高光谱显微成像技术在微/纳米塑料分析检测中的新应用

随着塑料污染问题的日益严重,微/纳米塑料因其对生态环境及人体健康的潜在风险而备受关注,精准识别并鉴定复杂介质及生物体中的微/纳米塑料(以纳米塑料为主)已成为该领域深入发展的瓶颈。高光谱成像是一种前沿分析技术,能够对微/纳米颗粒、生物大分子等进行非破坏性、多组分检测,提供目标样品的空间信息和光谱特征,实现精确识别和定量分析。由于该技术在生物体无标记原位成像应用中的可行性,近年来在微/纳米塑料分析检测中展现出巨大的应用潜力。对高光谱显微成像技术的工作原理进行阐述,总结了该技术在生态环境、生物医学等不同科学领域及交叉学科的发展,重点分析了该技术在微/纳米塑料分析检测中的优势,系统综述了该技术在不同环境介质(如,水、大气)和生物体中微/纳米塑料检测的应用。最后,对高光谱显微成像技术未来的功能开发及研究方向进行了建议及展望,为建立并完善微/纳米塑料的精准识别与鉴定方法提供技术保障。

医学高光谱显微成像与智能分析关键技术研究及应用

医学影像作为常用的癌症检查手段,在医疗诊疗中起着重要作用。其中,病理图像分析能够从微观层面上观察癌细胞,是临床疾病诊断的“金标准”。传统病理分析主要依靠人工在显微镜下观察切片并做出判断,但长时间、高强度的检阅容易造成诊断准确率下降。随着高分辨率成像技术的发展,基于数字病理图像的处理与分析的方法得到了广泛关注。然而,彩色数字病理图像因缺少多维度、多模态信息,已逐渐触及智能病理诊断的短板。近年来,精准医疗诊断机器人技术已成为国际前沿研究热点,本文综合分析了高光谱机器视觉在医学病理诊断领域的核心关键技术,总结了高精度成像质量低、空-谱特征联合提取难、检测分析效果不佳等研究难题,并阐述了高光谱显微成像与分析技术在疾病诊断中的研究与应用进展。

高光谱显微成像技术及其在病理学检测中的应用

在临床实践中,病理学检测通常需要化学染色等多个繁杂步骤且成本昂贵,在术中病理检测等应用中存在极大的局限性。利用高光谱显微成像技术,不仅可对病理组织切片进行无损和快速成像,还可采集到病理组织切片丰富的光谱信息,在对高光谱显微图像进一步数据处理后,可获取关于病理组织切片的生理、生化信息,进而实现快速、准确的病理诊断。高光谱显微成像技术具有图谱合一的特点,避免了化学染色法对组织样本的伤害,不影响标本进行其它检测。本文主要介绍了高光谱显微成像技术及其发展趋势,其中着重阐述了一种新型的可编程高光谱显微成像技术及其所实现的光学染色功能,随后重点介绍了高光谱显微成像技术在病理学检测中的应用现状。

基于显微高光谱成像技术判别食源性致病菌种类的方法研究

如何实现对食源性致病微生物的早期快速检测是全球食品安全领域面临的挑战之一。传统的致病菌生化检测方法虽然准确性高,但是过程复杂、耗时漫长,易错过控制疫情爆发的窗口期。该研究提出一种基于暗场显微高光谱成像技术的检测方法,能够借助显微镜技术突破传统光谱成像的灵敏度和分辨率极限,并利用可见/近红外光谱为单个致病菌细胞添加高分辨率的图像和光谱信息。以空肠弯曲杆菌、大肠埃希氏菌O157:H7和鼠伤寒沙门氏菌为检测对象,采用显微高光谱成像技术进行数字化表征和数据采集,结合双向长短期记忆网络(Bi-LSTM)算法对各致病菌细胞的图像和光谱数据进行建模分类。结果显示,显微尺度的致病菌光谱数据呈现可判别的分布规律,新采用的Bi-LSTM网络在光谱数据集中表现优异,在三种致病菌的分类任务中取得了91.0%的平均准确率,而传统的线性判别分类器(LDA)和支持向量机分类器(PCA-SVM)的平均准确率分别为80.1%和88.5%。但是,仅依赖光谱数据进行致病菌种类判别仍然存在较为严重的假阳性问题,尤其是在大肠埃希氏菌O157:H7和鼠伤寒沙门氏菌的分类中存在错误分类。图像信息的加入则能够显著改善各分类的识别准确率,其中Bi-LSTM分类器取得了高达98.1%的准确率,LDA和PCA-SVM均取得了95.3%的准确率。研究结果表明,显微高光谱成像技术在食源性致病菌的特异性光谱和图像表征中具有优势,提出的Bi-LSTM网络能够直接处理高维的图谱特征,两种技术的融合在食源性致病菌细胞级别的早期检测应用中展现潜力。

