细胞类型的差异性通过在线照明拉曼显微镜中减小非均模式来增强

科学领域:

• 生物医学光学 生物医学光学
• 化学成像技术 化学成像技术
• 机器学习在光谱学中的应用

背景情况:

• 线路照明拉曼显微镜为生物样本提供快速的空间和光谱数据采集.
• 线路照明中的激光强度不均可以引入文物,损害数据准确性和机器学习模型性能.
• 标准的光谱预处理方法,优化拉斯特扫描,可能不适合线路照明,可能引入文物.

研究的目的:

• 为了研究标准光谱预处理在线照明拉曼显微镜中引入的文物.
• 开发和验证一个新的减损方案,以减轻由不均的激光照明引起的工件.
• 使用拟议的方法,提高癌症和正常人甲状腺毛囊上皮细胞之间的差异化精度.

主要方法:

• 使用了癌症 (FTC-133) 和正常 (Nthy-ori 3-1) 人类甲状腺毛囊上皮细胞系.
• 开发了一个节约方案,将随机森林回归与位置依赖波数校准相结合.
• 将拟议的减损方案与用于光谱分析的标准预处理方法进行比较.

主要成果:

• 标准预处理方法在线照明中引入了文物,拉曼显微镜数据.
• 拟议的节约计划有效地将来自非均激光源的人工偏差降到最低.
• 新方法显著改善了癌症和正常甲状腺上皮细胞状态之间的区分能力.

结论:

• 一个基于随机森林回归的新型减排方案是有效的线路照明拉曼显微镜.
• 这种方法克服了标准预处理的局限性,减少了工件并提高了光谱数据质量.
• 增强的光谱分析有助于更准确地分类生物样本,例如癌细胞与正常细胞.