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

Yuan X. .; Zhang D. .; Wang Ch. .; 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

Yuan X. ., Zhang D. ., Wang Ch. ., Dai B. ., Zhao M. ., Li B. .

2018

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.

Yuan X. ., Zhang D. ., Wang Ch. ., 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.

Цитирование

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).

Источник

Информация

Автор

Yuan X. . Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет
Zhang D. . Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет
Wang Ch. . Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет
Dai B. . Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет
Zhao M. . Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет
Li B. . Центр оптических приборов и систем Министерства образования КНР, Шанхайский научно-технический университет

Страницы

293-298

Год издания

2018

Ключевые слова

Коллекции

Журнал прикладной спектроскопии

Похожие публикации

Источник

Информация