CN109580526A - 一种基于组织切片鉴别人体性别的红外光谱分析方法 - Google Patents
一种基于组织切片鉴别人体性别的红外光谱分析方法 Download PDFInfo
- Publication number
- CN109580526A CN109580526A CN201910078388.XA CN201910078388A CN109580526A CN 109580526 A CN109580526 A CN 109580526A CN 201910078388 A CN201910078388 A CN 201910078388A CN 109580526 A CN109580526 A CN 109580526A
- Authority
- CN
- China
- Prior art keywords
- gender
- histotomy
- model
- slice
- human body
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 27
- 238000002329 infrared spectrum Methods 0.000 title claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 52
- 238000001228 spectrum Methods 0.000 claims abstract description 39
- 238000004611 spectroscopical analysis Methods 0.000 claims abstract description 18
- 238000004566 IR spectroscopy Methods 0.000 claims abstract description 15
- 238000012545 processing Methods 0.000 claims abstract description 14
- 238000003909 pattern recognition Methods 0.000 claims abstract description 8
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000003595 spectral effect Effects 0.000 claims description 33
- 238000005259 measurement Methods 0.000 claims description 22
- 210000004072 lung Anatomy 0.000 claims description 12
- 230000009467 reduction Effects 0.000 claims description 8
- 238000003705 background correction Methods 0.000 claims description 5
- 238000004433 infrared transmission spectrum Methods 0.000 claims description 5
- 238000013528 artificial neural network Methods 0.000 claims description 2
- 239000000126 substance Substances 0.000 claims description 2
- 238000013459 approach Methods 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 6
- 230000001575 pathological effect Effects 0.000 abstract description 4
- 238000012790 confirmation Methods 0.000 abstract description 3
- 238000000502 dialysis Methods 0.000 abstract description 3
- 238000004043 dyeing Methods 0.000 abstract description 2
- 238000010827 pathological analysis Methods 0.000 abstract description 2
- 210000001519 tissue Anatomy 0.000 description 25
- 230000003118 histopathologic effect Effects 0.000 description 7
- 238000005457 optimization Methods 0.000 description 7
