1、引言

高光谱成像（HSI）是一项捕获图像空间信息与光谱信息的先进技术，具有较高的光谱分辨率和空间分辨率，能够同时提供成像对象的二维空间信息和一维光谱信息，进而反映其化学成分信息及物理形态信息。自20世纪80年代起，HSI逐渐应用于空间环境遥感、食品检测、考古和艺术保护等方面。近年来，得益于人工智能技术和精准医学理论的高速发展，高光谱成像技术在生物医学领域展现了巨大的应用潜力。

2、生物医学疾病诊断应用

2.1 视网膜疾病

眼睛的脆弱性通常阻止了侵入性活检或机械性视网膜检查。因此，目前视网膜疾病的诊断很大程度上依赖于光学成像方法。HSI系统通常与眼底照相机集成，以实现眼睛的光学成像。为了评估用于监测视网膜氧饱和度的相对空间变化的高光谱成像技术，Khoobehi等人用连接到高光谱成像系统的眼底照相机对食蟹猴眼睛中的视神经头部（ONH）和上覆血管进行成像，清楚地显示了动脉、静脉和周围组织的氧饱和度变化。由此可见，高光谱成像可用于测量和绘制非人灵长类动物眼睛视网膜结构和ONH中的相对氧饱和度。图6显示了在室内空气呼吸期间（左）和切换为纯氧气后2min（右）的ONH结构的相对饱和度的空间变化。比较部分标记和全标记的方法，部分标记能够显示出饱和度差异，但是全标记方法更清晰地描绘了静脉结构。

由于视网膜光谱成像方法不能在具有大量光谱带的宽光谱范围内进行真实的快照操作，Johnson等人提出了一种适用性强的快照成像光谱仪，可以在大约3ms内获得450-700nm的50个波段的光谱图像立方体，从而消除了运动伪影和像素重合失调。图7显示了两名健康志愿者的视盘图像。结果显示静脉、动脉和背景之间有明显的区别。毛细血管内区域的血氧饱和度与正常静脉和动脉的血氧饱和度之差（30%-35%）一致。毛细血管区域之间大多数背景空间位置的饱和度都显示处于90%-100%的范围内，这与受试者的健康状况一致。

由于普遍增加的氧化细胞应激，年龄相关性黄斑变性（AMD）通常在老年时期出现，成为年龄超过65岁的人群失明的主要原因。AMD的症状包括不可逆的细胞变化过程，例如凋亡和眼底形态变化。迄今为止，没有有效的方法来恢复患有该疾病的患者的视觉功能。Schweizer等人开发了一种早期检测AMD的方法阻止细胞变化过程。细胞蛋白细胞色素c（cyt-c）已被鉴定为变性和凋亡过程中的关键信号分子。在cyt-c氧化状态下，该蛋白质在400-700nm的光谱范围内显示出几个强吸收带。使用高光谱成像光谱，可以在体外细胞培养中实时检测cyt-c的氧化状态，而无需其他生化标记。

图6在室内空气（左）和纯氧气呼吸期间（右）进行氧气呼吸实验的饱和度图

图7空间氧饱和度图

2.2 糖尿病足

糖尿病的并发症主要是糖尿病足溃疡，糖尿病患者患糖尿病足溃疡并发症的风险高达25%。如果没有得到及时治疗，糖尿病足溃疡可能引起进一步感染，需要全部或部分切除患肢。糖尿病足大血管和微循环的改变在糖尿病足溃疡的发展和溃疡愈合中起重要作用。

预测糖尿病足伤口愈合的技术具有深远意义，Khaodhiar等人测试了医学高光谱技术（HT）的能力，该技术可以量化组织中的氧合和脱氧血红蛋白来预测糖尿病足溃疡的愈合。在6个月的时间内，共观察了10例具有21个足部溃疡部位的I型糖尿病患者，13例无溃疡的I型糖尿病患者和14例非糖尿病对照受试者。在溃疡区域或溃疡区域附近以及远离溃疡的上肢和下肢进行了氧合血红蛋白（HT-oxy）和脱氧血红蛋白（HT-deoxy）的HT测量。从HT-氧基和HT-脱氧值计算每个部位的HT愈合指数，HT指数用于预测愈合的敏感性。实验得到的敏感性、特异性、阳性和阴性的预测值分别为93%，86%，93%和86%。实验结果说明HT具有识别糖尿病足微血管异常和预测溃疡愈合的能力，并且HT可以协助处理足部溃疡。

