使用分子化学成像进行肿瘤分型的系统和方法与流程

使用分子化学成像进行肿瘤分型的系统和方法
1.相关申请的交叉引用
2.本技术要求于2020年5月15日提交的美国临时专利申请第63/025,467号的权益，其全部内容通过引用并入本文。
技术领域
3.本公开涉及用于标识癌症组织学亚型的系统和方法。更具体地，本公开涉及使用分子化学成像或高光谱成像在癌症组织学亚型之中进行标识和区分的系统和方法。


背景技术：

4.癌症是巨大的全球健康负担，占全世界死亡人数的八分之一。癌症治疗中的一个关键问题是疾病的局部复发，这通常是肿瘤细胞的不完全切除的结果。目前，外科手术边缘处的肿瘤细胞的存在必须在病理实验室中通过组织学评估来标识。大约四分之一的接受肿瘤切除外科手术的患者将需要再次手术以完全切除恶性组织。最近致力于显著降低局部复发频率而采用了漫反射、射频光谱和靶向荧光成像。
5.大体解剖病理学的当前技术需要由病理学家进行检查，并且因此本质上是主观的。如此，需要能够实现对组织样本进行客观分析的系统和方法，以提高病理确定的准确性。具体地，如果该系统和方法可以被用来评估样本的各种特性(包括解剖学特征)、检测癌变组织并且定位肿瘤在外科手术边缘处的存在，则将是有利的。
6.此外，传统的外科手术技术不允许外科医生在术中标识肿瘤的不同组织学亚型。术中确定肿瘤组织学亚型以指导外科手术程序将是有益的。肿瘤组织学亚型的确定也可用于确定患者的后续治疗。如此，需要确定癌变组织的组织学亚型的方法和系统。


技术实现要素：

7.公开了用于分析诸如器官或皮肤之类的生物学组织的系统和方法。
8.在一个实施例中，存在一种分析生物学组织的方法，该方法包括：照射生物学组织以生成多个相互作用的光子；收集多个相互作用的光子；检测多个相互作用的光子以生成至少一个高光谱图像；通过从至少一个高光谱图像中的位置提取光谱，分析至少一个高光谱图像，其中该位置与生物学组织的感兴趣区域相对应；以及分析所提取的光谱以区分生物学组织内存在的肿瘤组织学亚型。
9.在另一个实施例中，生物学组织包括来自以下一项或多项的组织：肾脏、输尿管、前列腺、阴茎、睾丸、膀胱、心脏、脑、肝脏、肺、结肠、肠、胰腺、甲状腺、肾上腺、脾脏、胃、子宫和卵巢。
10.在另一个实施例中，肿瘤组织学亚型包括以下一项或多项的组织学亚型：肾癌、膀胱癌、骨癌、脑癌、乳腺癌、结肠癌、肠癌、肝癌、肺癌、卵巢癌、胰腺癌、前列腺癌、直肠癌、皮肤癌、胃癌、睾丸癌、甲状腺癌、尿道癌和子宫癌。
11.在另一个实施例中，该方法还包括生成表示生物学组织的明场图像。
12.在另一个实施例中，该方法还包括分析明场图像以标识生物学组织的形态学特征和生物学组织的解剖学特征中的一项或多项。
13.在另一个实施例中，分析提取的光谱还包括将所提取的光谱和与已知特性相关联的参考光谱进行比较。
14.在另一个实施例中，比较包括应用算法技术。
15.在另一个实施例中，算法技术包括以下一项或多项：多变量曲线解析分析、主成分分析(pca)、偏最小二乘判别分析(plsda)、非负矩阵分解、k均值聚类分析、带目标熵法分析、自适应子空间检测器分析、余弦相关分析、欧几里德距离分析、偏最小二乘回归分析、光谱混合分辨率分析、光谱角度映射器度量分析、光谱信息散度度量分析、马氏距离度量分析和光谱解混分析。
16.在另一个实施例中，算法技术包括支持向量机和相关向量机中的一项或多项。
17.在另一个实施例中，算法技术被应用于与至少一个高光谱图像的每个像素相对应的光谱，以生成至少一个得分图像。
18.在另一个实施例中，至少一个得分图像包括目标图像和非目标图像中的一项或多项。
19.在另一个实施例中，该方法还包括将阈值应用于目标图像以生成生物学组织的类别图像。
20.在另一个实施例中，该方法还包括生成生物学组织的rgb图像，其中rgb图像的至少一个通道与目标图像相对应。
21.在另一个实施例中，该方法包括生成生物学组织的rgb图像，其中rgb图像的至少一个通道与非目标图像相对应。
22.在另一个实施例中，高光谱图像包括vis-nir高光谱图像。
23.在另一个实施例中，高光谱图像包括swir高光谱图像。
24.在另一个实施例中，该方法包括使多个相互作用的光子通过滤波器以跨多个波段过滤相互作用的光子。
25.在一个实施例中，存在一种用于分析生物学组织的系统，该系统包括耦合到非暂态处理器可读介质的一个或多个处理器，该非暂态处理器可读介质包括指令，该指令在由一个或多个处理器使系统：照射生物学组织以生成多个相互作用的光子；收集多个相互作用的光子；检测多个相互作用的光子以生成至少一个高光谱图像；通过从至少一个高光谱图像中的位置提取光谱，分析至少一个高光谱图像，其中该位置与生物学组织的感兴趣区域相对应；以及分析所提取的光谱以区分生物学组织内存在的肿瘤组织学亚型。
