欢迎访问陕西师范大学学报(自然科学版)官方网站！

陕西师范大学学报(自然科学版) >

2024 , Vol. 52 >Issue 6: 48 - 56

DOI: https://doi.org/10.15983/j.cnki.jsnu.2024324

偏振光谱成像专题 主持人：任立勇

全自动穆勒矩阵显微成像系统在组织微阵列鉴别中的应用

  • 魏寒月 1, 2 ,
  • 周逸夫 1, 2 ,
  • 马菲雅 1, 2 ,
  • 杨瑞 1, 2 ,
  • 梁健 1, 2 ,
  • 任立勇 , 1, 2, 3, *
展开
  • 1 陕西师范大学 物理学与信息技术学院,陕西 西安 710119
  • 2 西安市光信息调控与增强技术重点实验室,陕西 西安 710119
  • 3 西咸新区诺博思特光电技术有限公司,陕西 西安 712000
*任立勇,男,教授,博士生导师,研究方向为偏振光学成像探测、信息光子技术与应用。E-mail:

Copy editor: 李博

收稿日期: 2024-06-30

  网络出版日期: 2024-11-25

基金资助

陕西省技术创新引导专项秦创原“科学家+工程师”队伍建设项目(2024QCY-KXJ-179)

陕西省重点研发计划关键核心技术攻关项目(2024QY2-GJHX-45)

收起

Applications of fully automatic Mueller matrix microscopic imaging technology in distinguishing tissue microarray

  • WEI Hanyue 1, 2 ,
  • ZHOU Yifu 1, 2 ,
  • MA Feiya 1, 2 ,
  • YANG Rui 1, 2 ,
  • LIANG Jian 1, 2 ,
  • REN Liyong , 1, 2, 3, *
Expand
  • 1 School of Physics and Information Technology, Shaanxi Normal University, Xi’an 710119, Shaanxi, China
  • 2 Xi’an Key Laboratory of Optical Information Manipulation and Augmentation (OMA), Xi’an 710119, Shaanxi, China
  • 3 Robust (Xixian New Area) Opto-Electro Technologies Co., Ltd, Xi’an 712000, Shaanxi, China

Received date: 2024-06-30

  Online published: 2024-11-25

Fold

摘要

为实现对组织微阵列无损且迅速地鉴别,利用穆勒矩阵的偏振成像原理,构建了全自动穆勒矩阵显微成像系统。通过集成自动控制的偏振光学组件及成像设备,该系统能够进行自动成像。对收集的偏振图像数据,采用穆勒矩阵极分解与穆勒矩阵变换算法进行处理,以提取描述样本的关键偏振特征参数。结果发现:在区分宫颈癌组织样本与正常宫颈组织样本的实验中,等效波片快轴方位角θ和线相位延迟δ是有效的偏振参数;利用统计分析、灰度共生矩阵分析和Tamura图像处理方法对偏振参数图像进行处理,可以获得诊断宫颈癌的明确指征。全自动穆勒矩阵显微成像系统通过整合多个样本,无需频繁更换切片,且不需要切换到高倍物镜,从而达到对癌症的快速诊断。

关键词： 穆勒矩阵显微成像; 偏振测量; 无损鉴别

本文引用格式

魏寒月 , 周逸夫 , 马菲雅 , 杨瑞 , 梁健 , 任立勇 . 全自动穆勒矩阵显微成像系统在组织微阵列鉴别中的应用[J]. 陕西师范大学学报(自然科学版), 2024 , 52(6) : 48 -56 . DOI: 10.15983/j.cnki.jsnu.2024324

Abstract

In order to achieve non-destructive and rapid inspection of tissue microarrays, a fully automatic Mueller matrix microscopic imaging system was constructed by using the polarization imaging principle of the Mueller matrix. By integrating polarization optical components and imaging equipment with automatic control, this system can perform automatic imaging. The collected polarized image data is processed by using the Mueller matrix polar decomposition and Mueller matrix transformation algorithms to extract the key polarization characteristic parameters describing the sample. The results showed that in the experiment of distinguishing cervical cancer tissue samples from normal cervical tissue samples, the equivalent waveplate fast-axis azimuth θ and linear phase retardance δ are effective polarization parameters. By using statistical analysis, gray level co-occurrence matrix analysis and Tamura image processing methods to process the polarization parameter images, clear indications for diagnosing cervical cancer can be obtained. The fully automatic Mueller matrix microscopic imaging system can achieve rapid diagnosis of cancer by integrating multiple samples without frequently changing slices or switching to a high power objective.

