TW201737864A

TW201737864A - 使用時間分辨螢光光譜法以及單極和雙極皮質和皮質下刺激器與時間分辨螢光光譜法的組合的組織分類方法

Info

Publication number: TW201737864A
Application number: TW106111809A
Authority: TW
Inventors: 普雷默德巴特; 奇瑞格帕蒂爾; 肯斯 L 布雷克; 法塔斯法斯芙; 大衛史考特凱特; 波爾特茲柏爾特尼克; 聶肇君
Original assignee: 美國錫安山醫學中心
Priority date: 2016-04-08
Filing date: 2017-04-07
Publication date: 2017-11-01
Also published as: US20170290515A1; WO2017177194A1; WO2017177194A8

Abstract

本文提供了用於使用時間分辨光譜法和/或電刺激對生物樣品進行體內或離體即時分類或表徵的方法。當被預定波長的光激發信號或脈衝照射時，生物樣品可產生響應螢光信號。可以記錄回應螢光信號。可以記錄激發波長的強度並且使用其來歸一化所記錄的回應螢光信號。生物樣品可以響應於電刺激而產生響應電信號。可以根據回應螢光信號生成原始螢光衰減資料並對其進行預處理。可以對預處理的原始螢光衰減資料去卷積以從其去除儀器回應函數，並且生成真實螢光衰減資料。可以回應於回應螢光信號、回應電信號、歸一化的回應螢光信號和/或真實螢光衰減資料來表徵生物樣品。

Description

使用時間分辨螢光光譜法以及單極和雙極皮質和皮質下刺激器與時間分辨螢光光譜法的組合的組織分類方法

本發明係有關生物樣品的分類及表徵。具體而言，本發明是有關使用時間分辨光譜法和/或電刺激對生物樣品進行分類或表徵的方法。表徵生物樣品。

目前可獲得或正在研究用於區分組織類型的多種技術。這樣的技術在外科手術切除期間鑒別腫瘤組織中可能特別有用，以便防止不必要地切除腫瘤組織周圍的健康組織，否則在未清楚鑒別腫瘤邊緣時可能發生該情況。這例如在腦瘤的情況下期望將盡可能多的健康組織保留完整的情形中可能特別重要。這樣的目前可獲得的技術包括神經導航、腦功能映射、術前功能性磁共振成像（MRI）、術中MRI、通過術前MRI指導的神經導航、光學相干斷層成像（OCT）、組織病理學、超聲、拉曼光譜法、漫射螢光光譜法、螢光標記的外源性腫瘤標誌物、施用諸如5-氨基乙醯丙酸（5-ALA）等螢光標誌物等等。雖然具有如此多技術，但在鑒別腫瘤和腫瘤邊緣的確切位置中仍存在困難，這是因為腫瘤組織和健康腦組織之間視覺差異通常非常小。目前致力於在外科切除手術期間區分腫瘤組織和正常組織的光學技術很少。例如，已經提出了將OCT和拉曼光譜法在術中用於辨別腦瘤組織和正常腦組織（參見例如，Kut、Carmen等人在Science translational medicine 7.292(2015):292ra100-292ra100的Detection of human brain cancer infiltration ex vivo and in vivo using quantitative optical coherence tomography；以及Jermyn、Michael等人在Science translational medicine 7.274(2015):274ral9-274ral9）的Intraoperative brain cancer detection with Raman spectroscopy in humans。雖然拉曼光譜法技術可具有高靈敏度和特異性，但它們的使用有限，這是因為腦部的自然螢光（例如由於存在NADH、FAD、脂色素、自然卟啉和其他自然發生的螢光分子）可使拉曼信號不顯著。OCT技術已在區分正常組織和腫瘤組織中顯示出一些實用性，但與拉曼技術和其他基於螢光的技術相比，在靈敏度和特異性方面可能受到限制。因此，可期望提供可允許術前、術中和/或術後表徵組織（例如表徵為正常或腫瘤）的方法和系統，以便確定組織類型邊界並告知外科手術過程。腫瘤組織與健康組織的術中辨別例如可導致在神經外科手術期間減少對正常腦組織的切除。另外，特別是在腦瘤的情況下，向外科醫生提供關於腦部的功能區的資訊以便降低切除這樣的重要組織的風險可能是有益的。因此，可期望提供可允許對腦部功能區進行術前、術中和/或術後的功能映射的方法和系統，以便告知外科手術過程。還可期望將用大腦的功能映射資訊所確定的關於腫瘤邊緣和組織類型的資訊相結合，以進一步增強安全性，並且在腦瘤的外科手術切除期間更好地告知外科醫生。

本文所述的主題大體涉及生物樣品的表徵，且特別涉及用於時間分辨螢光光譜法的方法、系統和裝置。本文所述的主題涉及組織（包括但不限於，癌組織和腫瘤組織）間的成像、鑒別、分類（classifying）、表徵（characterizing）和/或區分。在第一方面，提供了一種用於對受試者的生物樣品進行分類的方法。所述方法可包括測定所述生物樣品以獲得時間分辨螢光資料、在獲得的時間分辨螢光資料中檢測亞型的特徵以及/或者將所述生物樣品分類為所述亞型。所述生物樣品可以是腦組織。所述生物樣品可與所述受試者分離。所述生物樣品可以與所述受試者是一體的。測定所述生物樣品可包括使用時間分辨螢光光譜法對所述生物樣品成像。所述亞型可以是正常組織或腫瘤。所述亞型的特徵可包括所述亞型的光譜特徵、光譜壽命特徵、光譜壽命矩陣（SLM）或螢光衰減特徵或者其組合。檢測所述亞型的特徵可包括對所獲得的時間分辨螢光資料進行預處理、和/或去噪、和/或超採樣、和/或去卷積優化。檢測所述亞型的特徵可包括計算所獲得的時間分辨螢光資料的螢光脈衝回應函數（fIRF）和/或SLM。在另一方面，提供了一種用於將受試者的組織鑒別為正常組織或腫瘤的方法。所述方法可包括測定所述組織以獲得時間分辨螢光資料、在所獲得的時間分辨螢光資料中檢測正常組織的特徵並將所述組織為鑒別正常組織以及/或者在所獲得的時間分辨螢光資料中檢測腫瘤的特徵並將所述組織鑒別為腫瘤。在另一方面，提供了一種用於對受試者進行外科手術的方法。所述方法可包括測定所述受試者的組織以獲得時間分辨螢光資料、在所獲得的時間分辨螢光資料中檢測正常組織的特徵、將所述組織鑒別為正常組織並保留所述正常組織、以及/或者在所獲得的時間分辨螢光資料中檢測腫瘤的特徵、將所述組織鑒別為腫瘤並去除所述腫瘤。在另一方面，提供了一種用於對受試者的生物樣品進行分類的方法。所述方法可包括測定所述生物樣品以獲得時間分辨螢光資料和/或電功能資料、在所獲得的時間分辨螢光資料和/或所述電功能資料中檢測亞型的特徵以及將所述生物樣品分類為所述亞型。測定所述生物樣品可包括使用時間分辨螢光光譜法對所述生物樣品成像和/或記錄所述生物樣品的電活動。在另一方面，提供了一種用於將受試者的組織鑒別為正常組織或腫瘤的方法。所述方法可包括測定所述組織以獲得時間分辨螢光資料和/或電功能資料、在所獲得的時間分辨螢光資料和/或所述電功能資料中檢測正常組織的特徵並將所述組織鑒別為正常組織以及/或者在所獲得的時間分辨螢光資料和/或所述電功能資料中檢測腫瘤的特徵並將所述組織鑒別為腫瘤。在另一方面，提供了一種用於對受試者進行外科手術的方法。所述方法可包括測定所述受試者的組織以獲得時間分辨螢光資料和/或電功能資料、在所獲得的時間分辨螢光資料和/或電功能資料中檢測正常組織的特徵、將所述組織鑒別為正常組織並保留所述正常組織、以及/或者在所獲得的時間分辨螢光資料和/或電功能資料中檢測腫瘤的特徵、將所述組織鑒別為腫瘤並去除所述腫瘤。在另一方面，提供了一種用於對受試者的生物樣品進行分類的系統。所述系統可包括時間分辨螢光分光鏡以及單極和/或雙極皮質和皮質下刺激器。所述系統可進一步包括被配置用於發射用於所述生物樣品的激發光的雷射器。所述時間分辨螢光光譜法可被配置用於分析從所述生物樣品發射的螢光。所述單極和/或雙極皮質和皮質下刺激器可被配置用於刺激所述生物樣品。所述系統可進一步包括被配置用於記錄所述生物樣品的電功能活動的模組。在另一方面，提供了一種用於對受試者的生物樣品進行分類的方法。所述方法包括提供本文所述的任何系統，使用所述系統測定所述生物樣品以獲得時間分辨螢光資料和/或電功能資料、在所獲得的時間分辨螢光資料和/或所述電功能資料中檢測亞型的特徵以及將所述生物樣品分類為所述亞型。在另一方面，提供了一種用於對受試者的生物樣品進行分類的方法。所述方法可以包括或者可以主要包括或者可以包含：1）測定所述生物樣品以獲得時間分辨螢光資料；2）在所獲得的時間分辨螢光資料中檢測亞型的特徵；和/或3）將所述生物樣品分類為所述亞型。在各個實施方案中，測定所述生物樣品可包括使用如本文所述的時間分辨螢光光譜法對所述生物樣品成像。在另一方面，提供了一種用於對受試者的生物樣品進行分類的方法。所述方法可以包括或者可以主要包括或者可以包含：1）測定所述生物樣品以獲得時間分辨螢光資料和/或電功能資料；2）在所獲得的時間分辨螢光資料和/或所述電功能資料中檢測亞型的特徵；以及3）將所述生物樣品分類為所述亞型。在一些實施方案中，可測定所述生物樣品以獲得時間分辨螢光資料。在一些實施方案中，可測定所述生物樣品以獲得電功能資料。在一些實施方案中，可測定所述生物樣品以獲得時間分辨螢光資料和電功能資料。在各個實施方案中，測定所述生物樣品可包括使用時間分辨螢光光譜法對所述生物樣品成像和/或記錄所述生物樣品的電活動。在一些實施方案中，測定所述生物樣品可包括使用時間分辨螢光光譜法對所述生物樣品成像。在一些實施方案中，測定所述生物樣品可包括記錄所述生物樣品的電活動。在一些實施方案中，測定所述生物樣品可包括使用時間分辨螢光光譜法對所述生物樣品成像和記錄所述生物樣品的電活動。在另一方面，提供了一種用於將受試者的組織鑒別為正常組織或腫瘤的方法。所述方法可以包括或者可以主要包括或者可以包含：1）測定所述組織以獲得時間分辨螢光資料；2）在所獲得的時間分辨螢光資料中檢測正常組織的特徵，以及3）將所述組織鑒別為正常組織。備選地或組合地，所述方法可以包括或者可以主要包括或者可以包含：1）測定所述組織以獲得時間分辨螢光資料；2）在所獲得的時間分辨螢光資料中檢測腫瘤的特徵，以及3）將所述組織鑒別為腫瘤。在另一方面，提供了一種用於對受試者進行外科手術的方法。所述方法可以包括或者可以主要包括或者可以包含：1）測定所述受試者的組織以獲得時間分辨螢光資料；2）在所獲得的時間分辨螢光資料中檢測正常組織的特徵；3）將所述組織鑒別為正常組織；以及4）保留所述正常組織。備選地或組合地，所述方法可以包括或者可以主要包括或者可以包含：1）測定所述受試者的組織以獲得時間分辨螢光資料；2）在所獲得的時間分辨螢光資料中檢測腫瘤的特徵；3）將所述組織鑒別為腫瘤；4）以及去除所述腫瘤。在另一方面，提供了一種用於將受試者的組織鑒別為正常組織或腫瘤的方法。所述方法可以包括或者可以主要包括或者可以包含：1）測定所述組織以獲得時間分辨螢光資料和/或電功能資料；2）在所獲得的時間分辨螢光資料和/或所述電功能資料中檢測正常組織的特徵；以及3）將所述組織鑒別為正常組織。備選地或組合地，所述方法可以包括或者可以主要包括或者可以包含：1）測定所述組織以獲得時間分辨螢光資料和/或電功能資料；2）在所獲得的時間分辨螢光資料和/或所述電功能資料中檢測腫瘤的特徵；以及3）將所述組織鑒別為腫瘤。在另一方面，提供了一種用於對受試者進行外科手術的方法。所述方法可以包括或者可以主要包括或者可以包含：1）測定所述受試者的組織以獲得時間分辨螢光資料和/或電功能資料；2）在所獲得的時間分辨螢光資料和/或電功能資料中檢測正常組織的特徵；3）將所述組織鑒別為正常組織；以及4）保留所述正常組織。備選地或組合地，所述方法可以包括或者可以主要包括或者可以包含：1）測定所述受試者的組織以獲得時間分辨螢光資料和/或電功能資料；2）在所獲得的時間分辨螢光資料和/或電功能資料中檢測腫瘤的特徵；3）將所述組織鑒別為腫瘤；以及4）去除所述腫瘤。本文所述的方法和系統可用於對來自多個受試者的樣品成像，所述受試者包括但不限於，人類和非人類靈長目動物，諸如黑猩猩和其他猿和猴物種；耕畜，諸如牛、綿羊、豬、山羊和馬；家養哺乳動物，諸如狗和貓；實驗室動物，包括嚙齒目動物，諸如小鼠、大鼠和豚鼠等。在各個實施方案中，所述受試者可具有癌症並可能需要外科手術來去除癌組織，並且所述樣品是指含有癌組織的身體部分。在各個實施方案中，所述樣品可以是腫瘤、細胞、組織、器官或身體部分。在一些實施方案中，所述樣品可與受試者分離。在其他實施方案中，所述樣品可以與受試者是一體的。根據本發明，所述樣品可包含紅外或近紅外螢光團。在各個實施方案中，所述樣品可以是腦組織。在各個實施方案中，所述生物樣品可與所述受試者分離。在各個實施方案中，所述生物樣品可以與所述受試者是一體的。在各個實施方案中，所述亞型為正常組織。在各個實施方案中，所述亞型為腫瘤。在一些實施方案中，所述腫瘤為神經系統腫瘤，包括但不限於腦瘤、神經鞘瘤和視神經膠質瘤。腦瘤的示例包括但不限於良性腦瘤、惡性腦瘤、原發性腦瘤、繼發性腦瘤、轉移性腦瘤、膠質瘤、多形性成膠質細胞瘤（GBM）、成神經管細胞瘤、室管膜細胞瘤、星形細胞瘤、毛細胞型星形細胞瘤、少突膠質細胞瘤、腦幹膠質瘤、視神經膠質瘤、諸如少突星形細胞瘤等混合膠質瘤、低級別膠質瘤、高級別膠質瘤、幕上膠質瘤、幕下膠質瘤、腦橋膠質瘤、腦膜瘤、垂體腺瘤和神經鞘瘤。在各個實施方案中，所述亞型的特徵包括所述亞型的光譜特徵、光譜壽命特徵、光譜壽命矩陣或螢光衰減特徵或者其組合。在各個實施方案中，檢測所述亞型的特徵包括對所獲得的時間分辨螢光資料進行預處理、和/或去噪、和/或超採樣、和/或去卷積優化。在各個實施方案中，檢測所述亞型的特徵包括計算所獲得的時間分辨螢光資料的fIRF和/或SLM。在各個實施方案中，本發明提供了一種用於對受試者的生物樣品進行分類的系統。所述系統可以包括或者可以主要包括或者可以包含：時間分辨螢光光譜法；以及單極和/或雙極皮質和皮質下刺激器。在各個實施方案中，所述時間分辨螢光光譜法被配置用於分析從所述生物樣品發射的螢光。在各個實施方案中，所述單極和/或雙極皮質和皮質下刺激器被配置用於刺激所述生物樣品。在各個實施方案中，所述系統進一步包括被配置用於發射用於所述生物樣品的激發光的雷射器。在各個實施方案中，所述系統進一步包括被配置用於記錄所述生物樣品的電功能活動的模組。在各個實施方案中，本發明提供了一種用於對受試者的生物樣品進行分類的方法。所述方法可以包括或者可以主要包括或者可以包含：提供如本文所述的系統；使用所述系統測定所述生物樣品以獲得時間分辨螢光資料和/或電功能資料；在所獲得的時間分辨螢光資料和/或所述電功能資料中檢測亞型的特徵；以及將所述生物樣品分類為所述亞型。在一些實施方案中，使用時間分辨螢光光譜法來獲得所述時間分辨螢光資料。在一些實施方案中，使用雷射器來獲得所述時間分辨螢光資料。在一些實施方案中，使用單極和/或雙極皮質和皮質下刺激器來獲得所述電功能資料。在一些實施方案中，使用被配置用於記錄所述生物樣品的電功能活動的模組來獲得所述電功能資料。在另一方面，提供了一種用於對生物樣品進行分類或表徵的方法。所述方法可包括回應於回應螢光信號和/或回應電信號來表徵所述生物樣品。所述方法可包括回應於回應螢光信號來表徵所述生物樣品。所述方法可包括回應於回應電信號來表徵所述生物樣品。所述方法可包括回應於回應螢光信號和回應電信號來表徵所述生物樣品。所述回應螢光信號可任選地是由所述生物樣品響應於用光脈衝照射所述生物樣品而產生的。所述響應電信號可任選地是由所述生物樣品響應於電刺激而產生的。在一些實施方案中，所述生物樣品可包括皮質組織或皮質下組織。在一些實施方案中，所述光脈衝可包括預定波長的激發信號。在一些實施方案中，所述回應螢光信號可包括光譜特徵、光譜壽命特徵、光譜壽命矩陣或螢光衰減特徵中的一種或多種。可以回應於所述光譜特徵、光譜壽命特徵、光譜壽命矩陣或螢光衰減特徵中的所述一種或多種來表徵所述生物樣品。在一些實施方案中，回應於所述回應螢光信號和所述回應電信號來表徵所述生物樣品可以包括將所述回應螢光信號***成多個光譜帶和回應於所述光譜帶來表徵所述生物樣品。在一些實施方案中，回應於所述回應螢光信號和所述回應電信號來表徵所述生物樣品包括回應於所述回應螢光信號來確定生物分子的濃度。所述生物分子可包括PLP-GAD（吡哆醛-5′磷酸（PLP）谷氨酸脫羧酶（GAD））、結合的NADH、游離NADH、黃素單核苷酸（FMN）核黃素、黃素腺嘌呤二核苷酸（FAD）核黃素、脂色素、內源性卟啉或其組合中的任何一種或多種。在一些實施方案中，該生物樣品可被表徵為正常的、良性的、惡性的、瘢痕組織、壞死的、缺氧的、活的、非活的或發炎的。所述生物樣品例如可表徵為正常皮質、白質或成膠質細胞瘤。在一些實施方案中，所述生物樣品可包括腦組織。所述生物樣品例如可表徵為正常皮質、白質或成膠質細胞瘤。在一些實施方案中，所述生物樣品可包括靶組織。所述靶組織可以被消融。可以回應於對所述生物樣品的表徵來去除或消融所述靶組織。可以通過向所述靶組織施加射頻（RF）能量、熱能、低溫能量（cryo energy）、超聲能量、X射線能量、鐳射能量或光學能量中的一種或多種來消融所述靶組織。可以用探針來消融所述靶組織，所述探針被配置用於用所述光脈衝來照射所述生物樣品並收集所述回應螢光信號。所述探針可被配置為是掌上型的。所述探針可包括掌上型探針。所述探針可以是機器人控制的，例如具有可商購的機器人外科手術系統。在一些實施方案中，可以用所述光脈衝來輻射並用探針來電刺激所述生物樣品。在一些實施方案中，可以用雙極或單極皮質和皮質下刺激器中的一個或多個來電刺激所述生物樣品。在另一方面，提出了一種用於對生物樣品進行分類或表徵的方法。所述方法可包括預處理原始螢光衰減資料。所述方法可包括將預處理的原始螢光衰減資料去卷積以從其去除儀器回應函數。。將預處理的原始螢光衰減資料去卷積可以生成真實螢光衰減資料。所述原始螢光衰減資料可以由從暴露於預定波長的光激發信號的生物樣品收集的回應螢光信號所生成。可以回應於所述真實螢光衰減資料來表徵所述生物樣品。在一些實施方案中，預處理所述原始螢光衰減資料可以包括去除高頻雜訊。備選地或組合地，預處理所述原始螢光衰減資料可以包括對所述原始螢光衰減資料的多個重複測量值求平均。備選地或組合地，預處理所述原始螢光衰減資料可以包括從所述原始螢光衰減資料的一組測量值中去除一個或多個異常值，所述一組測量值共用相同的時間點。所述方法可任選地進一步包括重複對在不同時間點的多個測量組的一個或多個異常值的去除。在一些實施方案中，對所述預處理的原始螢光資料去卷積可以包括對所述預處理的原始螢光資料應用Laguerre展開（Laguerre expansion）。任選地，對所述預處理的原始螢光資料去卷積可以包括優化Laguerre參數或所述Laguerre展開的時間偏移中的一個或多個。優化Laguerre參數或所述Laguerre展開的時間偏移中的一個或多個包括實施反覆運算搜索方法。備選地或組合地，對所述預處理的原始螢光資料去卷積可以包括對傅立葉域中的所述原始螢光衰減資料或所述儀器回應函數中的一個或多個進行劃分和窗化。在一些實施方案中，可以通過根據所述真實螢光衰減資料生成螢光衰減函數和將所述螢光衰減函數變換為光譜壽命矩陣來表徵所述生物樣品。可以通過比較所述生物樣品的所述光譜壽命矩陣和用於組織表徵的基準光譜壽命矩陣來表徵所述生物樣品。在一些實施方案中，該生物樣品可被表徵為正常的、良性的、惡性的、瘢痕組織、壞死的、缺氧的、活的、非活的或發炎的。在一些實施方案中，表徵所述生物樣品可包括確定所述生物樣品中的生物分子的濃度。在一些實施方案中，可以回應於對所述生物樣品的表徵來處理所述生物樣品。在一些實施方案中，所述生物樣品可包括腦組織。在另一方面，提供了一種用於對生物樣品進行分類或表徵的方法。所述方法可包括記錄激發光脈衝的強度。可以用預定波長的激發光脈衝照射生物樣品以促使所述生物樣品產生響應螢光信號。所述方法還可以包括回應於所記錄的所述激發光脈衝的強度來歸一化回應螢光信號。可以回應於歸一化的回應螢光信號來表徵所述生物樣品。援引併入 本說明書中所提及的所有出版物、專利和專利申請通過引用併入本文，其程度如同具體地且個別地指出每一單個出版物、專利或專利申請均通過引用而併入。

