超光谱成像技术在神经分类研究中的应用

在外科神经修复手术中，断端神经束性质的识别成为良好修复的关键。现有的一些神经束识别的方法不太理想。分子超光谱成像技术同时提供生物组织图像和光谱两方面的信息，对检测目标可进行定性、定量和定位的描述。

超光谱成像技术应用于坐骨神经中运动神经和感觉神经的识别与分类，通过多次实验，得到了一些宝贵的经验：

（1）神经样本在运输过程中需要泡在溶液中，否则神经纤维会萎缩。从而不能采集到正常的神经光谱图像数据。

（2）空白图像是作为联合辐射校正算法的参考样本，为消除系统光源强度的差异性，可在同光源强度的情况下采集运动神经、感觉神经、混合神经和空白图像样本。

（3）目前采集方式选择非积分可变波段连续采集，大大减少采集时间，但运动神经与感觉神经胞体内核的特征光谱在特定波段的亮度值差异还不是太大，进一步的实验可考虑采用积分可变波段连续采集模式，尽管增加了采集时间，但增强了光谱的对比度，利于后续数据分析和处理。经测试，80图像数据采集耗时3分29秒，即单波段耗时约2.6125?，但图像亮度增加了4~5倍。

通过大量的实验数据分析，原始的光谱图像数据经联合辐射校正预处理和图像的特征提取之后，单波段图像和伪彩色图像上能从形态的角度定性区分运动和感觉神经。通过比较运动和感觉神经胞体，胞体内核和胞体的细胞间质三种情况下的典型光谱曲线，两类神经胞体内核的特征光谱曲线区分最明显，透射能量差异较大，因而选择神经胞体内核的光谱作为特征光谱。但由于两类神经胞体内核的光谱曲线上走势非常相似，用目前分类算法还不足以区分。本文提出一种改良的算法，即算法先分类出运动神经和感觉神经，再根据两类神经透射强度不同，设计合适的域值加以区分。

目前的样本还是针对染色处理的运动神经和感觉神经样本，因染色需要时间较长，不利于在临床上推广。后续的工作从两个方面展开：一方面针对不染色处理的运动神经和感觉神经，或者缩短染色时间（比如染色0.5，1，2和4），用现有的方法看是否能有效区分运动神经和感觉神经；另一方面在分类算法上展开研究，针对运动神经和感觉神经的光谱特性，寻找更合适的分类算法。