26.在另一个实施例中，生物学组织包括以下一项或多项的组织：来自肾脏、输尿管、前列腺、阴茎、睾丸、膀胱、心脏、脑、肝脏、肺、结肠、肠、胰腺、甲状腺、肾上腺、脾脏、胃、子宫和卵巢。
27.在另一个实施例中，肿瘤组织学亚型包括以下一项或多项的组织学亚型：肾癌、膀胱癌、骨癌、脑癌、乳腺癌、结肠癌、肠癌、肝癌、肺癌、卵巢癌、胰腺癌、前列腺癌、直肠癌、皮肤癌、胃癌、睾丸癌、甲状腺癌、尿道癌、子宫癌。
28.在另一个实施例中，指令在由一个或多个处理器执行时，还使系统生成表示生物学组织的明场图像。
29.在另一个实施例中，指令在由一个或多个处理器执行时，还使系统分析明场图像以标识以下一项或多项：生物学组织的形态学特征和生物学组织的解剖学特征。
30.在另一个实施例中，指令在由一个或多个处理器执行时，还使系统将所提取的光谱和与已知特性相关联的参考光谱进行比较。
31.在另一个实施例中，比较包括应用算法技术。
32.在另一个实施例中，算法技术包括以下一项或多项：多变量曲线解析分析、主成分分析(pca)、偏最小二乘判别分析(plsda)、非负矩阵分解、k均值聚类分析、带目标熵法分析、自适应子空间检测器分析、余弦相关分析、欧几里德距离分析、偏最小二乘回归分析、光谱混合分辨率分析、光谱角度映射器度量分析、光谱信息散度度量分析、马氏距离度量分析和光谱解混分析。
33.在另一个实施例中，算法技术包括支持向量机和相关向量机中的一项或多项。
34.在另一个实施例中，指令在由一个或多个处理器执行时，还使系统将算法技术应用于与至少一个高光谱图像的每个像素相对应的光谱以生成至少一个得分图像。
35.在另一个实施例中，至少一个得分图像包括目标图像和非目标图像中的一项或多项。
36.在另一个实施例中，指令在由一个或多个处理器执行时，还使系统将阈值应用于目标图像以生成生物学组织的类别图像。
37.在另一个实施例中，指令在由一个或多个处理器执行时，还使系统生成生物学组织的rgb图像，其中rgb图像的至少一个通道与目标图像相对应。
38.在另一个实施例中，指令在由一个或多个处理器执行时，还使系统生成生物学组织的rgb图像，其中rgb图像的至少一个通道与非目标图像相对应。
39.在另一个实施例中，高光谱图像包括vis-nir高光谱图像。
40.在另一个实施例中，高光谱图像包括swir高光谱图像。
41.在另一个实施例中，指令在由一个或多个处理器执行时，还使系统使多个相互作用的光子通过滤波器以跨多个波段过滤相互作用的光子。
附图说明
42.附图图示了本公开的实施例，并且与说明一起用于解释本公开的原理，该附图被包括以提供对本公开的进一步理解，并且被合并在说明书中并且构成本说明书的一部分。
43.图1描绘了根据一个实施例的具有示例性组织检测计算设备的说明性环境的框图。
44.图2描绘了根据一个实施例的示例性组织检测计算设备的框图。
45.图3描绘了根据一个实施例的检测肿瘤组织学亚型的说明性方法的流程图。
46.图4描绘了用于在多类别判别分析中使用的多种肾癌肿瘤组织学亚型的平均vis-nir光谱。
具体实施方式
47.本公开不限于所描述的特定系统、设备和方法，因为它们可以变化。在说明中使用的术语仅用作描述特定版本或实施例的目的，并不旨在限制范围。
48.如本文中所使用的，除非上下文另有明确指出，否则单数形式“一”、“一个”和“该”包括复数指代。除非另有定义，否则在本文中使用的所有技术和科学术语具有与本领域普通技术人员普遍理解相同的含义。本公开中的任何内容均不应被解释为承认本公开中描述的实施例无权凭借在先发明而先于此类公开。如本文中所使用的，术语“包括”意指“包括但不限于”。
49.下面描述的本教导的实施例不旨在将教导穷举或限制为在下面的详细说明中公开的精确形式。相反，选择和描述实施例以使得本领域的其他技术人员可以了解和理解本教导的原理和实践。
50.参见图1，描绘了具有示例性组织检测计算设备的说明性环境。该环境包括：光源110，被配置为生成光子以照射组织115(或组织样本)；图像传感器120，被定位成收集相互作用的光子125；以及组织检测计算设备130，经由一个或多个通信网络130而耦合到图像传感器，然而，环境可以包括以其他方式耦合的其他类型和/或其他数目的设备或系统，诸如附加的服务器设备。该技术提供了许多优点，包括提供方法、非暂态计算机可读介质和组织检测计算设备，其提供确定特定肿瘤的组织学亚型的能力。具体地，该技术的某些实施提供了一种实时非接触方法，该方法用于在外科手术程序中确定肿瘤组织学亚型以便指导外科手术计划和术后治疗。
51.光源