交叉引用 本申請要求於2016年4月8日提交的美國臨時專利申請號62/320,314的權益，該申請通過引用併入本文。本文引用的所有出版物均通過引用全文併入，其程度猶如具體地且個別地指出每一單個出版物或專利申請通過引用而併入。以下描述包含可用于理解本發明的資訊。這並非承認本文所提供的任何資訊均為現有技術或者與目前所要求保護的發明相關，或者任何具體或隱含引用的出版物為現有技術。本文所引用的所有參考檔均通過引用全文併入，視同完全闡述。除非另有定義，否則本文所使用的技術和科學術語具有與所要求保護的發明所屬領域的普通技術人員所一般理解的相同的含義。下列內容向本領域普通技術人員提供了對本發明中所使用的許多術語的一般指導：Allen等人的Pharmaceutical Press（2012年9月15日）出版的Remington: The Science and Practice of Pharmacy 第22版；Hornyak等人的 CRC Press（2008）出版的Introduction to Nanoscience and Nanotechnology；Singleton和Sainsbury的 J. Wiley & Sons（New York, NY 2006）出版的Dictionary of Microbiology and Molecular Biology第3版、修訂版；Smith的J. Wiley & Sons（New York, NY 2013）出版的March’s Advanced Organic Chemistry Reactions, Mechanisms and Structure 第7版；Singleton的Wiley-Blackwell（2012年11月28日）出版的Dictionary of DNA and Genome Technology 第3版；以及Green和Sambrook的Cold Spring Harbor Laboratory Press（Cold Spring Harbor, NY 2012）出版的Molecular Cloning: A Laboratory Manual 第4版。為了參考如何製備抗體，參見Greenfield的Cold Spring Harbor Press（Cold Spring Harbor NY, 2013）出版的Antibodies A Laboratory Manual 第2版；Köhler和Milstein的Derivation of specific antibody-producing tissue culture and tumor lines by cell fusion，發表在1976年7月的Eur. J. Immunol.的6(7):511-9；Queen和Selick的Humanized immunoglobulins，其美國專利號為5,585,089（1996年12月）；以及Riechmann等人的Reshaping human antibodies for therapy, 發表在1988年3月24日的Nature的332(6162):323-7。本領域普通技術人員將意識到可用於實踐所要求保護的發明的許多與本文所描述的方法和材料相似或等同的方法和材料。根據結合通過示例圖示了所要求保護的發明的實施方案的各個特徵的附圖的以下詳細描述，所要求保護的發明的其他特徵和優點將變得顯而易見。事實上，所要求保護的發明絕不意指侷限於本文所描述的方法和材料。為了方便起見，將本文在說明書、示例和隨附權利要求書中所採用的某些術語收集於此。除非另有說明或者上下文中所隱含，否則以下術語和短語包含本文所提供的含義。除非另有明確說明或者上下文中很明顯，否則本文所使用的術語和短語不排除該術語或短語在其所屬領域中所具有的含義。除非另有定義，否則本文所使用的所有技術和科學術語具有與所要求保護的發明所屬領域的普通技術人員所一般理解的相同的含義。應當理解，本發明不限於本文所描述的特定方法、方案和試劑等，並因此可有變化。提供本文所用的定義和術語以幫助描述特定實施方案，而非旨在限制所要求保護的發明，這是因為本發明的範圍僅由權利要求所限制。如本文所使用，術語“包含著”或“包含”用於提及對實施方案有用的組合物、方法及其相應（一個或多個）組分，然而還開放性地包含無論是否有用的未指明元素。本領域普通技術人員將理解，本文所使用的術語通常意指“開放性”術語（例如，術語“包括著”應解釋為“包括但不限於”，術語“具有”應解釋為“至少具有”，術語“包括”應解釋為“包括但不限於”等）。雖然開放式術語“包含著”作為諸如包括、含有或具有等術語的同義詞，但在本文中用於描述和要求給予本發明保護，或者可以使用諸如“由……組成”或“基本由……組成”等替代的術語來描述本發明或其實施方案。除非另有聲明，否則在描述本申請的特定實施方案的上下文中（尤其在權利要求書的上下文中）所使用的術語“一個”和“一種”和“該”及相似提及可解釋為涵蓋單數和複數二者。本文中對值的範圍的記載僅旨在起到個別地提及落入該範圍內的每一單獨值的便捷方法的作用。除非本文另有所指，否則將每一單個值併入本說明書中，猶如在本文中對其進行了個別記載。除非本文另有所指或者通過上下文另有明確否認，否則可以任何合適的次序進行本文所述的所有方法。對關於本文的某些實施方案所提供的任何和所有示例或示例性語言（例如“諸如”）的使用僅旨在更好地闡明本申請，而非對以其他方式要求保護的本公開內容的範圍造成限制。縮寫“e.g.”來源於拉丁語exempli gratia ，並且在本文用於指示非限制性示例。因此，縮寫“e.g.”與術語“例如”同義。本說明書中的語言均不應解釋為指示對實踐本申請是必要的任何非要求保護的元素。如本文所使用的“病況”和“疾病病況”可包括但決不限於任何形式的惡性贅生性細胞增殖性病症或疾病（例如，腫瘤和癌症）。根據本公開內容，如本文所使用的“病況”和“疾病病況”包括但不限於，由於任何和所有原因（包括但不限於腫瘤、損傷、創傷、局部缺血、感染、炎症和/或自身炎症）的任何和所有涉及組織差異的病況，即正常與不正常。仍然根據本公開內容，如本文所使用的“病況”和“疾病病況”包括但不限於，由於生理學或病理學原因的感興趣組織（例如，癌的、損傷的、局部缺血的、感染的和/或發炎的組織）與周圍組織（例如，健康組織）不同的任何情況。“病況”和“疾病病況”的示例包括但不限於腫瘤、癌症、創傷性腦部損傷、脊髓損傷、中風、腦出血、腦缺血、缺血性心臟病、缺血性再灌注損傷、心血管疾病、心臟瓣膜狹窄、感染性疾病、微生物感染、病毒感染、細菌感染、真菌感染和自身免疫病。如本文所使用的“癌症”或“腫瘤”是指妨礙身體器官和系統正常運行的細胞不受控生長，以及或者無論惡性還是良性的所有贅生性細胞生長和增殖，以及所有癌前和癌細胞和組織。患有癌症或腫瘤的受試者為受試者體內存在客觀可測量的癌細胞的受試者。此定義中包括了良性和惡性癌症，以及休眠腫瘤、轉移或微轉移。從它們的原始位置遷移並向重要器官散播的癌症可通過受影響器官的功能退化而最終導致受試者的死亡。如本文所使用，術語“侵襲性”是指癌症浸潤並破壞周圍組織的能力。例如，黑素瘤是皮膚癌的侵襲形式。如本文所使用，術語“上皮癌”是指起源于上皮細胞的癌症。癌症的示例包括但不限於神經系統腫瘤、腦瘤、神經鞘瘤、乳腺癌、結腸癌、上皮癌、肺癌、肝細胞癌、胃癌、胰腺癌、宮頸癌、卵巢癌、肝癌、膀胱癌、尿道癌、甲狀腺癌、腎癌、腎細胞癌、上皮癌、黑素瘤、頭頸癌、腦癌和***癌（包括但不限於雄激素依賴性***癌和雄激素非依賴性***癌）。腦瘤的示例包括但不限於良性腦瘤、惡性腦瘤、原發性腦瘤、繼發性腦瘤、轉移性腦瘤、膠質瘤、成膠質細胞瘤（GBM，glioblastoma）、成神經管細胞瘤、室管膜細胞瘤、星形細胞瘤、毛細胞型星形細胞瘤、少突膠質細胞瘤、腦幹膠質瘤、視神經膠質瘤、諸如少突星形細胞瘤等混合膠質瘤、低級別膠質瘤、高級別膠質瘤、幕上膠質瘤、幕下膠質瘤、腦橋膠質瘤、腦膜瘤、垂體腺瘤和神經鞘瘤。神經系統腫瘤或神經系統贅生物是指影響神經系統的任何腫瘤。神經系統腫瘤可以是中樞神經系統（CNS）中、外周神經系統（PNS）中或者CNS和PNS二者中的腫瘤。神經系統腫瘤的示例包括但不限於腦瘤、神經鞘瘤和視神經膠質瘤。如本文所使用，術語“樣品”或“生物樣品”表示生物有機體的一部分。樣品可以是細胞、組織、器官或身體部分。樣品還可以與生物有機體是一體的（即體內或原位）。例如，當外科醫生試圖從患者去除乳腺腫瘤時，樣品可以是指用紅外染料標記並用本文所述的成像系統成像的乳腺組織。在此情況下，樣品仍為患者身體的一部分。可從生物有機體取得或分離出樣品（即離體），例如從受試者去除的腫瘤樣品。示例性生物樣品包括但不限於生物流體樣品、血清、血漿、尿液、唾液、腫瘤樣品、腫瘤活組織標本和/或組織樣品等。術語“樣品”還包括上述樣品的混合物。術語“樣品”還包括未處理或預處理（或預先處理）的生物樣品。在一些實施方案中，樣品可包括來自受試者的一個或多個細胞。在一些實施方案中，樣品可以是腫瘤細胞樣品，例如，樣品可包括癌細胞、來自腫瘤的細胞和/或腫瘤活組織標本。如本文所使用，“受試者”意指人類或動物。通常，動物為脊椎動物，諸如靈長目動物、嚙齒目動物、家養動物或狩獵動物。靈長目動物包括黑猩猩、食蟹猴、蜘蛛猴和獼猴（例如恒河猴（Rhesus））。嚙齒目動物包括小鼠、大鼠、美洲旱獺、白鼬、兔和倉鼠。家養和狩獵動物包括奶牛、馬、豬、鹿、野牛、水牛、貓科物種（例如家貓）和犬科物種（例如，狗、狐狸、狼）。術語“患者”、“個體”和“受試者”在本文可互換使用。受試者可以是哺乳動物。哺乳動物可以是人類、非人類靈長目動物、小鼠、大鼠、狗、貓、馬或奶牛，但不限於這些示例。另外，本文所述的方法可用於處理馴養的動物和/或寵物。如本文所述的“哺乳動物”是指哺乳綱的任何成員，包括但不限於人類和非人類靈長目動物，諸如黑猩猩和其他猿和猴物種；耕畜，諸如牛、綿羊、豬、山羊和馬；家養哺乳動物，諸如狗和貓；實驗室動物，包括嚙齒目動物，諸如小鼠、大鼠和豚鼠；等等。該術語不表示特定的年齡或性別。因此，無論雌雄的成人和新生的受試者以及胎兒均旨在包含於該術語的範圍內。受試者可以是先前診斷患有、鑒別為患有和/或發現具有需要處理的病況（例如腫瘤）或者與該病況相關的一種或多種併發症的受試者。受試者可任選地已經經歷了對病況或與該病況相關的一種或多種併發症的處理。或者，受試者可以是先前診斷為具有病況或與該病況相關的一種或多種併發症的受試者。例如，受試者可以是表現出對於病況或與該病況相關的一種或多種併發症的一種或多種危險因素的受試者。受試者可能未表現出危險因素。對於特定病況的處理“有需要的受試者”可以是懷疑具有該病況、診斷為具有該病況、已經處理或正在處理該病況、未處理該病況或者處於患該病況的危險的受試者。本文所述的方法和系統可用於對來自各個受試者的樣品進行成像，包括但不限於人類和非人類靈長目動物，諸如黑猩猩和其他猿和猴物種；耕畜，諸如牛、綿羊、豬、山羊和馬；家養哺乳動物，諸如狗和貓；實驗室動物，包括嚙齒目動物，諸如小鼠、大鼠和豚鼠；等等。受試者可具有癌症，並且可能需要外科手術去除癌組織。在這樣的情況下，樣品可以是指含有癌組織的身體部分。樣品可以是腫瘤、細胞、組織、器官或身體部分。可從受試者分離出樣品（即離體）。在其他實施方案中，樣品可以與受試者是一體的（即體內或原位）。樣品可包含紅外或近紅外螢光團。樣品可以是腦組織。可從受試者分離出生物樣品（即離體）。生物樣品與受試者是一體的（即體內或原位）。在各個實施方案中，亞型可以是正常組織。在各個實施方案中，亞型可以是腫瘤。在一些實施方案中，腫瘤可以是神經系統腫瘤，包括但不限於腦瘤、神經鞘瘤和/或視神經膠質瘤。腦瘤的示例包括但不限於良性腦瘤、惡性腦瘤、原發性腦瘤、繼發性腦瘤、轉移性腦瘤、膠質瘤、成膠質細胞瘤（GBM）、成神經管細胞瘤、室管膜細胞瘤、星形細胞瘤、毛細胞型星形細胞瘤、少突膠質細胞瘤、腦幹膠質瘤、視神經膠質瘤、諸如少突星形細胞瘤等混合膠質瘤、低級別膠質瘤、高級別膠質瘤、幕上膠質瘤、幕下膠質瘤、腦橋膠質瘤、腦膜瘤、垂體腺瘤和神經鞘瘤。除非本文另有定義，與本申請相結合所使用的科學和技術術語應具有本公開內容所屬領域的普通技術人員所一般理解的含義。應當理解，本發明不限於本文所述的特定方法、方案和試劑等，並且同樣可有變化。本文所使用的術語僅用於描述特定實施方案的目的，而非旨在限制本發明的範圍，本發明的範圍僅由權利要求來定義。在一些實施方案中，用於描述並要求給予本發明的某些實施方案保護的，表示成分、諸如濃度、反應條件等性質的數量的數位在一些情況下要理解為由術語“約”修飾。因此，在一些實施方案中，在書面描述和隨附權利要求書中所闡述的數字參數為近似值，所述近似值可以根據特定實施方案所尋求獲得的期望性質而變化。在一些實施方案中，數位參數應當鑒於所敘述的有效數位的數目並通過應用普通四捨五入技術來解釋。雖然闡述本發明一些實施方案的廣範圍的數字範圍和參數是近似值，但是對具體示例中所闡述的數值盡可能行得通地精確地敘述。本發明一些實施方案中所呈現的數值可含有必然由其相應測試測量中所發現的標準差造成的一定誤差。對本文所公開發明的備選元素或實施方案的分組不是要解釋為限制。可以個別地提及和要求保護每個組成員或者與該組的其他成員或本文中所發現的其他元素的任何組合一起提及或要求保護。為了方便和/或可專利性的原因，組的一個或多個成員可包含在組中或從組刪除。當發生任何這樣的包含或刪除時，本說明書在此視為含有如所修改的組，因而滿足了隨附權利要求書中所使用的所有Markush組的書面描述。雖然具體提及了將腦組織表徵為惡性或非惡性，但是本文所公開的方法、系統和裝置可用於許多類型的生物樣品，所述生物樣品包括血液、血漿、尿液、組織、微生物、寄生蟲、唾液、痰液、嘔吐物、腦脊髓液或其中可以檢測到化學信號的任何其他生物樣品。生物樣品可為固體生物樣品、半固體生物樣品或液體生物樣品。生物樣品可包括來自，僅舉幾例，***、肺、腎臟、腦、粘膜、皮膚、肝臟、結腸、膀胱、肌肉、乳腺、眼睛、口腔、肌肉、淋巴結、輸尿管、尿道、食管、氣管、胃、膽囊、胰腺、腸、心臟、脾臟、胸腺、甲狀腺、卵巢、子宮、肺、闌尾、血管、骨、直腸、睾丸或子宮頸等的組織。生物樣品可以是通過非外科手術或外科手術技術可取得的任何組織或器官。可以從患者收集生物樣品並進行離體表徵。例如，生物樣品可以是在外科手術期間在手術室中進行分析或者在病理實驗室中進行分析的活組織標本，以在免疫組織化學分析之前提供初步診斷。或者，可以對生物樣品進行體內表徵。例如，本文所公開的實施方案可用於例如表徵腦部、***或皮膚中的組織，以在外科手術切除之前區分癌組織和非癌組織。本文所公開的系統、裝置和方法可用於表徵生物樣品。例如，可將生物樣品表徵為正常的、良性的、惡性的、瘢痕組織、壞死的、缺氧的、活的、非活的、發炎的等等。本文所公開的系統、裝置和方法可用於評估損傷後組織活力、確定腫瘤邊緣、監測細胞代謝、監測血漿中的治療藥物濃度等。根據所測定的感興趣生物樣品和（一個或多個）分子，本文所公開的系統、裝置和方法可適用于各種應用和用途。儘管具體提及了使用發射的螢光光譜來表徵生物樣品，但是應當理解，本文所公開的系統、方法和裝置可用於表徵具有許多光學光譜類型的組織。例如，由生物樣品回應於用光脈衝的激發而發射的信號可包括螢光光譜、拉曼光譜、紫外-可見光譜、紅外光譜或其任何組合。下列示例僅旨在作為本發明的示例，且不應視為以任何方式限制本發明。提供下列示例以更好地說明所要求保護的發明，並且不應解釋為限制本發明的範圍。就提到具體材料來說，其僅僅出於說明的目的而不旨在限制本發明。本領域普通技術人員可以在不運用創造性能力的情況下以及在不偏離本發明的範圍的情況下開發出等同的手段或反應物。先前我們已經開發了時間分辨螢光光譜法（TRFS，time-resolved fluorescence spectroscopy）系統，該系統包括硬體和軟體技術，其可用於從樣品收集螢光資訊。當使用鐳射來誘導樣品中的螢光時，該系統可稱為時間分辨鐳射誘導的螢光光譜法（TR-LIFS）系統。關於這樣的系統的附加資訊可見於美國專利號9,404,870、PCT申請號PCT/US2014/030610；PCT申請號PCT/US2014/029781；美國專利申請號15/475,750；其中的每一個均通過引用全文併入本文，視同完全闡述。圖1示出了可用於從樣品獲得回應螢光信號以便如本文所述地表徵該樣品的示例性系統。圖1示出了時間分辨螢光光譜法（TRFS）系統的示意圖。該系統可用來使用即時或接近即時的時間分辨螢光光譜法來表徵生物樣品。該系統可包含激發信號傳輸元件103、光源100、至少一個信號收集元件108、諸如信號分離器104的光學元件以及光學延遲裝置或元件105。該系統可進一步包含檢測器106、數位化器107、光電二極體109、檢測器門110或同步觸發機構102中的一個或多個。該系統可進一步包含可處理資料的電腦或處理器113。在一些情況下，激發信號傳輸元件103的至少一部分和至少一個信號收集元件108可包含掌上型或機器人控制的探針，該探針可以可操作地與其餘的系統部件相耦合。光源100可被配置用於生成預定激發波長的光脈衝、光激發信號或連續光束。為了簡單起見，本文將使用術語“光脈衝”，但本領域普通技術人員將理解，根據實施方案，該系統可以備選地或組合地利用連續光束或光激發信號。可通過激發信號傳輸元件103，例如光學纖維將光脈衝導向生物樣品101，例如患者腦部。通過光脈衝的激發可導致生物樣品101產生響應螢光信號，該響應螢光信號可由一個或多個信號收集元件108收集。繼而可由信號收集元件108將回應螢光信號導向信號分離器104，以便將該回應螢光信號***成預定波長的至少兩個光譜帶111a-111g（即，光譜帶111a、111b、111c、111d、111e、111f和111g）。繼而可將光譜帶111a-111g引導至光學延遲裝置105，該光學延遲裝置105向光譜帶111a-111g施加至少一個時延，以便在記錄之前在時間上將光譜帶111a-111g分離開。繼而可將延時的光譜帶112a-112g（即，分別與光譜帶111a、111b、111c、111d、111e、111f和111g對應的延時的光譜帶112a、112b、112D、112d、112e、112f、112g）導向檢測器106並且一次檢測一個。對於每個光譜帶112a-112g，檢測器106可在下一光譜帶到達檢測器106之前記錄光譜帶的螢光衰減和螢光強度。這樣，可以使用單一激發光脈衝來即時地或接近即時地從回應螢光信號搜集時間分辨（螢光衰減）資訊以及波長分辨（螢光強度）資訊二者。光源100可包括任何數目的光源，舉幾個例子，如脈衝雷射器、連續波雷射器、調製雷射器、可調諧雷射器或LED。光源100的預定激發波長可以處於紫外光譜、可見光譜、近紅外光譜或紅外光譜中的一個或多個中，例如在約300 nm至約1100 nm的範圍內。