值，

E_dk≈s_dkE_d…(c)

$D_{\mathrm{dk}}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{\λm}}\·{(E_{\mathrm{d\λm}}-\frac{E_{\mathrm{dk\λk}}}{s_{\mathrm{dk}}})}^2\·\·\·\left(d\right).$

如上所述，根据本发明实现了能够在使用光谱特性的诊断中获得定量指标值的辅助诊断仪和辅助诊断方法。

附图说明

[图1]图1是根据本发明一个实施方案的辅助诊断***的框图。

[图2]图2是描述健康胃粘膜的光谱特性的一个例子的图。

[图3]图3是图2所示的胃粘膜光谱特性的独立组分的分析结果的图。

[图4]图4是根据实施方案的分析程序的流程图。

具体实施方式

以下，通过参照附图解释本发明的实施方案。图1是根据本发明实施方案的辅助诊断***的框图。根据本实施方案的辅助诊断***1包括电子内窥镜110、具有电子内窥镜处理器120和内窥镜图像监视器130的电子内窥镜设备100、包括光探针210和光谱仪220的光谱仪设备200、以及包括分析计算机310和分析结果显示监视器320的分析设备300。

电子内窥镜110包括***管111、操作单元112和连接头113。在***管111的末端部111a中，容纳有对物光学***114a和固体摄像设备114b。环绕在***管末端部111a周围的体腔表面B的图像通过对物光学***114a汇聚于固体摄像设备114b的图像接受部分。通过光电转换，固体摄像设备114b产生对应于在图像接收表面上形成的图像的影像信号。产生的影像信号通过贯通***管111的内部、操作单元112的内部和连接头113的内部配置的固体摄像设备用电线114c被传导至电子内窥镜处理器120。作为固体摄像设备，可以利用使用CCD或者CMOS的设备。

固体摄像设备用电线114c连接至电子内窥镜处理器120内容纳的信号处理回路121。信号处理回路121通过处理由固体摄像设备114b产生的影像信号而生成预定形式的影像信号(例如，NTSC信号)，并将生成的影像信号传导至连接于电子内窥镜处理器120的内窥镜图像监视器130。结果，由固体摄像设备114b拍摄的环绕于***管末端部111a的体腔表面B的图像显示在内窥镜图像监视器130上。

在贯通***管111的内部、操作单元112的内部和连接头113的内部提供了如光纤束的光导115。光导115末端的115a面对在***管末端部分111a上提供的盖玻片(没有表示)。光导115的近端115b从连接头113突出，将连接头113安装到电子内窥镜处理器120时，近端115b被***电子内窥镜处理器120的内部。

在电子内窥镜处理器120的内部，容纳具有灯122a和聚光透镜122b的光源单元122。在电子内窥镜110的连接头113连接于电子内窥镜处理器120的状态中，由灯122a产生的照明光通过聚光透镜122b入射到光导115的近端115b。入射到近端115b的照明光通过光导115，从末端115a经由盖玻片放射，照亮***管末端部分111a周围的体腔表面B。

在电子内窥镜110的***管111中，容纳钳子管道116。钳子管道116的末端116a在***管的末端部分111a上开口，钳子管道116的近端形成为设置在***管111的中间点处的钳子116b。

在此实施方案中，光探针210从钳子116b***钳子管道116。光探针210的末端211被配置在钳子管道116的末端116a。光探针210的近端212连接于光谱仪220。光探针210是在其末端具有聚光透镜的一种光导，从体腔表面B(或者体腔内部)反射的反射光的一部分通过聚光透镜进入光探针210，并传导至光谱仪220。

光谱仪220测量从光探针210传导的光的光谱特性。测得的光谱特性的数据被传送至分析计算机310。

分析计算机310包括CPU311、I/O控制器312、存储器313和影像回路314。分析计算机310是，例如，个人计算机或工作站。

分析计算机310的CPU311经由I/O控制器312通过光谱仪220获得光谱特性的数据。通过执行下述的分析程序，分析计算机310获得表明体腔表面B中是否具有病变区或出现哪种病变区的可能性高的分析结果。而且，CPU311控制影像回路314，在分析结果显示监视器320上显示分析结果。

以下，解释分析计算机的CPU311执行的分析程序。

图2是描述健康胃粘膜光谱特性(即与波长相关的光吸收率)的一个例子的图。如图2所示，尽管由于个体差异或观察位置而产生小变动，健康胃粘膜在小于或等于480nm、550nm～560nm以及580nm～590nm的部分具有峰值。据说，生物组织的光谱特性是由形成构成光谱特性观察靶标的部分的表层的物质所决定。例如，与氧结合的血红蛋白的光谱特性(即动脉的光谱特性)为在大约540nm和570nm～580nm的范围处具有峰值，而不与氧结合的血红蛋白的光谱特性(即静脉的光谱特性)在550nm～560nm的范围中有峰值。