52.在一个实施例中，至少一个光源110生成被引导至人或动物中的组织115的光子。至少一个光源110不受本公开的限制，并且可以是可用于提供照射的任何源。在一个实施例中，至少一个光源110可以与内窥镜一起使用或附接至内窥镜。可以基于使用至少一个光源110的具体应用来确定诸如功耗、发射光谱、封装、热输出等的其他辅助要求。在一些实施例中，至少一个光源110包括发光元件，该发光元件为发射光的个体设备。发光元件的类型不受限制，并且可以包括白炽灯、卤素灯、发光二极管(led)、化学激光器、固态激光器、有机发光二极管(oled)、电致发光设备、荧光灯、气体放电灯、金属卤化物灯、氙弧灯、无极灯、量子点或这些光源的任何组合。在其他实施例中，至少一个光源110是光阵列，该光阵列为彼此邻近放置的多个光元件的群组或组装件。
53.在一些实施例中，至少一个光源110具有光元件或光阵列固有的特定波长。在其他实施例中，至少一个光源110的波长可以通过过滤或调谐由光源发射的光子的方式进行修改。在其他实施例中，光源110具有被组合的不同波长。在一个实施例中，至少一个光源110的选定波长在可见-近红外(vis-nir)或短波红外(swir)范围内。这些对应于约400nm至约1100nm(vis-nir)或者约850nm至约1800nm(swir)的波长。上述范围可以单独使用或与任何列出的范围或其他波长范围组合使用。这样的组合包括相邻(连续)范围、重叠范围和不重叠的范围。
54.在一些实施例中，至少一个光源110包括调制光源。调制光源110的挑选和用于调制光源的技术不受限制。在一些实施例中，调制光源110是过滤白炽灯、过滤卤素灯、可调led阵列、可调固态激光器阵列、可调oled阵列、可调电致发光设备、过滤荧光灯、过滤气体放电灯、过滤金属卤化物灯、过滤氙弧灯、过滤感应灯、量子点中的一种或多种或这些光源的任何组合。在一些实施例中，调谐是通过增加或减少个体灯元件110被供电的强度或持续时间来实现的。在一些实施例中，调谐是通过过滤由个体光元件发射的光的固定或可调滤
波器(未示出)来实现的。在另一些实施例中，至少一个光源110是不可调的。不可调的光源110不能改变其发射的光谱，但是其可以通过适当的控制而被开启和关闭。
55.在一些实施例中，可以通过使用图像传感器120和相关联的光学设备(诸如滤波器)过滤和检测从人类或动物患者(或组织样本)的组织115反射的相互作用的光子125来执行成像。图像传感器120可以是用于分子化学成像(mci)的任何合适的图像传感器。用于过滤的技术和设备不受限制，并且包括固定滤波器、多共轭滤波器和保形滤波器中的任何一种。在固定滤波器中，滤波器的功能性无法被改变，但是可以通过机械地将滤波器移入或移出光路来改变过滤效果。在一些实施例中，使用双偏振配置(使用多共轭滤波器或共形滤波器)的方式采用实时图像检测。在一些实施例中，滤波器是包括多共轭滤波器的可调滤波器。多共轭滤波器是在索尔克滤波器配置中沿着光路具有串行级的一种成像滤波器。在这种滤波器中，等双折射的成角度分布的延迟器元件被堆叠在每一级中，并且在各级之间具有偏振器。
56.共形滤波器可以将宽带光谱过滤成一个或多个通带。示例共形滤波器包括液晶可调滤波器、声光可调滤波器、lyot液晶可调滤波器、evans分裂元件液晶可调滤波器、索尔克液晶可调滤波器、铁电液晶可调滤波器、法布里-珀罗液晶可调滤波器及其组合。
57.在一个实施例中，图像传感器120包括相机芯片。相机芯片120不受限制，然而，在一些实施例中，根据从人类或动物患者的组织所反射的预期光谱来选择相机芯片。组织可以包括一种或多种皮肤或器官。在一些实施例中，相机芯片120是电荷耦合设备(ccd)、互补金属氧化物半导体(cmos)、铟镓砷(ingaas)相机芯片、硅化铂(ptsi)相机芯片、锑化铟(insb)相机芯片、碲镉汞(hgcdte)相机芯片或胶体量子点(cqd)相机芯片。在一些实施例中，以上列举的相机芯片120中的每一个或其组合是焦平面阵列(fpa)。在一些实施例中，上面列出的相机芯片120中的任何一个都可以包括量子点以调谐它们的带隙，从而改变或扩展对不同波长的灵敏度。可视化技术不受限制，并且包括vis、nir、swir、自发荧光或拉曼光谱中的一种或多种。尽管图像传感器120被图示为独立设备，但是图像传感器可以被合并到组织检测计算设备135或者被合并到与光源110相关联的设备中。
58.参见图1-图2，该示例中的组织检测计算设备135包括一个或多个处理器205、一个或多个存储器210和/或通信接口215，它们通过总线220或其他通信链路而被耦合在一起，但是该组织检测计算设备可以包括处于其他配置的其他类型和/或其他数目的元件。组织检测计算设备135的一个或多个处理器205可以针对本文描述和图示的任何数目的功能而执行存储在存储器210中的编程指令。例如，组织检测计算设备135的一个或多个处理器205可以包括一个或多个cpu或具有一个或多个处理核心的通用处理器，但是也可以使用其他类型的处理器。