光源100的預定激發波長可處於約330 nm至約360 nm、約420 nm至約450 nm、約660 nm至約720 nm或者約750 nm至約780 nm的範圍內。例如，如圖1所示，光源100可發射約355 nm的光脈衝。備選地或組合地，光源100可發射約700 nm或約710 nm的光脈衝。光源100的波長可以選擇成使得生物樣品101在用光脈衝進行激發時產生回應螢光信號。光源100的波長可以選擇成使得生物樣品101在不被光脈衝損傷的情況下產生回應螢光信號。例如，可以選擇紫外光來激發生物樣品內的多個螢光團，並且可以使用紫外光來同時激發多個螢光團。然而，在至少一些情況下，長時間暴露於紫外光可能導致細胞損傷。因此，在對紫外光的暴露存在問題的情況下，近紅外或紅外光可以是更安全的替代方案。紅外光源100可被配置用於通過使用雙光子（或多光子）技術來激發與紫外光相似範圍的螢光團。例如，紅外光源100可被配置用於非常快速連續地發射多個光脈衝，使得光脈衝的兩個光子同時照射生物樣品101。當兩個或更多個光子同時照射生物樣品101時，其能量可以疊加在一起，並且樣品可以產生與響應於用紫外光的輻射可能產生的相似的回應螢光信號，但潛在安全風險降低了。光源100可由內部或外部脈衝控制裝置或觸發裝置102控制，該內部或外部脈衝控制裝置或觸發裝置102可以為由光源100輸出的每個光脈衝提供精確定時。可以使用光電二極體109來檢查每個光脈衝的定時，並使用模數轉換器裝置102（例如NI PCIe-2320）對其進行更新。觸發裝置102可與數位化器107可操作地耦合，以提供關於檢測器106的定時的回饋。任選地，檢測器106可由檢測器門110控制，該檢測器門110將光脈衝的定時及閘110的開啟和檢測器106的啟動相耦合。光脈衝可從光源100聚焦至激發信號傳輸元件103中。激發信號傳輸元件103可以導引光脈衝以暴露生物樣品101上的預定位置或靶組織或者用該光脈衝對其進行照射。例如，激發信號傳輸元件103可包括一根光學纖維、多根光學纖維、纖維束、透鏡系統、光柵掃描機構、二向色鏡裝置等，或者其任何組合。光脈衝可照射生物樣品101，並導致生物樣品101發射回應螢光信號。回應螢光信號可包括螢光光譜、拉曼光譜、紫外-可見光光譜或紅外光譜中的一種或多種。回應螢光信號可具有包含許多波長的寬光譜。回應螢光信號可包含螢光光譜。回應螢光信號可包括螢光光譜以及一種或多種附加光譜，例如拉曼光譜、紫外-可見光光譜或紅外光譜。本文所述的系統、裝置和方法可用於基於螢光光譜和/或一種或多種附加光譜來表徵生物樣品101。由生物樣品101發射的響應螢光信號可由一個或多個信號收集元件108收集。例如，信號收集元件108可包括一根光學纖維、多根光學纖維、纖維束、衰減器、可變電壓門控衰減器、透鏡系統、光柵掃描機構、二向色鏡裝置等，或者其任何組合。例如，信號收集元件108可包括一束多模纖維或物鏡。信號收集元件108可包括階躍折射率型多模纖維束。信號收集元件108可包括漸變折射率型多模纖維束。纖維或纖維束可以是柔性的或剛性的。信號收集元件108可包括多根纖維，該多根纖維具有被選擇用於使進入信號收集元件108的光的錐角與離開信號收集元件108並穿過纖維准直器的光的發散角之間平衡的數值孔徑（“NA”）。較小的NA可通過減小發散角來增加與延遲纖維光耦合的效率，而較大的NA可通過增大錐角來增加所能收集到的信號的量。可將響應螢光信號引導至將該響應螢光信號***成如本文所述的光譜帶的光學元件或波長***裝置上，例如信號分離器上。例如，響應螢光信號可在信號分離器104中經歷一系列波長***過程，以便將寬頻回應螢光信號分辨成各自具有不同中心波長的一些窄光譜帶。信號分離器104可被配置用於根據所期望的數目將回應螢光信號***成任何數目個光譜帶。例如，信號分離器104可被配置用於將回應螢光信號***成七個光譜帶111a-111g，以便表徵包含六種螢光分子的生物樣品的螢光衰減，其中第七個光譜帶包含反射的激發光。信號分離器104可包含一個或多個波長***濾光片，一個或多個波長***濾光片被配置用於以預定的波長範圍對回應螢光信號進行***，以獲得多個光譜帶。波長***濾光片可包括中性密度濾光片、帶通濾光片、長通濾光片、短通濾光片、二向色濾光片、陷波濾波器、反射鏡、吸收濾光片、紅外濾光片、紫外濾光片、單色濾光片、二向色鏡、棱鏡等中的一種或多種。響應螢光信號可在信號分離器104中經歷一系列波長***過程，以便將寬頻回應螢光信號分辨成各自具有不同中心波長的一些窄光譜帶。所述光譜帶可處於約370 nm至約900 nm之間的範圍內。例如，信號分離器104可被配置用於將回應螢光信號***成包含具有約500 nm至約560 nm範圍內波長的光的第一光譜帶111e、包含具有約560 nm至約600 nm範圍內波長的光的第二光譜帶111f、包含具有約600 nm以上的波長的光的第三光譜帶111g、包含約415 nm至約450 nm範圍內波長的第四光譜帶111c、包含約450 nm至約495 nm範圍內波長的第五光譜帶111d、包含約365 nm至約410 nm範圍內波長的第六光譜帶111b以及包含小於約365 nm的波長的第七光譜帶111a（例如，激發光）。可記錄包含激發光的第七光譜帶111a，以便確保對回應光譜帶111b-111g的準確去卷積。例如，信號分離器104可被配置用於***包含來自內源螢光團的發射光譜的、生物組織樣品的回應螢光信號。例如，舉幾個例子，螢光團可包括Flavin單核苷酸（FMN）核黃素、黃素腺嘌呤二核苷酸（FAD）核黃素、脂色素、內源性卟啉、游離煙醯胺腺苷二核苷酸（NADH）、結合的NADH或吡哆醛磷酸-谷氨酸脫羧酶（PLP-GAD）。圖2示出了在由信號分離器104***後各個示例性分子的螢光發射光譜。在向如本文所述的每個光譜帶111a-111g施加時延後，使用檢測器106來檢測波長大於355 nm的激發波長的六個光譜帶111b-111g（在圖2中被分別標記為ch1-ch6）。信號分離器104將代表PLP-GAD或嘌呤核苷磷酸化酶（PNP）（通道1）、結合的NADH（通道2）、游離NADH（通道3）、FMN/FAD/核黃素（通道4）、脂色素（通道5）和內源卟啉（通道6）的光譜帶分離。使用波長處於或約處於激發波長的光譜帶111a來將所示數據歸一化。信號分離器104可被配置用於將回應螢光信號***成所需的更多或更少的光譜帶。在另一示例中，信號分離器104可被配置用於對來自包含游離和結合的NADH和PLP-GAD的生物樣品的回應螢光信號進行***。可以由約355 nm的紫外光脈衝來激發生物樣品，如本文所述。光譜帶可處於約400 nm或更小、約415 nm至約450 nm、約455 nm至約480 nm以及約500 nm或更大的範圍內。可將響應螢光信號從信號收集元件引導至第一波長***濾光片上，該第一波長***濾光片將回應螢光信號***成包含大於約400 nm的波長的第一光譜組分，以及包含小於約400 nm的波長的第一光譜帶（例如，激發光）。第一光譜組分可被第二波長***濾光片***成包含約400 nm至約500 nm範圍內的波長的第二光譜組分，以及包含大於約500 nm的波長的第二光譜帶。第二光譜組分可被第三波長***濾光片***成包含約400 nm至約450 nm範圍（例如，約415 nm至約450 nm）內的波長的第三光譜帶，以及包含約450 nm至約500 nm範圍（例如，約455 nm至約480 nm）內的波長的第四光譜帶。在另一示例中，可以使用440 nm光源來激發生物樣品，並且信號分離器可被配置用於將回應螢光信號***成用於表徵FAD、FMN和卟啉的光譜帶。本領域技術人員將理解，光譜帶可處於任何所期望的範圍內，以便表徵生物樣品，並且信號分離器104的波長***濾光片可被配置用於生成所述光譜帶。儘管本文描述了紫外光脈衝，但本領域技術人員將理解，光源和光脈衝可為任何期望的波長，並且信號分離器104可被配置用於適應任何激發光的波長。例如，但選擇了紅外光源時，信號分離器104可被配置用於將回應螢光信號***成生物樣品的光譜帶特性和包含反射的紅外光的光譜帶。再參考圖1，可以由光學延遲元件105將波長分辨的光譜帶從信號分離器104引導至檢測器106。光學延遲裝置105可向光譜帶施加一個或多個時延，使得它們在時間上分離開並且延時的光譜帶中的每一個可在不同的時間到達檢測器106。光學延遲裝置105可提供約5 ns至約700 ns範圍內的延遲。例如，光學延遲裝置105可提供約7.5 ± 3 ns、75 ± 10 ns、150 ± 10 ns、225 ± 10 ns、300 ± 10 ns、375 ± 10 ns、450 ± 10 ns、525 ± 10 ns、600 ± 10 ns中的一個或多個延遲或者其組合。光學延遲裝置105可被配置用於提供期望的任何延遲或延遲組合。光學延遲裝置105可包含任何數目的延遲裝置。光學延遲裝置105可包含多根不同長度的光學纖維，每個光譜帶一根，使得每個光譜帶在到達檢測器106之前行進不同的距離並因此沿該光學纖維行進不同的時間量。例如，光學延遲裝置105可包含兩根光學纖維，其中第二光學纖維長於第一光學纖維，使得第一光譜帶在第二光譜帶之前到達檢測器106。備選地或組合地，可以改變光學纖維的除長度之外的物理性質，以便控制由光學延遲元件105施加的時延。例如，可改變纖維的折光率。這樣的物理性質還可用於確定實現期望延遲所需的纖維長度。可基於所期望的延遲來選擇纖維的長度。例如，纖維可被配置成使得纖維的長度從第一個纖維至最後一個纖維按照約30英尺、約35英尺、約40英尺、約45英尺或約50英尺的增量而增加。光學延遲裝置105的纖維之間的增量可以相同或者在纖維間可以變化。對於本領域技術人員顯而易見的是，為了向光譜帶施加期望的時間延遲，可以選擇任何數目和任何長度的纖維。例如，可通過長度約5英尺、55英尺、105英尺、155英尺、205英尺、255英尺和305英尺的纖維將光譜帶111a-111g導向檢測器106，其中每個光譜帶沿不同的光學纖維移動，這向光譜帶111a-111g施加了不同的時間延遲，使得延時的光譜帶112a-112g在不同的時間到達檢測器106。鑒於每個光譜帶可能具有持續達特定時間量（例如，幾十納秒量級）的衰減曲線，可將施加至每個光譜帶的時間延遲配置成足夠長，以在時間上將相應的衰減曲線分離開並允許檢測器在對生物樣品101的單次激發後檢測多個延時的光譜帶。光譜延遲裝置的多根光學纖維可包括階躍折射率型多模纖維束。光學延遲裝置的多根光學纖維可包括漸變折射率型多模纖維束。在一些情況下，相比於階躍折射率型纖維，漸變折射率型纖維可能是優選的，這是因為它們在纖維長度增加的情況下通常頻寬損耗較小，並因此可以在如本文所述的光學延遲裝置中使用長纖維時產生更強或品質更佳的信號。纖維或纖維束可以是柔性的或剛性的。檢測器106可被配置用於從光學延遲裝置105接收延時的光譜帶，並且個別地記錄每一個延時的光譜帶。例如，檢測器106可包括快速回應光電倍增管（PMT）、多通道板光電倍增管（MCP-PMT）、雪崩光電二極體（APD）、矽PMT或本領域已知的任何其他光電檢測器。檢測器可以是高增益（例如，10⁶ ）、低雜訊、上升時間快（例如，約80皮秒）的光電檢測器，例如Photek 210。可以自動控制檢測器106的增益。檢測器106的電壓可基於所檢測的回應螢光信號的強度而動態地變化。可以在對所檢測的光譜帶的強度進行分析之後並且在記錄該信號之前改變檢測器106的電壓。可以由高速數位化器107將所記錄的資料數位化，以便顯示在電腦或其他數位裝置上。例如，數位化器107可以以約6.4 G樣品/秒的速率將所記錄的資料數位化。數位化器107例如可以是108ADQ Tiger。可任選地通過處理器113，例如電腦處理器來分析該資料。處理器113可被配置有從數位化器107收集資料並執行本文所述的用於分析的任何方法的指令。備選地或組合地，可以使用示波器來顯示所記錄的資料。任選的前置放大器可以在顯示之前向所記錄的資料提供額外的增益。檢測器106可與控制該檢測器106的檢測器門110可操作地耦合，使得在檢測器門110打開並且檢測器106有效時，檢測器106在較窄的檢測視窗期間對信號作出回應。該系統可任選地進一步包含可變電壓門控衰減器303，如圖3中所示。衰減器303可以可操作地耦合在檢測器106與數位化器107之間。該系統可在衰減器303與數位化器107之間進一步包含前置放大器302。衰減器303可用於在回應螢光信號到達檢測器106之前使該信號衰減。例如，在回應螢光信號足夠強以使檢測器106和/或數位化器107飽和的情況下，使該信號衰減可用於將該信號帶入檢測器106和/或數位化器107的飽和水準之下的範圍中，使得可以對其進行檢測和/或數位化。衰減器303可根據施加於衰減器的電壓量來使信號衰減。例如，如果檢測器106飽和，則可將電壓施加於衰減器303，衰減器303繼而可使信號衰減預定量（其可與施加的電壓量相關）以便使信號處於檢測器106的飽和水準之下。在由檢測器106檢測到信號之後，前置放大器302可放大回應螢光信號，以便使用數位化器107的完整動態範圍而不影響信噪比（例如，其可以是由檢測器106施加給信號的增益的函數）。處理器113可接收來自數位化器107的信號，數位化器107可用於調節回饋-控制機構301中的衰減器303的活動。例如，回饋-控制機構301可用於調整施加給衰減器303的電壓，以便回應於檢測器106和/或數位化器107的飽和而使回應螢光信號衰減。在一些情況下，檢測器106和/或數位化器107的飽和可導致未檢測到回應螢光信號，並且在處理器113處未檢測到信號可觸發回饋-控制機構301。在一些情況下，處理器113可檢測回應螢光信號並確定該信號是否飽和，在該情況下可觸發回饋-控制機構301以調整電壓門控衰減器303的電壓。圖4A示出了鐳射強度隨時間變化的圖表。脈衝強度示為平均值（實線），該平均值以脈衝之間隨時間（採用ns）的最小值和最大值（灰色）為界。採用典型的鐳射系統，脈間鐳射強度可變化約3%至約5%。這樣的變化可導致由檢測器捕獲的螢光信號的對應變化。當通過用多次雷射脈衝的激發生成多個回應螢光信號時，對從回應螢光信號收集的資料求平均可導致向資料添加誤差。為了降低這一效果，系統可進一步包含基於光電二極體的螢光信號校正機構，如圖4B中所示。光電二極體401可以可操作地耦合在光源（例如雷射器）100與電腦113之間，以便測量雷射器的每次脈衝的強度，並且任選地針對由於變化的鐳射強度所引起的變化而校正所記錄的回應螢光信號（例如，延時的光譜帶）。例如，分束器403等可用於引導激發光脈衝的一部分朝向光電二極體401而不是朝向TRFS探針或裝置400。可記錄每次激發光脈衝的強度並使用其來對每次脈衝的回應螢光信號進行歸一化，從而提高了回應螢光信號的準確度。如本文所述，這一歸一化的回應螢光信號可用來表徵生物樣品。來自生物樣品的回應螢光信號可根據被激發的感興趣分子而變化。例如，對於生物樣品中高回應性或高螢光分子，回應螢光信號可能非常高，而對於生物樣品中低回應性或低螢光分子，回應螢光信號可能非常低。例如，螢光團發射具有一定強度的螢光光譜，該強度基於用於對其進行激發的激發光的量子效率和/或吸收。根據螢光團所處的條件，螢光團的強度可能不同。例如，組織樣品中的螢光團與血液樣品中的或者由於其環境中的差異而分離時的相同螢光團相比可具有不同的強度。為了正確地記錄螢光光譜，可調整檢測器的增益，使得高螢光發射不會使信號飽和並且低螢光發射不會降低信噪比。這可以通過基於先前記錄的資料快速改變檢測器106（例如PMT）的電壓來實現。例如，可用兩個光脈衝來激發生物樣品，並對記錄的資料取平均值並分析以確定來自該生物樣品的信號是過高或是過低。繼而可基於該確定來調整電壓，以便改變檢測器106的增益。這樣的調整可手動或通過例如處理器自動進行。這樣的調整可反復進行直至達到期望的信噪比。一旦達到期望的信噪比，就記錄資料。本文和別處所述的TRFS系統和方法可用于生成螢光發射資料以對不同的生物組織進行分類。本文所述的TRFS系統和方法可允許高達1000次脈衝重複的即時（或近即時）資料獲取。在資料獲取期間，可以在如本文所述的6個區分光譜帶下對螢光發射信號進行光譜分辨。在各個實施方案中，通過本文所述的TRFS系統生成的螢光發射資料可用於基於不同的生物組織的光譜壽命特徵對不同的生物組織進行分類。在各個實施方案中，提供了用於TRFS系統的資料處理方法和使用TRFS系統來檢測包含癌症和腫瘤的不同生物組織的方法。本文所述的系統和方法可通過在有限信噪比的情況下減少或去除螢光發射測量的較高時間變化來提高生物組織分類的準確度。本文所述的方法可通過分析來自生物樣品回應於激發信號（例如鐳射）的光發射來辨別不同的生物樣品。本文所述的方法可包括但不限於步驟：i）信號預處理（例如去噪），ii）螢光發射衰減超採樣和/或去卷積優化，以及iii）基於光譜壽命資料對生物組織分類。本文所述的各個方法可通過增加螢光測量重複、去除亞採樣限制和/或優化去卷積處理來提高組織分類的準確度。在各個實施方案中，可基於組織亞型的光譜特徵將組織分類為該亞型。亞型的特徵包括亞型的光譜特徵、光譜壽命特徵、光譜壽命矩陣或螢光衰減特徵或其組合。在各個實施方案中，檢測亞型的特徵包括對獲得的時間分辨螢光資料進行預處理、和/或去噪、和/或超採樣、和/或去卷積優化。在各個實施方案中，檢測亞型的特徵包括對獲得的時間分辨螢光資料計算fIRF和/或SLM。本文所述的系統和方法可通常涉及用於辨別生物材料（例如，組織類型、生物分子等）的方法。可通過分析來自生物樣品內不同生物分子的鐳射誘導的螢光信號發射而發生辨別。例如，可通過分析來自生物樣品回應於光激發信號的螢光信號發射來辨別不同的生物樣品。所發射的光可在不同波長下具有螢光衰減回應，該螢光衰減回應取決於生物分子（諸如代謝物、蛋白質、維生素）的結構，或者是通過非生物螢光劑與可具有獨特衰減特徵回應的生物分子結構的外部附接。在許多實施方案中，螢光衰減的時間分辨測量可在多個波長下從生物樣品發射，並可用於例如辨別至少兩種類型的組織。例如，本文所述的系統和方法可用於將組織樣品術中非侵襲的體內分類為腫瘤組織或正常組織。本文所述的方法可包括三個主要階段：i）信號處理，ii）去卷積優化，以及iii）處理後分類以鑒別生物樣品的組織類型。 信號預處理（去噪） 延時的光譜帶可包含原始螢光強度衰減資料，原始螢光強度衰減資料可通過本文所述的系統、裝置和方法來測量。可通過如本文所述的數位化器將原始螢光強度衰減資料數位化，例如通過限定頻寬的A/D轉換器，該轉換器在一些情況下可引起單個脈衝之間不想要的時間變化。脈衝之間螢光衰減資料的這樣的變化可以處於約10皮秒至約100皮秒的量級，並且可能是由於亞採樣和/或低信噪比（SNR）的原因。備選地或組合地，在一些情況下，生物樣品的較低組織螢光強度可導致較低的SNR，較低的SNR可導致記錄的信號/衰減品質的劣化。