zhpsЖурнал прикладной спектроскопииZhurnal Prikladnoii Spektroskopii0514-7506B. I. Stepanov Institute of Physics of the National Academy of Scienceszhps-233Research ArticleСтатьиПОЛУЧЕНИЕ ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ И ИХ КОЛИЧЕСТВЕННЫЙ АНАЛИЗ МЕТОДАМИ ПОСЛЕДОВАТЕЛЬНЫХ ПРОЕКЦИЙ И ЛИНЕЙНОГО ДИСКРИМИНАНТНОГО АНАЛИЗА ДЛЯ ОБНАРУЖЕНИЯ РАКА ТОЛСТОЙ КИШКИHYPERSPECTRAL IMAGING AND SPA-LDA QUANTITATIVE ANALYSIS FOR DETECTION OF COLON CANCER TISSUEYuanX. .YuanX. .noemail@neicon.ruZhangD. .ZhangD. .dwzhang@usst.edu.cnWangCh. .WangCh. .noemail@neicon.ruDaiB. .DaiB. .noemail@neicon.ruZhaoM. .ZhaoM. .noemail@neicon.ruLiB. .LiB. .noemail@neicon.ruЦентр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университетMinistry of Education, Optical Instrument and Systems Engineering Center, Shanghai Key Laboratory of Modern Optical System, University of Shanghai for Science and Technology201810032020852293298Copyright © Yuan X..., Zhang D..., Wang C..., Dai B..., Zhao M..., Li B..., 20202020Yuan X..., Zhang D..., Wang C..., Dai B..., Zhao M..., Li B...Yuan X..., Zhang D..., Wang C..., Dai B..., Zhao M..., Li B...Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://zhps.ejournal.by/jour/article/view/233

Показано, что гиперспектральные изображения (ГСИ) позволяют реализовать быстрый, точный и неинвазивный метод выявления рака. Поскольку ГСИ содержат большой объем информации, необходимо проведение количественного анализа, обеспечивающего отбор данных для выявления злокачественной опухоли. Для демонстрации возможности выявления рака с помощью ГСИ в сочетании с предложенным нами алгоритмом создана установка для регистрации ГСИ в видимой и ближней ИК области спектра и получено большое количество ГСИ ткани толстой кишки. Анализ ГСИ ткани проведен с помощью метода последовательных проекций. Полученные данные использованы для построения идентификационной модели, основанной на линейном дискриминантном анализе и значениях относительной отражающей способности на эффективных длинах волн. В качестве прогнозного набора для проверки надежности созданной идентификационной модели взяты другие ткани. Показано, что совместное применение ГСИ и метода спектроскопической классификации обеспечивает новый подход к надежной и безопасной диагностике рака толстой кишки и может привести к успехам в диагностике рака в целом.

Hyperspectral imaging (HSI) has been demonstrated to provide a rapid, precise, and noninvasive method for cancer detection. However, because HSI contains many data, quantitative analysis is often necessary to distill information useful for distinguishing cancerous from normal tissue. To demonstrate that HSI with our proposed algorithm can make this distinction, we built a Vis-NIR HSI setup and made many spectral images of colon tissues, and then used a successive projection algorithm (SPA) to analyze the hyperspectral image data of the tissues. This was used to build an identification model based on linear discrimination analysis (LDA) using the relative reflectance values of the effective wavelengths. Other tissues were used as a prediction set to verify the reliability of the identification model. The results suggest that Vis-NIR hyperspectral images, together with the spectroscopic classification method, provide a new approach for reliable and safe diagnosis of colon cancer and could lead to advances in cancer diagnosis generally.