59.组织检测计算设备的存储器210可以存储用于如本文描述和图示的本技术的一个或多个方面的编程指令，但是一些或所有编程指令可以被存储在别处。诸如随机存取存储器(ram)、只读存储器(rom)、硬盘、固态驱动器、闪存或其他由耦合到一个或多个处理器205的磁性、光学或其他读写系统读取和写入的计算机可读介质的各种不同类型的存储器存储设备可以被用于存储器210。
60.因此，组织检测计算设备135的存储器210可以存储包括可执行指令的一个或多个应用，该可执行指令在由一个或多个处理器205执行时使组织检测计算设备执行动作，诸如
执行下面参考图3描述和图示的动作。一个或多个应用可以作为其他应用的模块或组件来实现。此外，一个或多个应用可以被实现为操作系统扩展、模块、插件等等。
61.在一些实施例中，一个或多个应用可以在基于云的计算环境中操作。在一些实施例中，一个或多个应用可以在一个或多个虚拟机或一个或多个虚拟服务器内执行或作为一个或多个虚拟机或一个或多个虚拟服务器而被执行，虚拟机或虚拟服务器可以在基于云的计算环境中进行管理。在一些实施例中，一个或多个应用，甚至组织检测计算设备135本身可以位于在基于云的计算环境中运行的一个或多个虚拟服务器中，而不是绑定到一个或多个特定的物理网络计算设备。在一些实施例中，一个或多个应用可以在组织检测计算设备135上执行的一个或多个虚拟机(vm)中运行。此外，在该技术的一些实施例中，在组织检测计算设备135上运行的一个或多个虚拟机可以由管理程序来管理或监督。
62.在该特定示例中，组织检测计算设备135的存储器210包括图像处理模块225，但是该存储器例如可以包括其他策略、模块、数据库或应用。该示例中的图像处理模块225被配置为分析来自图像传感器120的图像数据以基于图像数据标识组织115是否包括癌变组织和/或确定癌变组织的类型，但是图像处理模块可以执行除这些操作之外的其他功能。仅作为示例，图像处理模块225可以应用一种或多种机器学习技术，诸如图像加权贝叶斯函数、逻辑回归、线性回归、正则化回归、朴素贝叶斯、分类和回归树(cart)、支持向量机或神经网络以处理图像数据。在一些实施例中，图像处理模块225可以应用多变量分析技术，诸如支持向量机(svm)和/或相关向量机(rvm)。在一些实施例中，图像处理模块225可以应用至少一种化学计量学技术。图像处理模块225可以应用的示例性化学计量学技术包括但不限于：多变量曲线解析、主成分分析(pca)、偏最小二乘判别分析(plsda)、非负矩阵分解、k均值聚类、带目标熵方法(btem)、自适应子空间检测器、余弦相关分析、欧几里德距离分析、偏最小二乘回归、光谱混合分辨率、光谱角度映射器度量、光谱信息散度度量、马氏距离度量和光谱解混。
63.组织检测计算设备135的通信接口215可操作地在组织检测计算设备、图像传感器120、附加传感器、客户端设备和/或服务器设备之间进行耦合和通信，它们都通过一个或多个通信网络130而耦合在一起，但是也可以使用具有到其他设备和/或元件的其他类型和/或数目的连接和/或配置的其他类型和/或数目的通信网络或系统。
64.仅作为示例，图1中所示的一个或多个通信网络130可以包括一个或多个局域网(lan)和/或一个或多个广域网(wan)。在一些实施例中，一个或多个通信网络130可以使用通过以太网的tcp/ip和行业标准协议，但是可以使用其他类型和/或数目的协议和/或通信网络。在此示例中的一个或多个通信网络130可以采用任何合适的接口机制和网络通信技术，包括例如，任何合适形式的电话业务(例如，语音、调制解调器等等)、公共交换电话网络(pstn)、基于以太网的分组数据网络(pdn)及其组合等等。
65.组织检测计算设备135可以是独立设备或者可以与一个或多个其他设备或装置集成，例如诸如图像传感器或一个或多个服务器设备或客户端设备。在一个特定示例中，组织检测计算设备135可以包括服务器设备之一或客户端设备之一或由其托管，并且也可以是其他布置。
66.尽管本文描述和图示了具有组织检测计算设备135、至少一个光源110、图像传感器120和一个或多个通信网络130的示例性环境，但是可以使用其他拓扑中的其他类型和/
或数目的系统、设备、组件和/或元件。应当理解，本文所描述的示例的系统是出于示例性目的，如相关领域的技术人员将了解的那样，用于实现示例的特定硬件和软件的许多变型是可能的。
67.在环境中描绘的一个或多个设备，诸如组织检测计算设备135，例如可以被配置为作为同一物理机器上的虚拟实例来进行操作。换句话说，组织检测计算设备135、客户端设备或服务器设备中的一个或多个可以在同一物理设备上操作，而不是作为通过一个或多个通信网络进行通信的分开的设备。此外，组织检测计算设备135可以比图1中所图示的更多或更少。
