CN104968257A - 具有高光谱相机引导的探头的成像系统 - Google Patents

Abstract

一种用于识别生物组织中诸如肿瘤的目标结构的医学成像系统。高光谱相机系统被用于例如以有限但足够允许对可能存在目标结构的可疑区域进行识别的光谱分辨率来对组织的表面区域进行成像，例如这样的区域可以在显示器上被视觉指示给操作者。诸如光学表面探头的探头被用于提供对于组织的较小的表面区域但是具有指示目标结构的更多信息的探头测量。探头被选择为提供比高光谱相机更高的关于对目标结构的识别的特异性。接着基于在可疑区域内执行的探头测量数据来对高光谱处理算法进行校准，因此提供得到具有增强的灵敏度的图像的经校准的高光谱处理算法，以识别目标结构。仅需要几次探头测量来显著地改进得到的图像，由此提供可靠且快速的目标结构识别。

Description

具有高光谱相机引导的探头的成像系统

技术领域

本发明涉及医学设备或装备的领域。更具体地，本发明涉及用于识别生物组织中的目标结构，例如用于有效肿瘤边缘评价的医学成像系统和方法。

背景技术

在肿瘤切除手术期间，对被切除组织的边界是否是无肿瘤的评估是至关重要的。当肿瘤没有被完全切除时，处置将没有疗效，伴随着对于患者的所有灾难性后果。尽管组织病理学是用于评估切除是否完全的黄金标准，但是由于对被切除的标本的评估所需要的时间，这仅可以在手术已经完成之后进行。尽管可以对被切除组织的外层到阳性边缘的特定深度进行研究的表面探头在开发中，但是这些方法仍然是相当耗时的，这是因为必须以足够的准确度并以足够的分辨率来研究外表面。另外，因为这些测量是点状的(或小面积测量)，所以它们由于可能致使这些测量较不稳定的异质组织结构而易于波动。

因此，问题是如何以时间高效且鲁棒的方式针对阳性边缘来对被切除的肿瘤组织的表面进行检验。

发明内容

提供允许对生物组织内的目标结构(例如肿瘤组织)的稳定且同时时间高效的识别的系统和方法将是有利的。

在第一方面中，本发明提供了一种被布置用于识别相关联的生物组织中的目标结构的医学成像系统，所述系统包括：

-高光谱相机系统，其被布置为提供覆盖所述生物组织的第一表面区域的高光谱图像，其中，所述高光谱图像的像素包含在不同的光波长带处的信息，

-探头，其被布置为提供对于所述生物组织的第二表面区域的、具有指示所述目标结构的信息的探头测量，并且被布置为相应地生成探头测量数据，其中，所述第二表面区域比所述第一表面区域更小，并且其中，所述探头被选择为提供比所述高光谱相机系统更高的关于对所述目标结构的识别的特异性，以及

-处理器，其在功能上被连接以接收所述高光谱图像和所述探头测量数据，其中，所述处理器被布置为根据高光谱处理算法来分析所述高光谱图像，以便识别所述高光谱图像的可能包含所述目标结构的部分，其中，所述处理器还被布置为分析所述探头测量数据并响应于所述探头测量数据来校准所述高光谱处理算法，从而提供具有增强的灵敏度的经校准的高光谱处理算法，以在所述高光谱图像中识别所述目标结构。

本发明解决了所提到的问题，其中，所述高光谱图像可以被用于非常快速地但以相当有限的光谱分辨率来提供足够大的区域的图像，并且因此具有关于对所述生物组织内的所述目标结构的识别的相当低的特异性。然而，所述高光谱图像还可以被用于识别可疑区域，即能够预期具有目标结构存在的一定可能性的区域。接着操作者可以例如借助于在显示器上的视觉指示来将所述高光谱图像用作引导，所述引导指向选择由所述高光谱图像覆盖的所述第一表面区域内的哪个(哪些)位置将要由选定的探头来测量，以使得其提供较高的关于对所述目标结构的识别的特异性。因此，所述探头提供用于识别所述目标结构的更好的数据，例如通过提供比所述高光谱图像更高的光谱分辨率，但却是以有限的测量区域(例如以点测量或点状测量的形式)为代价的。使用所述探头测量数据来修改或校准所述高光谱图像处理算法，可以获得具有关于识别所述目标结构(例如肿瘤组织)的增强的对比度和/或灵敏度的经改进的图像。在已经执行了一次或有限次的探头测量并且已经相应地校准了所述高光谱图像处理算法后，利用经校准的算法来处理的实时高光谱图像可以被用于提供对另外的目标结构的非常快速的检验。

因此，所述高光谱相机的高速度被用于指出要被利用更耗时的探头来检查的可疑区域。然而，事实证明，甚至一次单个的点状探头测量也可以被用于为了增大灵敏度来显著改进所述高光谱图像，以识别所述目标结构。这样，根据本发明的所述医学成像系统可以提供对切除后的阳性边缘的鲁棒且时间高效的识别。这允许所述系统在手术期间被使用，并且因此增加了在肿瘤手术期间去除所有肿瘤组织的机会，而不需要在稍后的检查中证明没有成功地去除所有肿瘤组织的情况下重新进行手术。应当理解，探头的类型和对所述探头测量数据的后继处理优选地应当为了提供有助于识别所考虑的具体目标结构的高灵敏度而被选择。

