高光譜成像系統(tǒng)在病理的觀察方面應用

隨著高光譜成像系統(tǒng)技術的成熟與發(fā)展，醫(yī)學界已將該技術引入到對視網膜疾病的觀察應用當中。由于眼睛的細膩特性通常排除了侵入性的活檢或對視網膜的機械通路。因此，當前的視網膜疾病診斷強烈依賴于光學成像方法。高光譜成像系統(tǒng)通常與眼底照相機集成在一起，以實現(xiàn)眼睛的光學成像。

　　年齡相關性黃斑變性(AMD)是導致失明的主要原因中老年人，而白色素C的變化已被確認為該病理變化的關鍵信號，在高光譜成像技術得到應用后，醫(yī)生們可以通過收集的光譜數(shù)據，對有關氧化應激期間色素c的氧化狀態(tài)進行分析，用來進行對病理的判斷與治療。

　　高光譜成像技術不僅可以應用在病理的觀察方面，同樣可以對手術的進行有效的指導。腸缺血是指腸血流量減少，這會損害氧氣的輸送并導致脫氧的血液和廢物積聚。這些情況導致細胞死亡和壞死，導致炎癥和潰瘍。由于解剖結構的變化和手術的不可預測性，可見性對于正確診斷手術中的這些問題至關重要。而通過高光譜成像系統(tǒng)可以有效區(qū)分不同組織和器官之間的差異，因此允許外科醫(yī)生以較小的侵入性可視化并檢查大面積區(qū)域，而無需實際去除組織。

醫(yī)學高光譜顯微成像與智能分析

數(shù)字病理圖像的拍攝大多依賴于Red-Green-Blue（RGB）彩色相機。然而，傳統(tǒng)RGB圖像因缺少結構、分子和光譜等關于生物細胞組織的多維度、多模態(tài)信息，已逐漸觸及智能病理診斷的短板，使得研究和開發(fā)人員需要花費大量時間開發(fā)復雜的圖像處理分析算法，以此滿足對數(shù)字病理圖像高精準分析的需求。近年來，人們開始探索將高光譜技術應用于醫(yī)學顯微成像分析領域，通過獲取豐富的信息緩解分析算法復雜、難以部署等問題。高光譜技術最初應用于遙感領域，相比于RGB彩色圖像，高光譜成像技術通過納米級別的成像光譜儀，可獲得拍攝目標的上百個波段圖像，是一種將二維空間成像和光譜技術有機結合的前沿技術。因為其包括了豐富的空間信息、輻射信息與光譜信息，高光譜機器視覺技術隨后在眾多領域展示出了巨大的研究應用價值。

高光譜顯微圖像分析處理方法

病理切片圖像可以被分為細胞學圖像和組織學圖像，因為細胞和組織病理圖像是兩個層次的形態(tài)學特征。細胞學圖像包含細胞本身的信息，組織病理學圖像含有更復雜的空間和不同成分的相互關系等信息，因此二者對處理分析算法有不同的要求。

細胞學圖像檢測與分割

只有在正常檢測和分割細胞的基礎上，結合病理學圖像信息才能做出正確的診斷。相較于基于傳統(tǒng)彩色圖像的細胞檢測與分割只能對空間位置關系進行建模分析，高光譜病理圖像的細胞檢測分割可以充分利用光譜信息，因此大部分細胞檢測分割的任務可以轉化為對每個像素的分類任務，如圖5所示。參見的方法包括支持向量機（SupportVectorMachine，SVM）、光譜角度匹配（SpectralAngleMapping，SAM）、k-均值算法（k-means）、神經網絡（NeuralNetwork,NN）等。此外，結合圖像空間信息，如細胞邊界等，可進一步提高細胞分割效果。

