Bringing Real-Time Raman Spectroscopy Tissue Characterisation to in Vivo Applications Including Cancer Diagnosis

La spectroscopie Raman est une technique d’analyse optique sans agent de contraste qui per-met d’identifier la composition moléculaire des tissus biologiques. Malgré un fort potentiel pour des applications diagnostiques en temps réel, son intégration en milieu clinique demeure limitée. Cela s’explique notamment par la complexité des systèmes existants, l’absence d’ou-tils de traitement standardisés accessibles et la dépendance à des solutions logicielles et matérielles propriétaires. Cette thèse propose une plateforme complète, modulaire et open source, spécifiquement développée pour les besoins de la recherche biomédicale appliquée et des milieux cliniques. Le projet se structure autour de deux axes principaux. D’abord, la bibliothèque logicielle Open Raman Processing Library (ORPL) a été conçue pour fournir un ensemble d’outils ouverts et robustes de traitement de spectres Raman, y compris un nouvel algorithme de soustraction de fluorescence, BubbleFill. Cet algorithme s’est montré particulièrement efficace pour les signaux caractérisés par un faible rapport signal-sur-bruit, commun en in vivo pour les tissus biologiques. ORPL est distribuée sous licence MIT et est maintenant utilisée comme outil de traitement standard dans les projets de spectroscopie Raman du groupe de recherche Lumed. Ensuite, le logiciel Open Raman Acquisition Software (ORAS) a été développé afin de per-mettre l’acquisition de données Raman dans un cadre clinique. ORAS regroupe des mo-dules de contrôle automatisé (exposition, accumulation), une visualisation en temps réel des spectres, des profils d’acquisition prédéfinis conformes aux normes de sécurité laser, ainsi qu’un module d’inférence pour la classification automatique des tissus. L’ensemble est conçu pour être utilisé efficacement par du personnel non technique, tout en assurant une traçabilité complète des acquisitions.

Abstract

Raman spectroscopy offers a powerful, label-free method for probing the molecular composi-tion of biological tissues. Despite its demonstrated diagnostic potential, widespread adoption of the technology in clinical environments has been hindered by several persistent limitations, including high system complexity, lack of standardized data processing workflows, limited in-tegration with clinical procedures, and the proprietary nature of most commercial solutions. This thesis addresses these challenges through the development of a comprehensive, modular, and open-source Raman spectroscopy platform specifically designed for clinical research and intraoperative applications. The work is organized around two central contributions. First, the Open Raman Processing Library (ORPL) is introduced as a robust and extensible Python-based software framework for preprocessing Raman spectra acquired from CCD-based dispersive spectrometers. The library includes modules for dark signal subtraction, cosmic ray removal, wavenumber cal-ibration, baseline correction, normalization, and smoothing. Notably, a novel baseline cor-rection algorithm—BubbleFill—is developed and evaluated. This method leverages iterative pseudo-convex envelope (e.g. bubbles) fitting to remove fluorescence backgrounds and is shown to outperform state-of-the-art alternatives, particularly in spectra with low Raman-to-fluorescence signal ratios, as typically observed in in-vivo biological measurements. The ORPL library is released under the permissive MIT license and is now the standard processing framework for all Raman spectroscopy projects within the Lumed research group.