醫(yī)學(xué)高光譜顯微成像與智能分析關(guān)鍵技術(shù)研究及應(yīng)用-萊森光學(xué)

引言

惡性腫瘤（癌癥）一直是危害人類健康最嚴(yán)重的疾病，也是造成我國(guó)居民死亡的主要原因之一。由于環(huán)境污染、食品安全和不健康的生活方法等因素，惡性腫瘤患者逐年增加，并呈現(xiàn)發(fā)病低齡化的趨勢(shì)。

數(shù)字病理圖像的拍攝大多依賴于Red-Green-Blue（RGB）彩色相機(jī)。然而，傳統(tǒng)RGB圖像因缺少結(jié)構(gòu)、分子和光譜等關(guān)于生物細(xì)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(fèi)大量時(shí)間開發(fā)復(fù)雜的圖像處理分析算法，以此滿足對(duì)數(shù)字病理圖像高精準(zhǔn)分析的需求。近年來(lái)，人們開始探索將高光譜技術(shù)應(yīng)用于醫(yī)學(xué)顯微成像分析領(lǐng)域，通過(guò)獲取豐富的信息緩解分析算法復(fù)雜、難以部署等問(wèn)題。高光譜技術(shù)最初應(yīng)用于遙感領(lǐng)域，相比于RGB彩色圖像，高光譜成像技術(shù)通過(guò)納米級(jí)別的成像光譜儀，可獲得拍攝目標(biāo)的上百個(gè)波段圖像，是一種將二維空間成像和光譜技術(shù)有機(jī)結(jié)合的前沿技術(shù)。因?yàn)槠浒素S富的空間信息、輻射信息與光譜信息，高光譜機(jī)器視覺(jué)技術(shù)隨后在眾多領(lǐng)域展示出了巨大的研究應(yīng)用價(jià)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(xì)胞學(xué)圖像和組織學(xué)圖像，因?yàn)榧?xì)胞和組織病理圖像是兩個(gè)層次的形態(tài)學(xué)特征。細(xì)胞學(xué)圖像包含細(xì)胞本身的信息，組織病理學(xué)圖像含有更復(fù)雜的空間和不同成分的相互關(guān)系等信息，因此二者對(duì)處理分析算法有不同的要求。

細(xì)胞學(xué)圖像檢測(cè)與分割

只有在正常檢測(cè)和分割細(xì)胞的基礎(chǔ)上，結(jié)合病理學(xué)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(xì)胞檢測(cè)與分割只能對(duì)空間位置關(guān)系進(jìn)行建模分析，高光譜病理圖像的細(xì)胞檢測(cè)分割可以充分利用光譜信息，因此大部分細(xì)胞檢測(cè)分割的任務(wù)可以轉(zhuǎn)化為對(duì)每個(gè)像素的分類任務(wù)，如圖5所示。參見的方法包括支持向量機(jī)（SupportVectorMachine，SVM）、光譜角度匹配（SpectralAngleMapping，SAM）、k-均值算法（k-means）、神經(jīng)網(wǎng)絡(luò)（NeuralNetwork,NN）等。此外，結(jié)合圖像空間信息，如細(xì)胞邊界等，可進(jìn)一步提高細(xì)胞分割效果。

細(xì)胞學(xué)病理圖像分割中輸入的光譜信息與分割結(jié)果

組織學(xué)圖像分類與分級(jí)

組織區(qū)域病理分類與分級(jí)是病理切片分析中最重要的任務(wù)之一，盡管SVM、SAM等分類算法也同樣能適用于該任務(wù)，但組織區(qū)域圖像通常包括了大量正常細(xì)胞與癌變細(xì)胞，只使用光譜信息難以達(dá)到精準(zhǔn)的分類與分級(jí)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(shí)現(xiàn)顯微高光譜圖像的分類。近年來(lái)，隨著深度學(xué)習(xí)的發(fā)展，3D卷積神經(jīng)網(wǎng)絡(luò)可直接對(duì)輸入的組織學(xué)高光譜圖像進(jìn)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(wù)上取得了優(yōu)異的結(jié)果。例如肺癌、膽管癌組織病理圖像的分類與分級(jí)。

