高光譜顯微成像技術(shù)（HMI）是將顯微成像技術(shù)與光譜技術(shù)相結(jié)合，可以研究組織切片、細(xì)胞或微生物等樣本。利用HMI數(shù)據(jù)進(jìn)行疾病的診斷可以得到較高的結(jié)果準(zhǔn)確率、靈敏度和特異性，為不同種類的癌癥診斷和判別提供更為有效的手段。本文結(jié)合研究資料和實(shí)際情況，簡(jiǎn)單總結(jié)了高光譜顯微成像技術(shù)在癌癥診斷中的應(yīng)用。

2006年Dicker等人使用高分辨率高光譜成像顯微鏡對(duì)良性和惡性真皮組織進(jìn)行鑒別，其中系統(tǒng)光譜分辨率約為1nm，波長(zhǎng)范圍400-800nm。實(shí)驗(yàn)分別采集不同放大倍數(shù)下不同厚度、染色的皮膚樣本，以確定它們對(duì)光譜表征的影響。使用光譜波形互相關(guān)分析對(duì)光譜進(jìn)行分類，結(jié)果表明只要皮膚樣本染色和切片厚度得到控制，所有不同的皮膚組織都可以被客觀地區(qū)分。

2012年Hsieh等人開(kāi)發(fā)了中繼透鏡高光譜顯微成像系統(tǒng)，用于癌癥診斷。該系統(tǒng)具有透射和熒光模式。透射率可以為病理診斷提供形態(tài)學(xué)信息，熒光模式可以為正?；虍惓＜?xì)胞或組織提供熒光特征。通過(guò)對(duì)20只小鼠的早期口腔癌進(jìn)行體外診斷，結(jié)果表明鑒定正常細(xì)胞和SCC的最佳靈敏度為100%，最佳特異性為99%，鑒定正常細(xì)胞和發(fā)育不良痣的最佳靈敏度為99%，最佳特異性為97%。

2015年Zhu等人利用高光譜顯微成像系統(tǒng)區(qū)分正常/癌變胃細(xì)胞，實(shí)驗(yàn)樣品為蘇木精伊紅（H&E）染色組織切片。由于正常細(xì)胞和癌細(xì)胞之間的pH不同，二者之間的透射光譜有明顯的特征，最終利用該特征訓(xùn)練的反向傳播算法程序得到癌細(xì)胞識(shí)別的平均準(zhǔn)確率為95%。

2018年黃等人利用HMI系統(tǒng)采集MM數(shù)據(jù)，并提出了一種基于特征譜的監(jiān)督最小二乘支持向量機(jī)方法對(duì)MM細(xì)胞進(jìn)行分割。該方法基于傳統(tǒng)的最小二乘支持向量機(jī)算法，選擇目標(biāo)樣本的特征譜作為參考，最終對(duì)MM細(xì)胞的分割精度為85%。

2019年Chen等人基于正常細(xì)胞和癌細(xì)胞的核染色質(zhì)含量和分布的差異，利用高光譜顯微鏡采集H&E染色的肝癌組織的細(xì)胞核的透射光譜進(jìn)行肝癌組織鑒別。使用細(xì)胞核的透射光譜來(lái)訓(xùn)練用于細(xì)胞分類的支持向量機(jī)（SVM）模型。最終對(duì)癌細(xì)胞鑒定的敏感性和特異性分別為99%和98%。圖1.4所示為系統(tǒng)采集的癌細(xì)胞和正常細(xì)胞的HMI數(shù)據(jù)。

2020年Liu等人提出混合光聲和高光譜雙模態(tài)顯微鏡，利用該系統(tǒng)對(duì)患有MM和SCC的小鼠耳進(jìn)行成像，其中光譜范圍400-600nm，光譜分辨率約為5nm，獲得的小鼠耳朵的高光譜圖像和光聲圖像。光聲圖像由于其穿透深度較深，可以顯示出表皮下復(fù)雜而豐富的微血管網(wǎng)絡(luò)，高光譜成像則提供精細(xì)的皮膚表面圖像，從而獲得全方位的皮膚結(jié)構(gòu)信息。實(shí)驗(yàn)結(jié)果表明，MM和cSCC在形態(tài)和生理變化上存在明顯差異，從而驗(yàn)證了所提出的系統(tǒng)能夠更清晰地了解血管動(dòng)態(tài)變化，并證明該方法可以用作皮膚癌鑒定和評(píng)估的可靠和有用的方法。

2020年Leon 等人利用HMI系統(tǒng)（波長(zhǎng)范圍為450-950nm，共有125個(gè)波段）采集61例患者76幅色素性皮膚病變圖像的數(shù)據(jù)，并對(duì)其進(jìn)行標(biāo)記，將其分為良、惡性兩類。同時(shí)提出了一種基于無(wú)監(jiān)督算法和監(jiān)督算法相結(jié)合的色素性皮膚病變自動(dòng)識(shí)別和分類處理框架。對(duì)色素性皮膚病變良惡性鑒別診斷的敏感性和特異性分別為87.5%和100%。

2021年Courtenay等人將HMI系統(tǒng)與兩種無(wú)監(jiān)督異常檢測(cè)算法（Reed-Xiaoli和Reed-Xiaoli/Uniform Target）相結(jié)合自動(dòng)區(qū)分BCC和正常皮膚。結(jié)果表明，Reed-Xiaoli/Uniform Target 算法和Reed-Xiaoli算法均能對(duì)BCC和正常皮膚進(jìn)行區(qū)分，且曲線下面積分別為0.7074和0.8607。

?