使用多波长激发的荧光光谱法稳健估计荧光团的显式基线模型
研究背景
荧光光谱是一种广泛应用于识别和量化荧光物质（荧光团）的方法。然而，当材料中包含其他荧光团（基线荧光团）时，量化感兴趣的荧光团变得具有挑战性，特别是当基线的发射光谱未明确定义且与目标荧光团的发射光谱重叠时。为了准确区分并量化这些荧光物质，研究人员提出了基于多波长激发荧光光谱的新方法。这项研究的主要目标是解决基线荧光干扰这一问题，并提供一种无需先验假设的稳健估计算法。
论文来源
这篇名为《An Explicit Estimated Baseline Model for Robust Estimation of Fluorophores Using Multiple-Wavelength Excitation Fluorescence Spectroscopy》的论文，作者包括A. Gautheron、M. Sdika、M. Hébert和B. Montcel。作者所属机构包括Université de Lyon、INSA-Lyon、Université Claude Bernard Lyon 1、CNRS以及Université Jean Monnet Saint-Etienne。这篇论文发表在2024年1月的 IEEE Transactions on Biomedical Engineering期刊上。
研究流程
a) 研究流程详述
该研究由几个关键步骤组成。首先，研究重点是估计两种形式的原卟啉IX（protoporphyrin IX，PPIX）的荧光信号，这种荧光团在神经肿瘤手术中用于区分健康组织和肿瘤组织。使用多波长激发的荧光信号，这些信号通过数码仿真校准，结合临床和实验数据进行验证。具体步骤如下：
建立模型： 提出一个无先验假设的基本模型，通过多个激发波长获取荧光信号。虽然该模型是非线性的，但作者推导出了最小二乘估计的闭式解。
实验设计： 使用PPIX作为荧光团，在荧光信号中估计其贡献。特别关注神经肿瘤手术中的脑肿瘤边界识别。
数据仿真： 使用校准了临床和实验数据的数码仿真模型，验证新方法的准确性和稳健性。
参数估计： 通过多个激发波长的测量估计基线荧光信号，并推导算法的解析表达式。
结果分析： 比较新方法和现有方法的性能，着重分析新方法在PPIX贡献估计和分类健康与肿瘤组织中的准确性。
b) 主要结果
通过数码仿真和临床数据验证，新方法在高变异基线情况下表现优越，能够以87%的准确性区分健康和肿瘤组织，而现有方法的准确性几乎为0。具体结果如下：
基线估计： 无需先验模型，新方法成功估计了不同激发波长下的基线荧光信号，解决了基线光谱带重叠的问题。
分类准确性： 使用数码仿真模型进行测试，新方法在各种基线变异条件下都表现出较高的分类准确性，特别是在基线与目标荧光团的光谱带重叠时。
计算效率： 与现有的盲源分离方法相比，新方法避免了迭代求解，仅需解析表达式即可高效计算。
c) 结论与意义
新方法提供了一种稳健且无先验假设的荧光团估计方法，显著提高了对健康和肿瘤组织的分类准确性。其科学价值体现在无需对基线进行复杂建模，同时计算效率高。应用价值显著，特别是在肿瘤边界识别中，为临床手术提供了更精准的信息。
d) 研究亮点
- 高准确性： 在模拟的临床环境中，新方法在分类任务中表现出高达87%的准确性。
- 无先验假设： 新方法不需要对基线光谱形状进行假设，具有很强的适应性。
- 计算效率高： 推导的解析表达式使得计算效率显著提高，适合临床实时应用。
e) 其他有价值信息
从临床实际应用来看，新方法能够在中低密度肿瘤组织区域提供更精确的荧光信息，有效支持肿瘤切除手术。进一步研究可以探索该方法在多于两种激发波长上的应用，以及应用于其他临床感兴趣的荧光团，如探索NADH蛋白结合形式和游离形式的相对量。
总结
这项研究通过提出一种基于多波长激发的新方法，有效解决了荧光光谱基线干扰问题，提高了肿瘤边界识别的分类准确性和稳健性，具有重要的科学价值和临床应用潜力。