宫颈癌变组织漫反射光谱检测与分析系统研制

薛彦柏，赵月梅，姚柳叶，李韪韬，钱志余

南京航空航天大学自动化学院生物医学工程系，南京市，211106

0 引言

宫颈癌是一种具有50%致死率的妇科恶性肿瘤，为全世界第4大常见疾病，每年估计有50多万妇女受该病侵害[1-2]。我国每年约有13万例女性发生该病，约5.3万例死亡[3]。近年来宫颈癌患者逐年增多且年轻化趋势明显，而作为一种早期可预防和治疗的疾病，宫颈癌的早期筛查意义重大[4]。目前宫颈癌的组织学早期类别包括：宫颈上皮内瘤样变1级（CIN1）、宫颈上皮内瘤样变2级（CIN2）、宫颈上皮内瘤样变3级（CIN3）和原位癌（CIS）。临床常用的筛查方法主要有肉眼观察法、细胞学检测、HPV-DNA检测、电子阴道镜检查及组织病理学检查等。这些检测方法或者由于主观因素，或者由于漏检导致一定的误判。

光谱技术由于无创、实时、原位等优点，成为癌症筛查的潜在方法[5]。漫反射光谱技术是一种可以直接量化组织吸收和散射特性的光学技术。异常组织细胞由于核大小、核周期、核质比、染色质结构和血管生成及分化等形态异常变化，吸收和散射特性发生改变，为光谱筛查技术提供了依据。2002年Irene等利用内在荧光、漫反射和光散射三种光谱技术同时施行，证明了这三种光谱作为子宫颈鳞状病变的敏感和特异性检测工具的潜力[6]。2005年Nena等利用漫反射光谱技术发现，癌前组织的漫反射光谱强度均比正常弱，血红蛋白的光吸收率和特定波长的斜率对分类的贡献具有相关性，利用特征参数对宫颈癌早期分期准确率很高[7]。研究证明，漫反射光谱法具有区分癌前组织早期类别和正常组织的潜力。

我们利用光纤光谱仪和虚拟仪器技术，设计了一种宫颈癌变组织漫反射光谱检测与分析系统，能够智能采集数据并建立数据库，分析计算光谱特征并利用特征建立神经网络模型，实现了对宫颈正常组织和癌变组织的检测和分析。

1 系统整体结构

1.1 系统整体构成

宫颈癌变组织漫反射光谱检测与分析系统硬件原理如图1所示。系统主要包括成像子系统和光谱检测子系统。成像子系统由白光光源、CCD相机、聚焦镜头、定制内窥镜及光纤联合探头组成。光谱检测子系统主要由宽带光源、光纤光谱仪、定制内窥镜及光纤联合探头组成。身份证读卡器用于快速采集身份信息，服务器用于存储身份信息、图像信息和光谱信息。

图1 系统原理框图Fig.1 System schematic diagram

1.2 成像子系统

成像子系统由LED白光光源发出照射光，经组织反射后通过联合探头（定制）的光线束传播到聚焦镜头，由一个12位CCD相机（GS3-U3-51S5M-C，PointGrey，加拿大）采集并显示在上位机软件界面。内窥镜及光纤联合探头是由南京玻璃纤维研究院定制，内窥镜的光传播通过光纤束进行，经由调焦螺旋和聚焦镜头传给CCD相机。

图2给出了系统的实物图。其中图2(a)为成像系统实物图，按照光传播方向依次为联合探头、聚焦螺旋、聚焦镜头、CCD相机。

1.3 光谱检测子系统

光谱检测子系统包括光源、光谱仪以及光纤联合探头的双光纤部分，如图2(b)所示。光源采用的是复享光学（上海）HL-2000型光源，为组织漫反射提供360～2 500 nm的宽带卤素光源。光谱仪为复享光学FX-2000高速光纤光谱仪，积分时间可以通过程序调整，最小为1 ms，采集波长范围为200～1 100 nm，波长分辨率最高可达0.1 nm，其信噪比高，传输速度快。光谱仪和光源通过一小段双光纤连接到外壳如图2(b)所示，光纤通过适配器与联合探头组合。光纤直径为200 μm，在联合探头检测端，双光纤源探距离为400 μm。

图2 系统整体实物图Fig.2 System overall physical figure

2 系统软件设计

2.1 软件结构及界面

采用NI公司提供的LabWindows/CVI虚拟仪器平台进行程序开发和设计。以C语言为开发语言，利用光谱仪、CCD相机和身份证号读卡器提供的二次开发工具包进行硬件驱动加载，采用多个线程同时进行光谱采集、图像采集、数据库管理、模型构建处理，以提高CPU利用率。本软件的主要功能有用户信息数据库管理、光谱仪采集控制、CCD相机采集控制、模型构建与数据分析处理、病例报告生成与打印。软件系统结构图如图3所示。

图3 软件系统结构图Fig.3 Software system structure diagram

软件分析与检测程序流程图如图4所示。启动软件后加载硬件驱动，验证登陆信息后到达人机交互界面。检测按键并调整参数，保留检测背景环境。联合探头就位后开始进行图像采集和光谱采集，并保存到数据库。停止检测后加载已经训练的神经网络模型进行诊断分析并打印报告。

