標準成像技術利用可見光譜。眾所周知，可見光分為三個波段——紅、綠、藍 （RGB）。這種人為的劃分對于能見度非常有用，但是，來自不同波長的相關信息被忽略了。高光譜成像利用這些數(shù)據(jù)來改善我們看到的可見圖像。

高光譜成像的基本原理

    高光譜成像技術是利用成像光譜儀對目標物體在光譜覆蓋范圍內的數(shù)十或數(shù)百條譜線進行連續(xù)掃描成像，在獲得目標物體外部特征圖像信息的同時，也能獲得反應其內部成分的光譜信息。

它是如何工作的？

高光譜成像要求僅記錄光譜中的特定波段。這可以通過使用對光譜中唯一部分敏感的傳感器或在傳感器之前添加帶通濾波器來完成。它可以應用于多個波段，從而產(chǎn)生大型 3D 陣列圖像，其中尺寸對應于 x 和 y 坐標以及給定的波長。灰度圖像是 2D 陣列，其中每個像素值都是圖像強度。RGB 圖像相當于 3 個灰度圖像，或波長維度為 3 的 3D 陣列。此陣列中每個像素的值對應于特定波長的強度。

此圖像的數(shù)據(jù)明顯多于標準圖像，因此更難分析。然而，這些數(shù)據(jù)既不需要造影劑，也不需要電離輻射。

高光譜成像的優(yōu)勢

材料在不同波長下具有不同的反射率。標準成像能分辨這些材料的顏色差異，并用于可視化目的。但是，高光譜成像具有更好的區(qū)分視野中的物體的能力，甚至可以暴露看不見的物體。

在特定波長下，表面下的血管會改變反射，因此可以被檢測到。腫瘤具有與健康組織不同的材料特性，導致不同的高光譜反射，從而可以識別和分割腫瘤。高光譜成像可以檢測肉眼無法看到的差異。

人工智能和高光譜成像在機器人輔助手術中的應用

在機器人輔助手術 （RAS） 期間，特別是在內窺鏡檢查中，重要的是要遠離下面的血管和神經(jīng)束。高光譜成像可以實時檢測這些。雖然可以檢測底層結構，但為了全面了解表面下的解剖結構，使用了人工智能和深度學習方法。通過訓練網(wǎng)絡學習高光譜數(shù)據(jù)并在視野中分割隱藏的血管、神經(jīng)束和腫瘤，可以可視化底層解剖結構。這些可以描繪在RGB圖像上，并向外科醫(yī)生提供警告，從而根據(jù)手術需要安全地避開或接近這些結構。此功能在不使用輻射（X 射線）或造影劑的情況下為手術增加了另一層安全性。