這些變化和劣化可足以使信號品質顯著降低成影響螢光壽命測量的再現性和準確度，並可模糊組織樣品之間的差異。本文所述的方法可用於提高測量的準確度，甚至是當SNR較低時亦能如此。如本文所述，可在去卷積之前“預處理”原始螢光強度衰減資料（其可用於從原始螢光強度衰減資料去除儀器回應函數（IRF，instrument response function）以生成真實螢光衰減資料）。例如，預處理可包括去除高頻雜訊（本文也稱去噪）、對原始螢光衰減資料的多個重複測量值求平均以及/或者從原始螢光衰減資料的一組測量值中去除一個或多個異常值。圖5A和5B示出了使用Savitzky-Golay篩檢程式對原始螢光衰減資料去噪的去噪結果。圖5A示出了在應用去噪之前螢光衰減資料的圖表。圖5B示出了在應用去噪之後圖5A的螢光衰減資料的圖表。螢光衰減資料可包含分別通過一個或多個光脈衝所生成的延時光譜帶的一個或多個集501。每個光譜帶均可包含原始螢光衰減資料。使用本文所述的六通道TRFS系統生成此處所示的資料，並且該資料因此包含六個延時光譜帶，其中的每一個都包含原始螢光強度衰減信號。在一些情況下，如所示，可隨著時間記錄多個重複或脈衝。可使用諸如Savitzky-Golay篩檢程式等去噪篩檢程式來過濾所記錄的原始螢光強度衰減信號，以去除如所示的高頻雜訊。本領域普通技術人員將理解，可以根據需要使用其他篩檢程式來對原始螢光衰減資料去噪。圖6示出了在不同重複率下壽命標準差的圖表。除了過濾之外或者作為過濾的替代，可以對多次重複測量的原始螢光衰減資料求平均以便降低信號變化和信號的差別。如所示，隨著重複次數增加，壽命標準差可降低。例如，如所示，對來自約1000次脈衝的原始螢光衰減資料求平均可顯著降低壽命標準差。降低該標準差所需要的重複次數可取決於許多因素，包括數位化器的時間解析度和SNR。圖7A和圖7B示出了使用篩分以便對原始螢光衰減信號去噪的去噪結果。圖7A示出了在應用去噪之前螢光衰減資料的圖表。圖7B示出了在應用去噪之後圖7A的螢光衰減資料的圖表。為了清楚起見，示出了針對單一光譜帶的單一原始螢光衰減信號，但本領域普通技術人員將顯而易見的是，可如本文所述地收集和處理來自多個光譜帶和/或多個脈衝重複的多個信號。光電系統，特別是利用光電倍增管（PMT）作為檢測器的光電系統，可能經受多種噪音源，包括散粒雜訊和光子雜訊（其可被看作測量的波形中的尖峰）。可通過捕獲重複的測量值並對這些測量值求平均來減弱這樣的雜訊的影響，以及可以恢復較高的SNR。雖然這樣的技術有效，但是當SNR較低時這樣的技術可能需要對多個收集的測量值大量地求平均，並且可能花費大量時間來完成。另外，光電檢測的信號的偏置可具有增加光電檢測的信號底值（floor）大小的趨勢。為了解決這一問題，可使用範式轉移篩分技術來預處理資料。不對整個波形的集合執行統計學操作，而是相反可以對由每個所測量的波形中的特定時間點組成的樣品分佈執行統計學操作。繼而可針對每個時間點重複此操作。通過將每個時間點（在每個所測量的波形中找到的）處理為樣品分佈，可以利用諸如異常值鑒別等統計學過程來去除噪音源。因而可以降低異常值對經平均的信號的影響，並且可以使用更少的測量值來獲得與求平均相比相似的SNR（從而減少了總測量時間）。 超採樣和去卷積優化 延時光譜帶可包含可通過本文所述的系統、裝置和方法測量的螢光強度衰減資料。所測得的螢光強度衰減資料（FID（t,λ））可包括來自一個或多個生物分子的螢光衰減組分以及被稱為儀器回應函數（IRF（t, λ)）的光學和電子轉移組分函數。數學上，FID（t, λ）是螢光脈衝回應函數（f IRF（t, λ））與IRF（t, λ）的卷積。為評估樣品的純f IRF（t, λ），可根據測得的螢光脈衝對IRF（t, λ）去卷積。可以對原始螢光衰減資料或預處理的原始螢光衰減資料應用去卷積。IRF（t, λ）描述了螢光光子所經歷的光學路徑和波長系統特性的作用，並且可通過記錄來自標準染料的（一個或多個）極快速螢光衰減來測量。當該衰減的數量級快於來自感興趣生物樣品的螢光衰減時（例如，當腦組織為感興趣樣品時，小於70 ps則足夠快），可將測得的快速螢光衰減用作真實IRF（t, λ）的近似。存在許多可用於進行去卷積的數學模型。例如，“Laguerre核展開”可用於確定原始（或預處理的原始）螢光衰減資料的f IRF（t, λ）。Laguerre法是基於離散時間Laguerre函數的正交集的展開。Laguerre參數α（0 ＜α＜1）確定離散Laguerre函數的指數（漸近）下降速率。參數α的選擇在實現準確f IRF（t, λ）估計中是重要的。可使用反覆運算過程來確定最佳α以恢復準確的螢光衰減。在估計α並將Laguerre內核與所測得的螢光衰減進行擬合之前，可將先前記錄的IRF和螢光衰減在時間上對準。可通過採用IRF（t, λ）和測量FID（t, λ）二者的超樣品來實現對準。可在最小誤差的情況下反覆運算地確定用於去卷積的時間偏移。可對重複測量的螢光強度衰減（FID（t, λ））求平均以校正由於如本文所述的欠採樣的時間變化。然後可將信號內插至較高的取樣速率。普通的超採樣上轉換範圍可以是約2至約100，例如約10。超採樣上轉換準確度可取決於信噪水準和重複次數。圖8示出了用於查找用於α和時間偏移的值的優化搜索方法。該方法可用於對於給定信號確定用於α和時間偏移的值。確定的用於α和時間偏移的特定值可取決於數位化器（和所使用的取樣速率）和/或樣品的衰減曲線。螢光衰減回應fIRF（t, λ）是單調遞減的、凸狀的且漸進地結束至零。這表明在去卷積搜索fIRF（t, λ）期間用於α和時間偏移的值需要滿足兩個條件。第一，一階導數應具有負值。第二，二階導數應具有正值。圖8中的白色區域示出了未通過第一和第二導數條件的fIRF（t, λ）。在一些情況下，使用全域搜索方法和/或隨機遊走方法來獲得優化的α和時間偏移值。全域搜索方法可搜遍α和時間偏移的所有組合，而隨機遊走方法可基於存在單一最小值的假設而搜索更少的組合。本領域普通技術人員將理解，可以根據需要使用其他搜索演算法來確定用於α和時間偏移的值。使用全域搜索演算法方法，可以掃描α和時間偏移值的範圍並使用其來計算針對每個α和時間偏移值的去卷積和去卷積誤差估計。掃描的α和時間偏移範圍例如可以基於對優化值的先驗知識來預定義。去卷積計算可以與處理並行完成，以便使總處理時間最小化。遊走搜索演算法可用於快速找到全域最小值。假定凸函數（例如其上圖像為凸集的函數，諸如二次函數或指數函數），其中通過定義存在單一最小值且其可從該函數上的任何位置追蹤，如圖9，通過搜索初始猜測值901可以在幾個步驟內找到全域最小值902。從此起始點901，可以計算出該函數上的8個周圍點，並且可以使與初始點901的斜率最大化並繼而將其選定為該函數表面上的下一個位置。可以繼續進行該演算法直到當前的點低於周圍的所有八個點。圖9示出了橫切測量（traversing）來自時間分辨螢光光譜法測量的誤差函數（預計算以示出該表面）的演算法。當經由如本文所述的系統的IRF計算去卷積時，x軸和y軸為矩陣中的α時間偏移值。初始猜測值901和最終答案902示於橫截線的末端。注意該橫截線可沿著對角線以及x-y平行路徑前進。需要十四個步驟到達最小值902。在大多數情況下，對於每個位置的誤差函數的實際計算數目可能小於九（除了第一位置901），這是因為每個步驟可重複使用之前的計算。圖9中所使用的操作概括於表1中。表1。對於每個步驟，朝著到達全域最小值進行的計算數目（“No.”）。在步驟0，計算了誤差函數的九個位置。下一步驟（步驟1）與步驟0斜對，並因此僅需要計算六個位置，這是因為這些位置中的三個位置與步驟0中所計算的那些位置重疊。對於大多數其他步驟，只需要計算三個新位置，這是因為另外六個常常與前一步驟重疊。與通過計算全部作用函數可能發生的800（50×16矩陣）相比，這一搜索的誤差函數計算總數目為66。因此，這樣的方法在一點也不損失準確度的情況下在演算法中產生了12倍的加速。注意，該初始猜測值901距離最終最小值902很遠。在許多情況下，初始猜測值可能相當接近，並且因此這樣的技術可產生更大的加速，例如20倍或更大的加速。在一些情況下，可能感興趣的是假定誤差函數不是嚴格凸狀的，在該情況下，準確度可取決於所選擇的初始起始點。這可通過採取（account for）替代但已知的誤差函數模式來解決。備選地或組合地，在函數上存在兩個最低位置的情況下，可選擇傾向於跨越鞍狀位置的兩個或多個初始猜測位置。這可使計算數目加倍，但在速度方面仍可產生顯著改善。使用本文所述的TRFS系統和方法可出現的一個技術挑戰可能是去除由測量系統中各個部件的緩慢且振盪的回應所引起的畸變和偽影。在一些情況下，實施時域去卷積過程和曲線擬合的演算法可用於提取真實的螢光壽命測量值，而不考慮這些畸變和偽影。然而，由於實施這樣的演算法所必需的簡化假設（諸如多項式核的次（order））的原因，這樣的演算法在計算上可能是大強度的，並且減少了壽命螢光測量的有用內容。本文描述了一種備選演算法範式，該演算法範式在計算上強度可小得多，並且可恢復幾乎整個壽命螢光測量。這一演算法可通過在傅立葉域簡單的劃分（division）和窗化（windowing）來進行去卷積。儀器回應函數（IRF）和原始螢光衰減測量二者都可使用快速傅立葉轉換（FFT）數位變換到傅立葉域中。隨後，在兩個傅立葉域波形之間可進行劃分，以便獲得傅立葉域中的去卷積結果。由於數位採樣系統有限的頻寬限制，因此簡單地進行這一步驟並變換回時間域可能是不充分的。可以使用採用切趾窗（apodization window）（諸如Blackman窗）進行窗化的附加步驟以便去除去卷積結果中的暫時振鈴。繼而可以經由反傅立葉轉換（IFFT）將由此得到的波形變換回到時間域中，從而產生對應於真實壽命螢光測量的去卷積結果。在一些情況下，在如本文所述的傅立葉域所進行的去卷積之後，可能對資料進行雙指數曲線擬合以便避免由於FFT技術對頻寬的靈敏度可能發生的過擬合。在曲線擬合之前或之後可以執行如本文所述的任選的窗化以去除去卷積結果中的暫時振鈴。如本文所述，去卷積結果可經由IFFT變換回到時間域中。 處理後分類 當表徵未知樣品時，不同測量波長中所計算的螢光衰減函數可包含不同的螢光組分。每種組分可具有單指數、雙指數或多指數的衰減函數。為了將複雜組織分類為腫瘤或正常，常規的螢光壽命標量值可能尚顯不足。為解決這一問題，可將不同波長範圍（即，用於不同光譜帶的）內的衰減函數變換為具有m x n維度的二維光譜壽命矩陣（SLM），其中m為測量中所用的光譜帶的數目，而n為所用的衰減點的數目。例如，當評估了六個光譜帶時，m可為六，並且在不同的衰減點覆蓋了快速、平均且緩慢的衰減回應的情況下，n可為三。如本文所述，可以得出每個回應螢光信號的SLM，並將其用作分類演算法的輸入。圖10A示出了對於膠質瘤組織，在六個不同光譜帶（λ₁ 至λ₆ ）和七個衰減水準（τ0.1至τ0.7）下測量的平均SLM的圖表。圖10B示出了對於正常皮質組織，在六個不同光譜帶（λ₁ 至λ₆ ）和七個衰減水準（τ0.1至τ0.7）下測量的平均SLM的圖表。圖10C示出了對於白質組織，在六個不同光譜帶（λ₁ 至λ₆ ）和七個衰減水準（τ0.1至τ0.7）下測量的平均SLM的圖表。各圖表示出了平均SLM，而變化表示標準差。對於訓練樣品，根據針對每個檢測通道（λ₁ 至λ₆ ）的所檢測到的光譜帶衰減資料確定一系列參數τ（0.1）- τ（0.7）。圖11A示出了使用六通道TRFS的正常皮質、白質和成膠質細胞瘤（GBM）組織的螢光衰減曲線的圖表。圖11B示出了對於示於圖11A中的資料的SLM“緩慢”壽命的光譜特徵。圖11C示出了對於示於圖11A中的資料的SLM“平均”壽命的光譜特徵。圖11D示出了對於示於圖11A中的資料的SLM“快速”壽命的光譜特徵。使用Laguerre去卷積評估了每個光譜帶的衰減。確定了每個樣品的每個光譜帶的參數τ（0.1）- τ（0.7），並將其用來準確地確定螢光衰減的快速、正常和緩慢組分，而不是使用完整的螢光衰減曲線來進行表徵。通過在0.2、0.4和0.6強度水準上將歸一化的f IRF交叉，根據衰減點分別得出三個壽命值τ（0.2）、τ（0.4）和τ（0.6），並將它們分別作為緩慢、正常和快速衰減的代表而用作分類演算法的輸入。圖11B-圖11D示出了對於每個衰減組分在每個通道根據訓練樣品得出的壽命參數。誤差線含有六個光譜帶的壽命值的平均值和標準差。正常皮質表現出比白質或GBM更快的衰減。圖12A示出了使用六通道TRFS的正常皮質、白質和成膠質細胞瘤（GBM）組織的螢光衰減曲線的圖表。圖12B示出了對於示於圖12A中的資料的“緩慢”壽命的SLM光譜特徵的一階導數。圖12C示出了對於示於圖12A中的資料的“平均”壽命的SLM光譜特徵。圖12D示出了對於示於圖12A中的資料的“快速”壽命的光譜特徵。SLM資料可含有關於不同波長帶（λ₁ 至λ₆ ）中螢光壽命的資訊。不同帶中的壽命值可在相鄰的波段之間提供相對的上升或下降。SLM的相對波長變化可以由未知樣品內各個螢光生物分子的不同發射光譜所引起。獲得SLM矩陣除以λ變化的導數（dSLM/dλ）可幫助放大SLM的相對波長變化以作為分類器的輸入，如本文所述。使用Laguerre去卷積對每個光譜帶的衰減進行評估。針對每個樣品的每個光譜帶確定參數τ（0.1）- τ（0.7），並且使用這些參數來準確地定義螢光衰減的快速、正常和緩慢組分，而不是使用完整的螢光衰減曲線來進行表徵。通過在0.2、0.4和0.6強度水準上將歸一化的f IRF交叉，根據衰減點分別得出三個壽命值τ（0.2）、τ（0.4）和τ（0.6）。繼而對於每個光譜帶計算每個壽命值的一階導數。圖11B至11D示出了在每個通道對於每個衰減組分從訓練樣品得出的一階導數壽命參數。誤差線含有六個光譜帶中一階導數壽命值的平均值和標準差。在一些情況下，可通過基於電腦的演算法來進行分類。例如，基於電腦的演算法可以使用機器學習或神經網路技術以便生成分類器（即訓練分類器）和/或對未知樣品進行分類。例如，基於電腦的演算法可以是可使用各個已知的組織測量值作為訓練集進行訓練的機器學習演算法。在一些情況下，可由使用者例如使用組織學來確認未知樣品的分類，並且可以將此刻已知的樣品資料登錄機器學習演算法以進一步訓練並微調分類器。 分類演算法 圖13示出了使用TRFS SLM資料作為輸入的組織分類的方法1300的流程圖。為了根據SLM性質辨別兩個生物分子（或兩個組織類型），可使用基準特徵SLM來訓練分類器1310。可基於通過黃金標準方法確認的fIRF來記錄基準SLM，例如通過用於鑒別正常或腫瘤組織的對組織的組織病理學分析確認的。分類器1310可搜索SLM以獲得兩個或更多個資料組以便鑒別是否存在統計學意義的差異的特定矩陣元。這一測試的非限制性示例可通過零假設（向量x和y中的資料為來自具有相等的平均值以及相等但未知的方差的正態分佈的獨立隨機樣本）的t測試來執行。這一測試可確認兩組之間沒有統計學意義的差異的資料未被輸入機器學習演算法。這留下了具有最大判別力的SLM元素。可以用於基於確認的訓練集對未知生物分子進行分類的分類器1310的非限制性示例包括主成分分析和/或線性判別分析。在步驟1301處，如本文所述，可通過TRFS系統收集照射樣品的螢光強度（FI）發射（本文也稱為回應螢光信號）。在步驟1302處，如本文所述，可通過TRFS系統收集標準物的FI發射，例如具有已知的“快速”發射性質的分子或鐳射強度自身。在步驟1303處，如本文所述，可使用用於去噪和/或超採樣的方法預處理來自樣品的回應光學信號以生成原始螢光衰減資料（RFD（t, λ））1310。在步驟1304處，如本文所述，可使用用於去噪和/或超採樣的方法預處理來自該標準物的回應光學信號以確定儀器回應函數（IRF（t, λ））1311。在步驟1305處，可執行去卷積和優化以從原始螢光衰減資料1310去除IRF（t, λ）1311以便生成螢光脈衝回應函數（fIRF（t, λ））1312。在步驟1306處，如本文所述，可以使用fIRF（t, λ）1312來生成光譜壽命矩陣（SLM（t, λ））。在步驟1307處，如本文所述，可以將光譜壽命矩陣輸入到分類器中。在步驟1308處，如本文所述，可以使用分類器在兩個或多個亞型之間辨別樣品並輸出分類資料。雖然上文步驟示出了根據實施方案的組織分類的方法1300，但是本領域普通技術人員將意識到基於本文所述教導的許多變體。各步驟可以不同的次序完成。可以添加或刪除各步驟。一些步驟可包含子步驟。每當有益於對組織進行分類時就可以重複這些步驟中的許多步驟。可以使用本文所描述的系統，例如電腦或處理器中的一個或多個來執行方法1300的步驟中的一個或多個步驟。可以對處理器進行程式設計以執行方法1300的步驟中的一個或多個步驟，並且程式可包含存儲於電腦可讀記憶體上的程式指令或者邏輯電路的編制步驟，舉例而言，諸場可程式設計閘陣列的可程式設計陣列邏輯。應用 1. 用於量化複合生物分子中螢光團濃度的體內螢光壽命測量 圖14示出了100 µM乙醇溶液中不同的Rhodamine B（RD）和Rose Bengal（RB）濃度的下壽命變化的圖表。例如可以使用生物樣品的螢光衰減來確定已知螢光團的濃度。用UV光激發了不同的RD和RB濃度的溶液，並記錄了回應螢光衰減信號。所分析的濃度示於表2中。對於各個混合濃度中的每一個，螢光衰減曲線都是相異的。不同的濃度具有獨特且相異的壽命值。因此，這些資料可用作確定例如RD和RB的未知混合物的濃度的標準。可以使用相似的劑量或混合實驗來確定其他感興趣螢光團混合物的螢光曲線，例如以便説明表徵複雜的生物樣品。表2。評估了混合物中RD和RB的比率（從左到右示於圖14中）。圖15A和圖15B示出了圖14中所收集的資料的螢光脈衝回應函數（fIRF）與雙指數函數（a.exp（-bt）+ c.exp（-dt））的擬合，其中多次測量的第一指數係數（圖15A）和第二指數係數（圖15B）與該混合物中每種組分的單個濃度相關。通過將對於每個濃度由此得到的fIRF與雙指數函數擬合，還可以通過每種混合物中RD和RB的雙指數係數來區分它們的相對濃度。2. 非侵襲和術中的腫瘤分界 圖16示出了對於正常皮質、正常白質和成膠質細胞瘤的線性判別分析（LDA）分類的圖表。可以通過三組集分類器（three-group set classifier）來實施LDA，其中該分類器的輸出是訓練組之一。備選地或組合地，該輸出可以是屬於訓練組之一的樣品的“正確或不正確”的結果。使用三個訓練組來生成圖16：正常皮質（“NC”；n = 18）、正常白質（“WM”；n = 15）和膠質瘤（“GBM”；n = 11）。對來自5名患者的已知組織類型（NC、WM或GBM）的組織樣品進行體內測定以生成訓練組。圖17A示出了對於正常皮質、正常白質和成膠質細胞瘤的LDA分類的圖表。使用所得出的參數來在訓練樣品中區分組織類型以創建分類演算法。該系統生成了組織樣品的光譜學壽命（衰減）資訊，所述資訊被機器訓練演算法用作特徵以便進行組織分類。