- 230000008520 organization Effects 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 210000003765 sex chromosome Anatomy 0.000 description 4
- 210000002593 Y chromosome Anatomy 0.000 description 3
- 238000002790 cross-validation Methods 0.000 description 3
- 239000012188 paraffin wax Substances 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000012216 screening Methods 0.000 description 3
- 210000002966 serum Anatomy 0.000 description 3
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 2
- 206010028980 Neoplasm Diseases 0.000 description 2
- 238000010521 absorption reaction Methods 0.000 description 2
- 208000009956 adenocarcinoma Diseases 0.000 description 2
- 210000004027 cell Anatomy 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 210000003074 dental pulp Anatomy 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000011065 in-situ storage Methods 0.000 description 2
- 230000003902 lesion Effects 0.000 description 2
- 210000000056 organ Anatomy 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000001568 sexual effect Effects 0.000 description 2
- 210000002700 urine Anatomy 0.000 description 2
- 241000208340 Araliaceae Species 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 description 1
- 239000004793 Polystyrene Substances 0.000 description 1
- 208000007500 Pulmonary Sclerosing Hemangioma Diseases 0.000 description 1
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 239000000975 dye Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 239000003163 gonadal steroid hormone Substances 0.000 description 1
- 208000020141 lung sclerosing hemangioma Diseases 0.000 description 1
- 235000013372 meat Nutrition 0.000 description 1
- 229960000901 mepacrine Drugs 0.000 description 1
- 230000007935 neutral effect Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000007170 pathology Effects 0.000 description 1
- 210000004197 pelvis Anatomy 0.000 description 1
- 229920002223 polystyrene Polymers 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- GPKJTRJOBQGKQK-UHFFFAOYSA-N quinacrine Chemical compound C1=C(OC)C=C2C(NC(C)CCCN(CC)CC)=C(C=CC(Cl)=C3)C3=NC2=C1 GPKJTRJOBQGKQK-UHFFFAOYSA-N 0.000 description 1