обнаружение рака толстой кишкиклассификация изображенийметод последовательных проекций и линейный дискриминантный анализгиперспектральное изображениеcolon cancer detectionimage classificationsuccessive projection algorithm - linear discrimination analysisVis-NIR hyperspectral imagingReferencesR. S. Houlston, J. Clin. Pathol., 54, 206-214 (2001).R. S. Houlston, J. Clin. Pathol., 54, 206-214 (2001).Cancer Research UK, Bowel Cancer Fact Sheet, May (2002).Cancer Research UK, Bowel Cancer Fact Sheet, May (2002).S. Rathore, M. Hussain, A. Ali, A. Khan, IEEE/ACM Trans. Comput. Biol. Bioinform., 10, 545-563 (2013).S. Rathore, M. Hussain, A. Ali, A. Khan, IEEE/ACM Trans. Comput. Biol. Bioinform., 10, 545-563 (2013).Z. Liu, H. J.Wang, Q. L. Li, J. Sensors, 12, 162-174 (2012).Z. Liu, H. J.Wang, Q. L. Li, J. Sensors, 12, 162-174 (2012).N. Fujioka, Y. Morimoto, T. Arai, M. Kikuchi, Cancer Detect. Prevent., 28, 32-36 (2004).N. Fujioka, Y. Morimoto, T. Arai, M. Kikuchi, Cancer Detect. Prevent., 28, 32-36 (2004).A. N. Esgiar, R. N. Naguib, B. S. Sharif, M. K. Bennett, A. Murray, IEEE Trans. Inform. Technol. Biomed., 2, 197-203 (1998).A. N. Esgiar, R. N. Naguib, B. S. Sharif, M. K. Bennett, A. Murray, IEEE Trans. Inform. Technol. Biomed., 2, 197-203 (1998).A. B. Tosun, M. Kandemir, C. Sokemnsuer, C. Gunduz-Demir, Pattern Recogn., 42, 1104-1112 (2009).A. B. Tosun, M. Kandemir, C. Sokemnsuer, C. Gunduz-Demir, Pattern Recogn., 42, 1104-1112 (2009).U. Alon, N. Barkai, D. A. Notterman, K. Gish, S. Ybarra, Proc. Natl. Acad. Sci. USA, 96, 6745-6750 (1999).U. Alon, N. Barkai, D. A. Notterman, K. Gish, S. Ybarra, Proc. Natl. Acad. Sci. USA, 96, 6745-6750 (1999).G. Marian, H. Patrick, B. Sandra, B. H. Amanda, W. Danny, V. Sudhir, S. Richard, L. Torsten, B. Heinz, J. D. Michael, B. M. Ghadimi, R. Thomas, J. Cancer Res., 67, 41-56 (2007).G. Marian, H. Patrick, B. Sandra, B. H. Amanda, W. Danny, V. Sudhir, S. Richard, L. Torsten, B. Heinz, J. D. Michael, B. M. Ghadimi, R. Thomas, J. Cancer Res., 67, 41-56 (2007).S. Yajima, M. H. Ishii, K. Aoyagi. K. Yoshimatsu, H. Kaneko, N. Yamamoto, T. Teramoto, T. Yoshida, Y. Matsumura, H. Sasaki, Int. J. Oncol., 31, 1029-1037 (2007).S. Yajima, M. H. Ishii, K. Aoyagi. K. Yoshimatsu, H. Kaneko, N. Yamamoto, T. Teramoto, T. Yoshida, Y. Matsumura, H. Sasaki, Int. J. Oncol., 31, 1029-1037 (2007).R. S. Gad, N. Vetrekar, I. Nazareth, J. S. Parab, IEEE Xplore, 741-744 (2012).R. S. Gad, N. Vetrekar, I. Nazareth, J. S. Parab, IEEE Xplore, 741-744 (2012).J. H. Lee, C. H. Won, IEEE Xplore, 1416-1419 (2009).J. H. Lee, C. H. Won, IEEE Xplore, 1416-1419 (2009).H. Akbari, K. Uto, Y. Kosugi, K. Kojima, N. Tanaka, Cancer Sci., 102, 852-857 (2011).H. Akbari, K. Uto, Y. Kosugi, K. Kojima, N. Tanaka, Cancer Sci., 