北京理工大學在高光譜圖像膜性腎病分類方面科研成果

近年來，北京理工大學科研人員發布了在高光譜圖像膜性腎病分類方面取得了重大科研成果，改成果發表在美國電氣和電子工程師協會醫學信息工程技術領域國際頂級期刊IEEE JBHI中（IEEE Journal of Biomedical and Health Informatics, 2020影響因子:5.223）。

?

北京理工大學信息與電子學院呂蒙博士、李偉教授、陶然教授，新南威爾士大學生物醫學工程研究生院Nigel H. Lovell教授，以及中日友好醫院腎內科李文歌教授團隊共同合作，利用顯微高光譜成像技術，結合高光譜圖像在空間、光譜上的多種先驗知識，提出了一種基于空-譜密度峰值的醫學高光譜圖像判別分析算法并應用于膜性腎病分類，研究結果以《Spatial-Spectral Density Peaks-Based Discriminant Analysis for Membranous Nephropathy Classification Using Microscopic Hyperspectral Images》為題。

?

膜性腎病的傳統鑒別診斷主要依靠臨床癥狀，血清學檢查和光學腎活檢。但是，光學檢查結果中有可能出現假陽性，并且無法檢測到生化成分的變化，這對致病機理分析構成了障礙。顯微高光譜成像可以揭示免疫復合物的詳細成分信息，但是顯微高光譜圖像的高維性給圖像處理和疾病診斷帶來了困難和挑戰。因此，如何有效利用顯微高光譜圖像在空間域與光譜域先驗知識，進行有效診斷信息的特征提取與圖像分類至關重要。

?

?

圖1. 膜性腎病高光譜病理圖像示意圖

?

研究提出了一種基于空間光譜密度峰的判別分析的分類框架，對膜性腎病顯微高光譜病理數據進行智能診斷。通過使用密度峰聚類，構建了一組描述醫學高光譜圖像空間和光譜域中固有結構的圖形。在圖嵌入過程中，通過壓縮空間光譜局部類內像素，同時分離光譜間類像素，以獲得免疫復合物中具有重要診斷信息的低維特征。最終通過引入支持向量機對低維空間中的像素進行分類。實驗驗證采用臨床難以使用光學顯微鏡進行區分的膜性腎病數據（包括原發性膜性腎病和與乙肝相關膜性腎?。?。實驗結果表明，所提出的分類框架靈敏度高達99.36％，對膜性腎病的自動診斷具有潛在的臨床價值，為智能醫學診斷提供了新思路。