- 210000002027 skeletal muscle Anatomy 0.000 description 1
- 210000003625 skull Anatomy 0.000 description 1
- 238000007811 spectroscopic assay Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 210000001562 sternum Anatomy 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于组织切片鉴别人体性别的红外光谱分析方法，先收集女性与男性的人体组织切片，测量其红外光谱，所得光谱采用化学计量方法进行光谱数据处理，采用模式识别分析方法建立性别的预测模型，再取未知性别的人体组织切片，按相同方法采集光谱并进行光谱数据处理，最后应用所建模型进行预测。本发明方法无需基于肉眼观察，也不需进行染色等处理，能够准确、客观、快速、简便地预测组织切片的性别，适用于不同部位的组织切片，且能够与病理学诊断共同无损使用相同的未染色切片，所得性别鉴别结果可为病理组织提供者的性别记录提供印证，尤其在法医检验中能够对事故现场残留的断离尸体或组织进行性别确认以快速准确辅助个体识别。
Description
技术领域
本发明涉及人体性别的预测方法，更具体地说，涉及一种基于组织切片鉴别人体性别的红外光谱分析方法。
背景技术
性别研究是生物学的重要内容之一。人类作为最高级的哺乳动物，其性别鉴别是身份识别的重要内容，在个性化服务、医疗及公共安全管理等领域均具有重要的意义。
人体的性别主要是基于内外性器官以及颅骨、胸骨、骨盆等生理特征，组织细胞中性染色体等进行推断。此外，还有基于血清、尿液等进行性别鉴别的研究。但是在一些重大交通事故、空难、***以及凶杀案件中，性器官、骨骼、血清以及尿液等难以获得，急需基于现场残留的断离尸体或组织进行性别确认以辅助个体识别，可见，基于人体组织鉴别性别在法医检验中具有重要意义。病理组织切片是由组织薄片制成的可供显微镜观察的切片标本。病理组织切片的性别鉴定结果除可以用于身份识别外，还可以与病理组织提供者的性别记录相结合，有效帮助确认病理组织提供者的信息无误，以避免由于样本混淆导致的误诊。
目前，基于人体组织切片的性别鉴别研究主要是采用荧光显微镜对经特殊染色(如盐酸阿的平染色)的组织切片(如毛发石蜡切片、骨骼肌石蜡切片和牙髓石蜡切片)进行性染色体识别。但是这些方法存在以下缺点：1)性染色体检出结果较主观，例如需要基于肉眼识别并计数荧光点；2)检测灵敏度低，例如男性牙髓中Y染色体的平均检出率约为50％；3)干扰因素较多，例如由于细胞重叠形成类Y染色体颗粒，从而干扰Y染色体的确认。因此，寻找一种基于组织切片准确、客观、快速、简便的人体性别鉴别方法已成为亟需解决的问题。
发明内容
本发明的目的在于克服现有技术存在的不足，提供一种基于组织切片准确、客观、快速、简便的鉴别人体性别的红外光谱分析方法。
经研究，本发明的技术方案如下：
一种基于组织切片鉴别人体性别的红外光谱分析方法，包括以下步骤：
(1)收集来自女性和男性的人体组织切片，并记录相应切片的性别信息；
(2)测量步骤(1)所得每片切片的红外光谱；
(3)对步骤(2)所得光谱，采用化学计量学方法进行光谱数据处理，采用模式识别分析方法建立性别的预测模型；
(4)取未知性别的人体组织切片，按照步骤(2)所述方法测量红外光谱，按照步骤(3)所述方法进行光谱数据处理，然后应用步骤(3)所建模型预测该组织切片的性别。
由于本发明方法是基于人体组织中性别的特征信息(如性激素、性染色体等)进行性别鉴别，所以本发明方法不受组织部位的影响，即本发明方法适用于不同部位的组织切片。同时，本发明方法也不受组织部位是否发生病变的影响，即本发明方法既适用于正常组织切片又适用于病理组织切片，例如肿瘤组织切片。由于染色剂的自身吸收对光谱中的性别特征信息存在干扰，因此，本发明中所述组织切片为未染色切片。
优选的，一种基于组织切片鉴别人体性别的红外光谱分析方法，包括以下步骤：
(1)收集来自女性和男性的人体组织切片，并记录相应切片的性别信息；
(2)设置光谱测量参数：分辨率8cm-1、扫描次数不低于64次、扫描范围4000～1900cm-1，测量步骤(1)所得每片切片的红外透射光谱，每次扫描切片前以相同参数扫描并扣除背景；
(3)对步骤(2)所得光谱，不经或经化学计量学预处理，选择建模光谱范围，采用主成分分析法即PCA降维，根据模型性能指数和正判率选取1个或多个主成分作为建模特征变量，采用线性或非线性模式识别分析方法建立性别的预测模型；
(4)取未知性别的人体组织切片，按照步骤(2)所述方法测量红外光谱，按照步骤(3)所述方法进行光谱数据处理，然后应用步骤(3)所建模型预测该组织切片的性别。