Key words： Mueller matrix microscopy imaging; polarization measurement; non-destructive inspection

近年来,偏振光学成像作为一种无标记、无接触、无创的成像技术吸引了众多研究者的关注[1]。光在不同样本中传播时偏振态的变化与样本的微观结构相关,这为深入探究样本特性提供了新途径。穆勒矩阵显微成像技术[2],作为一种无标记、无接触、无创的偏振光学成像技术,能记录样本完整的偏振信息,从而完全反映出样本的偏振属性。通过测量入射光和出射光的偏振态变化,可以获得包含样本全部偏振特性的穆勒矩阵。穆勒矩阵包含样品所有的偏振信息,但对于每个阵元,它们的物理含义与样品的关联却不清楚。常用的穆勒矩阵极分解方法[3]和穆勒矩阵变换方法[4]可以获得具有清晰物理意义的偏振参数并且已应用于乳腺癌[5]、肝癌[6]、喉癌[7]等的检测中。现有穆勒矩阵显微成像在病理组织检测中多采用的切片技术,存在检测效率低和确定最优放大倍率难的问题。
组织微阵列(tissue microarray, TMA)是一种高通量的生物医学研究技术[8-9],旨在在一个单一的玻片上组织多个不同组织样本的小块。这些组织样本通常来自不同的患者或实验组,通过这种方法可以在同一实验条件下同时处理和分析大量样本。目前,组织微阵列已广泛应用于生命科学和临床领域,包括疾病诊断和预后评估[10]、药物研发[10-11]、癌症研究[12]等。组织微阵列的常见检测方法包括免疫组织化学[13]、原位杂交[14]、荧光原位杂交[15]、聚合酶链式反应[16]和质谱成像[17]。然而,免疫组织化学、原位杂交和聚合酶链式反应方法需要特定的探针;而荧光原位杂交和质谱成像方法都依赖于荧光标记。这些技术要求高,储存条件相对严格,阻碍了其广泛应用。因此,开发一种新的无标记、简化的组织微阵列检测技术至关重要。
针对传统组织微阵列检测技术的高复杂度和偏振检测技术的低效率,提出了一种基于穆勒矩阵显微成像的高效组织微阵列检测方法,构建了一个全自动的穆勒矩阵显微成像系统,并开发了一个相应的软件平台。该系统可以自动完成图像采集、穆勒矩阵计算计算和偏振参数分析,实现自动区分,并提供癌组织和正常组织的详细分析。该技术平台不仅提高了数据处理的效率和准确性,还为深入研究癌组织的微观结构和极化特性提供了强大的工具。

1 方法

1.1 全自动穆勒矩阵显微镜成像系统原理

本研究中使用的穆勒矩阵显微镜成像系统是由商用显微镜改进而来的,如图1所示。该系统主要包括显微镜(Olympus,BX53M,Japan)和偏振调制模块。偏振调制模块包括偏振发生器单元和偏振分析器单元。偏振发生器单元由线性偏振片(Olympus,U-AN360P,Japan)和1/4波片(武汉优光)组成,而偏振分析器单元由类似的1/4波片和线性偏振片组成。偏振调制模块内的每个光学元件通过电控单元由电控伺服驱动旋转,每个偏振调制模块单元都集成到设计好的3D打印结构件中。
图1 穆勒矩阵显微成像系统原理图

P1和P2为线性偏振片;R1和R2为1/4波片。

Fig.1 Schematic diagram of Mueller matrix microscopic imaging system

通常,P1和R1构成偏振态发生器(polarization state generator,PSG),来自光源的光将首先被PSG调制,然后照射样品。R2和P2构成偏振态分析器(polarization state analyzer, PSA),样品的透射光将由PSA调制,然后由相机(Olympus,OHXDP60,2 048×3 076像素)拍摄。
电子控制器在实现光学成像系统的自动化和高精度控制方面起着至关重要的作用。通过精确控制偏振调制模块(包括线偏振片和1/4波片)的旋转角度,可以产生光源和检测光的不同偏振态,以获得完整的穆勒矩阵数据。在穆勒矩阵显微成像系统中,我们使用上位机控制相机并且使用伺服控制器通过统一的电子控制单元实现偏振调制模块的高精度旋转控制,确保系统的稳定性和精度,从而获得高质量的成像数据。进行一次测量所需的时间为52.5 s。为了准确测量,在拍摄每张图像后暂停0.5 s。