基于像面干涉的高光谱显微成像方法

为了实现微小尺度目标的光谱成像分析,提出了一种基于像面干涉技术的高光谱显微成像方法。研究了由显微物镜、准直镜、横向剪切分束器、成像镜和探测器等组成的干涉成像光学系统。采用可调式实体横向剪切分束器,并通过旋转横向剪切分束器的方法获得目标的干涉信息。分析了该方法的成像原理、系统放大率、空间分辨率、光谱分辨率以及景深等。对蚕豆叶表皮切片进行了显微光谱成像实验,获得了可见光波段的光谱复原图像。实验结果表明,该方法具有光通量大、光谱分辨率高的优点,为显微光谱成像提供了一种新方法。

推扫式高光谱显微成像系统设计与实验

高光谱显微成像(HMI)是一种新型无损光学诊断技术,其光谱数据能够反映样本的内部微环境变化,图像数据可以反映样本空间结构信息,因此可以作为癌症诊断工具,在未来具有广阔的应用前景。但HMI数据量大且数据结构复杂,将其应用于癌症诊断领域需要进行系统详细的数据解译。设计并搭建了一套推扫式HMI系统,并编写了系统控制、数据采集和数据分析软件,可提供多种基于机器学习的数据处理方法。基于MATLAB编制了具有图形化用户界面的HMI数据采集和数据分析软件,该软件可给出分析结果,为医生病理诊断提供了便利。利用该系统和软件进行皮肤癌的分类与分期研究,验证了系统的性能。HMI系统的光谱范围为465.5~905.1nm,光谱分辨率约为3nm,视场尺寸为400.18μm×192.47μm,放大倍率为28.15,实际分辨率范围为1.10~1.38μm。分别采集基底细胞癌、鳞状细胞癌和恶性黑色素瘤组织的HMI数据,利用图像数据实现了三种皮肤癌的分类,准确率为85%;利用光谱数据实现了鳞状细胞癌的分期鉴别,准确率达到96.4%。

基于显微高光谱成像的人血细胞研究

使用自行研制的推帚式显微高光谱成像系统采集了正常、白血病人血液涂片的显微高光谱图像数据。通过对正常、白血病人血液显微高光谱数据进行处理,获得了人血液的单波段图像,并提取了部分血液细胞的典型透射率光谱曲线。分析这些曲线发现,病变细胞透射率普遍高于正常细胞,特别是在541.3nm附近透射率高出了50%左右。通过对血液涂片的图像和光谱特征进行分析表明,经过一定的改进,可以将显微高光谱成像系统作为一种新的检测手段,辅助医学研究人员对人血液进行分析。

显微高光谱成像的皮肤黑色素瘤浅表扩散深度识别方法

研究了基于显微高光谱图像的皮肤黑色素瘤浅表扩散深度检测方法.首先使用核最小噪声分割、形态滤波和边缘检测实现颗粒层的分割,然后使用基于特征谱监督的最小二乘支持向量机实现恶性黑色素细胞的检测,最后定量化计算了皮肤黑色素瘤的扩散深度.实验结果表明,可以为皮肤黑色素瘤的浅表扩散提供定量化的参考指标,有利于皮肤黑色素瘤的病理诊断.

