脑胶质瘤是成人最常见的原发于中枢神经系统的恶性肿瘤，其中胶质母细胞瘤恶性程度最高，危害性最大。表皮生长因子受体EGFR由一个酪氨酸激酶受体家族组成，直接调节胶质瘤血管生成，而血管生成在胶质瘤的生长、侵袭和复发中起着重要作用。随着越来越多的研究表明，EGFR扩增和突变已被确定为多种癌症的驱动事件，特别是非小细胞肺癌，乳腺癌和胶质母细胞瘤。

目前，主要采用分子生物学技术对EGFR扩增状态进行检测。采取的方法主要有荧光原位杂交、显色原位杂交、实时定量PCR和下一代测序。这些方法可以准确诊断EGFR扩增状态，但获取结果的等待时间较长。

本发明公开了一种基于太赫兹时域光谱的脑胶质瘤EGFR扩增状态预测方法，属于机器学习技术领域，所述EGFR扩增状态预测方法包括：采集脑胶质瘤组织冰冻切片的太赫兹时域光谱数据，对脑胶质瘤组织冰冻切片的太赫兹时域光谱数据进行预处理，构建样本数据集；构建EGFR扩增状态预测模型；利用样本数据集对构建的EGFR扩增状态预测模型进行训练；利用训练好的EGFR扩增状态预测模型实现脑胶质瘤EGFR扩增状态预测。

本发明提供的技术方案带来的有益效果至少包括：

● 本发明利用太赫兹时域光谱结合卷积神经网络实现对脑胶质瘤EGFR扩增状态进行预测，具有无损、快速诊断的优势。

● 本发明首次将吸收系数转化为GASF和GADF的二维图像做数据集来预测脑胶质瘤EGFR扩增状态，可有效提高EGFR扩增状态预测准确率。

● 相比于常规的机器学习方法，本发明具有较高的分类精度和泛化能力，有望投入实际应用中，辅助医生在术中对脑胶质瘤EGFR扩增状态进行预测。

基于太赫兹时域光谱的脑胶质瘤EGFR扩增状态预测方法的执行流程示意图

太赫兹时域光谱仪光路示意图

时域谱曲线图