上述步骤(2)中的光谱测量参数经过了优选。只有采用适合于组织切片检测性别的红外光谱测量参数，才能获得表征性能强的红外光谱，从而为建立预测性能优良的性别鉴别模型提供高质量的数据。
高的分辨率可以获得更多的数据，但同时也伴随着噪音的增加。为了确定最佳的分辨率，本发明固定扫描次数为32次，分别以分辨率为2cm-1、4cm-1、8cm-1、16cm-1、32cm-1对同一切片平行测量6次，综合方差大小及方差光谱的平滑程度得出分辨率为8cm-1和16cm-1时光谱最佳，但由于16cm-1的分辨率较低，切片信息数据较少，因此，光谱测量的分辨率优选为8cm-1。
增加扫描次数可使光谱更准确，但光谱的采集时间会相应增加。为了确定最佳的扫描次数，本发明固定分辨率为8cm-1，分别以扫描次数为16、32、64、128次对同一切片平行测量6次，结果发现，扫描次数为16次和32次时光谱方差较大，扫描次数为64次和128次时方差光谱无明显差异，而扫描次数越多，所耗时间越长，因此，光谱测量的扫描次数优选为不低于64次。
由于空白载玻片一般在红外光谱中低于1900cm-1的区域会出现非常强的吸收甚至全吸收，不利于光谱分析和准确预测，而且为了缩短光谱测量时间，本发明对扫描范围进行了筛选，从红外光谱范围4000～400cm-1内选择了待测组织特征信息区域4000～1900cm-1作为光谱测量的扫描范围。
具体的，一种基于组织切片鉴别人体性别的红外光谱分析方法，包括以下步骤：
(1)收集来自女性和男性的人体肺部组织切片，并记录相应切片的性别信息；
(2)设置光谱测量参数：分辨率8cm-1、扫描次数不低于64次、扫描范围4000～1900cm-1，测量步骤(1)所得每片切片的红外透射光谱，每次扫描切片前以相同参数扫描并扣除背景；
(3)对步骤(2)所得光谱，不经预处理或经Savitzky-Golay平滑即SGS预处理，选择建模光谱范围的波数上限值为3925±75cm-1即4000～3850cm-1、下限值为1995±15cm-1即2010～1980cm-1，采用PCA降维，按照贡献率由高到低的顺序选取前10个主成分作为建模特征变量，采用线性或非线性模式识别分析方法建立性别的预测模型；
(4)取未知性别的人体肺部组织切片，按照步骤(2)所述方法测量红外光谱，按照步骤(3)所述方法进行光谱数据处理，然后应用步骤(3)所建模型预测该组织切片的性别。
上述步骤(3)中的光谱预处理方案、建模光谱范围和建模特征变量均为适于肺部组织切片鉴别人体性别的优选方案。建模光谱范围和建模特征变量的优化有助于提取组织中性别的特征信息提高预测模型的特异性。本发明提供了基于肺部病理组织切片鉴别人体性别的具体实施例。从该实施例可以看出，在基于肺部组织切片建立鉴别人体性别的模型时，使用不同的光谱预处理方案、建模光谱范围和建模特征变量，所建模型的性能存在明显差异。
优选的，上述步骤(3)中对步骤(2)所得光谱不进行预处理。方法更简单、检测时间更短。
优选的，上述步骤(3)中线性模式识别分析方法为判别分析即DA，非线性模式识别分析方法为对向传播人工神经网络即CP-ANN。从本发明的具体实施例可以看出，基于优选的光谱预处理方案、建模光谱范围和建模特征变量所建立的鉴别人体性别的线性DA模型和非线性CP-ANN模型均可实现准确鉴别。也就是说，所建DA模型和CP-ANN模型均具有优良的预测性能，彼此相互印证了本发明所选择的光谱预处理方案、建模光谱范围和建模特征变量共同作用使样品的特征信息得到有效提取和利用。
优选的，上述方法的步骤(2)中是在每片组织切片的3个不同位置各测量一张光谱，每张光谱均用于建模，以最大限度地利用组织切片中性别的特征信息，尽可能灵敏、准确地进行鉴别。
优选的，上述方法的步骤(2)中测量切片的光谱时，是取不同性别的组织切片随机测量。采用不同类别样品随机测量的方式可避免因采用相同类别样品顺序测量的方式可能导致的***误差对所建模型的预测可靠性产生干扰。
本发明是基于组织切片的红外光谱，结合化学计量学技术，鉴别性别，具有以下优点：
1)本发明方法不受组织部位以及组织部位是否发生病变的影响，适用于不同部位的组织切片，包括正常组织切片和病理组织切片；
2)本发明方法无需基于显微镜进行肉眼观察鉴别，也不用对组织切片进行染色等处理，具有准确、客观、快速、简便等优点；
3)本发明方法能够与病理学诊断共同无损使用相同的未染色组织切片，无需额外制备组织切片，所得性别鉴别结果可为病理组织提供者的性别记录提供印证；
4)本发明方法在法医检验中具有十分重要的意义，例如能够对一些重大交通事故、空难、***以及凶杀现场等残留的断离尸体或组织进行性别确认以快速准确辅助个体识别。
附图说明
图1为预测组织切片性别的最优DA模型的分布图：A和B分别代表女性和男性的校正集切片，a和b分别代表女性和男性的验证集切片。
图2为预测组织切片性别的最优CP-ANN模型的分布图：白色区域代表女性，灰色区域代表男性；大写字母A和B分别代表女性和男性的校正集切片，小写字母a和b分别代表女性和男性的验证集切片。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明的优选实施例进行详细的描述。
