1、高光谱成像技术介绍

光谱成像又称成像光谱，是指将常规成像和光谱方法相结合，同时获取物体空间和光谱信息的技术。它最初由Goetz在1980年代后期定义并讨论用于地球遥感。光谱成像根据其光谱分辨率、波段数、波段宽度和相邻度可分为多光谱成像、高光谱成像(HSI)和超光谱成像。多光谱成像系统通常在少数且相对不相邻的宽光谱波段收集数据，通常以微米或数十微米为单位进行测量。选择这些光谱带以收集光谱中特定定义部分的强度，并针对这些带中最明显的某些类别的信息进行优化。而高光谱（HSI）系统可以收集数百个光谱带，超光谱成像系统则收集更多。图1显示了光谱成像系统捕获的超立方体数据的概念。由于其固有结构，光谱成像数据可以被可视化为一个三维 (3D)立方体或多个二维(2D)图像的堆叠，其中立方体面是空间坐标的函数，深度是波长的函数。该技术的重要优点之一是它可以获取图像中每个像素的反射、吸收或荧光光谱，可用于检测传统灰度或彩色成像方法无法识别的物体的生化变化。光谱成像技术最初在遥感领域得到证实，如机载监视或卫星成像，并已成功应用于采矿和地质、农业、军事、环境和全球变化研究。 

图 1光谱数据立方体的概念。数据立方体包含两个空间维度（x和y）和一个光谱维度，其中立方体面是空间坐标的函数，深度是波长的函数。

根据电磁理论，不同的生化成分通常具有不同的光谱特征。这些特征通常由材料与电磁波之间的相互作用产生，例如电子跃迁、原子和分子振动或旋转。组织器官的生物病理变化也与光谱有密切的关系。不同波长区域的光谱特征产生可区分的光谱特征，使病理变化可区分。因此，光谱成像技术也可以扩展到生物医学工程领域来估计生物组织的生理状态，因为它可以利用邻域内不同光谱之间的空间关系。这项技术为生命科学开辟了新的前景，科学家们可以借此识别和量化生物活性分子之间的关系，无创观察生物体，进行组织病理学和荧光分析，并增强对疾病的生物学理解。

2.生物医学光谱成像的优势

大多数传统的生物医学光学成像方法只能捕获生物样本的灰度或彩色图像。在这些类型的图像中感兴趣的目标通常通过它们的空间属性（如大小、形状和纹理）进行分析。人们普遍认为，单色和RGB彩色成像方法在早期发现和识别组织异常方面存在局限性。获得的诊断信息很差，因为在大多数情况下，代谢或成分改变发生在组织异常过程中。另一个普遍使用的光学方法是光谱诊断技术，它可以在感兴趣的波长范围内获得单个组织部位的整个光谱。这种方法通常被称为点测量方法，它不能提供样本的空间信息。与那些传统的光学诊断方法不同，生物医学光谱成像技术可以在选定的波长间隔内捕获每个图像像素的连续光谱。这种特性不仅可以通过反射或透射光谱特征来检测生物组织的一些生理变化，而且由于光谱的形状会产生有关生物样本的信息，因此可以对某些疾病进行早期诊断。生物医学光谱成像（多光谱、高光谱）技术相对于传统的单色、RGB和光谱的一些优势如表1所示，从表中可以看出，生物医学光谱图像比传统的单色、RGB和光谱图像包含更多的信息。生物医学光谱图像使得利用邻域内不同光谱之间的空间关系成为可能，这允许更精细的光谱空间模型对图像进行更准确的分割和分类。因此，光谱成像技术可以在病理学、细胞遗传学、组织学、免疫组织学和临床诊断中找到潜在的应用。

3.高光谱技术实现方式

在过去的几十年里，人们提出了各种光谱成像方法和相关技术来获取天然材料的光谱图像数据。本文主要关注四种典型方法：点扫式、推扫式、凝视和快照，这些方法在遥感领域已普遍使用，现在已扩展到生物医学成像的应用中。

图2 典型的光谱成像方法 (a) 点扫式 (b) 推扫式 (c) 凝视(d) 快照

这四种光谱成像方法在应用于生物组织分析时各有优缺点。没有“绝对”的最佳模式，但为了选择最适合给定生物医学应用的模式，必须考虑不同生物组织的特性和检测目标。一般来说，点扫式和推扫式成像仪通常与显微镜配合使用，用于荧光和组织病理学分析。

图3 高光谱应用实例

(a) 大金纳米棒 (LGNRs，~100×30nm)，并将其静脉注射到活体裸鼠体内。(b , c)注射后24小时，动物被安乐死，切除组织并准备为正常的组织切片，用于用明场 (b) 和暗场显微镜(c) 进行表征，这两种方法都无法观察到LGNR的分布。(d)然后用高光谱显微镜对同一切片进行成像，其在组织的各个区域显示出 LGNRs 积累的明显迹象（用红色表示），并显示出与LGNR等离子体共振相匹配的光谱峰。(e) 然后，训练一种自适应聚类算法，用于使用注射小鼠的高光谱图像对LGNR进行光谱识别。该算法确定了几个代表组织和H&E染色的特征光谱，以及一个代表LGNR的独特光谱（以橙色描绘），总共代表5个光谱库。一旦从训练数据集中生成光谱集群库，就可以通过自动分类分析未知组织样本的图像是否存在LGNRs。(f)生成的HSM-AD图像描绘了样本内所有显示LGNRs光谱的点的位置（LGNRs为橙色，组织为灰度）。

图4 图像分割

(a) 图像中每个像素的峰值强度直方图大致可分为背景（噪声）、组织散射、LGNR和亮组织散射。(b) minHist和peakHist的检测，如方法中所述。(c,d) 特征高光谱图像 (c) 及其对应的分割图 (d)，显示背景（蓝色）、组织（青色）和潜在的 LGNR和明亮的组织（黄色）。