1.2 穆勒矩阵的测量

穆勒矩阵表征样本对入射光的线性调制,如式(1)所示,其中M表示样本的穆勒矩阵,S和S'分别表示入射光和出射光的斯托克斯矢量,并且满足
S'=MS,
展开式(1)可得
S 0 ' S 1 ' S 2 ' S 3 '= m 11 m 12 m 13 m 14 m 21 m 22 m 23 m 24 m 31 m 32 m 33 m 34 m 41 m 42 m 43 m 44 S 0 S 1 S 2 S 3。
式中:S0、S1、S2、S3和 S 0 '、 S 1 '、 S 2 '、 S 3 '分别表示S和S'的斯托克斯参数;mij表示M的第(i,j)个元素。
为了获得样品的穆勒矩阵M,穆勒矩阵显微镜成像系统改变PSG中的线性偏振片和1/4波片的方位角,产生一系列偏振光照射样品,这些偏振光包括0°(H)的水平偏振、45°(P)的对角偏振、90°(V)的垂直偏振和右旋圆偏振(R)。当样品被照射时,通过样品的透射光将被放大倍数为5×的物镜收集,然后由PSA进行分析。具体地,可以控制PSA将H、P、V和R的偏振分量从样品的透射光中滤除,最终被相机捕捉到。因此,对于每一个入射偏振光,都有4个由相机捕获的图像,对应于H、P、V和R的偏振分量的强度。在一个完整的测量过程中,相机总共捕获4种类型的入射偏振光的16个图像。为了简单起见,我们使用IHV来表示在H的入射偏振态和V的滤波偏振态下相机采集的图像,类似的,IRH表示在R的入射偏振态和H的滤波偏振态下相机采集的图像,通过表1中的公式能够计算出样本穆勒矩阵元素的图像。
表1 穆勒矩阵元素的计算公式

Tab.1 Formulas for calculating the Mueller matrix elements of the sample

矩阵元 计算公式
m11 IHH+IHV+IVH+IVV
m12 IHH+IHV-IVH-IVV
m13 2IPH+2IPV-IHH-IHV-IVH-IVV
m14 2IRH+2IRV-IHH-IHV-IVH-IVV
m21 IHH-IHV+IVH-IVV
m22 IHH-IHV-IVH+IVV
m23 2IPH-2IPV-IHH+IHV-IVH+IVV
m24 2IRH-2IRV-IHH+IHV-IVH+IVV
m31 2IHP+2IVP-IHH-IHV-IVH-IVV
m32 2IHP-2IVP-IHH-IHV+IVH+IVV
m33 4IPP-2IPH-2IPV-2IHP-2IVP+IHH-IHV-IVH-IVV
m34 4IRP-2IRH-2IRV-2IHP-2IVP+IHH-IHV-IVH-IVV
m41 2IHR+2IVR-IHH-IHV-IVH-IVV