优选实施例中使用的红外光谱仪为Nicolet iS50 FT-IR光谱仪(Thermo FisherScientific)。
实施例1 一种基于组织切片鉴别人体性别的红外光谱DA方法
1.样品的收集
收集来自某医院不同患者共60片肺部未染色病理组织切片(31片硬化性肺泡细胞瘤组织切片和29片肺原位腺癌组织切片)，其中包括45片女性组织切片和15片男性组织切片，并逐一记录相应切片的性别信息。
2.光谱的测量
待傅里叶变换红外光谱仪充分预热并通过校验后，使用随机配备的聚苯乙烯薄膜确认其符合光谱测定要求。设置光谱测量参数：分辨率8cm-1、扫描次数64次、扫描范围4000～1900cm-1，测量每片切片的红外透射光谱，每次扫描切片前以相同参数扫描并扣除背景，每片切片分别在3个不同位置各测量一张光谱，每张光谱均用于建模，不同性别的组织切片随机测量。
3.光谱特征变量的提取与建模
(1)光谱预处理方案的选择
为了使所建模型具有优良的预测性能，对包括未处理即NP、多元散射校正即MSC、标准正则变换即SNV、一阶导数即FD、二阶导数即SD、SGS、Norris平滑即NDS的多种光谱预处理技术进行了筛选与组合，见表1。结果表明，所得光谱不经预处理或经SGS预处理时，所建DA模型的预测性能最优，例如表1中的模型1和6。
(2)建模光谱范围的选择
采用前述优选的光谱预处理方案，根据组织切片中性别特征信息的红外特征吸收，在软件自动筛选的基础上，人工优化建模光谱范围的波数上限值为3925±75cm-1即4000～3850cm-1、下限值为1995±15cm-1即2010～1980cm-1时，DA模型的校正集正判率和验证集正判率均可达100.0％。所以优化范围内的光谱范围均可以用来建模，如表1中的模型1、11、12、13和14；而当建模光谱范围不在优化范围内时，模型的校正集正判率或/和验证集正判率未达到100.0％，如表1中的模型15-19。
(3)光谱数据的降维与主成分的选择
对所选建模光谱范围内的光谱数据进行PCA降维，当使用不同的主成分建模时，模型的性能存在明显差异，如表1中的模型1、9和10，最终按照贡献率由高到低的顺序选择前10个主成分作为建模特征变量时，DA模型的校正集正判率和验证集正判率均可达100.0％。
(4)DA模型的建立与验证
从45片女性组织切片和15片男性组织切片中分别取12片女性组织切片和5片男性组织切片作为验证集切片，其余为校正集切片。使用校正集与验证集光谱数据的主成分得分建立与验证鉴别组织切片性别的DA模型。由表1可见，模型1、6、11、12、13和14的校正集正判率均为100.0％、验证集正判率均为100.0％，说明这些模型具有优良的鉴别性能，能够准确鉴别组织切片的性别。最优DA模型(表1模型1)的分布图如图1所示。
表1 性别DA模型的主要建模参数及其性能
4.未知样品的预测
取1片未知性别的肺部未染色病理组织切片(硬化性肺泡细胞瘤组织切片)，按照前述相同方法采集光谱并进行光谱数据处理，然后应用所建DA模型进行预测。DA模型的预测结果显示：该组织切片为女性，与该组织切片对应患者的性别记录信息一致。说明本发明所建方法能够对组织切片的性别进行准确鉴别。
实施例2 一种基于组织切片鉴别人体性别的红外光谱CP-ANN方法
1.样品的收集
同实施例1。
2.光谱的测量
同实施例1。
3.光谱特征变量的提取与建模
(1)光谱的预处理方案的选择
为了使所建模型具有优良的预测性能，对包括NP、MSC、SNV、FD、SD、SGS、NDS的多种光谱预处理技术进行了筛选与组合，见表2。结果表明，所得光谱经NP或SGS预处理时，所建CP-ANN模型的预测性能最优，例如表2中的模型1和6。
(2)建模光谱范围的选择
采用前述优选的光谱预处理方案，根据组织切片中性别特征信息的红外特征吸收，在软件自动筛选的基础上，人工优化建模光谱范围的波数上限值为3925±75cm-1即4000～3850em-1、下限值为1995±15cm-1即2010～1980cm-1时，CP-ANN模型的校正集正判率、交叉验证正判率和验证集正判率均可达100.0％，所以优化范围内的光谱范围均可以用来建模，如表2中的模型1、11、12、13和14；而当建模光谱范围不在优化范围内时，模型的校正集正判率、交叉验证正判率或/和验证集正判率未达到100.0％，如表2中的模型15-19。
(3)光谱数据的降维与主成分的选择
对所选建模光谱范围内的光谱数据进行PCA降维，当使用不同的主成分建模时，模型的性能存在明显差异，如表2中的模型1、9和10，最终按照贡献率由高到低的顺序选择前10个主成分作为建模特征变量时，CP-ANN模型的校正集正判率、交叉验证正判率和验证集正判率均可达100.0％。
(4)CP-ANN模型的建立与验证