使用具有三組分類器集的線性判別分析（LDA）來分析所收集的六個光譜帶的螢光衰減，以將訓練組之間的統計學意義的差異最大化，其中輸出被發送給任一訓練組。例如，NC分類器將WM和GBM測量值分在“非NC”組中。對於WM和GBM組採用相同的過程，其中“非WM”包括NC和GBM而“非GBM”相應地包括WM和NC。這些子分類器能夠區分訓練組，並將訓練樣品分類為正常皮質、白質或GBM。圖17B示出了用於生成圖17A的圖表的白質與正常皮質的“正確或不正確”LDA分類的圖表。圖17C示出了用於生成圖17A的圖表的正常皮質與成膠質細胞瘤的“正確或不正確”LDA分類的圖表。圖17D示出了用於生成圖17A的圖表的白質與成膠質細胞瘤的“正確或不正確”LDA分類的圖表。 用於使用 TRFS 的運動映射和語言映射以增強邊緣檢測和搶救正常腦組織的單極和 / 或雙極皮質和皮質下刺激器的組合 腦部的電刺激可用於通過對大腦皮質和/或皮質下組織的直接電刺激來提供腦部的功能映射。皮質和皮質下刺激映射可用於許多臨床和治療應用，包括對運動皮質和語言區的術前、術中和/或術後映射以便防止神經外科手術（例如，用於腫瘤切除）期間不必要的功能損傷。可將一個或多個電極（其可位於如本文所述的電刺激器探針內）放置在腦部上以便測試腦部中靶組織位置處的運動、感覺、語言和/或視覺功能。來自一個或多個電極的電流可刺激靶組織位置並產生響應電響應。當刺激靶組織時還可出現身體回應（除了別的之外，諸如肌肉收縮或語言驟停）。電刺激可以是雙極、單極或者這二者。雙極映射在傳統上更多用於皮質和皮質下映射，這是因為採用的雙極刺激可減輕電刺激的潛在副作用，所述副作用可伴隨單極刺激而發生。即便如此，更好的恒電流發生器的出現已經導致了更安全的單極單相刺激器，單極單相刺激器也可能是感興趣的。本文所述的TRFS方法和系統可為外科醫生提供用於例如問診並鑒別腦腫瘤邊緣的（近）即時的術中工具（其還可在術前和/或術後使用）。這可通過辨別正常腦組織和腫瘤組織的相異的螢光衰減特徵特性來實現，如本文所述。備選地或與本文所述的TRFS方法和系統相結合地，可例如通過對腦部的電刺激和映射來在功能上問診腦組織，以便增強使用TRFS獲得的診斷相關資訊。正常腦部的映射，例如對於運動和/或語言功能，可通過向外科醫生警示可能需要在外科手術期間避開的腦部的功能重要區域來告知腫瘤的外科手術切除。本文所述的TRFS系統和方法可以與腦部的電映射相結合，以便（近）即時地更準確地鑒別並保留腦部功能。TRFS可用於問診腦組織的生物化學性質，而電刺激可用於問診腦組織的電和功能方面。備選地或組合地，TRFS可用於問診靶組織內非常規深度處外源性螢光標記的分子（諸如螢光標記的藥物）。當結合時，TRFS和電刺激在術中可比傳統的成像方法提供更多資訊，傳統方法諸如為僅可提供結構資訊的MRI和超聲。這樣的資訊可導致對腦瘤更完整且更安全的切除，同時鑒別並避開或保護了正常腦部的重要部分。本文所述的TRFS方法和系統可任選地與電刺激相結合以便增強組織檢測和分類。該系統可任選地包含電刺激器。當生物樣品包括腦組織時，電刺激器可包括單極或雙極皮質和皮質下刺激器中的一個或多個。生物樣品可包括皮質和/或皮質下組織。電刺激器可電刺激生物樣品以在響應中產生響應光學信號。電刺激器可被配置用於記錄指示生物樣品的電功能活動的響應電信號。在一些實施方案中，可使用被配置用於記錄生物樣品的電功能活動的模組來獲得響應電信號。例如，電刺激器可包含來自或適配自可從Integra LifeSciences獲得的OCS2 Ojemann皮質刺激器的皮質刺激器。電刺激器可包含探針。探針可被配置成掌上型的。探針可包括掌上型探針。探針可以是機器人控制的，例如具有可商購的機器人外科手術系統。提供電刺激的探針可發揮作用以提供如上所述的TRFS問診和/或組織消融。本文所述的任何系統、裝置或探針可進一步包含消融元件以消融生物樣品的靶組織。如本文所述，可回應於對靶組織的表徵而消融或去除靶組織。消融元件可被配置用於應用射頻（RF）能量、熱能、冷能量、超聲能量、X射線能量、鐳射能量或光學能量中的一種或多種以消融靶組織。消融元件可被配置用於應用鐳射或光學能量以消融靶組織。消融元件可包含本文所述的TRFS系統的激發信號傳輸元件。消融元件可包含本文所述的任何探針。探針可被配置用於消融靶組織、用光脈衝照射生物樣品、刺激腦部和/或收集回應螢光信號（以期望的任何次序）。消融、時間分辨螢光光譜法和/或電刺激的組合可用於確定哪個組織應當在消融之前消融、在消融發生時對其進行監控和/或在消融結束後確認消融了正確的組織。在一些情況下，可商購的消融探針可進行改造以如本文所述地從組織收集螢光信號，並用於如本文所述地生成時間分辨的螢光光譜學資料。圖18示出了TRFS系統的示意圖。該系統可用於使用即時或近即時的時間分辨螢光光譜法來表徵生物樣品1800。該系統可與本文所述的其他系統基本上相似，並且該系統的元件可與本文所述的這樣的元件基本上相似。該系統可包含激發信號傳輸元件103、光源100、至少一個信號收集元件108、諸如信號分離器104等光學元件以及光學延遲裝置或元件105。該系統可進一步包含檢測器106、數位化器107、電腦或處理器113、電壓門控衰減器302或前置放大器302中的一個或多個。該系統可包含本文未示出但已描述的其他元件，諸如光電二極體、檢測器門或觸發同步機構102中的一個或多個。在一些情況下，激發信號傳輸元件103的至少一部分和至少一個信號收集元件108可包含掌上型或機器人控制的探針400，探針400可以可操作地與其餘的系統部件耦合。探針400可包括掌上型探針。探針400可被配置成由操作者（例如外科醫生）的手1801來手持。探針400可以是機器人控制的（未示出），例如具有可商購的機器人外科手術系統。探針400可被配置用於照射1802生物樣品101和收集用於TRFS的回應螢光信號。如本文所述，可用從光源100通過激發信號傳輸元件103運送至樣品101的光脈衝照射樣品101。如本文所述，探針400可使用至少一個信號收集元件108收集響應螢光信號並將該信號導向信號分離器104。如本文所述，信號分離器104可將響應螢光信號***成一個或多個光譜帶，並且光學延遲裝置可向一個或多個光譜帶應用一個或多個時延。如本文所述，繼而可由檢測器106檢測、由數位化器107進行數位化並由電腦113記錄延時的光譜帶。備選地或組合地，如本文所述，探針400可被配置用於消融1803組織。例如，探針400可被配置用於用光脈衝照射生物樣品101並收集回應螢光信號，回應螢光信號繼而可用於表徵樣品1800。回應於將組織表徵為異常，例如為腫瘤組織，探針400繼而可用於消融1803被鑒別為異常的樣品101的區域。備選或組合地，如本文所述，探針400可被配置用於向組織提供電刺激1804。例如，探針400可被配置用於照射1802樣品101並電刺激1804樣品。如本文所述，探針400可被配置用於消融1803靶組織、用光脈衝照射1802生物樣品101、刺激1804腦部101和/或收集回應螢光信號（以期望的任何次序）。消融1803、時間分辨螢光光譜法1802和/或電刺激1804的組合可用於確定哪個組織應當在消融之前消融、在消融發生時對其進行監控和/或在消融結束後確認消融了正確的組織。在一些情況下，可商購的消融探針可進行改造以如本文所述地從組織收集螢光信號，並用於如本文所述地生成時間分辨的螢光光譜學資料。在一些情況下，探針400可與照明源1805相結合，以便向用戶/外科醫生提供對樣品101的照明。在一些情況下，探針400可與吸引套管1806結合，例如以允許（近）即時的光譜學指導的外科手術切除。圖19示出了組織分類的示例性方法1800的流程圖。在步驟1901處，如上文和此處所進一步描述，可以照射生物樣品以產生響應螢光信號。回應螢光信號可包含延時的光譜帶。可以使用TRFS對生物樣品進行成像以產生回應螢光信號。在步驟1902處，如上文和此處所進一步描述，可以電刺激生物樣品以產生響應電信號。響應電信號可包含電功能資料，諸如生物樣品響應於電刺激的電活動。在步驟1903A處，如上文和此處所進一步描述，任選地可以使用回應螢光信號檢測組織特徵。例如，組織特徵可以是正常組織特徵。例如，組織特徵可以是異常組織特徵，例如腫瘤組織特徵。在步驟1903B處，備選地或組合地可以使用包含電功能資料的回應電信號來檢測組織特徵，諸如採用上文和此處所進一步描述的任何方式來檢測。例如，組織特徵可以是正常組織特徵。例如，組織特徵可以是異常組織特徵，例如腫瘤組織特徵。例如，組織特徵可以是正常皮質、白質或膠質瘤，如圖16-圖17D中所示。在步驟1904處，可以基於所檢測的組織特徵對生物樣品進行分類，諸如採用上文和此處所進一步描述的任何方式。例如，可以基於對正常組織特徵的檢測將生物樣品分類為正常組織。例如，可以基於對腫瘤組織特徵的檢測將生物樣品分類為腫瘤組織。在一些情況下，可通過基於電腦的演算法來執行分類。如本文所述，基於電腦的演算法例如可以使用機器學習或神經網路技術以便生成分類器（即訓練分類器）和/或分類未知樣品。在步驟1905處，分類資訊可用於告知外科手術過程，諸如採用上文和此處所進一步描述的任何方式告知。例如，如果將組織鑒別為正常組織，則在外科手術過程期間可保留該組織。如本文進一步所述，如果將組織鑒別為腫瘤組織，則在外科手術過程期間可去除該組織，例如通過外科手術消融去除。雖然上文步驟示出了根據實施方案的組織分類的方法1900，但是本領域普通技術人員將意識到基於本文所述的教導的許多變體。各步驟可以不同的次序完成。可以添加或刪除各步驟。一些步驟可包含子步驟。每當有益於對組織進行分類時就可以重複這些步驟中的許多步驟。可以用本文所描述的系統（例如電腦或處理器中的一個或多個）來執行方法1900的步驟中的一個或多個步驟。可以對處理器進行程式設計以執行方法1900的步驟中的一個或多個步驟，並且程式可包含存儲於電腦可讀記憶體上的程式指令或者邏輯電路的編制步驟，舉例而言，諸場可程式設計閘陣列的可程式設計陣列邏輯。圖20示出了組織分類的示例性方法2000的流程圖。方法2000可包括三個主要階段：i）信號處理2010，ii）去卷積優化2020，以及iii）處理後分類2030以鑒別生物樣品的組織類型。如本文所述，這些步驟可包含一個或多個子步驟。在步驟2010處，如本文所述，可以預處理回應螢光信號以便對原始螢光衰減資料去噪。預處理可包含一個或多個子步驟。例如，預處理可包括過濾（步驟2011）、求平均（步驟2012）、篩分（步驟2013）、歸一化（步驟2014）或其任何組合。在步驟2011處，如本文所述，可以預處理回應螢光信號以通過過濾信號來降低雜訊。例如，如本文所述，可以使用Savitzky-Golay篩檢程式來過濾信號以去除高頻雜訊。在步驟2012處，如本文所述，可以對多次重複測量的回應螢光信號求平均以便減少信號變化和信號中的差別。如本文所述，隨著重複次數增加，壽命標準差可降低。在步驟2013處，如本文所述，可以篩分回應螢光信號以降低雜訊。可以從共用相同時間點的原始螢光衰減資料的一組測量值中去除數據中的一個或多個異常值。如本文所述，繼而可以對於每個時間點重複此操作。在步驟2014處，如本文所述，可以相對于用於生成回應螢光信號的鐳射強度將該信號歸一化，以便提高回應螢光信號的準確度。如本文所述，可以記錄每個激發光脈衝的強度並且可以使用其來歸一化每個脈衝的回應螢光信號。例如，可以由光電二極體記錄光脈衝的強度，如圖4B中所述。備選地組合地，可根據由信號分離器生成的光譜帶確定光脈衝的強度，該光譜帶含有處於或約處於激發波長（例如光譜帶111a）的波長，如圖2中所述。在步驟2020處，如本文所述，可以對預處理的原始螢光衰減資料去卷積和優化。去卷積可包含一個或多個子步驟。例如，去卷積優化可包括對預處理的資料執行Laguerre核展開（步驟2021）、用切趾窗化和/或曲線擬合對預處理的資料執行快速傅立葉轉換（FFT）（步驟2022）或者其任何組合。在步驟2021處，如本文所述，可以通過應用Laguerre展開對預處理的原始螢光衰減資料去卷積。任選地，對預處理的原始螢光資料去卷積可包括優化Laguerre參數或Laguerre展開的時間偏移中的一個或多個。優化Laguerre參數或時間偏移中的一個或多個可包括實施反覆運算搜索方法。例如，如本文所述，可以使用全域搜索方法和/或隨機遊走方法來獲得優化的α和時間偏移值。在步驟2022處，如本文所述，可以在使用FFT的變換之後通過在傅立葉域中來對預處理的原始螢光衰減資料去卷積。如本文所述，可以使用切趾窗（諸如Blackman窗）以便去除去卷積結果中的時間振鈴。備選地組合地，去卷積結果可擬合至如本文所述的雙指數曲線以避免可能由於FFT技術對頻寬的靈敏度而發生的過擬合。如本文所述，該資料繼而可經由反傅立葉轉換（IFFT）變換回時間域中。在步驟2030處，可以回應於去卷積組織信號來將組織分類。組織分類可包含一個或多個子步驟。例如，組織分類可包含回應於通過預處理和去卷積生成的真實螢光衰減特徵來將組織分類（步驟2031）、回應於根據真實螢光衰減資料生成的光譜壽命特徵或矩陣來將組織分類（步驟2032）或其任何組合。在一些情況下，可以通過基於電腦的演算法來執行分類。如本文所述，基於電腦的演算法例如可以使用機器學習或神經網路技術以便生成分類器（即訓練分類器）和/或分類未知樣品。在步驟2031處，如本文所述，可以使用真實螢光衰減特徵來將組織分類。如本文所述，可用於基於確認的訓練集來將未知的生物分子或組織分類的分類器包括主成分分析和/或線性判別分析。例如，如本文所述，使用本文所述的方法生成的真實螢光衰減特徵可被輸入到分類器中以便進行分類。在步驟2032處，如本文所述，可以使用真實螢光衰減資料來生成光譜壽命特徵或矩陣。如本文所述，可以使用光譜壽命特徵或矩陣來將組織分類。如本文所述，可用於基於確認的訓練集來將未知的生物分子或組織分類的分類器包括主成分分析和/或線性判別分析。例如，如本文所述，使用本文所述的方法生成的真實螢光衰減特徵可被輸入到分類器中以便進行分類。雖然上文步驟示出了根據實施方案的組織分類的方法2000，但是本領域普通技術人員將意識到基於本文所述的教導的許多變體。各步驟可以不同的次序完成。可以添加或刪除各步驟。一些步驟可包含子步驟。每當有益於對組織進行分類時就可以重複這些步驟中的許多步驟。可以使用本文所描述的系統，例如電腦或處理器中的一個或多個來執行方法2000的步驟中的一個或多個步驟。可以對處理器進行程式設計以執行方法2000的步驟中的一個或多個步驟，並且程式可包含存儲於電腦可讀記憶體上的程式指令或者邏輯電路的編制步驟，舉例而言，諸場可程式設計閘陣列的可程式設計陣列邏輯。上文所描述的各個方法和技術提供了實施本申請的許多方式。當然，應當理解，根據本文所述的任何特定實施方案未必可以實現所描述的所有目標或優點。因此，例如，本領域技術人員將意識到，可以採用實現或優化如本文所教導的一個優點或一組優點的方式來執行所述方法，而不必實現本文所教導或提出的其他目標或優點。本文提到了多種替代方案。應當理解，一些優選實施方案具體包含一個、另一個或若干特徵，而其他實施方案具體排除了一個、另一個或若干特徵，而還有其他實施方案通過包含一個、另一個或若干有利特徵而減輕了某一特定特徵。此外，技術人員將意識到來自不同實施方案的各個特性的適用性。類似地，由本領域普通技術人員可以以各個組合來採用上文討論的各個元件、特徵或步驟，以及每個這樣的元件、特徵或步驟的其他已知等同物，以便執行根據本文所述的原理的方法。在各個元件、特徵和步驟之中，在各種各樣的實施方案中一些將會具體包括在內，而另一些將會具體排除在外。雖然在某些實施方案和示例的上下文中已經公開了本申請，但是本領域技術人員將理解，本申請的實施方案延伸超過了具體公開的實施方案而到達其他替代的實施方案和/或用途和修改及其等同物。本文描述了本申請的優選實施方案，包括本發明人已知用於實施本申請的最佳方式。在閱讀前述描述後，這些優選實施方案的變體對於本領域普通技術人員而言將變得顯而易見。可以設想技術人員能夠適當地採用這樣的變體，並且本申請可以除了本文具體描述的以外以其他方式來實踐。因此，本申請的許多實施方案包括如可適用法律所允許的、這裡所附的權利要求書中所列舉的主題的所有修改和等同物。此外，除非本文另有所指或者依據語境另有明確否認，否則上述元件在其所有可能變體中的任何組合均被本申請所包含。本文所提及的所有專利、專利申請、專利申請的出版物和其他材料，諸如文章、書籍、說明書、出版物、檔、事物等等均出於所有目的而通過引用全文併入本文，除了與上述文檔相關聯的任何審查檔歷史、與本文檔不一致或衝突的任何上述文檔或者可能對現在或隨後與本檔相關聯的權利要求的最寬廣範圍具有限制作用的任何上述文檔。舉例而言，如果在對與任何併入的材料相關聯的術語的描述、定義和/或使用和對與本文檔相關聯的術語的描述、定義和/或使用之間存在任何不一致或衝突，則以本文檔中對該術語的描述、定義和/或使用為准。應當理解，本文所公開的申請的實施方案是說明本申請的實施方案的原理的。可以採用的其他修改能夠處於本申請的範圍之內。因此，例如但不限於，根據本文的教導可以利用本申請的實施方案的替代配置。因此，本申請的實施方案不限於所精確示出或描述的實施方案。上文在具體實施方式中描述了本發明的各個實施方案。雖然這些描述直接描述了上文實施方案，但是應當理解，本領域技術人員可設想對本文所示出和描述的特定實施方案的修改和/或變體。落入此描述範圍內的任何這樣的修改或變體均旨在也包含於其中。除非具體說明，否則本發明人旨在對本說明書和權利要求書中的詞語和短語給予對於（一個或多個）可適用領域普通技術人員而言普通且慣用的含義。已經呈現了在提交本申請時本申請人已知的本發明的各個實施方案的上述描述，並且其旨在用於說明和描述的目的。本描述不旨在是排他性的，也不旨在將本發明局限於所公開的精確形式，並且依據上述教導可能有許多修改和變體。所描述實施方案用於解釋本發明的原理及其實踐應用，並且其用於使其他本領域技術人員能夠在各個實施方案中以及在適用於所構思的特定用途的各個修改的情況下利用本發明。因此，本發明旨在不限於所公開的用於實施本發明的特定實施方案。在本發明的實施方案中已經公開了許多變體和替代元素。進一步的變體和替代元素對於本領域技術人員將是顯而易見的。這些變體中不限於對用於發明的方法、組合物、套件和系統以及可以用其診斷、預測或處理的各個病況、疾病和病症的組成模組的選擇。本發明的各個實施方案可具體包括或排除這些變體或元素中的任何。雖然本文已經示出和描述了本發明的優選實施方案，但對於本領域技術人員將顯而易見的是，這樣的實施方案僅是以示例的方式提供的。在不脫離本發明的情況下，本領域技術人員現將會想到許多變體、改變和替換。應當理解，本文所描述的本發明的實施方案的各種替代方案均可用于實施本發明。以下權利要求旨在限定本發明的範圍，並由此涵蓋這些權利要求範圍內的方法和結構及其等同物。