細胞學病理圖像分割中輸入的光譜信息與分割結果

組織學圖像分類與分級

組織區(qū)域病理分類與分級是病理切片分析中最重要的任務之一，盡管SVM、SAM等分類算法也同樣能適用于該任務，但組織區(qū)域圖像通常包括了大量正常細胞與癌變細胞，只使用光譜信息難以達到精準的分類與分級效果。研究人員更傾向于采用能提取空間-光譜聯(lián)合特征的算法實現(xiàn)顯微高光譜圖像的分類。近年來，隨著深度學習的發(fā)展，3D卷積神經網絡可直接對輸入的組織學高光譜圖像進行特征提取，隨后將提取到的高維抽象特征映射到可區(qū)分類別空間，如圖6所示。此類方法在一系列任務上取得了優(yōu)異的結果。例如肺癌、膽管癌組織病理圖像的分類與分級。

基于3D卷積神經網絡的組織學病理圖像分類

高光譜顯微圖像在疾病診斷中的研究與應用進展

病理圖像分析是臨床疾病診斷的“金標準”，結合高光譜病理數(shù)字化圖像，可提高 醫(yī)師對病變組織器官的深層次分析的效率和準確率，在疾病診斷上具有重大的應用潛力。

醫(yī)學高光譜技術從21世紀初開始發(fā)展，美國德州大學在2002年基于高光譜成像的細胞遺傳研究計劃中，研制了高光譜顯微系統(tǒng)用于細胞學和組織學研究。Balas等通過快照式光譜成像系統(tǒng)對宮頸口病變區(qū)域進行成像研究，有效地提高了宮頸腫瘤性病變和非腫瘤性病變組織的分類效果。Siddiqi等采集了宮頸病理組織切片的顯微高光譜數(shù)據，對20個惡性腫瘤的組織分類靈敏度達到了98.5%。美國埃默里大學Fei教授構建了基于LCTF高光譜成像儀器（光譜范圍500～950nm）觀察前列腺癌變組織與正常組織，通過支持向量機（SupportVectorMachine，SVM）分類器實現(xiàn)了癌變組織92.8%靈敏性與96.9%特異性的分類效果。針對乳腺癌癥檢測，Pogue等通過核估計方法對癌變組織的高光譜圖像進行分類，準確率達98%。Laura等在乳腺癌高光譜圖像上驗證了多種分類算法，并最后取得了79%的準確率。Silas等評估了使用點掃描高光譜成像儀測量了結腸腺癌的熒光激發(fā)光譜變化。結果表明，高光譜成像可成為區(qū)分結腸腺癌細胞和周圍正常結腸黏膜細胞的一種方法。Mauro設計基于微電子機械系統(tǒng)的數(shù)字微鏡高光譜成像系統(tǒng)，用于觀察結腸腺正常和癌變黏膜之間的光譜差異，能夠顯示97.1%的分類準確率。暨南大學Zhu等采用液晶可調諧濾波器對胃組織切片的光譜信息進行分析，對癌變組織分類準確率達95%。Kiyotoki等對16組胃癌的腫瘤組織區(qū)域和正常區(qū)域進行了成像分析。

高光譜顯微成像技術在疾病診斷中的研究與應用

1. 病理學研究：高光譜顯微成像技術可以實時獲取組織切片的光譜信息，準確分析組織中的分子成分。通過對病理切片的高光譜顯微成像分析，可以提供更細致的組織結構和化學信息，促進病理診斷的準確性和精確性。

   
   

2. 癌癥檢測：高光譜顯微成像技術在腫瘤早期檢測和診斷中具有潛力。通過檢測腫瘤組織的光譜特征，高光譜顯微成像可以提供腫瘤的細胞組成和代謝活性等信息，幫助醫(yī)生精確定位和診斷腫瘤。

   
   

3. 細胞研究：高光譜顯微成像技術在細胞研究中也有廣闊的應用前景。通過獲取細胞的高分辨率光譜圖像，可以定量分析細胞內分子的含量、分布和交互作用。這有助于深入理解疾病發(fā)生機制，并開發(fā)新的治療策略。

   
   

4. 藥物篩選和評估：高光譜顯微成像技術可以用于藥物的快速篩選和評估。通過觀察藥物對細胞或組織的光譜特征的影響，可以評估藥物的療效和副作用，為藥物研發(fā)提供更準確的數(shù)據支持。