1.3 穆勒矩阵极分解与穆勒矩阵变换

穆勒矩阵包含样品所有的偏振信息,但对于每个阵元,它们的物理含义与样品的关联却不清楚。常用的穆勒矩阵极分解方法和穆勒矩阵变换法可以获得具有清晰物理意义的偏振参数,3个偏振参数:退偏、相位延迟和二向色性分别表示为
D= m 12 2 + m 13 2 + m 14 2,
R=arccos t r M R 2 - 1,
Δ=1- | t r M Δ | 3。
据此将穆勒矩阵分解为
M=MΔMRMD。
式中:MΔ、MR和MD依次是退偏矩阵、相位延迟矩阵和二向色性矩阵,其中4×4相位延迟矩阵MR可以分解为一个4×4线相位延迟矩阵MLR和一个4×4圆相位延迟矩阵 M C R [18]。由MLR可以获得相位延迟δ和等效波片快轴方位角θ为
δ=arccos[(mLR(2,2)+mLR(3,3))2+(mLR(3,2)+mLR(2,3))2 ] 1 2-1,
θ=0.5arctan r 2 r 1, ri= 1 2 s i n δ ∑ j = 1 , k = 1 3εijkmLR(j,k)。
式中:线性偏振规范化斯托克斯向量(1, r1, r2, r3)T从MLR中获得,r1和r2是线相位延迟的元素;mLR是线相位延迟的3×3子矩阵;εijk是Levi-Civita置换符号;mLR(i, j)为mLR的阵元。
穆勒矩阵变换法提取样品偏振参数的过程是通过旋转纤维结构圆柱体,纤维结构的取向变化使得穆勒矩阵阵元表现出明显的周期性强度变化,其变换公式为
m 22 = t 1 c o s 4 x + b , m 33 = - t c o s 4 x + b , m 23 = m 32 = t 1 s i n 4 x , m 12 = m 21 = 2 t 2 c o s 2 x , m 13 = m 31 = 2 t 2 s i n 2 x , m 42 = - m 24 = 2 t 3 s i n 2 x , m 34 = - m 43 = 2 t 3 c o s 2 x 3 。
穆勒矩阵变换法给出了与样品取向无关、仅体现样品本征结构属性的一组参数,其部分参数的具体表达为
b=(m22+m33),
t1= ( m 22 - m 33 ) 2 + ( m 23 + m 32 ) 2 2,
t2= m 21 2 + m 31 2,
t3= m 42 2 + m 43 2,
x3=arctan - m 42 m 43,
A= 2 b t 1 b 2 + t 1 2。
式中:b描述了光在介质中散射时退偏的程度。散射退偏指的是偏振光经过散射后,其偏振态发生变化的现象。这通常发生在表面粗糙或者内部结构复杂的介质中。t1和t2是各向异性结构参数,描述了介质内部结构对光的各向异性响应。各向异性结构指的是材料在不同方向上具有不同的光学性质,例如折射率、吸收系数等。各向异性会导致光在不同方向传播时速度和偏振状态的变化。t3表示光波在通过介质传播时所获得的相位延迟。相位延迟是由于光在各向异性材料中传播时,其速度在不同方向上有所不同(双折射现象)。这种速度差异会引起相对相移,且相移量与材料的厚度和光的波长等相关。x3描述了各向异性结构在空间中的取向。对于具有各向异性的材料,不同方向的光学性质不同。x3则具体指示了该各向异性性质的主要取向方向,这在分析材料的光学行为、散射特性时很重要。A表示各向异性程度,即材料在不同方向上光学特性差异的大小。各向异性程度大的材料在不同方向上光学行为差异显著。A参数可以帮助量化这种差异,从而更好地理解和描述材料的光学性质。

1.4 误差分析

本文通过测量3个标准样品(空气、偏振片和1/4波片)来验证穆勒矩阵显微镜成像系统的精度。由于这些标准样品的理论穆勒矩阵是已知的,因此通过将穆勒矩阵测量值与理论值进行比较来验证系统的精度。空气的理论穆勒矩阵为
Mideal_air= 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1,
而测量值为
Mair= 1 0.09 - 0.06 - 0.01 0.01 0.97 0 0 0 0.02 0.98 0.01 0.02 0 - 0.01 0.98,
均方误差为0.039 1。0°偏振片的理论穆勒矩阵为
Mideal_P= 1 2 1 1 0 0 1 1 0 0 0 0 0 0 0 0 0 0,
而测量值为
MP= 1 2 1 0.97 0 0 0.98 0.99 0 0 0.02 0 0.01 0 0.02 0 - 0.01 0,
均方误差为0.012 2。0°的1/4波片的理论穆勒矩阵为
Mideal_R= 1 0 0 0 0 1 0 0 0 0 0 1 0 0 - 1 0,
而测量值为
MR= 1 　 0.09 - 0.01 0.01 0.01 　 0.97 　 0.01 0 0.02 - 0.01 - 0.02 0.98 0.01 0 - 0.98 0,
均方误差为0.026 5,最大误差为3.91%。这表明穆勒矩阵显微镜成像系统在检测样品方面表现出高度的准确性和可靠性。

