作者:卡伦·托马斯，SPIE 使用拉曼光谱系统对人脑测量中不同信号源的相对比例的描述
来自图
1，doi: 10
1117/1
击穿保险
25
四
040501信用:SPIE 蒙特利尔理工大学工程物理学教授弗雷德里克·勒布隆说:“拉曼光谱技术——与新兴的机器学习方法相结合——正快速进入手术室，有望在包括神经外科在内的广泛肿瘤学应用中提高外科手术的准确性。”
他的团队的新论文旨在通过增加临床医生对结果的信心来加速拉曼光谱在生物医学中的应用
以印度物理学家C命名
V
拉曼在1928年首次观察到拉曼散射，拉曼光谱使用高强度激光来研究分子
分子散射回来的光给出了关于它们的结构和键的信息，所以拉曼光谱可以用来感知和识别化学变化
在医学上，这种散射技术提供了细胞、组织或生物流体的“化学指纹”，为研究人员提供了丰富的生物分子信息，可以揭示疾病的原因和影响
与组织学、x光、核磁共振成像和正电子发射断层扫描等其他分析技术相比，拉曼光谱具有非侵入性、非破坏性和使用非电离辐射等优点
通常没有样品制备，研究人员可以选择分析多少或多少样品
此外，几乎所有的材料都表现出拉曼散射
纯金属只会反射光，但冶金学家可以使用拉曼光谱，因为碳化物、氮化物和氧化物会进行拉曼散射
尽管有这些优点，拉曼光谱是一种低信号技术，需要相对长的采集时间，并且直到现在，还没有有效的方法来监控和确保手术中的拉曼信号质量
这种缺陷限制了训练鲁棒和精确的机器学习癌症检测模型的能力，从而阻碍了该技术的临床应用
这也限制了术中数据采集的可靠性，通常需要额外的人员在手术过程中实时监控数据质量
测量信号质量 在《SPIE生物医学光学杂志》(JBO)最近的一篇论文中，勒布隆和他的团队解决了这个问题，并描述了他们基于与重要组织带中随机噪声相关的变量开发评估拉曼信号质量的定量方法的努力
达特茅斯塞耶工程学院的麦克林工程教授、《JBO》的主编布莱恩·波格说:“学术研究经常推进医学光学工具，但却没有仔细研究用于决策的光谱数据的质量。”
“在拉曼光谱领域，这一点尤其重要，因为数据本身信噪比有限，而且性质非常复杂
光谱中有许多分子共振峰，它们相互重叠，有些信号强度很小
随着这些新技术被推进到临床试验中，推进自动化数据分析工具以确保测量的光谱数据具有足够高的质量来做出医疗决策是非常重要的
" 这篇论文详细介绍了一种新技术的发展，这种技术可以根据与信号的特定分子特征相关的信号(特别是某些蛋白质和脂质带的存在)明确地量化拉曼数据质量
该方法可用于在外科手术过程中自动监测拉曼信号质量，并被证明可提高脑癌检测的准确性
量化质量 为了测试这种方法，研究小组使用了来自44名脑癌患者的315个原位光谱数据集，该数据集是由勒布隆和他的团队开发的单点手持拉曼光谱探针系统获得的
在提交给三个独立的评审者进行定性评估之前，光谱被随机打乱并隐藏其指定的病理标签
采用了特定的标准，例如对普遍存在的拉曼组织峰的视觉评估
在另一项测试中，在一名患者的胶质母细胞瘤手术期间进行了15次体内脑测量，以评估拉曼信噪比的重复测量次数
他们发现，他们的方法能够以89%的灵敏度和90%的特异性分离高质量和低质量的光谱——这可以将癌症检测的灵敏度和特异性分别提高20%和12%
波格说:“弗雷德·勒布隆和他在蒙特利尔理工大学的研究小组以及丘姆研究中心的这项新研究提出了基于医学诊断的光谱测量的概念，这种测量得到了数据质量指标的验证。”
“这个小组在将拉曼光谱应用于神经外科方面做了一些最具开创性的研究，他们有一系列出版物推进仪器、数据分析和可视化工具的各个方面，并推进临床试验
当前的这篇论文集中于测试和量化光谱质量的关键的未被注意的问题，因为它被用于医学决策
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