100‧‧‧光源
101‧‧‧生物樣品
102‧‧‧同步觸發機構
103‧‧‧激發信號傳輸元件
104‧‧‧多路信號分離器
105‧‧‧光學延遲裝置或元件
106‧‧‧檢測器
107‧‧‧數位化器
108‧‧‧信號收集元件
109‧‧‧光電二極體
110‧‧‧檢測器門
111a‧‧‧光譜帶
111b‧‧‧光譜帶
111c‧‧‧光譜帶
111d‧‧‧光譜帶
111e‧‧‧光譜帶
111f‧‧‧光譜帶
111g‧‧‧光譜帶
112a‧‧‧延時的光譜帶
112b‧‧‧延時的光譜帶
112c‧‧‧延時的光譜帶
112d‧‧‧延時的光譜帶
112e‧‧‧延時的光譜帶
112f‧‧‧延時的光譜帶
112g‧‧‧延時的光譜帶
113‧‧‧電腦或處理器
301‧‧‧回饋-控制機構
302‧‧‧前置放大器
303‧‧‧衰減器
400‧‧‧探針
401‧‧‧光電二極體
403‧‧‧分束器
901‧‧‧初始猜測值；起始點；初始點
902‧‧‧全域最小值；最終最小值；最終答案；最小值
1300‧‧‧方法
1301‧‧‧步驟
1302‧‧‧步驟
1303‧‧‧步驟
1304‧‧‧步驟
1305‧‧‧步驟
1306‧‧‧步驟
1307‧‧‧步驟
1308‧‧‧步驟
1310‧‧‧分類器
1311‧‧‧儀器回應函數（IRF（t, λ））
1312‧‧‧螢光脈衝回應函數（fIRF（t, λ））
1801‧‧‧操作者的手
1802‧‧‧照射
1803‧‧‧消融
1804‧‧‧刺激
1805‧‧‧照明源
1806‧‧‧吸引套管
1900‧‧‧方法
1901‧‧‧步驟
1902‧‧‧步驟
1903A‧‧‧步驟
1903B‧‧‧步驟
1904‧‧‧步驟
1905‧‧‧步驟
2000‧‧‧方法
2010‧‧‧步驟
2011‧‧‧步驟
2012‧‧‧步驟
2013‧‧‧步驟
2014‧‧‧步驟
2020‧‧‧步驟
2021‧‧‧步驟
2022‧‧‧步驟
2030‧‧‧步驟
2031‧‧‧步驟
2032‧‧‧步驟
GBM‧‧‧成膠質細胞瘤
NC‧‧‧正常皮質
NGBM‧‧‧非GBM
NNC‧‧‧非NC
NWM‧‧‧非WM
WM‧‧‧白質