从45片女性组织切片和15片男性组织切片中分别取12片女性组织切片和5片男性组织切片作为验证集切片，其余为校正集切片。使用校正集与验证集光谱数据的主成分得分建立与验证鉴别组织切片性别的CP-ANN模型。由表2可见，模型1、6、11、12、13和14的校正集正判率、交叉验证正判率和验证集正判率均为100.0％，说明这些模型具有优良的鉴别性能，能够准确鉴别组织切片的性别。最优CP-ANN模型(表2模型1)的分布图如图2所示。
表2 性别CP-ANN模型的主要建模参数及其性能
4.未知样品的预测
取1片未知性别的肺部未染色病理组织切片(肺原位腺癌组织切片)，按照前述相同方法采集光谱并进行光谱数据处理，然后应用所建CP-ANN模型进行预测。CP-ANN模型的预测结果显示：该组织切片的性别为男性，与该组织切片对应患者的性别记录信息一致。说明本发明所建方法能够对组织切片的性别进行准确鉴别。
由上述实验结果可知，实施例1所建线性DA模型和实施例2所建非线性CP-ANN模型均能够灵敏、准确地预测组织切片的性别，证明本发明方法获得的组织切片样品高灵敏光谱包含了性别的特征信息。两种模型使用的光谱预处理方案、建模光谱范围和建模特征变量均相同，且两种模型均具有优良的预测性能，彼此印证了本发明方法从红外光谱中准确提取和利用了目标特征的有效信息，保证了本发明分析方法的特异性、灵敏度和准确度。
最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管通过参照本发明的优选实施例已经对本发明进行了描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离所附权利要求书所限定的本发明的保护范围。
Claims (7)
1.一种基于组织切片鉴别人体性别的红外光谱分析方法，其特征在于，包括以下步骤：
(1)收集来自女性和男性的人体组织切片，并记录相应切片的性别信息；
(2)测量步骤(1)所得每片切片的红外光谱；
(3)对步骤(2)所得光谱，采用化学计量学方法进行光谱数据处理，采用模式识别分析方法建立性别的预测模型；
(4)取未知性别的人体组织切片，按照步骤(2)所述方法测量红外光谱，按照步骤(3)所述方法进行光谱数据处理，然后应用步骤(3)所建模型预测该组织切片的性别。
2.根据权利要求1所述的一种基于组织切片鉴别人体性别的红外光谱分析方法，其特征在于，包括以下步骤：
(1)收集来自女性和男性的人体组织切片，并记录相应切片的性别信息；
(2)设置光谱测量参数：分辨率8cm-1、扫描次数不低于64次、扫描范围4000～1900cm-1，测量步骤(1)所得每片切片的红外透射光谱，每次扫描切片前以相同参数扫描并扣除背景；
(3)对步骤(2)所得光谱，不经或经化学计量学预处理，选择建模光谱范围，采用主成分分析法即PCA降维，根据模型性能指数和正判率选取1个或多个主成分作为建模特征变量，采用线性或非线性模式识别分析方法建立性别的预测模型；
(4)取未知性别的人体组织切片，按照步骤(2)所述方法测量红外光谱，按照步骤(3)所述方法进行光谱数据处理，然后应用步骤(3)所建模型预测该组织切片的性别。
3.根据权利要求2所述的一种基于组织切片鉴别人体性别的红外光谱分析方法，其特征在于，包括以下步骤：
(1)收集来自女性和男性的人体肺部组织切片，并记录相应切片的性别信息；
(2)设置光谱测量参数：分辨率8cm-1、扫描次数不低于64次、扫描范围4000～1900cm-1，测量步骤(1)所得每片切片的红外透射光谱，每次扫描切片前以相同参数扫描并扣除背景；
(3)对步骤(2)所得光谱，不经预处理或经Savitzky-Golay平滑即SGS预处理，选择建模光谱范围的波数上限值为3925±75cm-1即4000～3850cm-1、下限值为1995±15cm-1即2010～1980cm-1，采用PCA降维，按照贡献率由高到低的顺序选取前10个主成分作为建模特征变量，采用线性或非线性模式识别分析方法建立性别的预测模型；
(4)取未知性别的人体肺部组织切片，按照步骤(2)所述方法测量红外光谱，按照步骤(3)所述方法进行光谱数据处理，然后应用步骤(3)所建模型预测该组织切片的性别。
4.根据权利要求3所述的一种基于组织切片鉴别人体性别的红外光谱分析方法，其特征在于：步骤(3)中对步骤(2)所得光谱不进行预处理。
5.根据权利要求2至4任一项所述的一种基于组织切片鉴别人体性别的红外光谱分析方法，其特征在于：步骤(3)中所述线性模式识别分析方法为判别分析即DA，所述非线性模式识别分析方法为对向传播人工神经网络即CP-ANN。
6.根据权利要求1至3任一项所述的一种基于组织切片鉴别人体性别的红外光谱分析方法，其特征在于：步骤(2)中是在每片切片的3个不同位置各测量一张光谱，每张光谱均用于建模。