68.此外，两个或更多个计算系统或设备可以替代任何示例中的任何一个系统或设备。因此，分布式处理的原理和优点，诸如冗余和复制也可以如期望地实现，以增加示例的设备和系统的鲁棒性和性能。示例还可以在一个或多个计算机系统上被实现，这些计算机系统使用任何合适的接口机制和业务技术来扩展到任何合适的网络，仅作为示例而包括无线网络、蜂窝网络、pdn、互联网、内联网及其组合。
69.示例还可以被体现为一个或多个非暂态计算机可读介质(例如，存储器210)，其上存储有用于如本文的示例所描述和图示的本技术的一个或多个方面的指令。一些示例中的指令包括可执行代码，该可执行代码在由一个或多个处理器(例如，一个或多个处理器205)执行时，使一个或多个处理器执行必要的步骤以实现本文所描述和图示的该技术的示例的方法。
70.现在将参考图3描述肿瘤组织学亚型检测的说明性方法。组织检测计算设备收集来自图像传感器的图像数据。在一些实施例中，图像数据可以是高光谱图像数据。在一些实施例中，图像传感器被定位为从组织区域收集由于使用光源以多个波长照射组织样本而产生的相互作用的光子。在一个示例中，光源位于内窥镜设备上。在一些实施例中，光源使用可见近红外(vis-nir)和/或短波红外(swir)区域中的波长照射组织区域。
71.本公开还提供了一种使用高光谱成像来分析组织样本(诸如生物学组织样本或器官样本)的方法。本公开设想可以使用本文所提供的系统和方法分析多种器官类型，包括但不限于：肾脏、输尿管、前列腺、阴茎、睾丸、膀胱、心脏、脑、肝脏、肺、结肠、肠、胰腺、甲状腺、肾上腺、脾脏、胃、子宫和卵巢。
72.在一个实施例中，如图3中所图示，至少一部分生物学组织或生物学组织样本可以被照射310以生成至少一种多个相互作用的光子。在一些实施例中，生物学组织可以在例如外科手术程序期间在体内被照射310。在一些实施例中，作为活检/组织病理学分析的一部分，生物学组织样本可以离体被照射310。相互作用的光子可以包括被生物学组织吸收的光子、被生物学组织反射的光子、被生物学组织散射的光子和被生物学组织发射的光子。
73.相互作用的光子可以被收集320并且通过至少一个滤波器330以将相互作用的光子过滤成多个波段。在一些实施例中，至少一个滤波器可以包括固定滤波器(诸如薄膜固定带通滤波器)和/或可调滤波器。
74.可以检测经过滤的光子，并且可以生成至少一个高光谱图像340。至少一个高光谱图像可以表示生物学组织。在一些实施例中，高光谱图像可以包括至少一个vis-nir高光谱图像。在一些实施例中，高光谱图像可以包括至少一个swir高光谱图像。在一些实施例中，图像的每个像素可以包括表示生物学组织中在该位置处的生物材料的至少一个光谱。
75.在一些实施例中，该方法还可以包括双偏振的使用。在这样的一个实施例中，相互作用的光子可以被分成两个正交偏振分量(即，与第一光学分量相对应的光子和与第二光学分量相对应的光子)。第一光学分量可以被传输到第一滤波器，并且第二光学分量可以被传输到第二滤波器。与每个分量相关联的光子可以由对应的滤波器过滤以生成经过滤的光子。在一个实施例中，与第一光学分量相对应的经过滤的光子可以由第一检测器检测，并且与第二光学分量相对应的经过滤的光子可以由第二检测器检测。在一些实施例中，高光谱图像可以被叠加在显示器上。在一些实施例中，高光谱图像可以彼此相邻地显示或以任何其他配置来显示。在一些实施例中，可以同时检测经过滤的光子。在一些实施例中，经过滤的光子可以被顺序地检测。
76.在一个实施例中，可以生成生物学组织的明场图像。本公开设想可以使用若干方法中的任何一种来生成不需要进一步配置检测器的明场图像。在一个实施例中，可以生成和收缩反射超立方体。可以使用chemimage软件从超立方体中提取与所需波长范围相对应的多个帧，该软件可从宾夕法尼亚州匹兹堡的chemimage公司获得。在一个实施例中，该范围可以包括以下中的至少一个：约400nm至约710nm和约380nm至约700nm。此类软件可以使用波长颜色变换(wct)函数将可见的高光谱图像转换为明场图像。wct函数可以分别将与像素强度成比例的红色、绿色和蓝色应用于约610nm至约710nm、约505nm至约605nm和约400nm至约500nm范围内的波长的帧。作为结果，可以从超立方体导出rgb(wct)图像。
77.可以对明场图像进行进一步分析和/或注释以评估各种特征，诸如形态学特征和/或解剖学特征。此外，本公开还设想可以获得生物学组织的传统数字图像用于注释和帮助分析。该注释可以由外科医生、病理学家或其他临床医生执行。