在识别肿瘤的情况下，所述高光谱相机系统可以被用于制作组织标本的表面的可视图像和高光谱图像，接触探头或表面探头能够在靠近标本的表面的组织里面局部地进行测量。基于查找表数据针对可疑区域来分析所述高光谱图像，并且所述高光谱图像能够针对可疑标志来对所述探头进行分析。所述探头能够产生指示所探测的表面是否包含阳性边缘的信号，并且要利用所述表面探头来检验的区域基于高光谱图像分析而被指示在可视图像中。例如在几个位置处获取的来自所述表面探头的信号被用于校准用于分析所述高光谱图像的2D图像处理算法。特别可以以较大的光谱范围并以较高的光谱分辨率来采集探头数据，并且所述探头数据还可以覆盖表面以下的组织的部分，因此允许对这些组织点的准确评价。想法是这些表面探头测量在介入期间(例如当2D光谱图像处理指示大的重建不确定性时)仅需要完成几次，并且一旦已经执行这种利用表面探头数据的校准并且所述系统被重新校准，操作者就可以使用从根据本发明的所述高光谱图像获得的实时2D结果。特别地，所述表面探头测量的信号基于对所述可视图像的图像分析而被注释在所述可视图像和/或所述高光谱图像中，以在测量时将探头端部位置与标本进行配准。

除了识别肿瘤组织以外，所述成像系统也可以被用于例如在手术期间识别其他目标结构，例如生物组织的表面以下的血管、神经束等的存在。由此，在对耗时和/或介入探头的需要内避免这样的血管和神经束的意外部分是可能的。

在优选实施例中，以比所述高光谱图像更高的光谱分辨率来采集所述探头测量。特别地，所述高光谱图像可以利用相当低的光谱分辨率的交叠的光谱带而被采集，或者所述光谱带可以是不交叠的并且因此具有没有任何信息的光谱带。因此，在全部两种情况下，所述探头可以提供具有较高光谱分辨率的测量数据，这因此允许关于识别所述生物组织内的所述目标结构的更高的特异性。

优选地，所述第二表面区域被选择为被定位在所述第一表面区域内，并且因此所述探头测量在由所述高光谱图像覆盖的区域内被执行。在所述探头是介入设备的情况下，应当理解“在所述第一表面区域内”被理解为在所述第一表面区域的表面以下的生物组织中的点或小面积中执行所述探头测量。

所述系统可以被布置为在利用所述高光谱处理算法处理所述高光谱图像后视觉显示所述高光谱图像，以及对诸如可以被用于以图形的方式对被识别为可能包含所述目标结构的一个或多个部分进行指示的特殊阴影、着色、突出显示或环绕的部分的视觉指示。

所述系统优选地被布置为在利用所述经校准的高光谱处理算法处理所述高光谱图像后视觉显示所述高光谱图像。由此，操作者(例如医生)可以检验得到的高光谱图像，现在所述高光谱图像在由经校准的算法处理后关于更好地将所述目标结构可视化得到增强。

所述处理器可以被布置为根据探头处理算法来分析所述探头测量数据，所述探头处理算法包括将所述探头测量数据与查找表进行比较。备选地或额外地，所述处理器可以被布置为根据探头处理算法来分析所述探头测量数据，所述探头处理算法包括计算多个测量参数并将所述多个测量参数转译为指示所述目标结构的生理参数。

所述处理器可以被布置为通过对所述高光谱图像中的在所述探头测量数据中被识别为属于所述目标结构的像素的分组进行细化来校准所述高光谱处理算法。对高光谱图像中的像素的这样的改进的分组将提供对所述目标结构的增强的可视化。例如被分配有相同颜色或亮度的像素的分组可以基于从所述探头测量数据提取的参数而被改变或被调谐。

所述探头可以包括表面探头和/或介入设备。所述探头可以包括光学探头和/或超声探头。对使用哪种探头的选择取决于生物组织和其中待识别的所述目标结构的类型。特别地，所述光学探头可以包括以下中的一种：漫反射光谱探头、漫射光学断层摄影探头、差分路径长度光谱、荧光探头、拉曼光谱探头、共焦反射探头、共焦荧光探头、双光子荧光探头、光学相干断层摄影探头、以及被布置为执行共焦成像的扫描纤维显微镜。

优选地，所述高光谱相机系统被布置为提供二维实时图像，因此允许当所述高光谱图像在监视器上被显示给探头操作者时对所述探头端部的实时导航。所述高光谱相机系统可以总体上基于以下中的一种：(1)专用高光谱相机，其基于来自宽带光源的光具有在相机里面的波长分离；(2)具有能调谐的波长或能调谐的滤波器设置的光源和普通相机；以及(3)在普通相机前面的宽带光源和能调谐的滤波器。

所述高光谱相机，即类型(1)，典型地是昂贵的，而类型(2)和(3)基于普通相机。然而，它们具有其他优势。例如利用不同波长的光照射的解决方案要求环境是暗的以产生高质量图像。关于高光谱相机系统参见P.W.T.Yuen、M.Richardson的“An introduction to hyperspectral imaging and itsapplication for security,surveillance and target acquisition”，The ImagingScience Journal，58卷，2010年，241-253页。因此，在一个实施例中，高光谱相机系统包括以下中的一种：

-高光谱相机，其被布置为提供所述高光谱图像，

-普通相机和具有不同窄带波长的多个光源以及控制器，所述普通相机、多个光源和控制器被布置为提供所述生物组织由所述多个光源顺序照射的图像，以及

-普通相机以及被布置在所述普通相机与所述生物组织之间的能调谐的光学滤波器，从而提供具有对所述能调谐的光学滤波器的不同设置的序列图像。

所述处理器可以被布置为根据图像处理算法来处理所述高光谱图像，以便在所述高光谱图像中识别所述探头的端部，从而识别所述探头测量数据对应于所述高光谱图像的哪个部分。在该实施例中，自动识别给定的探头测量适用于所述高光谱图像的哪个部分是可能的，与用于确定测量期间探头的位置的其他类型的位置器件相比，这是优选的以便以快速且可靠的方式来执行对所述高光谱处理算法的校准。

如已经提及的，所述成像系统可以被用于识别不同的目标结构，例如：肿瘤组织、神经束、血管(动脉或静脉)、淋巴结以及组织的氧合水平。

应当理解，所述处理器优选地由控制算法来控制，所述控制算法可以被实现为被布置用于在适合的处理器系统或计算机上运行的软件程序。所述系统的所述处理器可以被实现在专用设备中，例如包括用于显示所述高光谱图像的显示器，或者所述系统的所述处理器可以被实现为被布置用于在服务器或通用计算机上运行的软件程序。

