創新算法框架

本研究直面病理學中高光譜技術應用的兩大核心瓶頸：高質量標注數據稀缺與復雜光譜空間信息利用不足。

1. 公開顯微高光譜病理基準數據集

研究團隊針對頭頸癌（HNC）的免疫組化（IHC）與原位雜交（ISH）切片，構建了名為 “HSPath-Bench" 的基準數據集。該數據集包含超過60萬個像素的多類別精細標注，涵蓋了EGFR、P16、P53、P63、EBER五種關鍵生物標志物在不同染色強度下的光譜空間信息。這是國際上公開提供此類多類別、像素級標注的顯微高光譜病理數據集，為學術界開發和驗證相關算法提供了至關重要的公共平臺，將極大推動該領域的研究進程。

2. 提出創新的M2BS波段選擇與ALGFF特征融合算法

為解決高光譜數據波段冗余和局部-全局特征融合難題，研究團隊提出了兩大核心算法：

• 質量波段選擇（M2BS）算法：該算法創新性地以“質量"（信息密度與特征空間體積的乘積）為度量，在有效剔除冗余光譜波段的同時，保留了具有判別力的關鍵光譜信息，提升了后續處理的效率與精度。

• 自適應局部-全局特征融合（ALGFF）模塊：該模塊創新性地將卷積神經網絡（CNN）提取的局部細節特征與Swin Transformer捕獲的全局上下文語義進行自適應通道融合，使模型能夠同時洞察細胞級的細微差異和組織級的整體分布模式。

  
  

3. 實現優于現有方法的分類性能

在構建的HSPath-Bench數據集上，該研究提出的完整框架在頭頸癌IHC/ISH切片分類任務中，多項指標達到（SOTA）水平。特別是在訓練樣本極少的條件下（每類僅5個標注像素），模型依然表現出*的泛化能力和魯棒的分類精度，為臨床實踐中標注成本高、樣本獲取難的現實挑戰提供了可行的AI解決方案。

高譜成像HY-5010顯微高光譜成像系統提供精準數據

本項研究的可靠性建立在原始高光譜數據的精確性與一致性之上。研究中，病理切片的高光譜圖像數據，均通過高譜成像的 HY-5010顯微高光譜成像系統采集獲得。

與傳統的RGB顯微鏡成像只能獲取有限的光學信息不同，HY-5010系統能夠在400-1000nm的光譜范圍內，以優于2.8nm的光譜分辨率，連續采集300個波段的高維光譜數據。這意味著系統為病理切片上的每一個微米級的像素點，都記錄了一條反映其生化成分的“光譜指紋"。正是這些蘊含豐富分子信息的連續光譜，使得研究團隊提出的AI算法能夠精準區分在形態和常規染色下難以辨識的、不同表達強度的生物標志物區域。

論文明確指出，該系統具備自動對焦與掃描功能，能夠在保證高空間分辨率的同時，高效、穩定地獲取整個感興趣區域（ROI）的空間-光譜立方體數據，為后續的定量化分析和算法訓練奠定了堅實的基礎。

為生命科學研究提供光譜視覺工具

高譜成像致力于將高光譜成像技術賦能于生命科學前沿研究。本次山東大學團隊的突破性工作，再次驗證了高譜顯微高光譜設備在數字病理、生物醫學研究領域的*應用潛力。

HY-5010顯微高光譜成像儀作為一款專業的一體化顯微高光譜成像平臺，其優勢在于：

• 高精度光譜獲取：采用色散型分光原理，確保光譜數據準確，支持反射與透射兩種成像模式，適應多樣本類型。

• 顯微級空間分辨率：與顯微鏡光路無縫耦合，可實現高倍率下的微區光譜成像，滿足病理細胞級觀測需求。

• 流程化與穩定性：內置掃描與自動校準功能，簡化操作流程，確保大批量樣本數據采集的一致性與可重復性。

我們很榮幸看到，高譜成像的技術正成為國內外科研團隊探索生命奧秘、攻克臨床難題的得力工具。

未來，高譜成像將繼續聚焦客戶需求，深化技術研發，為科研工作者與行業專家提供更*、更精準的多維感知解決方案，共同推動精準醫療與生命科學的進步。