102, 852-857 (2011).A. Zacher, Computer Vision and Graphics, Springer-Verlag, 376-384 (2010).A. Zacher, Computer Vision and Graphics, Springer-Verlag, 376-384 (2010).K. Rajpoot, N. Rajpoot, In Medical Image Computing and Computer-Assisted Intervention-MICCAI 2004, Springer, Berlin Heidelberg, 829-837 (2004).K. Rajpoot, N. Rajpoot, In Medical Image Computing and Computer-Assisted Intervention-MICCAI 2004, Springer, Berlin Heidelberg, 829-837 (2004).K. M. Rajpoot, N. M. Rajpoot, M. J. Turner, Hyperspectral Colon Tissue Cell Classification, 829-837 (2004).K. M. Rajpoot, N. M. Rajpoot, M. J. Turner, Hyperspectral Colon Tissue Cell Classification, 829-837 (2004).K. Masood, N. Rajpoot, In Medical Image Understanding & Analysis (2007).K. Masood, N. Rajpoot, In Medical Image Understanding & Analysis (2007).Y. Chen, D. Niedieker, F. Großerüschkamp, M. Horn, A. Tannapfel, A. K. Thieltges, K. Gerwert, A. Mosig, J. BMC Bioinform., 16, 144-147 (2015).Y. Chen, D. Niedieker, F. Großerüschkamp, M. Horn, A. Tannapfel, A. K. Thieltges, K. Gerwert, A. Mosig, J. BMC Bioinform., 16, 144-147 (2015).M. Maggioni, G. L. Davis, F. J. Warner, F. B. Geshwind, A. C. Coppi, R. A. DeVerse, R. R. Coifman. Algorithms from Signal and Data Processing Applied to Hyperspectral Analysis: Discriminating Normal and Malignant Microarray Colon Tissue Sections Using a Novel Digital Mirror Device System (2006).M. Maggioni, G. L. Davis, F. J. Warner, F. B. Geshwind, A. C. Coppi, R. A. DeVerse, R. R. Coifman. Algorithms from Signal and Data Processing Applied to Hyperspectral Analysis: Discriminating Normal and Malignant Microarray Colon Tissue Sections Using a Novel Digital Mirror Device System (2006).B. Li, Y. Zhou, M. Zhao, B. Hou, D. Zhang, Q. Wang, J. Food Process Preserv., 41, No. 1, 12749 (2016).B. Li, Y. Zhou, M. Zhao, B. Hou, D. Zhang, Q. Wang, J. Food Process Preserv., 41, No. 1, 12749 (2016).W. Di, D. W. Sun, H. Yong, Innov. Food Sci. Emerg. Technol., 16, 361-372 (2012).W. Di, D. W. Sun, H. Yong, Innov. Food Sci. Emerg. Technol., 16, 361-372 (2012).M. C. U. Araújo, T. C. B. Saldanha, R. K. H. Galvão, T. Yoneyama, H. C. Chame, V. Visani, Chemom. Intell. Lab. Syst., 57, 65-73 (2001).M. C. U. Araújo, T. C. B. Saldanha, R. K. H. Galvão, T. Yoneyama, H. C. Chame, V. Visani, Chemom. Intell. Lab. Syst., 57, 65-73 (2001).R. K. H. Galvão, M. C. U. Araújo, W. D. Fragoso, E. C. Silva, G. E. José, H. Paiva, J. Chemom. Intell. Lab. Syst., 92, 83-91 (2008).R. K. H. Galvão, M. C. U. Araújo, W. D. Fragoso, E. C. Silva, G. E. José, H. Paiva, J. Chemom. Intell. Lab. Syst., 92, 83-91 (2008).E. R. Ziegel, Technometrics, 17, 108-110 (2002).E. R. Ziegel, Technometrics, 17, 108-110 (2002).

The authors declare that there are no conflicts of interest present.