糖尿病与正常大鼠视网膜组织显微高光谱图像数据研究

使用自行研制的显微高光谱成像仪采集了正常、糖尿病和药物治疗后大鼠的视网膜组织切片的显微高光谱图像数据。通过对正常对照组、糖尿病组、药物治疗3周组和药物治疗6周组4组共60例样本的显微高光谱数据进行处理,提取其外核丛透射光谱曲线进行对比分析发现,大鼠视网膜外核丛组织在400-800 nm光谱范围内存在3个谱峰,且正常大鼠视网膜外核丛组织光谱曲线在第113波段的谱峰明显高于糖尿病大鼠相同位置的谱峰。另外,经过注射LCVS1001药物治疗后大鼠视网膜外核丛组织的光谱曲线有逐渐向正常光谱曲线转变的趋势。通过该研究表明,可以利用显微高光谱成像仪来研究糖尿病大鼠视网膜的光谱特征以及物理化学组成等变化。

基于二维高斯核密度估计的有色纤维颜色特征提取方法

为提高基于显微高光谱成像的有色纤维颜色测量的准确性和可重复性,研究了一种基于二维高斯核密度估计的有色纤维颜色特征提取方法。首先通过显微高光谱成像测色系统采集有色纤维的高光谱图像,选择400~700 nm、波段间隔为10 nm的光谱反射率,将其转换为色度值CIE L^(*)a^(*)b^(*),计算纤维区域中的颜色均值与每个像元颜色的色差ΔE_(00),建立色差ΔE_(00)与L^(*)相关联的二维数据;再基于二维高斯核密度估计方法计算像元的密度值,并确立了有色纤维的密度截断阈值估计方法,用于截断舍弃低密度的离散异常像元;最后根据像元的密度值计算加权光谱反射率并转换为相应的色度值。选取有色羊毛纤维进行实证分析,结果表明:影响颜色测量结果准确性和可重复性的离散异常像元主要存在于二维空间密度分布中的“尾部”区域,离散异常像元越多,“尾部”越长,对测量结果影响越严重;相比均值法和明度加权法,本文通过截断舍弃离散异常像元以减小其对测色结果影响的方式,提高了有色羊毛纤维颜色测量的准确性,且测量结果的可重复性最优,在有色羊毛纤维的染配色和混配色预测模型研究中具有实际应用价值。

基于卷积神经网络与显微高光谱的胃癌组织分类方法研究

为了探究高光谱技术在胃癌组织病理诊断中的应用,将高光谱成像与显微系统结合,采集胃部切片组织的高光谱图像。针对胃癌组织与胃部正常组织在410~910nm波段的光谱特性差异,提出了一种基于卷积神经网络模型的胃癌组织分类方法,对原始光谱进行S-G平滑和一阶导数等预处理,通过分析光谱数据的特点和模型的分类效率,确定了最佳的网络结构及参数。实验结果表明:该模型对胃部癌变和正常组织的分类准确率为96.53%,鉴别胃癌组织的灵敏度和特异性分别达到94.29%和97.14%;相比于浅层学习方法,卷积神经网络模型能够充分提取癌变组织的深层光谱特征,同时能有效避免过拟合现象。将深度学习理论与显微高光谱结合的方法为医学病理研究提供了新思路。

基于G-SA-SVM的快速血管化鉴别方法

生物材料的显微高光谱成像分析技术是生物光谱学研究的前沿.烧伤、深度创伤病人治疗过程中,需要确定移植于患者创面的真皮替代物有没有进入正常的血管化进程,这是评价填充修复材料优劣的关键,也是患者创面恢复的重要指标.提出并实现了一种基于G-SA-SVM的快速血管化鉴别方法.该方法以显微高光谱成像技术为基础,首先对采集的高光谱数据进行光谱维和空间维的空白校正处理,然后对数据进行特征自适应性Gamma校正,最后利用模拟退火优化参数的支持向量机算法(SA-SVM)进行识别处理,有效定位红细胞,进而快速定位血管.实验结果表明,本文提出的G-SA-SVM算法误判率更低,识别精度更高,可以用于微血管新生的评价和鉴定.