所述介入设备和/或表面探头的大小和形状(例如在光学探头的情况下光学纤维的厚度和数量)应当被理解为针对给定的应用来选择。

在第二方面中，本发明提供了一种用于检测相关联的生物组织中的目标结构的方法，所述方法包括：

-提供覆盖所述相关联的生物组织的第一表面区域的高光谱图像，其中，所述高光谱图像的像素包含关于不同光波长带的信息，

-提供根据对于所述生物组织的第二表面区域的、具有指示所述目标结构的信息的探头测量的探头测量数据，其中，所述第二表面区域比所述第一表面区域更小并且被定位在所述第一表面区域内，并且其中，所述探头测量被选择为提供比所述高光谱相机系统更高的关于对所述目标结构的识别的特异性，

-根据高光谱处理算法来分析所述高光谱图像，以便识别所述高光谱图像的可能包含所述目标结构的部分，

-分析所述探头测量数据，并且

-响应于所述探头测量数据的分析的结果来校准所述高光谱处理算法，从而提供具有增强的灵敏度的经校准的高光谱处理算法，以在所述高光谱图像中识别所述目标结构。

应理解，“提供”高光谱图像和“提供”探头测量数据涵盖了其中“提供”意味着仅接收例如数字格式的数据，例如存储的或发送的数据，的所述方法的版本。然而，在所述方法的另一变本中，“提供”涵盖确实获取所述生物组织的所述高光谱图像并且还执行对所述生物组织的探头测量。

应当意识到，所述第一方面的相同的优势和实施例同样适用于所述第二方面。总体上，所述第一方面和所述第二方面可以在本发明的范围内以任何可能的方式被组合并被耦合。参考下文描述的实施例，本发明的这些和其他方面、特征和/或优势将是显而易见的，并将参考下文描述的实施例对本发明的这些和其他方面、特征和/或优势进行说明。

应当理解，根据所述第一方面的所述系统和根据所述第二方面的所述方法可以被用于许多应用中，例如：对肿瘤手术后的阳性边缘的识别、对组织表面以下的血管(动脉或静脉)的识别、对组织表面以下的神经束、淋巴结以及组织的氧合水平的识别。

附图说明

将参考附图仅通过范例来描述本发明的实施例，在附图中：

图1图示了成像系统实施例的简单方框图，

图2图示了适合于本发明的光学探头端部的草图，

图3图示了基于普通相机并具有不同窄带波长的光源的高光谱相机系统实施例，

图4a图示了具有对肿瘤组织可能存在的可疑区域的指示的高光谱图像的可视化，

图4b图示了在高光谱处理算法已经被校准并因此将肿瘤清楚地披露为白色阴影后的图4a的图像，

图5a-图5c图示了用于选择利用探头的点测量的位置的不同策略，

图6图示了其中肿瘤指示与校准后的高光谱图像一起在显示器上被示出的诊断实施例的方框图，

图7图示了示出针对血液、水和脂肪的吸收谱的图形，

图8图示了示出A：胶原蛋白、B：弹性蛋白、C：NADH、和D：FAD的固有荧光曲线的图形，并且

图9图示了方法实施例的方框图。

具体实施方式

图1图示了具有高光谱相机HSC实时2D高光谱图像HSI的系统实施例的基本部分，高光谱相机HSC实时2D高光谱图像HSI被应用到处理器P并且被以高光谱处理算法HSA处理。高光谱相机HSC提供待测试的生物组织BT的第一区域A1(例如要关于肿瘤组织TS形式的目标结构的存在而被测试的人体部分)的高光谱图像。处理I1后高光谱图像接着被以彩色或灰色阴影显示在显示器D上，例如利用以图形的方式对图像的被识别为可能包含肿瘤组织TS的可疑部分进行突出显示的视觉指示符。

光学表面探头PR提供对被定位在由相机HSC覆盖的第一区域A1内的第二区域A2进行覆盖的单次测量的探头测量数据PMD。探头测量数据PMD被应用到处理器并由探头测量算法PMA处理。该算法PMA可以包括基于探头测量数据PMD提取的一个或多个生理参数PP。探头被选择为使得其提供具有较高的关于识别肿瘤组织TS的特异性的测量数据PMD，例如通过提供比高光谱相机HSC更高的光谱分辨率。因此，即使探头PR覆盖有限的区域A2(例如单个点)，其也提供包括信息的探头测量数据PMD，所述信息允许以比可能基于高光谱图像更高的确定性来识别肿瘤组织TS，例如由于测量技术而允许比在高光谱图像的情况下可能的更深入组织表面之下的信息。

从探头测量数据PMD提取的生理参数PP被用于校准高光谱处理算法HSA，例如通过对高光谱图像中的图像像素的分组进行细化以便更好地对高光谱图像中的肿瘤组织的生理结构进行视觉增强。这得到经校准的高光谱处理算法HSA，并且随后经处理的高光谱图像I2接着被显示在显示器D上，因此得到肿瘤组织TS相关结构被视觉增强的图像，由此允许操作者更清楚地识别肿瘤组织TS。然而，高光谱图像允许对被覆盖的区域A1的具有肿瘤组织存在可能性的部分的识别，并且这可以被用作对于操作者的引导，所述引导指向选择执行探头测量的点或区域A2，因此省去了覆盖整个区域A1的耗时的探头测量。特别地，可以使用允许关于对肿瘤组织TS的识别的非常高的特异性的提供点测量的探头PR，因此提供以高速度对第一区域A1内的肿瘤组织TS的高度可靠的识别。