78.再次参考图3，可以从与生物学组织的感兴趣区域相对应的至少一个位置提取至少一个光谱360。在一些实施例中，可以提取来自多个位置的多个光谱360，其中每个位置都对应于生物学组织的感兴趣区域。例如，在一些实施例中，可以从在与被怀疑是癌变肿瘤的生物学组织区域相对应的位置处的高光谱图像中提取多个光谱360，并且可以从在与被怀疑是非癌变的生物学组织区域(即正常组织)相对应的位置处的高光谱图像中提取多个光谱。在另一个实施例中，可以从组织或器官的各个位置提取光谱360以帮助标识各种解剖学特征和/或组织边缘。在一些实施例中，生物学组织可以对应于肿瘤组织学亚型。例如，肿瘤组织学亚型可以包括肾癌、膀胱癌、骨癌、脑癌、乳腺癌、结肠癌、肠癌、肝癌、肺癌、卵巢癌、胰腺癌、前列腺癌、直肠癌、皮肤癌、胃癌、睾丸癌、甲状腺癌、尿道癌或子宫癌中的一种或多种组织学亚型。
79.可以分析所提取的光谱370以评估生物学组织的至少一种特征，诸如肿瘤组织学亚型。在一个实施例中，本公开设想通过应用至少一种算法来分析光谱360。在一些实施例中，数据的监督分类可以通过应用多变量分析技术来实现，诸如支持向量机(svm)和/或相关向量机(rvm)。在一些实施例中，本公开设想该算法可以包括至少一种化学计量学技术。可以应用的说明性化学计量学技术包括但不限于：多变量曲线解析、主成分分析(pca)、偏最小二乘判别分析(plsda)、非负矩阵分解、k均值聚类、带目标熵方法(btem)、自适应子空间检测器、余弦相关分析、欧几里德距离分析、偏最小二乘回归、光谱混合分辨率、光谱角度映射器度量、光谱信息散度度量、马氏距离度量和光谱解混。
80.下面描述应用plsda的实施例。在这样的实施例中，plsda预测结果可以包括介于
零与一之间的概率值，其中一指示在一个类别内的成员资格，而零指示在一个类别内的非成员资格。
81.在一些实施例中，可以使用传统的二类别模型来评估生物学组织的两种特性。使用二类别模型进行分析的特性的示例可以包括但不限于：肿瘤与非肿瘤、癌症与非癌症以及特定解剖学特征与构成生物样本其余部分的特征。如本文中所使用的，使用二类别模型分析的特性还可以包括第一肿瘤组织学亚型与第二肿瘤组织学亚型。
82.在二类别模型中，可以为每个类别选择所提取的光谱和/或参考光谱。可以通过应用诸如光谱截断(例如，在约560nm和约1035nm之间的范围内)、基线减法、零偏移和矢量归一化之类的技术来对光谱进行预处理。可以使用所构建的光谱模型来应用留一法(lopo，遗留一个患者)plsda分析，以检测“目标”类别(例如，肿瘤)。在这里，在每次建立模型时，来自一名患者的所有光谱都会被遗留在被用来建立模型的训练数据集中。被遗留的患者数据被用作测试集。
83.构建和评估plsda模型的一个重要步骤是偏最小二乘法(pls)因子选择。保留过多的pls因子可能会导致类别/光谱数据的过拟合，类别/光谱数据可能包括系统噪声源。保留太少的pls因子会导致类别/光谱数据欠拟合。可以采用混淆矩阵作为最优选择pls因子的品质因数(fom)。plsda模型的错误分类率可以作为被保留pls因子的函数而被评估。然而，错误分类率虽然是一个重要参数，但是可能并不能很好地说明最终的roc曲线，而roc曲线是模型性能的基础。例如，错误分类率会受到不均匀类别大小的影响，这是使用其他指标的动机。如此，在一些实施例中，诸如roc曲线下面积(auroc)、约登指数、f1分数和/或到理想传感器的最小距离(到角的距离)之类的替代fom可以被用于pls因子的最佳选择。
84.可以使用所有患者和最佳数目的因子来建立模型。可以生成并分析roc曲线。roc曲线可以表示灵敏度(真阳性率)和1-特异性(假阳性率)的曲线图，并且可以被用作选择将灵敏度和特异性最大化的阈值分数的测试。阈值分数可以与通过处理训练数据所生成的roc曲线上的最佳操作点相对应。可以选择阈值分数以使得分类器的性能尽可能接近理想传感器。理想传感器可以具有等于100％的灵敏度、等于100％的特异性、1.0的auroc，并且可以由roc图的左上角表示。为了选择最佳操作点，可以考虑观察到的指标上的阈值。在每个阈值处计算真阳性、真阴性、假阳性和假阴性分类以产生灵敏度和特异性结果。最佳操作点是roc曲线上与理想传感器距离最短的点。可以选择与最大灵敏度和特异性相对应的阈值作为用于模型的阈值。可以使用的附加指标可以包括约登指数和f1分数。替代地，可以通过使用聚类方法(诸如otsu方法)来计算阈值。使用otsu的方法，可以使用来自训练数据的分数来计算直方图，并且可以将直方图细分为两个部分或类别。将阈值应用于图像的结果可以被称为类别图像。
85.可以将二类别模型应用于高光谱图像中的每个像素处的光谱，以生成两个得分图像，一个与感兴趣特性(目标图像)相对应，另一个与非目标图像相对应。将0与1之间的分数指派给与每个像素相关联的光谱，并表示在该位置处的组织为目标的概率。这些概率可以与针对每个样本所生成的灰度(例如，分数)图像中每个像素的强度直接相关。在一些实施例中，诸如chemimage软件之类的软件可以被用来对得分图像进行数字染色(添加颜色)并创建rgb图像(例如，绿色＝肿瘤组织学亚型1、蓝色＝非组织学-肿瘤亚型1)。