2 结果分析

研究中使用的组织微阵列是宫颈癌和正常宫颈组织复合微阵列(西安中科光华公司产品),共包括20例病例。每个病例由两个样本点组成,病例中包含癌组织和正常组织。每个样本的直径为1.5 mm,厚度为4 μm。组织微阵列如图2所示,图2a表示普通相机拍摄的组织微阵列原始图像,图2b~2e为直接使用商业显微镜拍摄的图像,图2b和2c表示宫颈癌组织原始显微图像,图2d和2e表示正常宫颈组织的原始显微图像。根据图2b~2e所示的原始显微镜图像,很难区分宫颈癌组织和正常宫颈组织。
图2 组织微阵列原始图像

Fig.2 Original images of tissue microarray

组织微阵列中2个宫颈癌组织和2个正常宫颈组织的偏振参数图像如图3所示,图3a、3b,图3c、3d和图3e、3f,图3g、3h分别表示癌组织和正常宫颈组织的θ和δ图像。θ表征了样本中双折射光轴的角度,宫颈癌组织的θ图像在整个组织中表现出相对有序的各向异性角分布,而正常宫颈组织的θ图像在整个组织中显示出各向异性角的无序分布。此外,从图3g和3h中可以观察到,正常宫颈组织的δ值明显更大。这是由于基质胶原的存在,基质胶原是宫颈组织细胞外基质的主要成分之一,表现出双折射。在宫颈癌组织中,基质胶原被破坏和降解,导致与正常宫颈组织相比,δ值明显更小。
图3 宫颈癌组织与正常宫颈组织的θ、δ图像

注:网络版为彩图。

Fig.3 Mueller matrix deriver polarization parameter images θ and δ of cancerous cervical tissues and normal cervical tissues

图4显示了组织芯片中26个样本的峰度和偏度的箱型图。图4a和图4b表示θ的箱形图,而图4c和图4d表示δ的箱形图。在所有图中,红点表示宫颈癌组织样本,绿点表示正常宫颈组织样本。图4a和图4d显示,与正常宫颈组织相比,宫颈癌组织的值始终更大,并且具有更宽的分布。正常宫颈组织θ的峰度集中在30左右,δ的偏度约为2。图4b和图4c显示,正常宫颈组织的值通常大于宫颈癌组织的数值。正常宫颈组织θ的偏度值集中在-4.5左右,δ的峰度约为17。θ和δ图像的峰度和偏度可以有效地区分癌性宫颈组织和正常宫颈组织。
图4 θ与δ图像的峰度与偏度的箱型图

注:网络版为彩图。

Fig.4 Kurtosis and skewness boxplots of θ, δ images

图5显示了组织芯片上所有样本灰度共生矩阵参数的箱型图,宫颈癌组织用红点表示,正常宫颈组织用绿点表示。从图5a和图5e可以观察到,灰度共生矩阵的对比度参数反映了图像中灰度等级的差异。宫颈癌组织的值低于正常宫颈组织的数值,表明正常宫颈组织图像的对比度较高。从图5b和图5f中可以看出,重叠的红点和绿点表明宫颈癌组织和正常宫颈组织之间的纹理特征相似。灰度共生矩阵的同质性参数反映了图像纹理的有序性,其中较小的值表示纹理特征的变化更频繁。在图5c中,大多数红点分布在绿点上方,表明宫颈癌组织θ图像中的纹理特征变化更频繁。然而,图5g不能基于该参数区分宫颈癌组织和正常宫颈组织。灰度共生矩阵的相关参数反映了图像中的灰度相关性。如图5d和图5h所示,宫颈癌组织的数值低于正常宫颈组织的值。这是因为正常宫颈组织的主要成分之一是胶原纤维,胶原纤维区域具有几乎相等的灰度值。因此,由于正常宫颈组织具有均匀的内部结构,它表现出更高的自相关性。相反,与正常宫颈组织相比,宫颈癌组织中胶原纤维的破坏导致较低的自相关性。从图5a、图5e、图5d和图5h可以看出,红点和绿点不重叠,因此θ和δ图像的灰度共生矩阵对比度和相关性参数可以用作辅助诊断工具。
图5 组织芯片所有样本关于灰度共生矩阵的箱型图

注:网络版为彩图。

Fig.5 Boxplots of the gray level co-occurrence matrix parameters for all samples in the tissue microarray

