基于动态光散射成像的循环肿瘤细胞检测方法研究

作     者：周雨宁 

作者单位：天津大学 

学位级别：硕士

导师姓名：蒋景英

授予年度：2022年

学科分类：1002[医学-临床医学] 08[工学] 080203[工学-机械设计及理论] 100214[医学-肿瘤学] 0802[工学-机械工程] 10[医学] 

主      题：动态光散射 谱分解 数字图像处理 循环肿瘤细胞 细胞检测 

摘      要：血液中的循环肿瘤细胞与癌症的转移密切相关。在临床上,循环肿瘤细胞已经在癌症早期诊断,预后效果诊疗,药物效果评估等方面被视为新型生物标志物。在血液循环系统中的循环肿瘤细胞根据其物理特性、生物标志物等区别于正常的血细胞。循环肿瘤细胞的检测可分为体外检测和在体检测,而已有的检测方式无法满足高通量、操作简易、灵敏度高等临床需求。动态光散射成像技术凭借无创、无标记、成本低、可高通量检测等优势已经成为细胞检测的一个重要研究方向。本文针对临床循环肿瘤细胞成像与高通量检测需求,研究了基于动态散射理论的细胞成像方法,搭建了动态散射成像系统,提出了基于谱分解的动态信号提取算法,分别在体外和模拟在体两种情况下,实现了循环肿瘤细胞成像与细胞的分类检测。在体外循环肿瘤细胞检测实验中,在细胞动态光散射原理基础上,搭建了动态散射成像仪器平台,研究了基于谱分解的信号提取算法与细胞特征提取方法。根据细胞图像特征与分类需求,分别设计传统机器学习算法与卷积神经网络算法建立细胞识别模型。实验采用血细胞、EG7-OVA肿瘤细胞、A549肺癌肿瘤细胞进行验证实验。在传统机器学习分类算法中,对血细胞与肿瘤细胞的识别准确率可达98%以上,同时对于不同种类肿瘤细胞的识别率约为91%。提出的多输入卷积神经网络分类模型弥补传统机器学习算法不足,细胞识别准确率可达到近95%。在在体模拟实验中,搭建体内血管模拟平台,使用金纳米颗粒修饰肿瘤细胞增强细胞的动态散射光强度。研究了谱分解算法中特征值与特征向量频率的关系以及不同成分产生的动态光散射信号频率,证明了谱分解算法可以提取不同种类细胞的动态散射信号。实验验证了在具有生物组织背景散射干扰、生物呼吸节律干扰和大量细胞重叠的情况下能够实现肿瘤细胞检测。本文基于细胞的动态光散射成像,根据细胞图像特征与细胞信号频域特征实现血细胞与肿瘤细胞的区分。为循环肿瘤细胞高通量检测提供了新的方向,在癌症的早期诊断方面具有临床应用前景。