7.根据权利要求1至3任一项所述的一种基于组织切片鉴别人体性别的红外光谱分析方法，其特征在于：步骤(2)中测量切片的光谱时，是取不同性别的组织切片随机测量。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910078388.XA CN109580526A (zh) | 2019-01-18 | 2019-01-18 | 一种基于组织切片鉴别人体性别的红外光谱分析方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910078388.XA CN109580526A (zh) | 2019-01-18 | 2019-01-18 | 一种基于组织切片鉴别人体性别的红外光谱分析方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109580526A true CN109580526A (zh) | 2019-04-05 |
Family
ID=65918186
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910078388.XA Pending CN109580526A (zh) | 2019-01-18 | 2019-01-18 | 一种基于组织切片鉴别人体性别的红外光谱分析方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109580526A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112967375A (zh) * | 2021-02-20 | 2021-06-15 | 司法鉴定科学研究院 | 基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106841099A (zh) * | 2016-07-29 | 2017-06-13 | 重庆医科大学 | 基于毛发判别哺乳动物性别的近红外光谱分析方法 |
| CN106841089A (zh) * | 2016-07-29 | 2017-06-13 | 重庆医科大学 | 基于指甲判别哺乳动物性别的近红外光谱分析方法 |
| CN107238587A (zh) * | 2017-05-09 | 2017-10-10 | 华南农业大学 | 基于光谱技术的蚕蛹雌雄快速无损检测方法 |
| CN108732121A (zh) * | 2018-08-01 | 2018-11-02 | 重庆医科大学 | 一种基于红外光谱鉴别良性与恶性肿瘤的方法 |
-
2019
- 2019-01-18 CN CN201910078388.XA patent/CN109580526A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106841099A (zh) * | 2016-07-29 | 2017-06-13 | 重庆医科大学 | 基于毛发判别哺乳动物性别的近红外光谱分析方法 |
| CN106841089A (zh) * | 2016-07-29 | 2017-06-13 | 重庆医科大学 | 基于指甲判别哺乳动物性别的近红外光谱分析方法 |
| CN107238587A (zh) * | 2017-05-09 | 2017-10-10 | 华南农业大学 | 基于光谱技术的蚕蛹雌雄快速无损检测方法 |
| CN108732121A (zh) * | 2018-08-01 | 2018-11-02 | 重庆医科大学 | 一种基于红外光谱鉴别良性与恶性肿瘤的方法 |
Non-Patent Citations (4)
| Title |
|---|
| U. VIJAYA USHASREE等: "FTIR SPECTROSCOPIC ANALYSIS ON HUMAN BLOOD GROUPS", 《INTERNATIONAL JOURNAL OF SCIENCE, ENVIRONMENT》 * |
| 代芬等: "近红外漫透射光谱快速无损鉴别家蚕种茧茧壳内蚕蛹雌雄", 《华南农业大学学报》 * |
| 李玉品等: "近红外光谱分析法在蚕茧性别鉴定上的应用", 《江苏农业科学》 * |
| 钟巧娥等: "人肺癌组织 19 个常染色体 STＲ 及性别基因座变异分析", 《中国法医杂志》 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112967375A (zh) * | 2021-02-20 | 2021-06-15 | 司法鉴定科学研究院 | 基于深度学习和虚拟影像技术的法医学骨盆性别鉴别方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Orringer et al. | Rapid intraoperative histology of unprocessed surgical specimens via fibre-laser-based stimulated Raman scattering microscopy | |
