基于光谱法舌诊的脂肪肝快速诊断

1  引言

近年来，随着人们饮食结构和生活习惯的改变，在全球范围内，越来越多的人受到脂肪肝疾病的威胁，如果不加以及时和有效的控制，脂肪肝会进一步发展为肝炎或肝硬化。脂肪肝是指肝细胞内脂质蓄积超过肝湿重的5%，或者组织学上每单位面积见1/3以上肝细胞变性^[1]。脂肪肝是由多种不同原因引起的肝脏脂肪性变，是肝受损的早期临床表现。现在对脂肪肝的检验主要通过B超、CT以及核磁共振成像的方法。这三种方法中，B超检验运用最为普遍，然而临床诊断受B超图像质量和医师以及技术人员经验的影响严重。所以国内外学术界展开了基于B超检验的脂肪肝和健康人的计算机自动诊断研究^[2][3]。例如台湾台北大学通过建立分类回归树和案例推理技术对脂肪肝进行诊断^[4]；华中科技大学利用支持向量机的方法对超声图像进行分类研究^[5]；北京交通大学利用2-D离散傅立叶变换和离散小波变换混合的方法来提取超声图像特征，用于脂肪肝的诊断^[6]。这些方法得到了较好的诊断效果。

本文采用光谱法对脂肪肝进行快速诊断研究。光谱法能充分利用全谱段或者多波长下的光谱数据进行定性或者定量分析。更全面、更客观的反映组织细胞的生理病理变化，突出不同个体之间的细微差别。由于光谱技术具有操作简单，速度快，效率高，成本低等优点，已经被越来越多的应用到食品^[7][8][9]、石油化工、制药等工业领域^[10][11]。

中医认为，人体五脏六腑均与胃气相通，通过对舌的观察，可以测知脏腑气血各种生理功能以及病理变化。本课题组提出了一种基于光谱技术的舌诊客观化研究新方法,通过相应的数据处理,排除了背景噪声以及在操作过程中的不稳定因素带来的干扰,对不同舌象进行比较,取得了一些成果^[12]。为了进一步探究舌体所携带的生理病理信息，本文借鉴中医舌诊的基本思想，运用NIR512近红外光谱仪采集舌尖反射光谱数据，运用BP神经网络建立快速诊断脂肪肝的预测模型。实验结果论证了光谱法运用于舌诊脂肪肝快速诊断的可行性。

2  实验部分

2.1  实验设备

采用ocean公司的NIR512近红外光谱仪，并用配套的spectralsuit软件进行采样，光源和光纤采用定制的GY-30光纤耦合溴钨灯及其配套光纤。装置连接如图1所示。

 

(a)实验装置实体图

(a) Entity of experimental device

(b)实验装置示意图

(b) Schematic diagram of experimental device

 

图1 实验装置图

Fig.1 Connection of experimental device

2.2  数据采集

从天津市塘沽区永久医院采集中医体检人舌尖光谱数据。由于软件有采集时间光谱功能，试验中，将积分时间定为35ms，同一点采集50次，采集到的数据经spectralsuit软件直接转化为光强，在853.59nm到1737.26nm可以采集512组数据。

2.3  数据预处理

首先为了计算反射率，必须采集到光源和舌尖两部分光谱数据。光源光谱数据采集，经反复多次测量平均，获得光源光谱如图2所示。

通过光谱仪采集得到的数据为各点反射光强信息，这里将舌尖光谱数据在各个波长上计算反射率，计算公式如式1所示。

                                                   (1)

式中，R为反射率，I(λ)为反射光强， Re(λ)为参考光光强，即入射光源光强。

这里，将处理后的反射率进行归一化，只考虑各个波长上反射率数据之间的相对关系，通过计算归一化反射率的方法消除照明和采集带来的影响。所谓归一化，就是计算各个不通波长上的反射率对于最大反射率的比值。计算方法如式2所示。

                                               (2)

式中，Rg为归一化反射率，max(R)为不同波长上的反射率最大值。

图2 光源光谱

Fig.2 Spectrum of light

图3为经过计算得到的光谱归一化反射率图。

图3 光谱归一化反射率图

Fig.3 The normalized reflectance rate of spectrum

2.4  人工神经网络

建立了一个三层的BP人工神经网络结构，各层传递函数分别为sigmoid、sigmoid和purelin，网络输入层节点数为65，隐含层节点数为15，输出层节点数为1。目标误差为0.001，网络指定参数中学习速率为0.05，设定训练迭代次数为5000次。

3 试验结果与分析

3.1 试验结果

将采集115例样本中抽取的32例健康人和44例脂肪肝患者建立模型。每个样本取舌尖光谱全波段从853.59nm到1737.26nm共512个点，去掉第一个点（该点的误差较大），剩余511个点的归一化反射率值作为网络的输入建立分类模型，通过反复试验得到网络结构为65(输入)-15(隐含)-1(输出)三层BP神经网络模型，对未知的39例样本进行预测，预测准确率为89.7%。预测结果如表1所示。(表中1代表健康人，2代表脂肪肝患者。)

表1 利用BP网络对未知样本的预测结果

Table 1 the prediction results of unknown samples using BP network

3.1 试验结果分析

表1列出了BP神经网络对39例未知样本的预测分类结果，可以发现，39例样本中只有4例（表中黑体标出）预测错误，预测准确率接近90%。得到了比较满意的分类效果。

该方法操作简单，由实验结果可以看出，运用近红外光谱技术进行无创、快速诊断脂肪肝的可行性。同时，通过近红外光谱数据的采集和处理，将舌体所携带的信息用不同波长下的归一化反射率来表示，大大降低了对光源参数和采集方法的依赖性，摆脱了技术人员或医师经验的主观因素影响，能更客观的对来检者进行诊断。

然而，本方法还存在一些局限。由于数据采集时接受测试的体检人员未能全部达到数据采集的要求，如采集前1个小时不能进食，接受体检时，舌体自然伸出。这些原因导致了低质量的反射光谱数据的产生，再加上由于样本量少使得模型具有局限性，不能覆盖所有情况，这些都对预测结果产生影响，导致预测值和真实值之间的差异。

光谱的方法可以反映舌尖内部组织对光的反射率特性，可以得到丰富的数据，但是要将光谱曲线特征与人体更多的生理病理变化相对应，仍然是需要进一步探讨的问题。

4结论

本文运用近红外光谱仪采集健康人和脂肪肝患者舌尖部位反射光谱，将计算得到的归一化反射率作为三层BP神经网络的输入，分类结果作为输出建立分类预测模型，再对未知样本进行预测，得到了比较满意的结果。

从实验结果可以看出，近红外光谱法运用于中医舌诊脂肪肝无创、快速诊断具有一定的可行性。同时也说明了该方法应用于舌诊研究中具有其他方法无法比拟的优点，它能更全面的反映舌体所携带的生理病理信息，为今后中医证侯的度量提供借鉴。

转载本文请联系原作者获取授权，同时请注明本文来自李刚科学网博客。
链接地址：https://blog.sciencenet.cn/blog-38994-279907.html

上一篇：这两条非但不是钱老的过错，更表现了他的科学远见卓识
下一篇：回望过去的十年