探头可以是表面探头或介入设备。在探头是光学探头的情况下，探头的光学纤维优选地被连接到光学控制台。在具体实施例中，光学探测器可以解析具有基本在波长光谱的可见和红外区(例如从400nm到1700nm)中的波长的光，并且其可以允许在可见和近红外波长范围两者中的漫反射测量。对于关于漫反射光谱(DRS)测量的详细讨论，参见R.Nachabé、B.H.W.Hendriks、M.V.D.Voort，A.E和H.J.C.M.Sterenborg的“Estimation ofbiological chromophores using diffuse optical spectroscopy:benefit ofextending the UV-VIS wavelength range to include 1000 to 1600nm”，OpticsExpress，18卷，2010年，879至888页，以及R.Nachabe、B.H.W.Hendriks、A.E.Desjardins、M.van der Voort、M.B.van der Mark和H.J.C.M.Sterenborg的“Estimation of lipid and water concentrations in scattering media with diffuseoptical spectroscopy from 900 to 1600nm”，Journal of Biomedical Optics，15卷，2010年5月，037015-10页。

可以由处理器P以若干方式向操作者(例如医生)提供关于进度和测试中的区域A1是否包含肿瘤组织的信息。例如，可以这样来使用灯光指示器或显示器D上的指示：在仍然检测到肿瘤组织时示出红色灯光并且在没有肿瘤时示出绿色灯光和/或任选地在怀疑肿瘤时示出黄色灯光。另一方式是使用可听声音信号。向操作者通知结果的又一方式是借助于显示器D上的图形指示(例如条和/或利用数字和/或颜色)来计算肿瘤检测的可能性。

由于高光谱相机HSC提供实时图像，在所显示的图像中视觉指示探头的存在是可能的，因此允许操作者将探头放置在可疑区域中并执行其中的探头测量。那么处理器可以包括允许对探头端部的检测的图像处理算法，从而自动地将探头测量数据PMD分配到高光谱图像内的正确位置。

在高光谱成像中，获取远处对象的2D图像，由此针对2D图像的每个像素来分析所记录的光子的光谱内容。这有效地得到3D数据集，在所述3D数据集中图像强度被存储为(X，Y)坐标和波长的函数。尽管最初被开发用于星载和机载应用(矿物、农业)要求高度敏感且昂贵的成像系统，但高光谱成像相机现在在商业上可用于专业和消费者市场，并且也被应用在例如健康护理和监控中。取决于所需要的视场、帧率以及光谱窗的数量和宽度，基于点扫描或线扫描设备以及衍射、折射或干涉光谱滤波而使用不同技术。图1中示出了高光谱成像相机的典型范例，图示了来自制造商Headwall and Horiba的两个高光谱相机。可以在Shaw G.A.、Burke H.K.的“Spectral Imaging for Remote Sensing”，Lincoln Laboratory Journal 14(1)，2003年，3至28页，中找到对高光谱成像的更详细的概述。

对于健康护理应用，医学高光谱成像(MHSI)典型地被用于提供二维组织氧合图。在成像期间，反射的光可以被以多个波长来收集并被处理以将氧合血红蛋白和脱氧血红蛋白信号分开，并且可以使用专用算法来将数据显示在来自www.hypermed-inc.com的HyperMed Inc.“OxyVuHyperspectral Imaging Technology”的组织活力的氧合图中。近来，已经引入了具有用于识别具有对肿瘤组织存在的指示的区域的专用算法的高光谱成像系统(Panasyuk，S.V.、S.Yang等的“Medical hyperspectral imaging tofacilitate residual tumor identification during surgery”，Cancer Biology&Therapy 6(3)：439-446页，2007年和Hamed Akbari、Kuniaki Uto、YukioKosugi、Kazuyuki Kojima和Naofumi Tanaka的“Cancer detection usinginfrared hyperspectral imaging”，Cancer Science 102(4)：852-857页，2011年)。这些系统图像表面区域在从400nm到高达800nm的可见波长范围中(Panasyuk，S.V.、S.Yang等的“Medical hyperspectral imaging to facilitateresidual tumor identification during surgery”，Cancer Biology&Therapy 6(3)：439-446页，2007年)，或者在近红外范围(1000-2500nm)中(Hamed Akbari、Kuniaki Uto、Yukio Kosugi、Kazuyuki Kojima和Naofumi Tanaka的“Cancerdetection using infrared hyperspectral imaging”，Cancer Science 102(4)：852-857页，2011年)，并且根据查找表对图像进行着色以识别可疑点。

然而，灵敏度通常受到组织表面上过度的血液的存在的抑制，这通常发生在开放手术中。有限的波长范围和光谱分辨率还限制了特异性，这是因为主要区分参数是血液含量和血液氧合，并且可能没有适当地考虑在可见波长范围中较不显著的肿瘤鉴别指标(例如胆汁、水、脂肪及其他的组织散射和吸收)。

在一些实施例中，高光谱相机系统可以被布置为使用线扫描图像来获得高光谱图像，例如见K.Hamada、K.Fujita、N.I.Smith、M.Kobayashi和S.Kawata的“Raman microscopy for dynamic molecular imaging”，J BiomedOptics.13(4)，044027(1-4)，2008年。在此，使用白色光源来照射样本并且从探测器/相机前面的狭缝探测吸收后的经散射/反射的光子。一个方向上探测器被用来捕捉光谱信息，而另一个方向被用来捕捉沿着线的横向信息。通过沿着样本来扫描所述线，获得沿第二横向方向的光谱信息。这提供有图示了感兴趣区的三维光谱概览的巨大高光谱数据集。通过选择波长，可以获得预示不同分子/化合物的各自的图像。这还可以被用于执行对两个不同波长的比率成像。与如上所述的点测量成像相比，该模态实现了更快速地成像。

处理器P可以被以各种方式实现。处理器P可以被集成在包括针对高光谱相机HSC和探头PR的前端的专用设备中。然而，处理器P可以被分布到被远离相机HSC和探头PR定位的一个或多个单独的计算机或处理系统。