图6a~6c和图6d~6f段分别显示了20个θ和δ图像样本Tamura图像处理方法纹理特征参数粗糙度、对比度和线相似性的箱线图。从图6a、6b和图6d、6e可以看出,正常组织的粗糙度和对比度都高于癌组织。在图6c和6f中,癌组织的线相似性都大于正常组织。从图6可以看出,这3个参数可以很好地诊断宫颈癌组织。
图6 组织芯片所有样本关于Tamura图像处理方法的箱型图

a~c为θ图像TIPM参数的箱型图;d~f为δ图像TIPM参数的箱型图。
注:网络版为彩图。

Fig.6 Boxplots of the Tamura image processing method parameters for all samples in the tissue microarray

现有的穆勒矩阵显微镜技术通常使用高放大倍数来获得高分辨率图像,本文采用低倍物镜(5倍)进行快速扫描,显著减少了术后活检时间。在低倍率物镜下进行高效的检测能够推进现有技术的优化,以实现快速诊断。现有的穆勒矩阵显微镜认为高放大倍数物镜(20~50倍)是实现足够分辨率所必需的。本文的研究结果表明,低倍率物镜也可以有效地进行检测,这可能促使人们重新评估当前技术中的倍率选择,以提高检测效率。在主要讨论宫颈癌检测的同时,穆勒矩阵显微成像与组织微阵列技术相结合的有效检测方法也可以扩展到其他类型的癌症,如乳腺癌和前列腺癌。

3 全自动穆勒矩阵显微成像系统

在其他领域的应用除了生物医学和材料科学这两大主要应用场景,穆勒矩阵显微成像能够应用于更多的场景。本文分析了不同种类宣纸的偏振特性差异,燎皮含量低的净皮宣纸表现出较强的散射退偏现象,而燎皮含量高的特皮宣纸则显示出更明显的各向异性。这些发现对宣纸的材料分析和生产工艺优化具有重要意义。此外,分析了植物油的偏振特性差异发现其单不饱和脂肪酸成分对光的散射性质和双折射特性明显,表明偏振检测技术在鉴别植物油类型和质量上具有潜力。

3.1 宣纸鉴别实验结果

在本研究中,选取红星牌的净皮宣纸和特皮宣纸为实验对象。实验前,所有宣纸样品均经过压平处理,以确保一致性。我们进一步将净皮宣纸和特皮宣纸裁剪成3 cm×3 cm的正方形,并分别准备了10份净皮和特皮宣纸样品,共计20份样品进行分析。
如表2所示,统计了所有样本的偏振散射参数b和各向异性参数t2的平均值。分析数据显示,净皮宣纸的b值均值较特皮宣纸显著增大,而t2值均值较之减小。考虑到净皮宣纸的燎皮含量大约比特皮宣纸低20%,可以推断燎皮在偏振特性方面表现出相对较弱的散射退偏能力及较强的各向异性。据此,燎皮含量较低的净皮宣纸表现出了更强的散射退偏现象,而燎皮含量较高的特皮宣纸则展现了更强的各向异性特征。
表2 净皮与特皮宣纸b、t2的平均值与方差

Tab. 2 The average and variance of b and t2 for pure and special skin rice paper

类 别 b的平均值 方差 t2的平均值 方差
净皮 0.012 4 1.2×10-5 0.116 6 1.3×10-5
特皮 0.000 9 1.5×10-7 0.169 3 1.6×10-7

3.2 植物油鉴别实验结果

在利用穆勒矩阵显微成像系统鉴别植物油的实验中,本研究采用了菜籽油(品牌为“菜籽王”)、山茶油(品牌为“千岁好”)和橄榄油(品牌为“欧维丽”)。使用塑料滴管将这3种油各自滴入玻璃制成的比色皿中,每种植物油准备了10个重复样品,总共30个样品进行测试。所用比色皿呈长方形结构,其中底面和两侧面为磨砂玻璃材质,其他两个面则由光学玻璃构成以允许透光,整体通过熔融、高温烧结玻璃粉以及胶合的方法制作而成。
植物油的成分主要包括单不饱和脂肪酸、多不饱和脂肪酸和饱和脂肪酸。由于原料来源、品种选择以及生产工艺的差异,不同植物油中的脂肪酸比例存在细微差异。在本研究中,参照表3数据,我们确定山茶油的单不饱和脂肪酸含量最高,可达80%;橄榄油次之,含量为73%;而菜籽油的含量最低,为60%。
表3 植物油的脂肪酸配比