86.在一些实施例中，可以生成掩模图像。在这样的实施例中，可以从高光谱图像选择
感兴趣区域，并且可以从感兴趣区域生成二值图像。强度一可以被用于与生物学组织相对应的像素，而强度零可以被用于不与生物学组织相对应的像素(例如，背景像素)。肿瘤组织学亚型1和非肿瘤组织学亚型1得分图像可以乘以掩模图像以消除不相关的像素。在消除不相关的像素之后，可以对图像进行数字染色。
87.本公开使用两类plsda模型提供了本公开的用于检测能力的若干示例。在离体示例中，组织样本在外科手术切除之后立即被获得，并使用可从宾夕法尼亚州匹兹堡的chemimage公司获得的condor
tm
成像系统进行分析。使用反射率标准来优化照射强度，并使用两个lctf来生成高光谱图像(一个用于vis区域，一个用于nir区域)。
88.在替代实施例中，高光谱图像可以仅在感兴趣的特定波长处生成，而不是在期望的波长范围内生成许多图像。例如，在利用薄膜固定带通滤波器的一个实施例中，可以生成在其中测量两个波长的单变量响应。比例图像可以通过应用至少一种比例技术(诸如波长分割)来生成。在这样的实施例中，不从高光谱图像提取和分析光谱。
89.在一些实施例中，多类别plsda模型可以被用来在多种肿瘤组织学亚型和非肿瘤之中进行判别。
90.示例
91.示例1—肾脏肿瘤组织学亚型的mci判别—二类别模型
92.从被诊断为患有四种肾癌组织学亚型之一的18名患者切下人类离体肿瘤组织样本：透明细胞肾细胞癌(ccrcc)(n＝13)、乳头状rcc(n＝2)、嫌色细胞rcc(n＝1)和移行细胞癌(tcc)(n＝2)。使用可从宾夕法尼亚州匹兹堡的chemimage公司获得的condor
tm
成像系统来分析组织样本。从多个角度分析每个样本。换句话说，每个肿瘤的光谱都是从一个以上的角度(即视场(fov))提取的。使用反射率标准来优化照射强度，并使用两个lctf(一个用于vis区域，一个用于nir区域)来生成高光谱图像。大体上，在从520nm至1050nm的vis-nir范围内生成了来自不同视场的组织样本的高光谱图像。对所生成的超立方体针对仪器响应进行了校正。
93.遗留用于交叉验证的一个视场、执行plsda。在这个示例中，为每个肿瘤组织学亚型与所有其他肿瘤组织学亚型建立二类别模型。例如，为ccrcc与(乳头状rcc 疏色rcc tcc)构建二类别模型。根据从二类别模型的每一个中生成的roc曲线来评估性能。为每个组织样本的每个视场生成10个光谱。
94.基于针对每个组织样本的肿瘤组织学亚型的先验知识，确定针对每个模型的灵敏度(真阳性)、特异性(真阴性)、准确度和auroc。
95.还确定了每个模型的许多因子。结果在表1中被提供。
[0096][0097]
表1：二分类别模型的统计分析
[0098]
示例2—肾肿瘤组织学亚型的mci判别—多类别模型
[0099]
从被诊断为患有四种肾癌组织学亚型之一的18名患者切下人类离体肿瘤组织样本：透明细胞肾细胞癌(ccrcc)(n＝13)、乳头状rcc(n＝2)、嫌色细胞rcc(n＝1)和移行细胞癌(tcc)(n＝2)。使用可从宾夕法尼亚州匹兹堡的chemimage公司获得的condor
tm
成像系统来分析组织样本。从多个角度分析每个样本，换句话说，每个肿瘤的光谱都是从一个以上的角度(即视场(fov))提取的。使用反射率标准来优化照射强度，并使用两个lctf(一个用于vis区域，一个用于nir区域)来生成高光谱图像。大体上，在从520nm至1050nm的vis-nir范围内生成了来自不同视场的组织样本的高光谱图像。对所生成的超立方体针对仪器响应进行了校正。
[0100]
遗留用于交叉验证的一个视场、执行plsda。在这个示例中，使用一对多分类方法构建了一个四类别模型，其中每个肿瘤组织学亚型都包含它自己的类别。基于为四类别模型所生成的错误分类率来评估性能。针对每个视场都生成10个光谱。
[0101]
基于针对每个组织样本的肿瘤组织学亚型的先验知识，评估了四类别模型将光谱正确分类到适当类别中的能力。在表2中提供了针对四类别模型所产生的基于pls的混淆矩阵。
[0102][0103]
表2：多类别模型的混淆矩阵
[0104]
图4描绘了针对每个类别(即，肿瘤组织学亚型)的平均vis-nir光谱。如图4中所示，关于四种肾癌肿瘤组织学亚型的组织之间在多个波长处存在可标识的吸光度差异。
[0105]
在以上详细说明中，对构成该详细说明的一部分的附图进行参考。在附图中，除非上下文另有规定，否则相似的符号通常标识相似的组件。在详细说明、附图和权利要求书中描述的说明性实施例不意味着进行限制。在不背离本文所呈现的主题的精神或范围的情况下，可以使用其他实施例，并且可以进行其他改变。将容易理解，如本文总体上描述和附图中所图示的本公开的各种特征可以以多种不同的配置进行布置、替换、组合、分离和设计，所有这些都在本文中被明确地设想。