图2图示了用于基于点的探头测量的可能的光学接触探头的端部。源纤维端SF发射光，并且探测器纤维端DF探测经反射的光。例如端部可以是图1中示出的PR的端部。两个纤维端SF、DF被布置有中心到中心的距离FD。这可以被用于例如DRS、荧光或拉曼光谱。利用接触探头的DRS测量可以在连续的波长范围上非常快速地运行，并且所探测的体积取决于(一个或多个)有效的源-探测器纤维距离FD可以延伸到组织中高达若干毫米(例如探测深度≈1/2纤维距离)。因此，与通过在延伸到NIR中(例如从400nm到1600nm)的波长范围上进行测量的高光谱成像相比，单点DRS提供增强的灵敏度和特异性，其可以包括来自额外的肿瘤鉴别指标的主要贡献。还参见R.Nachabé、D.Evers、BHW Hendriks、GW Lucassen、M.Vander Voort、EJ Rutgers、M-J Vrancken Peeters、JA van der Hage、HS Olderburg、J.Wesseling和TJM Ruers的“Diagnosis of breast cancer using opticalspectroscopy from 500 to 1600nm：a comparison of classification methods”，J.Biomed.Opt.16，2011年，087010页。

图3图示了基于普通数字相机CM的高光谱相机系统，普通数字相机CM以由控制器控制的顺序方式提供生物组织BT的2D图像，其中，光源L1、L2和L3将其不同窄带光顺序地施加到生物组织BT的表面。通过测量仅在几个仔细选定的波长处的反射率来实现组织类型之间的良好鉴别是可能的，并且使用一些基本技术来创建对比度，如将在两个不同波长处的反射率相除。利用这样的系统，利用普通相机CM来替换昂贵的高光谱相机并且替代地使用各种窄带光源是可能的。优选地，在由光源L1-L3顺序照射期间生物组织BT被定位在暗处以避免来自其他光源的任何干扰。

图4a和图4b示出了在高光谱处理算法的校准之前(图4a)和之后(图4b)同一高光谱图像的构建图示。在图4a的高光谱图像中，不能由高光谱图像处理清晰分类的可疑区域可以被视觉指示给操作者，这里被图示为由白色虚线指示的两个区域。这是对操作者例如使用点测量探头来执行这些可疑区域内的探头测量的引导。用于(残留)肿瘤鉴别的这样的点测量的增大的灵敏度和特异性可以被用于重新校准高光谱处理图像，例如其中使用的查找表，并且由此基本上增强高光谱图像中的每个像素的灵敏度和特异性。图4b中清楚地看出这样的校准的结果，其中，图4a中的上区域被看出实际上隐藏了图4b中清楚指出的肿瘤(白影)，然而在图4a中被指示为可疑的下部在图4b的增强图像中可以看出不包括肿瘤组织。

点探头也可以与荧光光谱一起使用，荧光光谱允许增强的肿瘤鉴别，例如通过提供关于局部代谢的进一步的信息(例如NAD+/NADH比率)或者组织中的自动荧光肿瘤特异性标记(例如如阿霉素或紫杉醇的细胞抑制药物)的存在。使用拉曼光谱，可以以非常高的准确度来识别与肿瘤细胞的存在相关联的化学成分，并且可以给出用于对高光谱处理算法的重新校准的补充信息。

图5a-图5c示出了利用用于覆盖较大区域的点测量或至少小面积测量的探头测量的不同策略的范例。图5a示出了点测量，而图5b和图5c示出覆盖感兴趣区的点的簇。可以使用单点探头和扫描纤维显微镜的组合来获得例如图5b和图5c中示出的策略。因此，在一些实施例中，探头可以包括单点探头和扫描纤维显微镜两者(BHW Hendriks、WCJ Bierhoff、JJLHorikx、AE Desjardins、CA Hezemans、GW‘t Hooft、GW Lucassen和NMihajlovic的“High-resolution resonant and non resonant fiber-scanningconfocal microscope”，J.Biomed.Opt.16，2011年，026007页)。这样的扫描纤维显微镜实现了以显著的空间分辨率、视场(FOV)和对比度对被检查的生物组织的共焦成像。除了高光谱图像之外的组合提供在例如图5a的单点测量上的显著进步。该模态实现了以亚微米分辨率(～0.6μm)在感兴趣空间区(～200μm)上的全波长区多光谱成像。所述模态可以被用于从诸如图5b中示出的单个感兴趣区或者如图5c中示出的覆盖许多独立感兴趣区的组合来获得全光谱信息，因此允许明显更大的区的信息。

组合探头系统还可以采用容易实现的不同的光学成像模态，例如共焦反射(K.Carlson、M.Chidley、K-B.Sung、M.Descour、A.Gillenwater、M.Follen和R.Richards-Kortum的“In vivo fiber-optic confocal reflectancemicroscope with an injection-molded plastic miniature objective lens”，Appl.Opt.44(10)，1792至1797页，2005年)、共焦荧光(J.C.Jung、A.D.Mehta、E.Aksay、R.Stepnoski和M.J.Schnitzer的“In vivo mammalian brain imagingusing one-and two-photon fluorescence microendoscopy”，J.Neurophysiol.92(5)，3121至3133页，2004年)、双光子荧光(J.C.Jung和M.J.Schnitzer的“Multiphoton endoscopy”，Opt.Lett.28(11)，902至904页，2003年；以及M.T.Myaing、D.J.MacDonald和X.Li的“Fiber-optic scanningtwo-photon fluorescence endosocope”，Opt.Lett.31(8)，1076至1078页，2006年)；以及光学相干断层摄影(G.J.Tearney、M.E.Brezinski、B.E.Bouma、S.A.Boppart、C.Pitris、J.F.Southern和J.G.Fujimoto的“In vivo endoscopicoptical biopsy with optical coherence tomography”，Science 276(5321)，2037至2039页，1997年)，其实现了对被检查的样本的更好的表征。