Tab.3 Fatty acid ratio of vegetable oil 单位:%

类 别 菜籽油 山茶油 橄榄油
单不饱和脂肪酸占比 60 80 73
多不饱和脂肪酸占比 30 10 11
饱和脂肪酸占比 10 10 16
如表4所示,山茶油的D值最高,Δ值最低,而R值最大,表明单不饱和脂肪酸显示出了各向异性、相对较弱的光散射性质以及双折射偏振特性。这些结果表明通过检测植物油的单不饱和脂肪酸组分对鉴别植物油有潜在的助力。
表4 植物油光谱参数的平均值与方差

Tab.4 Mean and variance of spectral parameters in vegetable oils

参 数 菜籽油 山茶油 橄榄油
D 0.138 1±0.002 0 0.177 4±0.000 6 0.144 6±0.001 4
Δ 0.138 3±0.002 9 0.116 7±0.004 6 0.125 9±0.003 4
R 0.110 9±0.002 8 0.135 5±0.010 5 0.123 5±0.004 1

4 结论

实验发现,通过使用改进的商用显微镜,可以获得4×4穆勒矩阵的组织微阵列样品,并通过穆勒矩阵极性分解获得样品的等效波片快轴方位角(θ)和相位延迟(δ)。此外,通过使用峰度和偏度分析θ和δ图像的统计特征,并将其与GLCM和TIPM的纹理特征分析方法进一步结合,可以实现组织微阵列对宫颈癌样本的有效诊断。该方法基于组织微阵列的高通量性质和穆勒矩阵显微成像技术,实现了高通量、无标记、无创和非接触的癌症检测。需要指出的是,基于许多先前报道的组织切片检测研究工作,在小视场的高分辨率成像下,使用高倍率物镜(20~50倍)可以有效地检测上述两个偏振参数;在我们的案例中,当使用组织微阵列时,发现它们在使用低放大倍数物镜(5倍)的情况下也是有效的。尽管高倍率物镜(20~50倍)因其高分辨率和小视场而能够捕获更多详细的组织信息,以提供更精确的组织识别,但这种高分辨率成像的效率较低。它需要先使用低倍物镜来识别异常组织,然后切换到高倍物镜进行详细观察。本文使用低倍率物镜(5倍),尽管分辨率较低,但提供了更大的视场,便于快速检测。
本研究利用穆勒矩阵显微成像技术,成功展示了其在组织微阵列、宣纸以及植物油鉴别中的实际应用价值。通过运用穆勒矩阵极分解和穆勒矩阵变换算法处理偏振图像数据,我们成功地提取了描述样本关键偏振特性的参数。具体来说,运用θ和δ偏振参数能够在组织微阵列中准确而迅速地鉴别出宫颈癌组织与正常宫颈组织;运用b和t2偏振参数能区分净皮宣纸与特皮宣纸;利用D、Δ和R偏振参数可以鉴别菜籽油、山茶油与橄榄油。
实验结果表明,这种全自动的穆勒矩阵显微成像技术能以高效率和高精度进行组织微阵列的鉴别,同时表明其在文物宣纸和植物油鉴别方面具有潜在的应用价值。本研究的成果,有望在医学诊断、文化遗产保护以及食品安全等领域发挥作用,并为无损检测技术的发展开辟新的道路。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
梁健, 任立勇. 一种基于颜色编码滤波的同时偏振成像方法[J]. 陕西师范大学学报(自然科学版), 2022, 50(1):91-96.

LIANG J, REN L Y. Simultaneous polarimetric imaging scheme based on division of chromatic coding filter[J]. Journal of Shaanxi Normal University (Natural Science Edition), 2022, 50(1):91-96.

[2]
JÜTTE L, ROTH B. Mueller matrix microscopy for in vivo scar tissue diagnostics and treatment evaluation[J]. Sensors, 2022, 22(23):9349.

[3]
LU S Y, CHIPMAN R A. Interpretation of Mueller matrices based on polar decomposition[J]. Journal of the Optical Society of America A, 1996, 13(5):1106-1113.

[4]
HE H, ZENG N, DU E, et al. A possible quantitative Mueller matrix transformation technique for anisotropic scattering media[J]. Photonics & Lasers in Medicine, 2013, 2(2):129-137.