本發明的新穎特徵在所附權利要求中予以具體闡述。通過參考以下其中對利用本發明原理的說明性實施方案加以闡述的詳細描述和附圖，將會獲得對本發明的特徵和優點的更好理解，在附圖中：圖1示出了根據實施方案的時間分辨螢光光譜法（TRFS）系統的示意圖；圖2示出了根據實施方案的由信號分離器***後的各個示例性分子的螢光發射光譜的圖表；圖3示出了根據實施方案的可變電壓門控的衰減器回饋機構的示意圖；圖4A示出了根據實施方案的鐳射強度隨時間變化的的圖表；圖4B示出了根據實施方案的基於光電二極體的螢光信號校正機構的示意圖；圖5A示出了根據實施方案的在應用去噪之前螢光衰減資料的圖表；圖5B示出了根據實施方案的在應用去噪之後圖5A的螢光衰減資料的圖表；圖6示出了根據實施方案的在不同重複率下壽命標準差的圖表；圖7A示出了根據實施方案的在應用去噪之前螢光衰減資料的圖表；圖7B示出了根據實施方案的在應用去噪之後圖7A的螢光衰減資料的圖表；圖8示出了根據實施方案的為了獲得最小fIRF（螢光脈衝回應函數）估計誤差，對α和時間偏移值的去卷積優化的圖表；圖9示出了根據實施方案的遊走搜索演算法方法的圖表；圖10A示出了根據實施方案的在六個不同波長帶和七個衰減水準下對膠質瘤組織測量的平均光譜壽命矩陣（SLM）的圖表；圖10B示出了根據實施方案的在六個不同波長帶和七個衰減水準下對正常皮質組織測量的平均SLM的圖表；圖10C示出了根據實施方案的在六個不同波長帶和七個衰減水準下對白質組織測量的平均SLM的圖表；圖11A示出了根據實施方案的使用六通道時間分辨螢光光譜法（TRFS）的正常皮質、白質和成膠質細胞瘤（GBM）組織的螢光衰減曲線的圖表；圖11B示出了根據實施方案的對於示於圖11A中的資料的“緩慢”壽命的光譜特徵；圖11C示出了根據實施方案的對於示於圖11A中的資料的“平均”壽命的光譜特徵；圖11D示出了根據實施方案的對於示於圖11A中的資料的“快速”壽命的光譜特徵；圖12A示出了根據實施方案的使用六通道時間分辨螢光光譜法（TRFS）的正常皮質、白質和成膠質細胞瘤（GBM）組織的螢光衰減曲線的圖表；圖12B示出了根據實施方案的對於示於圖12A中的資料的“緩慢”壽命的光譜特徵的一階導數；圖12C示出了根據實施方案的對於示於圖12A中的資料的“平均”壽命的光譜特徵的一階導數；圖12D示出了根據實施方案的對於示於圖12A中的資料的“快速”壽命的光譜特徵的一階導數；圖13示出了根據實施方案的使用TRFS資料進行組織分類的方法的流程圖；圖14示出了根據實施方案的Rhodamine B（RD）和Rose Bengal（RB）在溶液中的不同濃度下壽命變化的圖表；圖15A和15B示出了根據實施方案，圖14中所收集的資料的螢光脈衝回應函數（fIRF）與雙指數函數的擬合，其中多次測量的第一指數係數（圖15A）和第二指數係數（圖15B）與混合物中每種組分的單個濃度有關；圖16示出了根據實施方案的對於正常皮質、正常白質和成膠質細胞瘤的線性判別分析（LDA）分類的圖表；圖17A示出了根據實施方案的對於正常皮質、正常白質和成膠質細胞瘤的LDA分類的圖表；圖17B示出了根據實施方案的用於生成圖17A的圖表的白質與正常皮質的“正確或不正確”LDA分類的圖表；圖17C示出了根據實施方案的用於生成圖17A的圖表的正常皮質與成膠質細胞瘤的“正確或不正確”LDA分類的圖表；圖17D示出了根據實施方案的用於生成圖17A的圖表的白質與成膠質細胞瘤的“正確或不正確”LDA分類的圖表；圖18示出了根據實施方案的TRFS系統的示意圖；圖19示出了根據實施方案的組織分類的示例性方法的流程圖；以及圖20示出了根據實施方案的組織分類的示例性方法的流程圖。