基于3D卷積神經(jīng)網(wǎng)絡(luò)的組織學(xué)病理圖像分類

高光譜顯微圖像在疾病診斷中的研究與應(yīng)用進(jìn)展

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

醫(yī)學(xué)高光譜技術(shù)從21世紀(jì)初開始發(fā)展，美國(guó)德州大學(xué)在2002年基于高光譜成像的細(xì)胞遺傳研究計(jì)劃中，研制了高光譜顯微系統(tǒng)用于細(xì)胞學(xué)和組織學(xué)研究。Balas等通過(guò)快照式光譜成像系統(tǒng)對(duì)宮頸口病變區(qū)域進(jìn)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(jù)，對(duì)20個(gè)惡性腫瘤的組織分類靈敏度達(dá)到了98.5%。美國(guó)埃默里大學(xué)Fei教授構(gòu)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(guò)支持向量機(jī)（SupportVectorMachine，SVM）分類器實(shí)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(duì)乳腺癌癥檢測(cè)，Pogue等通過(guò)核估計(jì)方法對(duì)癌變組織的高光譜圖像進(jìn)行分類，準(zhǔn)確率達(dá)98%。Laura等在乳腺癌高光譜圖像上驗(yàn)證了多種分類算法，并最后取得了79%的準(zhǔn)確率。Silas等評(píng)估了使用點(diǎn)掃描高光譜成像儀測(cè)量了結(jié)腸腺癌的熒光激發(fā)光譜變化。結(jié)果表明，高光譜成像可成為區(qū)分結(jié)腸腺癌細(xì)胞和周圍正常結(jié)腸黏膜細(xì)胞的一種方法。Mauro設(shè)計(jì)基于微電子機(jī)械系統(tǒng)的數(shù)字微鏡高光譜成像系統(tǒng)，用于觀察結(jié)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(zhǔn)確率。暨南大學(xué)Zhu等采用液晶可調(diào)諧濾波器對(duì)胃組織切片的光譜信息進(jìn)行分析，對(duì)癌變組織分類準(zhǔn)確率達(dá)95%。Kiyotoki等對(duì)16組胃癌的腫瘤組織區(qū)域和正常區(qū)域進(jìn)行了成像分析。

推薦：

便攜式地物光譜儀iSpecField-NIR/WNIR

專門用于野外遙感測(cè)量、土壤環(huán)境、礦物地質(zhì)勘探等領(lǐng)域的最新明星產(chǎn)品，由于其操作靈活、便攜方便、光譜測(cè)試速度快、光譜數(shù)據(jù)準(zhǔn)確是一款真正意義上便攜式地物光譜儀。

無(wú)人機(jī)機(jī)載高光譜成像系統(tǒng)iSpecHyper-VM100

一款基于小型多旋翼無(wú)人機(jī)機(jī)載高光譜成像系統(tǒng)，該系統(tǒng)由高光譜成像相機(jī)、穩(wěn)定云臺(tái)、機(jī)載控制與數(shù)據(jù)采集模塊、機(jī)載供電模塊等部分組成。無(wú)人機(jī)機(jī)載高光譜成像系統(tǒng)通過(guò)獨(dú)特的內(nèi)置式或外部掃描和穩(wěn)定控制，有效地解決了在微型無(wú)人機(jī)搭載推掃式高光譜照相機(jī)時(shí)，由于振動(dòng)引起的圖像質(zhì)量較差的問(wèn)題，并具備較高的光譜分辨率和良好的成像性能。

便攜式高光譜成像系統(tǒng)iSpecHyper-VS1000

專門用于公安刑偵、物證鑒定、醫(yī)學(xué)醫(yī)療、精準(zhǔn)農(nóng)業(yè)、礦物地質(zhì)勘探等領(lǐng)域的最新產(chǎn)品，主要優(yōu)勢(shì)具有體積小、幀率高、高光譜分辨率高、高像質(zhì)等性價(jià)比特點(diǎn)采用了透射光柵內(nèi)推掃原理高光譜成像，系統(tǒng)集成高性能數(shù)據(jù)采集與分析處理系統(tǒng)，高速USB3.0接口傳輸，全靶面高成像質(zhì)量光學(xué)設(shè)計(jì)，物鏡接口為標(biāo)準(zhǔn)C-Mount，可根據(jù)用戶需求更換物鏡。

審核編輯 黃宇