[5]
MA H, HE H H, DONG Y, et al. Quantitative detection of breast ductal carcinoma tissues at different progression stages using Mueller matrix microscope[C]//Dynamics and Fluctuations in Biomedical Photonics ⅩⅤ. January 27,2018.San Francisco.Bellingham:SPIE,2018:59-65.

[6]
WANG Y, HE H H, CHANG J T, et al. Mueller matrix microscope:a quantitative tool to facilitate detections and fibrosis scorings of liver cirrhosis and cancer tissues[J]. Journal of Biomedical Optics, 2016, 21(7):71112.

[7]
高瑞娟, 王春华, 宁金星, 等. 基于Mueller矩阵的生物细胞偏振显微成像[J]. 激光与光电子学进展, 2021, 58(18):1811023.

GAO R J, WANG C H, NING J X, et al. Polarization microscopy imaging of biological cells based on mueller matrix[J]. Laser & Optoelectronics Progress, 2021, 58(18):1811023.

[8]
FERNANDES T G, DIOGO M M, CLARK D S, et al. High-throughput cellular microarray platforms:applications in drug discovery,toxicology and stem cell research[J]. Trends in Biotechnology, 2009, 27(6):342-349.

[9]
RICHANI K, ROMERO R, KIM Y M, et al. Tissue microarray:an effective high-throughput method to study the placenta for clinical and research purposes[J]. The Journal of Maternal-Fetal & Neonatal Medicine, 2006, 19(8):509-515.

[10]
SINGH A S, SAU A K S. Tissue Microarray:A powerful and rapidly evolving tool for high-throughput analysis of clinical specimens[J]. International Journal of Case Reports and Images, 2010, 1(1):1.

[11]
KALLIONIEMI O P, WAGNER U, KONONEN J, et al. Tissue microarray technology for high-throughput molecular profiling of cancer[J]. Human Molecular Genetics, 2001, 10(7):657-662.

DOI PMID

[12]
VASSELLA E, GALVÁN J A, ZLOBEC I. Tissue microarray technology for molecular applications:investigation of cross-contamination between tissue samples obtained from the same punching device[J]. Microarrays, 2015, 4(2):188-195.

[13]
DE J, BROWN R E. Tissue-microarray based immunohistochemical analysis of survival pathways in nodular sclerosing classical Hodgkin lymphoma as compared with Non-Hodgkin’s lymphoma[J]. International Journal of Clinical and Experimental Medicine, 2010, 3(1):55-68.

[14]
CHU Y H, HARDIN H, EICKHOFF J, et al. In situ hybridization analysis of long non-coding RNAs MALAT1 and HOTAIR in gastroenteropancreatic neuroendocrine neoplasms[J]. Endocrine Pathology, 2019, 30(1):56-63.

[15]
BUBENDORF L, KONONEN J, KOIVISTO P, et al. Survey of gene amplifications during prostate cancer progression by high-throughout fluorescence in situ hybridization on tissue microarrays[J]. Cancer Research, 1999, 59(4):803-806.

PMID

[16]
DANDREA M, DAL MONEGO S, PALLAVICINI A, et al. Muscle transcriptome profiling in divergent phenotype swine breeds during growth using microarray and RT-PCR tools[J]. Animal Genetics, 2011, 42(5):501-509.

DOI PMID

[17]
GALLI M, PAGNI F, DE SIO G, et al. Proteomic profiles of thyroid tumors by mass spectrometry-imaging on tissue microarrays[J]. Biochimica et Biophysica Acta Proteins and Proteomics, 2017, 1865(7):817-827.

[18]
GHOSH N, WOOD M F G, VITKIN I A. Mueller matrix decomposition for extraction of individual polarization parameters from complex turbid media exhibiting multiple scattering,optical activity,and linear birefringence[J]. Journal of Biomedical Optics, 2008, 13(4):044036.

Options
文章导航

/

〈 〉

版权所有 © 《陕西师范大学学报(自然科学版)》编辑部
地址：中国西安陕西师范大学长安校区文汇楼C段3层　
邮编：710119
电话：029-81530883，81530879，81530885　
E-mail：lkxuebao@snnu.edu.cn
技术支持：北京玛格泰克科技发展有限公司