基于深度学习的舌鳞癌拉曼光谱分割方法

拉曼光谱能够反映生物组织的分子结构变化，可用于舌鳞癌组织检测。然而，现有方法仅能够鉴别舌鳞癌组织属性，判断组织是否发生癌变，无法定位舌鳞癌组织拉曼光谱的重要谱带区域。因此，提出一种基于深度学习的舌鳞癌组织拉曼光谱重要谱带区域分割方法。首先，利用光纤拉曼光谱采集设备采集22位病人44块肿瘤组织的拉曼光谱数据，对数据进行预处理、标注，并分为训练集和测试集；然后，建立谱带区域深度卷积神经网络模型，该模型包括三个基本模块，即拉曼光谱特征提取网络、重要谱带推荐网络以及重要谱带回归网络。其中拉曼光谱特征提取网络用于提取舌鳞癌组织光谱特征，重要谱带推荐网络和重要谱带回归网络用于分割舌鳞癌组织光谱的重要谱带区域。实验结果显示，在交并比为0.7的判断标准下，所提方法对舌鳞癌组织重要谱带分割的平均精度为99%。