| Bhargava | Towards a practical Fourier transform infrared chemical imaging protocol for cancer histopathology | |
| Bathen et al. | MR-determined metabolic phenotype of breast cancer in prediction of lymphatic spread, grade, and hormone status | |
| Verdonck et al. | Characterization of human breast cancer tissues by infrared imaging | |
| EP2976001B1 (en) | Measurement of tissue structures | |
| Krafft et al. | Classification of malignant gliomas by infrared spectroscopy and linear discriminant analysis | |
| Ali et al. | Automatic label‐free detection of breast cancer using nonlinear multimodal imaging and the convolutional neural network ResNet50 | |
| JP2003532868A (ja) | 近赤外線測定装置を使用した非侵略的なインビボによる組織分類法 | |
| CN108732121B (zh) | 一种基于红外光谱鉴别良性与恶性肿瘤的方法 | |
| AU2016347631B2 (en) | Methods and systems for analyzing tissue quality using mid-infrared spectroscopy | |
| CN108267416A (zh) | 一种基于太赫兹光谱的循环肿瘤细胞筛查***及方法 | |
| Krishna et al. | Raman spectroscopy of breast tissues | |
| CN109580527A (zh) | 一种基于组织切片鉴别abo血型的红外光谱分析方法 | |
| CN109781701A (zh) | 一种基于拉曼光谱技术的甲状旁腺术中实时检测方法 | |
| CN112763474A (zh) | 一种预测或检测急性白血病的生物标志物 | |
| WO2016201572A1 (en) | Methods of detection of steatosis | |
| CN116030032A (zh) | 基于拉曼光谱数据的乳腺癌分析设备、***及存储介质 | |
| US9498136B2 (en) | Classification of tumor tissue with a personalized threshold | |
| CN109580526A (zh) | 一种基于组织切片鉴别人体性别的红外光谱分析方法 | |
| US10531862B2 (en) | System and method for attaching a biopsy collecting device to a spectroscopy system | |
| Hollywood et al. | Phenotypic profiling of keloid scars using FT-IR microspectroscopy reveals a unique spectral signature | |
| JP5866287B2 (ja) | 複雑な混合物における小分子成分分析のための装置及び関連する方法 | |
| US20090318814A1 (en) | Method and apparatus for examination/diagnosis of lifestyle related disease using near-infrared spectroscopy | |
| Devpura et al. | Raman spectroscopic investigation of frozen and deparaffinized tissue sections of pediatric tumors: neuroblastoma and ganglioneuroma | |
| US20150004641A1 (en) | System and method for holding a biopsy collecting device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190405 |
|
| RJ01 | Rejection of invention patent application after publication |