图6图示了诊断实施例，其中参考图1，在对高光谱图像算法HSA的校准后的高光谱图像I2被应用到显示器D。诊断算法DA处理同一图像I2并在其中检测目标结构(例如肿瘤)可能存在的区域。目标指示符TI接着被应用到显示器，例如以颜色、阴影、区域周围的线等的形式突出显示。

在下文中，将描述关于对从一个或多个探头测量数据提取参数的特征的范例细节。提取生理参数的范例是通过使用定制的Matlab 7.9.0(Mathworks，Natick，MA)算法来拟合采集到的光谱。在该算法中，实现了广泛接受的分析模型，即由文献T.J.Farrel、M.S.Patterson和B.C.Wilson的“A diffusion theory model of spatially resolved,steady-state diffusereflectance for the non-invasive determination of tissue optical properties”，Med.Phys.19，879至888页，1992年，介绍的模型，在此通过引用将其整体并入。文献T.J.Farrel、M.S.Patterson和B.C.Wilson的“A diffusion theory modelof spatially resolved,steady-state diffuse reflectance for the non-invasivedetermination of tissue optical properties”，Med.Phys.19，879至888页，1992年，的模型的输入自变量是吸收系数μ_α(λ)、约化散射(reduced scattering)系数μ'_s(λ)以及在探头的端部处的发射纤维与收集纤维之间的中心到中心距离。对于相机图像，不存在纤维距离并且Farrel的模型不再适用。相反可能使用基于公知的Kubelka-Munk模型的算法。例如在M.Müller、G.F.Zhou的“Modeling electrophoretic paper-like displays”，Proc.IDW 1-3，1287-1290页，2007年中给出了如何从散射和吸收属性导出反射率的范例。对于漫射理论模型的完整描述，我们参考T.J.Farrel、M.S.Patterson和B.C.Wilson的“A diffusion theory model of spatially resolved,steady-state diffusereflectance for the non-invasive determination of tissue optical properties”，Med.Phys.19，879至888页，1992年。

在以下部分中，将简要地解释所述模型。所使用的方程主要基于Nachabé等的工作，并且因此参考了R.Nachabé、B.H.W.Hendriks、M.V.D.Voort、A.E和H.J.C.M.Sterenborg的“Estimation of biological chromophoresusing diffuse optical spectroscopy：benefit of extending the UV-VIS wavelengthrange to include 1000 to 1600nm”，Optics Express，18卷，2010年，879至888页，在此通过引用将其整体并入，并且另外参考了R.Nachabe、B.H.W.Hendriks、A.E.Desjardins、M.van der Voort、M.B.van der Mark和H.J.C.M.Sterenborg的“Estimation of lipid and water concentrations in scattering mediawith diffuse optical spectroscopy from 900 to 1600nm”，Journal of BiomedicalOptics，15卷，2010年5月，037015-10页，在此通过引用将其整体并入。

双幂律函数可以被用于描述约化散射的波长依赖性，其中，波长λ以nm来表达并且被归一化到波长值λ₀＝800nm。参数α对应于在该具体波长处的约化散射幅度。

${{\mathrm{\μ}}_s}^{\′}\left(\mathrm{\λ}\right)=\mathrm{\α}({\mathrm{\ρ}}_{MR}{\left(\frac{\mathrm{\λ}}{{\mathrm{\λ}}_0}\right)}^{-b}+(1-{\mathrm{\ρ}}_{MR}){\left(\frac{\mathrm{\λ}}{{\mathrm{\λ}}_0}\right)}^{-4})\[{\mathrm{cm}}^{-1}\]$        (公式1)

在该公式中，约化散射系数被表达为米氏散射和瑞利散射的和，其中，ρ_MR是米氏-总体约化散射的分数。米氏散射的约化散射斜率被指示为b并且与颗粒大小相关。

图7示出了印记Hb、HbO₂、水W以及脂肪F的吸收光谱的对数曲线图。对于吸收体的均匀分布，如图7所示，总的光吸收系数μ_α(λ)可以被计算为吸收体的体积分数与消光系数的积：

最为对将吸收系数μ_α(λ)建模为通过四个感兴趣的发色团的各自的浓度加权的吸收系数的和的替代，决定将组织吸收系数表达为：

其中，对应于血液的吸收并且对应于被探测体积中的水和脂类一起的吸收。水和脂类的体积分数是v_WL＝[脂类]+[水]，然而v_血液表示150mg/ml的全血中的血红蛋白的浓度的血液体积分数。

因子C是解释色素包装的影响以及吸收光谱的形状的改变的波长相关校正因子。该影响可以通过这样的事实来解释：组织中的血液限于总体积的非常小的分数，即血管。靠近血管的中心的红血细胞因此比外围处的那些吸收更少的光。事实上，当在组织内均匀分布时，较少的红血细胞将产生与分布在离散血管中的实际数量的红血细胞相同的吸收。校正因子可以被描述为：

其中R指示以cm表达的平均血管半径。与血液相关的吸收系数被给出为：

其中和分别表示氧合血红蛋白HbO₂和脱氧血红蛋白Hb的消光系数光谱。血红蛋白的总量中的氧合血红蛋白分数被记为α_BL＝[HbO₂]/([HbO₂]+[Hb])并且被普遍知晓为血氧饱和度。

由于被测组织中的水和脂类的存在的吸收被定义为：

在这种情况下，与脂类和水一起的总浓度相关的脂类的浓度可以被写作α_WF＝[脂类]/([脂类]+[H₂O])，其中，[脂类]和[H₂O]分别对应于脂类(密度为0.86g/ml)和水的浓度。

