Preview

Журнал прикладной спектроскопии

Расширенный поиск

ПОЛУЧЕНИЕ ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ И ИХ КОЛИЧЕСТВЕННЫЙ АНАЛИЗ МЕТОДАМИ ПОСЛЕДОВАТЕЛЬНЫХ ПРОЕКЦИЙ И ЛИНЕЙНОГО ДИСКРИМИНАНТНОГО АНАЛИЗА ДЛЯ ОБНАРУЖЕНИЯ РАКА ТОЛСТОЙ КИШКИ

Полный текст:

Аннотация

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.

Об авторах

X. . Yuan
Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет
Россия


D. . Zhang
Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет
Россия


Ch. . Wang
Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет
Россия


B. . Dai
Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет
Россия


M. . Zhao
Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет
Россия


B. . Li
Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет
Россия


Список литературы

1. R. S. Houlston, J. Clin. Pathol., 54, 206-214 (2001).

2. Cancer Research UK, Bowel Cancer Fact Sheet, May (2002).

3. S. Rathore, M. Hussain, A. Ali, A. Khan, IEEE/ACM Trans. Comput. Biol. Bioinform., 10, 545-563 (2013).

4. Z. Liu, H. J.Wang, Q. L. Li, J. Sensors, 12, 162-174 (2012).

5. N. Fujioka, Y. Morimoto, T. Arai, M. Kikuchi, Cancer Detect. Prevent., 28, 32-36 (2004).

6. A. N. Esgiar, R. N. Naguib, B. S. Sharif, M. K. Bennett, A. Murray, IEEE Trans. Inform. Technol. Biomed., 2, 197-203 (1998).

7. A. B. Tosun, M. Kandemir, C. Sokemnsuer, C. Gunduz-Demir, Pattern Recogn., 42, 1104-1112 (2009).

8. U. Alon, N. Barkai, D. A. Notterman, K. Gish, S. Ybarra, Proc. Natl. Acad. Sci. USA, 96, 6745-6750 (1999).

9. 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).

10. 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).

11. R. S. Gad, N. Vetrekar, I. Nazareth, J. S. Parab, IEEE Xplore, 741-744 (2012).

12. J. H. Lee, C. H. Won, IEEE Xplore, 1416-1419 (2009).

13. H. Akbari, K. Uto, Y. Kosugi, K. Kojima, N. Tanaka, Cancer Sci., 102, 852-857 (2011).

14. A. Zacher, Computer Vision and Graphics, Springer-Verlag, 376-384 (2010).

15. K. Rajpoot, N. Rajpoot, In Medical Image Computing and Computer-Assisted Intervention-MICCAI 2004, Springer, Berlin Heidelberg, 829-837 (2004).

16. K. M. Rajpoot, N. M. Rajpoot, M. J. Turner, Hyperspectral Colon Tissue Cell Classification, 829-837 (2004).

17. K. Masood, N. Rajpoot, In Medical Image Understanding & Analysis (2007).

18. Y. Chen, D. Niedieker, F. Großerüschkamp, M. Horn, A. Tannapfel, A. K. Thieltges, K. Gerwert, A. Mosig, J. BMC Bioinform., 16, 144-147 (2015).

19. 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).

20. B. Li, Y. Zhou, M. Zhao, B. Hou, D. Zhang, Q. Wang, J. Food Process Preserv., 41, No. 1, 12749 (2016).

21. W. Di, D. W. Sun, H. Yong, Innov. Food Sci. Emerg. Technol., 16, 361-372 (2012).

22. 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).

23. 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).

24. E. R. Ziegel, Technometrics, 17, 108-110 (2002).


Рецензия

Для цитирования:


Yuan X..., Zhang D..., Wang C..., Dai B..., Zhao M..., Li B... ПОЛУЧЕНИЕ ГИПЕРСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ И ИХ КОЛИЧЕСТВЕННЫЙ АНАЛИЗ МЕТОДАМИ ПОСЛЕДОВАТЕЛЬНЫХ ПРОЕКЦИЙ И ЛИНЕЙНОГО ДИСКРИМИНАНТНОГО АНАЛИЗА ДЛЯ ОБНАРУЖЕНИЯ РАКА ТОЛСТОЙ КИШКИ. Журнал прикладной спектроскопии. 2018;85(2):293-298.

For citation:


Yuan X..., Zhang D..., Wang C..., Dai B..., Zhao M..., Li B... HYPERSPECTRAL IMAGING AND SPA-LDA QUANTITATIVE ANALYSIS FOR DETECTION OF COLON CANCER TISSUE. Zhurnal Prikladnoii Spektroskopii. 2018;85(2):293-298. (In Russ.)

Просмотров: 134


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 0514-7506 (Print)