基于激光诱导自体荧光光谱的乳腺肿瘤单双模态分类方法研究：光谱斜率特征与时间分辨数据的融合策略

《Journal of Photochemistry and Photobiology B: Biology》：Unimodal and bimodal classification methods for breast carcinomas based on laser-induced autofluorescence spectroscopy

本研究提出一种结合稳态（光谱斜率特征）与时间分辨荧光寿命的双模态分析方法，通过支持向量机（SVM）和线性判别分析（LDA）显著提升乳腺肿瘤组织分类精度，为无标记、低成本术中智能诊断提供新策略。

　　

Highlight

本研究中的稳态荧光光谱斜率分析揭示了肿瘤与正常腺体组织在多个波长范围的显著差异，包括385–405 nm、410–430 nm、430–455 nm、460–470 nm和560–570 nm。这些波段内的光谱斜率变化反映了荧光团含量或构象差异，提示了肿瘤组织变化的潜在生物物理机制。

在385–405 nm范围内，肿瘤组织斜率更陡峭，可能与胶原蛋白和弹性蛋白的结构改变相关；410–430 nm的斜率差异可能源于蛋白结合型NAD(P)H比例的变化；430–455 nm及460–470 nm的特征可能与黄素腺嘌呤二核苷酸（FAD）浓度升高有关；而560–570 nm的异常可能由卟啉类物质积累引起。这些发现共同揭示了肿瘤微环境中代谢紊乱与微观结构重构的生物学基础。

Conclusion

本研究比较了三种稳态自体荧光分析技术对乳腺组织的分类效能，其中基于分段线性拟合的斜率特征表现出最优判别能力。通过引入系统性分段选择机制和复合特征策略，有效整合了分布式光谱信息，提升了分类稳定性。实验表明，结合时间分辨荧光寿命数据的双模态分析显著优于单模态方法，且支持向量机（SVM）的决策边界较线性判别分析（LDA）更具锐度。该技术具备无标记、低成本、高效率等优势，有望通过减少主观判读依赖推动智能诊断发展。