图4 软件流程图Fig.4 Soft flow chart

软件主界面如图5(a)所示，主要用于人机交互。主界面主要显示客户信息、图像、光谱、采集数据量、结果显示、操作菜单和按键。软件采用多线程编程，可以同时进行多项操作。图5(b)为客户信息管理界面，客户信息及数据存储于MariaDB数据库，通过静态链接库libmysql.lib，结合SQL语句与MariaDB建立通讯，用于查看及管理客户信息。

2.2 模型构建

神经网络模型被广泛应用于癌症光谱分析[8-12]，本系统模型主要采用神经网络算法，如图6所示，利用数据库已经保存的客户数据信息，从中读取吸收系数、散射系数、血红蛋白含量、血氧饱和度以及不同波段的斜率和面积等参数作为特征向量，将数据归一化并分为训练集和测试集，调整各层节点输入权重，构建神经网络并保存模型，选取最优模型用于光谱分析和检测。

3 实验设计

3.1 裸鼠试验

肿瘤实验图如图7所示。Hela细胞复苏后培养4～5 d后收集细胞107个，稀释到0.2 mL。选用4～6周龄、体重15～20 g的裸鼠（BALB/c-nu）在上肢腋下皮层内接种0.2 mL，每只接种0.2 mL，共接种20只。

图5 软件界面Fig.5 Software interface

图6 模型构建流程图Fig.6 Model construction flow chart

图7 裸鼠肿瘤实验图Fig.7 Nude mouse tumor experiment

接种成功一周后，利用异氟烷麻醉裸鼠如图7所示，在暗环境下，将光纤探针对准肿瘤部位，采集肿瘤光谱数据，同时在没有接种肿瘤的对称部位作为对照，采集正常组织的光谱信息。

对同一肿瘤从不同位置分别进行光谱检测，对250组光谱数据进行移动平滑平均并归一化后作图如图8所示，图中只给出部分峰谷的误差。

图8 肿瘤组织和正常组织光谱对比图Fig.8 Tumor tissue and normal tissue spectrum comparison

从图8中可以发现，随着肿瘤的生长，光谱有明显变化，在500～600 nm之间肿瘤组织对光的吸收明显增加，在539 nm和572 nm处吸收现象最明显。该波长正好对应血红蛋白的吸收峰波长。在750～850 nm近红外波段光谱也具有区分肿瘤和正常组织的意义。不同生物组织的吸收系数、散射系数、血红蛋白量、血氧饱和度等组织光学参数不尽相同，常常被用来区别不同生物组织[13-16]。裸鼠肿瘤组织的吸收系数、散射系数、血红蛋白量、血氧饱和度可以联合不同波段的斜率和面积用于肿瘤组织和正常组织的区分。

3.2 志愿者试验

在经过医院伦理委员会批准下召集志愿者进行光谱分析和检测试验。试验时由妇产科医生进行操作，探头外面用一次性避孕套包裹，检测完成一个病人后丢掉避孕套，下一个病人检查前套上新避孕套，充分保证志愿者卫生安全。如图9所示临床实验操作现场，设计了手枪式握把，便于医生操作。医生操作时，探头通过避孕套轻轻接触志愿者子宫颈口的移行带，医生沿顺时针方向螺旋向内滑过整个移行带，光谱信息实时保存到数据库。

图9 志愿者试验及手枪式握把Fig.9 Volunteer test and pistol grip

分别对2名正常志愿者、2名CIN1期志愿者和2名CIN2期志愿者进行分析。采用滑动平均方法每20个点取平均，将光谱进行平滑处理，然后归一化数据，图10为检测到的正常宫颈组织和CIN1、CIN2的光谱对比图。从图10中可以观察到随着癌前病变程度加重，在500～600 nm波长范围光谱峰值变化十分明显。这可能由于细胞增殖所需养分及氧增加，供血加快或者有毛细血管新生，导致单位组织内血红蛋白含量增加，吸收系数变大。

图10 光谱信息对比图Fig.10 Spectral information comparison

图10 光谱信息对比图Fig.10 Spectral information comparison

图11 不同病人的不同波段的斜率Fig.11 Slopes of diあerent bands for diあerent patients

从光谱可以看出，在不同波段的斜率和峰下面积具有一定的识别意义。分别计算2个正常病人、2个CIN1期病人、2个CIN2期病人的500～520 nm、524～532 nm、540～560 nm、565～570 nm和575～590 nm波长范围的光谱斜率，得到图11。从图中可以看出随着癌前病变程度加深，524～532 nm和565～570 nm两个波段斜率下降的更明显。说明斜率信息具有一定的识别分析作用，可以应用于神经网络模型建模。

4 总结

本文基于漫反射光谱技术，设计了一套便携式宫颈癌组织检测与分析系统。设计了内窥镜与双光纤联合探头用于宫颈癌检测和分析。研制了一套基于LabWindows和MariaDB的上位机软件，实现人机交互和数据分析。设计了裸鼠肿瘤试验验证了漫反射光谱分析的可行性，并且提取了特征参数用于宫颈癌检测。进行了志愿者试验，在保证卫生安全的前提下，采集了正常病人、CIN1期和CIN2期病人的光谱数据，对数据进行分析，证明这套系统可以用于宫颈癌检测，所选特征参数可以用来进行神经网络建模。由于数据的有限性，网络模型的性能还有待检测，相信随着数据库的扩大，将会建立更加稳定的检测模型，这套设备在预防宫颈癌方面具有很大的价值。