2.3 舌诊

舌诊是中医重要的诊断方法。然而，舌诊中的一个重要问题在于其诊断过程是主观的、定性的，并且很难实现自动诊断。近年来，利用图像处理和模式识别技术来辅助舌图像的定量分析是一种趋势。由于舌头图像通常由商用数码相机获取，因此图像可以提供的病理信息非常有限。李庆利等人使用高光谱成像技术系统代替传统数码相机来获取患者舌头的图像。与数码相机收集的舌头图像相比，高光谱舌头图像同时收集数百个不同光谱带中的舌头光谱信息，具有更多的舌头病理信息。图9是高光谱舌图像的光谱特征图。

图 9 高光谱舌图像光谱特征图

由于舌头不坚硬且大小、形状、颜色和质地变化很大，使舌图像分割变得困难。Liu等人提出了一种利用高光谱成像技术的新型中医舌诊医学传感器系统，该中医舌图像捕获传感器设备的基本原理是推扫式高光谱成像仪，基于1522幅临床舌图像的实验证明了该高光谱成像技术系统的有效性。Liu等人设计了一个测量和分析人舌反射光谱的高空间分辨率的高光谱成像系统，用于舌癌的检测。为了快速、准确地检测舌肿瘤，实验使用光谱声光可调滤镜和光谱适配器收集反射率数据，并将稀疏表示用于数据分析算法。基于肿瘤图像数据库，识别率为96.5%。实验结果表明，高光谱成像用于舌肿瘤的诊断，再结合光谱分类方法，为舌肿瘤的诊断提供了一种无创的计算机辅助方法。

Zhang等人使用可见光谱范围约为400-1000nm的可见高光谱图像系统预测舌色值和涂层位置，并使用基于光谱空间特征的堆叠式自动编码器预测模型进行数字化舌头颜色空间和涂层。

2.4 骨骼类风湿

关节炎（RA）是致使关节损坏的一种疾病，发病率在0.3%左右，其中女性患者最为常见，这种疾病大大降低了患者的生活质量。图10为中指近端指间关节急性关节炎图像。

图10中指近端指间关节急性关节炎图像

在关节结构性损伤发生之前检测和治疗炎性关节炎对于预防患者的残疾和疼痛至关重要。现有的诊断技术昂贵、费时，并且需要受过训练的人员来收集和解释数据。光学技术可能是一种快速、无创的选择。高光谱成像是一种非接触式光学技术，可在一次测量中同时提供光谱和空间信息。

Milanic等人通过数值模拟探索了HSI在关节炎诊断中的可行性，并确定了最佳成像参数。在600-1100nm范围内，使用蒙特卡罗方法对RA和正常人关节模型的高光谱反射和透射图像进行了模拟。该研究表明，人体关节的高光谱图像可以用作区分患病关节和正常关节的参数之一，证明了HSI可用于小关节关节炎的诊断和实时监测。

2.5 皮肤伤

伤口愈合是一个复杂而动态的过程，具有从稳态、炎症、增殖到重塑的不同独特阶段和重叠阶段。监测受伤组织的愈合反应对于基础研究和临床应用非常重要。皮肤成像将漫反射光谱的光谱信息与二维成像的空间信息结合在一起。皮肤成像可以重建皮肤生色团图，识别色素沉着病变、弥漫性和局部性红斑、血瘀增加的区域等特征，并量化相关参数。高光谱成像是产生皮肤颜色的发色团定量分布图的可靠方法。

Shah等人在猪模型中对全厚度皮肤伤口进行了相关的明场和高光谱分析，以研究高光谱成像作为伤口鉴定的替代方法的功效。对随机选择的皮肤标本进行光谱分析，可以获得感兴趣皮肤区域（包括表皮、受伤的真皮和正常真皮）具有明显的光谱特征。使用这些高光谱特征对整个标本组进行扫描，得到伪彩色图案，其中中央伤口区域始终由唯一的光谱特征定义。在高光谱分析中确定的伤口尺寸与病理学家使用标准明视野显微镜确定的伤口区域没有显著差异，这表明，高光谱分析可为伤口估计提供高通量的替代方案，其结果接近标准的明场成像和病理学家评估。