这种在公式6中定义的吸收系数的表达式中使水参数和脂类参数相关，而不是单独估计水和脂类体积分数的方式对应于对基本函数的协方差的最小化，所述基本函数用于得到更稳定拟合的拟合，参见文献R.Nachabé、B.H.W.Hendriks、M.V.D.Voort、A.E和H.J.C.M.Sterenborg的“Estimation ofbiological chromophores using diffuse optical spectroscopy：benefit of extendingthe UV-VIS wavelength range to include 1000 to 1600nm”，Optics Express，18卷，2010年，879至888页。为了对该理论进一步解释和验证，参考R.Nachabe、B.H.W.Hendriks、A.E.Desjardins、M.van der Voort、M.B.van derMark和H.J.C.M.Sterenborg的“Estimation of lipid and water concentrations inscattering media with diffuse optical spectroscopy from 900 to 1600nm”，Journal of Biomedical Optics，15卷，2010年5月，037015-10页，在此通过引用将其整体并入。

用于鉴别光谱差异的另一方式是通过使用主成分分析。该方法允许对光谱差异的分类并且因此允许组织之间的鉴别。也可能从光谱提取特征。

图8示出了针对A：胶原蛋白、B：弹性蛋白、C：NADH以及D：FAD的固有荧光曲线。这样的参数还可以利用探头来测量。特别地，可以计算被称为光学氧化还原参数的比率NADH/FAD，这是因为该比率是针对组织的代谢状态的指示符，所述组织的代谢状态被假设为根据对癌细胞的有效处置而变化，例如见Q.Zhang、M.G.Mueller、J.Wu和M.S.Feld的“Turbidity-free fluorescence spectroscopy of biological tissue”，Opt.Lett.25，1451页，2000年。

图9图示了根据本发明的用于识别人类或动物组织内可能的肿瘤组织的方法实施例。所述方法包括接收被测试的组织的第一区域的高光谱图像的步骤R_HSI，任选地还包括利用高光谱相机来提供高光谱图像的步骤。接着利用用于识别和/或定位高光谱图像的可能包含肿瘤组织的一个或多个部分的算法来分析L_TT高光谱图像。如果这样的可以区域被局部化于高光谱图像中，则接下来的步骤D_SA是显示具有对可疑区域的指示的高光谱图像，例如使用叠加在高光谱图像上的线或其他图形符号。在该步骤D_SA中，利用对高光谱图像算法的初始设定或校准(例如基于待识别的目标结构而选择的设定)来处理高光谱图像，在这种情况下，所述目标结构为肿瘤组织。操作者接着具有对被测试的组织的哪些部分执行探头测量的视觉指示。接下来的步骤R_PMD是接收探头测量数据，任选地还有提供得到探头测量数据的探头测量的步骤。例如，探头测量数据是利用光学表面探头获得的，所述光学表面探头提供基本上在第一区域内的一个点中，优选地在被识别并显示的可疑区域内的第二区域中的测量数据。

接着利用被布置为例如基于测得的光学吸收系数、约化散射系数、以及探头的端部处的光发射纤维与光收集纤维之间的中心到中心距离来识别一个或多个生理参数的算法来分析A_PMD探头测量数据。结果接着被用于校准C_HSA用来分析高光谱图像的处理算法，从而使处理算法适于提供具有目标结构(在该范例中为肿瘤组织)与被测试组织之间的增强的对比度的图像。随后，使用经校准的高光谱图像处理算法来分析A_HSI高光谱图像。最后，将经重新分析的高光谱图像显示D_HSI在例如彩色监视器上。

以这种方式，可以采用具有高光谱分辨率的一个或几个点测量来添加关于经标准处理的高光谱图像的可疑区域中的组织的信息，从而修改高光谱处理算法。然后这被用于处理高光谱图像，以便提供具有为了在被测试组织与目标结构(例如肿瘤组织)之间进行区分的增强的对比度或灵敏度的图像。由此，所述方法帮助操作者(例如医学医生或其他医学人员)评估肿瘤组织是否存在于被测试区域内，例如帮助搜索阳性边缘。此外，所述方法可以包括也在经重新分析的高光谱图像中指示可疑区域，和/或指示肿瘤组织存在的可能性。

应当理解，可以按照与图9中示出的不同并且与以上方法实施例的说明中不同的顺序来执行所述步骤中的一些。

总之，本发明提供了一种用于识别生物组织中的目标结构(例如肿瘤)的医学成像系统。高光谱相机系统被用于例如以有限但足够允许对目标结构可能存在的可疑区域进行识别的光谱分辨率来对组织的表面区域进行成像，例如这样的区域可以在显示器上被视觉指示给操作者。探头(例如光学表面探头)被用于提供对于组织的较小的表面区域但是具有指示目标结构的更多信息的探头测量。探头被选择为提供比高光谱相机更高的关于对目标结构的识别的特异性。接着基于在可疑区域内执行的探头测量数据来对高光谱处理算法进行校准，因此提供得到具有增强的灵敏度的图像的经校准的高光谱处理算法，以识别目标结构。仅需要几次探头测量来显著地改进得到的图像，由此提供可靠且快速的目标结构识别。

尽管已经在附图和前文的描述中详细说明并描述了本发明，但这种说明和描述被视为说明性或示范性的，而非限制性的；本发明不限于所公开的实施例。本领域技术人员通过研究附图、公开内容以及权利要求书，在实践要求保护的本发明时，能够理解并实现对所公开的实施例的其他变型。在权利要求书中，词语“包括”不排除其他元件或步骤，并且词语“一”或“一个”不排除多个。单个处理器或其他单元可以满足权利要求中记载的若干项目的功能。尽管在互不相同的从属权利要求中记载了特定措施，但是这并不指示不能有利地使用这些措施的组合。计算机程序可以被存储/分布在适合的介质上，例如与其他硬件一起提供或作为其他硬件的部分提供的光学存储介质或固态介质，但是也可以被以其他形式分布，例如经由因特网或其他的有线或无线的电信系统。权利要求中的任何附图标记都不应被解释为对范围的限制。

