SPECIM高光谱成像技术在舌诊上的应用-第二部分

通过上一期高光谱成像技术在舌诊上的应用-第一部分，我们了解到SPECIM高光谱成像技术不仅在中医病理学上提供了新的研究思路，同时也是机器学习与深度学习等人工智能领域重要的技术途径之一，比如在舌苔的图像分割问题上，SPECIM拥有较大的优势。

所谓图像分割，简单来说就是从图像中把目标从背景中分离出来。图像分割是中医舌诊现代研究领域的一个热点难题，是在引入计算机视觉后舌象分析的第一步，也是后续中医舌诊现代化研究的基础。人体的舌头是一个独特的器官，它可以伸出身体以供观察，但由于舌头的生理特征，在基于传统单通道图像的计算机辅助诊断中，对于人体舌头的观察存在如下几个问题：

• 1、舌头的表面有一些沟壑与突起，其表面并不是材质均一的平面，而且舌头本身具有一定曲率，这对图像的边缘检测有很大的影响。
• 2、人类只能伸出舌头的一部分，但对于伸出的“一部分”，并且无法量化，也就是说，对于我们能检测到的舌头区域，诸如面积、舌面与检测仪器镜头平面的夹角等都是毫无规律而言的随机变量。

当然在其他领域里也会遇到上述两个问题中的一个或两个，程度也都有所不同，所以学者们也都提出了不少解决方案。其中目前笔者已知的舌头图像分割效果较好的模型是由Bo Pang等人所提出的bi-elliptical deform-able contour（以下简称BEDC）方法。但使用BEDC方法处理过后的舌头图像分割仍存在下述问题：

• 1、对于舌头本体与人体口腔中的其他部分，如口腔内的阴影、不应该出现的舌根等部分也被划入了ROI区域。
• 2、因为问题1的存在，ROI中存在不属于目标对象，区域的边缘检测和混合像元问题更加严重了，不利于舌苔的后续分析研究。

利用单波段DN值的自动化图像分割，大多都是基于模型的非刚性配准，也就是说自动图像分割中的某个分割结果通常是来自其他数据集中，人工标记出各个分割对象类型后生成的算法模型结果。而在SPECIM高光谱成像技术中，我们可以利用不同目标对象的光谱差异性来实现对象分类，从而可以耗费更少的人力来区分舌头和非舌头的图像区域。下图展示了舌头与非舌头的生物物质在400~1000nm的光谱差异。

不同部位与舌头在400~1000nm的光谱曲线差异
（光谱曲线为SVM标准均一化与SG平滑预处理后的光谱曲线）

高光谱成像系统的流程举例与舌苔检测实际的系统搭建如图所示：

由于高光谱数据相较于传统RGB图像以及多光谱数据拥有更多的光谱通道数，也就意味着更多维度的数据和巨量的特征，于是选择了支持向量机（SVM）模型。

关于两者图像分割效果的评估方法，最终采用了相关论文中提出的一种评价方法。采用边界误差度量来评价分割性能，定义HD为模型图像分割ROI边界曲线到人工分割曲线的最大距离（DCP），平均距离为MD。结果表明，HIS+SVM的图像分割得到的HD和MD分别是11和6.23，而传统RGB图像+BEDC的图像分割结果分别是27和10。

下图分别展示了基于传统RGB三通道（650nm、510nm、475nm）相机的RGB图、舌头ROI特征相关性热力图（阈值统一取0.9950）和SPECIM高光谱相机（400-1000nm）的SVM图像分割结果。

可以看出，通过SPECIM高光谱成像技术可以更好地区分舌头与非舌头的部分。这说明SPECIM高光谱成像技术可以提供舌头计算机辅助诊断领域与传统方法相比，更强的鲁棒性和有效性。

便携式高光谱相机

Specim IQ是一台便携式高光谱相机，可让您在任何地方几秒内即完成材料样品分析。任何在VNIR波段范围(400-1000 nm)内的各类应用都可以使用它，例如食品、植被、艺术品、以及生命科学等领域。

参考文献

[1] Automated tongue segmentation in hyperspectral images for medicine. Zhi Liu 1, Jing-qi Yan, David Zhang, Qing-Li Li

关于Specim

作为高光谱成像（HSI）行业的龙头公司之一，Specim产品涵盖从可见光到热红外全部波段的测量，为用户提供全面的高光谱成像解决方案，满足工业、科学和研究用户的不同需求。产品包括工业高光谱相机、实验室高光谱相机以及机载高光谱相机，适配客户特定的使用场景。Specim以分拣机客户为核心，同时在分选回收、食品和制药等行业也拥有广泛的客户群体。去年，Specim正式推出全新的SpecimONE高光谱成像平台，该平台使高光谱成像技术更便利、更快捷地与分拣机相结合。2021年起，SpecimONE平台可开始交付。借助SpecimONE平台，柯尼卡美能达将进一步扩大工业领域中高光谱成像的业务。