Wahabzada等人提出了一种用于监测伤口愈合过程的非侵入性替代方法，利用HSI获取对象的生化、结构特征和光谱反射率，建立体外3维伤口模型。

2.6 肾结石

肾结石是一种常见疾病，可引起剧烈的疼痛并表现出高度的累犯性。为了找到引起肾结石的原因，主要化合物的表征非常重要。从这个意义上讲，对结石成分和结构的分析可以提供有关晶体生长过程中尿液参数的关键信息。但是，通常采用的方法速度慢，依赖分析人员，并且获得的信息很差。Blanco等人利用近红外（NIR）光谱范围高光谱成像技术分析了215个肾结石样本，包括常见肾结石的主要类型及其混合物。使用人工神经网络方法正确分类结石的概率高于90%，而无需专家的协助，使得在临床实验室易于实施，为泌尿科医师提供了快速诊断，有助于最大程度地减少尿路结石的再发。

2.7 龋齿

龋齿是现代社会中最普遍的慢性疾病之一。龋齿的初期特征是牙釉质脱矿质，导致亚临床病变，难以诊断。如果足够早地检测到这种脱矿质，可以通过完善的预防措施，例如氟化物疗法、抗菌疗法或低强度激光照射，通过无创手段阻止和逆转这种脱矿物质。近红外高光谱成像是一种基于健康和患病牙齿组织独特的光谱特征的早期检测龋齿的新技术。在这项研究中，应用NIR高光谱成像对健康和患病的牙齿组织（包括牙釉质、牙本质、牙结石、牙釉质龋和牙质龋）进行分类和可视化。为此，构建了一个标准化的牙齿数据库，该数据库由12颗提取的人类牙齿组成，这些牙齿由NIR高光谱系统、X射线和数字彩色相机成像，具有不同程度的龋齿损害。将牙齿的彩色和X射线图像呈现给临床专家，以对牙齿组织进行定位并对病理变化进行分类，分类灵敏度和特异性分别超过79.8%和93.8%。

Wang等人发展了一种快速偏振分辨高光谱激发拉曼散射（SRS）成像技术，用于光学诊断和表征牙齿中的龋齿。该技术可以在15min内获取牙齿的高光谱SRS图像（512×512像素），成像速度快。高光谱SRS成像揭示了牙齿中牙釉质的生化分布和变化。SRS成像显示，与健全牙釉质相比，病变体内的矿物质含量降低了55%，同时在表面区域增加高达110%，这是由于再矿化过程形成了超矿化层。这项工作首次证明了偏振分辨高光谱SRS成像技术可用于快速定量测定牙齿矿化水平和区分牙釉质中的龋损，表明了其早期发现和诊断龋齿的潜力。

2.8 膜性肾病

慢性肾脏病（CKD）是全球性的公共卫生问题，其发病率超过10%。在CKD中，成人肾病综合征最常见的病理类型中的一种是膜性肾病（MN）。在MN的临床诊断中，分离乙肝病毒相关肾病（HBV-MN）和原发性肾病（PMN）是重要的一步。膜性肾病的传统诊断方法主要依靠血清学特征和肾脏病理学特征，已经不能满足临床对自动化和智能化的诊断需求。通过构造局部Fisher判别分析深度神经网络（LFDA-DNN），Wei等人提出了一种利用医学高光谱图像的自动化膜性肾病诊断方法。在真实的MN数据上的实验结果证明LDFA-DNN能够有效地进行膜性肾病分类。图12展示了分别从HBV-MN患者和PMN患者获得的伪彩色图像和标记图像的示例。

图12 HBV-MN和PMN的伪彩色图像和相应标注图

高光谱显微成像可以揭示免疫复合物的详细成分信息，但是高光谱显微图像所带来的高维度也给图像处理过程和疾病诊断过程带来了一定的困难和挑战。Lyu等人提出了基于空间光谱密度峰的判别分析（SSDP），用于MN的智能诊断。实验结果证明，提出的SSDP灵敏度达到99.36%，对MN的自动诊断具有潜在的临床价值。为了利用医学高光谱图像的潜在结构信息和增强特征判别能力，Lyu等人提出了基于判别张量的流形嵌入（DTME）技术来进行膜性肾病的判别分析，并在实验中证明了DTME的医学应用前景。