Claims (15)

1.一种被布置为识别相关联的生物组织（BT）中的目标结构的医学成像系统，所述系统包括：

-高光谱相机系统（HSC），其被布置为提供覆盖所述生物组织（BT）的第一表面区域（A1）的高光谱图像（HIS），其中，所述高光谱图像（HIS）的像素包含在不同光波长带处的信息，

-探头（PR），其被布置为提供对于所述生物组织（BT）的第二表面区域（A2）的、具有指示所述目标结构（TS）的信息的探头测量，并且被布置为相应地生成探头测量数据（PMD），其中，所述第二表面区域（A2）比所述第一表面区域（A1）更小，并且其中，所述探头（PR）被选择为提供比所述高光谱相机系统（HSC）更高的关于对所述目标结构（TS）的识别的特异性，以及

-处理器（P），其在功能上被连接以接收所述高光谱图像（HSI）和所述探头测量数据（PMD），其中，所述处理器（P）被布置为根据高光谱处理算法（HSA）来分析所述高光谱图像（HIS），以便识别所述高光谱图像（HSI）的可能包含所述目标结构（TS）的部分，其中，所述处理器（P）还被布置为分析所述探头测量数据（PMD）并响应于所述探头测量数据来校准所述高光谱处理算法（HSA），从而提供具有增强的灵敏度的经校准的高光谱处理算法（HSA），以在所述高光谱图像（HSI）中识别所述目标结构（TS）。

2.根据权利要求1所述的医学成像系统，其中，所述探头测量是以比所述高光谱图像（HSI）更高的光谱分辨率来采集的。

3.根据权利要求1所述的医学成像系统，其中，所述第二表面区域（A2）被选择为被定位在所述第一表面区域（A1）内。

4.根据权利要求1所述的医学成像系统，其中，所述系统被布置为在利用所述高光谱处理算法（HSA）处理所述高光谱图像（I1）后将所述高光谱图像与被识别为可能包含所述目标结构（TS）的所述部分的视觉指示一起进行视觉显示。

5.根据权利要求1所述的医学成像系统，其中，所述系统被布置为在利用所述经校准的高光谱处理算法（HSA）处理所述高光谱图像（I2）后视觉显示所述高光谱图像（I2）。

6.根据权利要求1所述的医学成像系统，其中，所述处理器（P）被布置为根据探头处理算法（PMA）来分析所述探头测量数据（PMD），所述探头处理算法包括将所述探头测量数据（PMD）与查找表进行比较。

7.根据权利要求1所述的医学成像系统，其中，所述处理器（P）被布置为根据探头处理算法（PMA）来分析所述探头测量数据（PMD），所述探头处理算法包括计算多个测量参数并将所述多个测量参数转译为指示所述目标结构（TS）的生理参数（PP）。

8.根据权利要求1所述的医学成像系统，其中，所述处理器（P）被布置为通过对所述高光谱图像（HSI）中的在所述探头测量数据（PMD）中被识别为属于所述目标结构（TS）的像素的分组进行细化来校准所述高光谱处理算法（HSA）。

9.根据权利要求1所述的医学成像系统，其中，所述探头（PR）包括以下中的一种：表面探头、以及介入设备。

10.根据权利要求1所述的医学成像系统，其中，所述探头（PR）包括以下中的至少一种：光学探头、以及超声探头。

11.根据权利要求1所述的医学成像系统，其中，所述探头（PR）包括以下中的一种：漫反射光谱探头、漫射光学断层摄影探头、差分路径长度光谱、荧光探头、拉曼光谱探头、共焦反射探头、共焦荧光探头、双光子荧光探头、光学相干断层摄影探头、以及被布置为执行共焦成像的扫描纤维显微镜。

12.根据权利要求1所述的医学成像系统，其中，所述高光谱相机系统包括以下中的一种：

-高光谱相机（HSC），其被布置为提供所述高光谱图像（HSI），

-普通相机（CM）和具有不同窄带波长的多个光源（L1、L2、L3）以及控制器（C），所述普通相机、多个光源以及控制器被布置为提供所述生物组织（BT）由所述多个光源（L1、L2、L3）顺序照射的图像，以及

-普通相机以及被布置在所述普通相机与所述生物组织之间的能调谐的光学滤波器，从而提供具有对所述能调谐的光学滤波器的不同设置的序列图像。

13.根据权利要求1所述的医学成像系统，其中，所述处理器（P）被布置为根据图像处理算法来处理所述高光谱图像（HSI），以便在所述高光谱图像（HSI）中识别所述探头（PR）的端部，从而识别所述探头测量数据（PMD）对应于所述高光谱图像（A2）的哪个部分。

14.根据权利要求1所述的医学成像系统，其中，所述目标组织（TS）是以下中的一种：肿瘤组织、神经束、血管、淋巴结、以及组织的氧合水平。

15.一种用于检测相关联的生物组织中的目标结构的方法，所述方法包括：

-提供（R_HSI）覆盖所述相关联的生物组织的第一表面区域的高光谱图像，其中，所述高光谱图像的像素包含关于不同光波长带的信息，

-提供（R_PMD）根据对于所述生物组织的第二表面区域的、具有指示所述目标结构的信息的探头测量的探头测量数据，其中，所述第二表面区域比所述第一表面区域更小并且被定位在所述第一表面区域内，并且其中，所述探头测量被选择为提供比所述高光谱相机系统更高的关于对所述目标结构的识别的特异性，

-根据高光谱处理算法来分析（A_HSI）所述高光谱图像，以便识别所述高光谱图像的可以包含所述目标结构的部分，

-分析（A_PMD）所述探头测量数据，并且

-响应于所述探头测量数据的分析的结果来校准（C_HSA）所述高光谱处理算法，从而提供具有增强的灵敏度的经校准的高光谱处理算法，以在所述高光谱图像中识别所述目标结构。