[0106]
本公开不限于本技术中描述的特定实施例的方面，其旨在说明各种特征。在不脱离其精神和范围的情况下，可以进行许多修改和变型，这对本领域技术人员来说是显而易见的。除了本文列举的那些之外，与本公开范围内的功能等同的方法和装置对于本领域技术人员根据前述描述将是显而易见的。这样的修改和变型旨在落入所附权利要求的范围内。本公开仅受所附权利要求的条款以及此类权利要求所赋予的等效物的全部范围的限制。应当理解，本公开不限于特定的方法、试剂、化合物、组合物或生物系统，它们当然可以变化。还应理解，本文中所使用的术语仅用作描述特定实施例的目的，并不旨在进行限制。
[0107]
关于本文中基本上任何复数和/或单数术语的使用，本领域技术人员可以根据上下文和/或应用而将复数翻译为单数和/或将单数翻译为复数。为了清楚起见，可以在本文中明确地阐述各种单数/复数排列。
[0108]
本领域内的技术人员将理解，通常，本文中所使用的术语，并且尤其是所附权利要求(例如，所附权利要求的主体)中使用的术语通常旨在作为“开放”术语(例如，术语“包括”应被解释为“包括但不限于”，术语“具有”应被解释为“至少具有”，术语“包括”应被解释为“包括但不限于”等等)。虽然各种组合物、方法和设备被描述为“包括”各种组件或步骤(被解释为意指“包括但不限于”)，但是组合物、方法和设备也可以“基本上由各种组件和步骤组成”或“由各种组件和步骤组成”，此类术语应被解释为本质上定义了封闭成员组。本领域的技术人员将进一步理解，如果意图引导特定数目的权利要求详述，则这样的意图将在权利要求中被明确地详述，并且在没有该详述的情况下不存在该意图。
[0109]
例如，为了帮助理解，以下所附权利要求可以包含介绍性短语“至少一个”和“一个或多个”的使用来引导权利要求的详述。然而，此类短语的使用不应被解释为暗示由不定冠
词“一”或“一个”引导的权利要求详述将包含此类引导的权利要求详述的任何特定权利要求限制为仅包含一个此类详述的实施例，即使当同一权利要求包括引导式短语“一个或多个”或“至少一个”以及诸如“一”或“一个”之类的不定冠词(例如，“一”和/或“一个”应被解释为意指“至少一个”或“一个或多个”)，这同样适用于使用定冠词来引导权利要求详述的情形。
[0110]
此外，即使明确地详述了特定数目的引导权利要求详述，本领域技术人员将认识到，这样的详述应当被解释为至少意指所详述的数目(例如，不带其他修饰语的关于“两个详述”的简单详述，意指至少两个详述，或两个或更多详述)。此外，在使用类似于“a、b和c等等中的至少一个”的惯例的那些实例中，一般来说，这种结构的意图是在于本领域技术人员会理解约定的意义(例如，“具有a、b和c中的至少一个的系统”将包括但不限于具有仅a、仅b、仅c、a和b一起、a和c一起、b和c一起和/或a、b和c在一起的系统等等)。在使用类似于“a、b或c等中的至少一个”的惯例的那些情况下，一般来说，此类结构的意图在于本领域技术人员会理解该惯例的意义(例如，“具有a、b或c中的至少一个的系统”将包括但不限于具有仅a、仅b、仅c、a和b一起、a和c一起、b和c一起和/或a、b和c一起的系统等等)。本领域内的技术人员将进一步理解，无论是在说明书、权利要求书还是附图中，实际上呈现两个或更多个替代项的任何析取词和/或短语都应被理解为设想包括项中的一项、任一项、或两项的可能性。例如，短语“a或b”将被理解为包括“a”或“b”或“a和b”的可能性。
[0111]
此外，在根据马库什组来描述本公开的特征的情况下，本领域技术人员将认识到，本公开也由此根据马库什组的任何个体成员或成员子组来描述。
[0112]
如本领域技术人员将理解的，为了任何和所有目的，诸如就提供书面描述方面，本文所公开的所有范围还涵盖任何和所有可能的子范围及其子范围的组合。任何列出的范围都可以很容易地被标识为充分描述，并且使得相同的范围能够被分解成至少相等的二分之一、三分之一、四分之一、五分之一、十分之一等。作为非限制性示例，本文所讨论的每个范围都可以很容易地分解为下三分之一、中三分之一和上三分之一等等。如本领域技术人员还将理解，诸如“至多”、“至少”等等之类的所有语言包括所详述的数字，并且是指可以随后被分解成如上所述的子范围的范围。最后，如本领域技术人员所理解的，范围包括每个个体成员。因此，例如，具有1-3个细胞的组是指具有1、2或3个细胞的组。类似地，具有1-5个细胞的组是指具有1、2、3、4或5个细胞的组，等等。
[0113]
上面公开的各种和其他特征和功能或其替代方案可以被组合到许多其他不同的系统或应用中。所属领域的技术人员随后可对其做出各种目前未预见或未预料到的替代、修改、变化或改进，其中的每一个也旨在被所公开的实施例涵盖。