科研

基于拉曼光谱的人工智能诊断技术

    拉曼光谱是基于印度科学家拉曼所发现的拉曼散射效应。当单色光照射物质时,入射光子与分子相互作用发生弹性碰撞和非弹性碰撞,如下图所示。在碰撞过程中,大部分光子发生弹性散射,散射光频率与入射光频率相同,即瑞利散射。小部分光子发生非弹性散射,与分子发生能量交换进而获得或损失能量,散射光频率大于或小于入射光频率。低于入射光频率的散射被称为斯托克斯散射,高于入射光频率的散射被称为反斯托克斯散射,斯托克斯散射与反斯托克斯散射统称为拉曼散射。拉曼散射光与入射光的频率之差称为拉曼频移,其是由入射光子与物质分子振动或转动能量相互交换而产生,故拉曼频移与分子的振动和转动模式密切相关。分子的振动和转动信息能够反映出其结构上的特征,即每一种物质都有自己的特征拉曼光谱。因此,通过检测物质的拉曼散射并绘制成光谱,分析拉曼光谱的峰位信息便可以鉴定物质,并推导出有关物质的化学和结构等相关信息。拉曼光谱具有信息丰富、制样简单、水的干扰小、非侵入等特点,在生物医学等研究领域中有着广泛的应用。

拉曼散射能级跃迁示意图及细胞的拉曼光谱

    在本项目中,我们与中国医科大学附属第一医院、附属盛京医院、沈阳军区总医院、辽宁省肿瘤医院等多家医院合作,基于激光共聚焦拉曼光谱仪(如下图所示)建立皮肤、眼科、泌尿系统等疾病(尤其是癌症)的光谱数据库,并基于该光谱数据库研究这些疾病的人工智能诊断技术。

Horiba HR Evolution激光共聚焦拉曼光谱仪


新型快速光谱成像技术

    生物医学光谱学,通过利用各种光谱技术方法,为生物医学领域的基因、分子、蛋白、组织等各种对象提供快速、无损、非标记的检测,同时利用光谱数据获得的综合信息开展物质分子成分的定性、定量检测,相关疾病的光谱诊断及人体健康状况综合检测与评估。然而,传统的光谱仪由于采用光纤探头结构,通常只能获得待测样本上单点的光谱信号(如下图所示)。然而,待测样本的空间信息在生物医学应用中(如肿瘤边缘界定、细胞成像、药品成分分析等)具有重要的意义,传统的测量方式已无法满足生物医学应用中对于获取待测样本空间信息的需求。

光谱仪示意图

   因此,我们提出了一种新型的快速光谱成像技术,即基于光谱重建的光谱成像方法。通过测量几个窄带测量图像并利用其重建每个像素点的光谱,有效地降低了对于探测器及数据后处理的要求并可实现较高的光谱及空间分辨率,如下图所示。窄带测量是指采集的光信号通过滤光片后被光电探测器所采集到的信号。由于光谱数据的稀疏性,可通过特定几个特定光谱透过率的滤光片采集对应的窄带测量对光谱信息进行压缩,随后利用特定的光谱重建算法恢复每个像素点的光谱信息。该方法由于使用窄带测量代替逐个波长的测量,其采集拉曼信号的信噪比远高于传统的光谱成像方法。

基于光谱重建的新型光谱成像方法原理示意图

   在本项目中,我们主要研究新型光谱成像技术的光路设计以及光谱重建算法,并实际搭建新型的光谱成像系统。通过与中国医科大学附属第一医院、附属盛京医院、沈阳军区总医院、辽宁省肿瘤医院等多家医院合作,实现该技术的临床转化。下图为我们与医院的先期合作中,针对皮瓣移植术预后所做的一系列研究成果,并做为封面文章发表在Journal of Biophotonics(SCI一区,影响因子4.3)。

漫反射-荧光多模态光谱成像系统在皮瓣移植术预后中的应用

新型眼底成像技术及眼底疾病的人工智能诊断

   随着我国社会经济的发展及国人饮食、生活习惯的改变,糖尿病的发病率呈逐年上升趋势。在我国成年人口中,预计糖尿病前期患者占人口比例约为50.1%,糖尿病患者占人口比例约为11.6%。糖尿病对人体健康的危害主要源于其多系统并发症。其中,糖尿病视网膜病变是糖尿病最常见的并发症之一,其在糖尿病患者中发病率高达40%以上,目前国内糖尿病视网膜病变患者总数已超过6000万。糖尿病患者由于长期血糖水平较高,会引起眼底组织、神经及血管微循环的改变,进而导致视功能损伤。结合其庞大的患者群体,糖尿病视网膜病变已成为视力下降甚至致盲的主要原因之一。然而,通过对糖尿病视网膜病变的早期诊断和治疗,超过50%的患者的视力损伤及致盲可以得到预防。因此,糖尿病视网膜病变的早期诊断,可促使医生采取对应的预防及治疗措施,指导临床治疗过程进而防止、延缓视力下降,对于保障糖尿病患者与视力相关的生活质量至关重要。

   在本项目中,我们将结合多光谱眼底成像技术与自适应光学眼底成像技术,通过自主研发的可实现任意光谱透过率的可编程滤光片技术以及基于窄带测量的光谱重建技术,进而研究快速的高分辨率多光谱眼底成像方法。通过分析高分辨率多光谱眼底图像,实现无创地测量活体视网膜微血管血红蛋白浓度、血氧饱和度、曲率、管壁厚度以及视细胞数量、密度等与糖尿病视网膜早期病变相关的重要生理参数,揭示高分辨率多光谱眼底图像与糖尿病视网膜病变早期诊断之间的本质联系以及糖尿病视网膜早期病变的发病机理和病理过程。除此之外,我们还将与中国医科大学附属医院眼科、内分泌科合作,收集大量患者的数据,通过深度学习方法对所采集到的大量高分辨率多光谱眼底图像进行分析,进而自动地识别糖尿病视网膜早期病变。通过促使医生对糖尿病视网膜早期病变采取对应的预防和治疗措施,指导临床治疗过程进而防止、延缓视力下降。由于该高分辨率多光谱眼底成像方法具有无创地测量活体视网膜微血管及视细胞相关的重要生理参数的巨大潜力,该研究成果还适用于青光眼等其他眼病的早期诊断。

基于深度学习及高分辨率多光谱眼底图像的糖尿病视网膜病变人工智能诊断流程

先期合作中在盛京医院专设的眼底图像采集室