生物组织由包括如红细胞等的体液成分和构成细胞的物质的多种物质构成。在健康组织中，构成特定生物组织的主要物质类型中几乎不存在个体差异或由观察位置带来的差异，且个体差异引起的光谱特性的差异取决于构成组织的物质间的比例。也就是说，当N代表构成生物组织的主要物质的种类的数量，ε_n(n＝1，2，…，N)代表各物质(独立组分)的光谱特性向量(在特定频率带(如，470nm～700nm)在每一个特定频率(如5nm)下测量的光吸收率的向量)时，特定健康生物组织的光谱特性向量x_h可近似地由以下表达式1表示。

(表达式1)

$x_h\≈\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{s}_n{\mathrm{\ϵ}}_n$

在上述表达式1中，系数s_n根据例如个体差异而在样本之间存在不同。

另一方面，病变区的生物组织含有健康生物组织中没有的物质，病变区的种类根据病变区种类的状态而不同。也就是说，病变区的光谱特性向量x_u可近似地由以下表达式2表示。

(表达式2)

$x_u\≈\underset{n=1}{\overset{N}{\mathrm{\Σ}}}{s}_n{\mathrm{\ϵ}}_n+E$

因此，如果相对于特定生物组织的光谱特性向量A，能够确定满足表达式1的系数s_n，那么可以认为该生物组织是健康组织的可能性大。另一方面，如果不能确定相对于光谱特性向量A的系数s_n，且剩余了作为剩余误差的误差组分E，那么生物组织具有病变区的可能性大。根据病变区的种类确定误差组分E的特征(如，峰波长等)。因而，可以从误差组分E的特征评估病变区的种类。

由于独立组分向量ε_n可以被认为是相互之间无相关性，所以可以通过多次测量健康生物组织样本的光谱特性评估独立组分向量ε_n(独立组分分析)。图3表示图2中所示的胃粘膜光谱特性独立组分的分析结果的图(N＝3)。

图4是表示根据本实施方案的分析程序的流程图。执行分析程序时，执行了步骤S1。在步骤S1中，CPU311读取光谱仪220测得的光谱特性向量A。光谱特性向量A可以在执行分析程序时从光谱仪220获得，或者可以通过读取事先由光谱仪220测得的并保存于例如存储器313中的光谱特性向量而获得。

然后，进入步骤S2。在步骤S2中，CPU311使用通过独立组分分析事先求得的独立组分向量ε_n，执行相对于特定生物组织光谱特性向量的多元线性回归分析，计算系数s_n和误差组分E。作为多元线性回归分析的技术，可以使用包括共轭梯度法、最小二乘法、衰减的最小二乘法、牛顿法或准牛顿法的已知技术。

然后，进入步骤S3。在步骤S3中，CPU311对获得的误差组分E进行分类。具体地，CPU311已经执行了对于多种生物组织(多种生物组织的每一种都已经判断为具有特定病变区)的光谱特性向量的多元线性回归分析，并已经事先确定了特定病变区中的典型误差组分E_d。然后，对于误差组分E，CPU311使用误差组分E_d确定满足下面的表达式3的系数s_d。

(表达式3)

E≈s_dE_d

然后，CPU311使用下面的表达式(4)，确定通过误差组分向量E除以s_d获得的向量E/s_d＝[E_λ1/s_d，E_λ2/s_d，…E_λM/s_d]与向量E_d＝[E_dλ1，E_dλ2，…E_dλM]之间的相似度D。

(表达式4)

$D=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{\λm}}\·{(E_{\mathrm{d\λm}}-\frac{E_{\mathrm{\λm}}}{s_d})}^2$

系数w_λm是通过经验法则确定的重量系数，其目的是强调在特定频率的向量E和E_d形状之间的相似度。

可以认为在求得的相似度D接近零时，用误差组分E表示的生物组织具有用误差组分E_d表示的特定病变区的可能性变得更高。分析程序对对应于误差组分E的生物组织是否具有对应于误差组分E_d的特定病变区的判断，是根据用于求得误差组分E_d的样本的误差组分E_dk除以E_dk与E_d的比S_dk而得到的向量E_dk/s_dk＝[E_dkλ1/s_dk，E_dkλ2/s_dk，…E_dkλM/s_dk](k＝1，2，…，K)与误差组分E_d之间的相似度D_dk计算的。相似度D_dk已经根据下列表达式(5)事先确定。

(表达式5)