1900‧‧‧方法

1901‧‧‧步驟

1902‧‧‧步驟

1903A‧‧‧步驟

1903B‧‧‧步驟

1904‧‧‧步驟

1905‧‧‧步驟

Claims

一種用於對生物樣品進行分類或表徵的方法，所述方法包括：回應於回應螢光信號和回應電信號來表徵所述生物樣品，其中所述回應螢光信號是由所述生物樣品響應於用光脈衝照射所述生物樣品而產生的，以及其中所述響應電信號是由所述生物樣品響應於電刺激而產生的。
如請求項1之方法，其中所述生物樣品包括皮質組織或皮質下組織。
如請求項1之方法，其中所述光脈衝包括預定波長的激發信號。
如請求項1之方法，其中所述回應螢光信號包括光譜特徵、光譜壽命特徵、光譜壽命矩陣或螢光衰減特徵中的一種或多種，並且其中回應於所述光譜特徵、光譜壽命特徵、光譜壽命矩陣或螢光衰減特徵中的所述一種或多種來表徵所述生物樣品。
如請求項1之方法，其中回應於所述回應螢光信號和所述回應電信號來表徵所述生物樣品包括：將所述回應螢光信號***成多個光譜帶，並且回應於所述光譜帶來表徵所述生物樣品。
如請求項1之方法，其中回應於所述回應螢光信號和所述回應電信號來表徵所述生物樣品包括：回應於所述回應螢光信號來確定生物分子的濃度。
如請求項1之方法，其中所述生物樣品被表徵為正常的、良性的、惡性的、瘢痕組織、壞死的、缺氧的、活的、非活的或發炎的。
如請求項1之方法，其中所述生物樣品包括腦組織。
如請求項1之方法，其中所述生物樣品包括靶組織，並且其中所述靶組織被消融。
如請求項9之方法，其中回應於對所述生物樣品的表徵來去除或消融所述靶組織。
如請求項9之方法，其中通過向所述靶組織施加射頻（RF）能量、熱能、低溫能量、超聲能量、X射線能量、鐳射能量或光學能量中的一種或多種來消融所述靶組織。
如請求項9之方法，其中用探針來消融所述靶組織，所述探針被配置用於用所述光脈衝來輻射所述生物樣品並收集所述回應螢光信號。
如請求項1之方法，其中用所述光脈衝來輻射所述生物樣品並用探針來電刺激所述生物樣品。
如請求項1之方法，其中用雙極或單極皮質和皮質下刺激器中的一個或多個來電刺激所述生物樣品。
一種用於對生物樣品進行分類或表徵的方法，所述方法包括：預處理原始螢光衰減資料，其中所述原始螢光衰減資料由從暴露於預定波長的光激發信號的生物樣品收集的回應螢光信號所生成；以及將預處理的原始螢光衰減資料去卷積，以從其中去除儀器回應函數，從而生成真實螢光衰減資料，其中回應於所述真實螢光衰減資料來表徵所述生物樣品。
如請求項15之方法，其中預處理所述原始螢光衰減資料包括：去除高頻雜訊。
如請求項15之方法，其中預處理所述原始螢光衰減資料包括：對所述原始螢光衰減資料的多個重複測量值求平均。
如請求項15之方法，其中預處理所述原始螢光衰減資料包括：從所述原始螢光衰減資料的一組測量值中去除一個或多個異常值，所述一組測量值共用相同的時間點。
如請求項18之方法，還包括重複對在不同時間點的多個測量組的一個或多個異常值的去除。
如請求項15之方法，其中對所述預處理的原始螢光資料去卷積包括：對所述預處理的原始螢光資料應用Laguerre展開。
如請求項20之方法，其中對所述預處理的原始螢光資料去卷積包括：優化Laguerre參數或所述Laguerre展開的時間偏移中的一個或多個。
如請求項21之方法，其中優化Laguerre參數或所述Laguerre展開的時間偏移中的一個或多個包括：實施反覆運算搜索方法。
如請求項15之方法，其中對所述預處理的原始螢光資料去卷積包括：對傅立葉域中的所述原始螢光衰減資料或所述儀器回應函數中的一個或多個進行劃分和窗化。
如請求項15之方法，其中通過根據所述真實螢光衰減資料生成螢光衰減函數和將所述螢光衰減函數變換為光譜壽命矩陣來表徵所述生物樣品。
如請求項24之方法，其中通過比較所述生物樣品的所述光譜壽命矩陣和用於組織表徵的基準光譜壽命矩陣來表徵所述生物樣品。
如請求項15之方法，所述生物樣品被表徵為正常的、良性的、惡性的、瘢痕組織、壞死的、缺氧的、活的、非活的或發炎的。
如請求項15之方法，其中表徵所述生物樣品包括確定所述生物樣品中的生物分子的濃度。
如請求項15之方法，其中回應於對所述生物樣品的表徵來處理所述生物樣品。
如請求項15之方法，其中所述生物樣品包括腦組織。
一種用於對生物樣品進行分類或表徵的方法，所述方法包括：記錄激發光脈衝的強度，其中用預定波長的所述激發光脈衝照射生物樣品以使得所述生物樣品產生響應螢光信號；以及回應於所記錄的所述激發光脈衝的強度來歸一化回應螢光信號，其中回應於歸一化的回應螢光信號來表徵所述生物樣品。