2.9 血细胞鉴定

不同类型血细胞的鉴定具有重要意义，因为它可以为疾病诊断提供重要的参考标准。红细胞（RBC）、白细胞（WBC）和血小板是血液中常见的3种细胞类型。血液中细胞数量的异常变化可能表明存在病理变化，这可以为医生提供有关患者健康状况的信息。因此，对血液中红细胞和白细胞的分析对协助医生诊断疾病具有重要意义。特别是对于白细胞，5种类型的白细胞（嗜碱性粒细胞（B）、淋巴细胞（L）、嗜中性粒细胞（N）、单核细胞（M）和嗜酸性粒细胞（E））的分布表明了人类免疫系统的状况。传统的区分RBC和WBC的方法在很大程度上取决于在显微镜下观察血涂片，其中识别过程是基于可见特征（例如形状和颜色）的。但是，专业医学研究人员的知识和经验在识别RBC和WBC的有效性中起着决定性的作用，使该过程既耗时又多变。为了消除上述缺点，已经探索了基于高光谱图像的识别方法以完成自动识别。

Wei等人设计了一个名为“EtoE-Fusion”的双通道深度融合网络来对两组不同的血细胞高光谱数据进行血细胞鉴别。一组医学高光谱数据“血细胞1-3”的空间大小为973×799像素，有33个波段。该组图像包含了RBC、WBC和背景（如图13所示）。实验结果表明，当数据量充足时，EtoE-Fusion对血细胞的鉴别精度为97.86%。另一组医学高光谱数据为白色血细胞数据（包含5类白细胞），数据空间大小为1024×1024像素，有60个波段，光谱范围为5501000nm。图14展示了5类白细胞的光谱曲线。随机抽取每类100个样本构建训练集，剩余白细胞样本构建测试集，实验获取的混淆矩阵和每类白细胞的分类精度如表3所示。

图13血细胞灰度图及其标注图

图14 5类WBC数据中每类细胞的光谱曲线

表3白细胞数据在EtoE-Net下的混淆矩阵

2.10 其他

除了上述应用外，HSI也广泛应用在其他生物医学领域，通过记录血红蛋白氧饱和度百分比的变化，光学方法能够监测血液的可见光谱和近红外光谱特性。Zuzak等人测量了血管闭塞和再灌注期间区域组织氧合的空间分布变化，提供一种有效的对皮肤血红蛋白氧饱和度进行时间分辨的无创监测，并评估血管疾病患者对治疗干预的反应。Demos和Ramsamooj开发微型无创光子仪器和技术，以实现对组织中微结构和细胞的实时成像和监控。该文利用高光谱显微镜以探究使用各种激发波长从细胞组分中产生的天然荧光和偏振光散射的差异，区分各种细胞成分的关键光学特性用于获得复合图像，以突出显示它们的存在以及各种组织发色团的相对浓度。因为在临床应用中图像采集时间非常短，所以该技术对细胞没有侵害性，因此可用于在细胞仍然存活时监测其功能。

3、结语

HSI具有“图谱合一”的重要特性，具有获取信息全面、波段范围广、免标记、非接触和检测精度高等优势。高光谱成像技术作为一种新兴的生物医学成像技术，可以提供关于组织样本的精确的空间和光谱信息，不仅有效获取反映样本大小、形状等外部物理结构特征信息，还能提供样本内部结构和化学成分信息。因此，HSI是非侵入性及快速检测人体疾病的新型手段和方法，可作为一种手术视觉辅助工具。以往研究成果证实HSI在疾病诊断和手术指导方面已取得重要进展，在医学诊断和临床研究领域具有巨大的应用潜力。但是，高光谱检测技术在医学领域的应用仍处于实验室研究阶段。一方面，目前的实验数据积累非常有限，现有的样本数据量仅能支撑验证HSI在生物医学研究领域进行辅助诊断的可行性;另一方面，在高光谱图像丰富的空间和光谱信息中对有效诊断信息的提取具有挑战性。此外，数据的校准和校正、压缩、降维以及综合分析获取诊断结果需要一定的时间，这也为高光谱成像技术有效应用于生物医学领域带来挑战。针对上述挑战，未来研究方向聚焦但不限于:生物医学高光谱图像快速实时获取及存储;大数据背景下的高光谱医学图像精准分析;多种成像数据的协同获取及融合分析;光谱仪器与算法的有效集成。随着高光谱成像系统性能的不断提升，HSI将在生物医学领域得到更广泛的应用。