E_dk≈s_dkE

$D_{\mathrm{dk}}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{\λm}}\·{(E_{\mathrm{d\λm}}-\frac{E_{\mathrm{dk\λk}}}{s_{\mathrm{dk}}})}^2$

分析程序针对从多种样本的误差组分E_dk确定的相似度的集合D_dk是否包括从误差组分E确定的相似度D进行测试。例如，分析程序计算集合D_dk包含相似度D的可能性。或者，分析程序确定集合D_dk的信赖区间，并根据在该确定的信赖区间中是否含有相似度D，判断对应于误差组分E的生物组织是否包含特定病变区。例如，当相似度D包含于99.8％的信赖区间时，分析程序确定对应于误差组分E的生物组织包含病变区的可能性。进一步，当相似度D包含于66.2％的信赖区间，且不包含于99.8％的信赖区间时，分析程序判断必须再做一次测试。

然后，进入步骤S4。在步骤S4中，如上所述，CPU311在分析结果显示监视器320(图1)上显示通过上述测试的分析结果数据(在集合D_dk中包含相似度D的可能性，或者根据信赖区间的判断结果)。然后，CPU311结束分析程序。使用辅助诊断***1的医生参照分析结果显示监视器320上显示的分析结果进行诊断。

应当注意根据本实施方案的电子内窥镜处理器120包括总体上控制包括容纳于电子内窥镜处理器120中的信号处理回路121和光源单元122的组分的CPU，以及与分析计算机310的I/O控制器312通信并且同时接受来自于电子内窥镜110的操作单元112的输入的的I/O控制器。根据本实施方案的分析程序配置为根据来自于操作单元112的输入而执行。

Claims (5)

1.一种辅助诊断仪，所述辅助诊断仪包括：

向量输入装置，所述向量输入装置读取测试向量，所述测试向量是用做诊断靶标的生物组织的光谱特性向量；

多元线性回归分析装置，所述多元线性回归分析装置使用多个独立组分向量对所述测试向量进行多元线性回归分析并获得多个独立组分向量的系数和误差向量，所述多个独立组分向量是特定物质的光谱特性向量，所述误差向量是剩余误差组分的向量；以及

指标值计算装置，所述指标值计算装置提取所述误差向量的特性，并从被提取的误差向量计算代表用做诊断靶标的生物组织中是否含有病变区以及何种类型的病变区可能被包含于所述生物组织中的指标值。

2.根据权利要求1所述的辅助诊断仪，其中

通过来自多个生物组织样本的光谱特性向量的独立组分向量分析计算独立的组分向量，所述多个生物组织样本的每一个对应于用做诊断靶标的生物组织的相同部分，且不含有病变区。

3.根据权利要求1或2所述的辅助诊断仪，其中

所述指标值计算装置根据病变区物质向量计算出指标值，所述病变区物质向量是通过来自于病变区样本误差向量的独立组分分析而获得的，所述病变区样本误差向量是通过与多个独立组分向量一起对含有特定病变区的多个生物组织样本的光谱特性向量进行多元线性回归分析而获得的剩余误差组分的向量。

4.根据权利要求3所述的辅助诊断仪，

其中所述指标值计算装置进行：

通过多元线性回归分析计算满足下列表达式(a)的系数s_d：

E≈s_dE_d…(a)

其中，误差向量设定为E＝[E_λ1，E_λ2，…E_λM]，并且病变区物质向量设定为E_d＝[E_dλ1，E_dλ2，…E_dλM]；

使用重量系数w_λm，通过下面的表达式(b)计算向量E/s_d和E_d之间的相似度D：

$D=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{\λm}}\·{(E_{\mathrm{d\λm}}-\frac{E_{\mathrm{\λm}}}{s_d})}^2...\left(b\right);$ 并且

根据所述相似度D确定指标值。

5.根据权利要求4所述的辅助诊断仪，

其中所述指标值计算装置进行：

通过基于系数s_dk以及E_d和向量E_dk/s_dk的每一个之间的相似度组D_dk的测试来计算相似度D包含于相似度组D_dk中的可能性，系数s_dk满足下列表达式(C)并且是通过将多个病变区样本误差向量设定为E_dk＝[E_dkλ1，E_dkλ2，…E_dkλM](k＝1，2，…，K)时的多元线性回归分析而获得的，相似度组D_dk是通过下列表达式(d)获得的；并且

将相似度D包含于相似度组D_dk中的可能性设定为指标值，

E_dk≈s_dkE_d…(c)

$D_{\mathrm{dk}}=\underset{m=1}{\overset{M}{\mathrm{\Σ}}}{w}_{\mathrm{\λm}}\·{(E_{\mathrm{d\λm}}-\frac{E_{\mathrm{dk\λk}}}{s_{\mathrm{dk}}})}^2...\left(d\right).$