近年來，北京理工大學(xué)科研人員發(fā)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(fā)表在美國電氣和電子工程師協(xié)會(huì)醫(yī)學(xué)信息工程技術(shù)領(lǐng)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(xué)信息與電子學(xué)院呂蒙博士、李偉教授、陶然教授，新南威爾士大學(xué)生物醫(yī)學(xué)工程研究生院Nigel H. Lovell教授，以及中日友好醫(yī)院腎內(nèi)科李文歌教授團(tuán)隊(duì)共同合作，利用顯微高光譜成像技術(shù)，結(jié)合高光譜圖像在空間、光譜上的多種先驗(yàn)知識(shí)，提出了一種基于空-譜密度峰值的醫(yī)學(xué)高光譜圖像判別分析算法并應(yīng)用于膜性腎病分類，研究結(jié)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(tǒng)鑒別診斷主要依靠臨床癥狀，血清學(xué)檢查和光學(xué)腎活檢。但是，光學(xué)檢查結(jié)果中有可能出現(xiàn)假陽性，并且無法檢測到生化成分的變化，這對致病機(jī)理分析構(gòu)成了障礙。顯微高光譜成像可以揭示免疫復(fù)合物的詳細(xì)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(zhàn)。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(yàn)知識(shí)，進(jìn)行有效診斷信息的特征提取與圖像分類至關(guān)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(shù)據(jù)進(jìn)行智能診斷。通過使用密度峰聚類，構(gòu)建了一組描述醫(yī)學(xué)高光譜圖像空間和光譜域中固有結(jié)構(gòu)的圖形。在圖嵌入過程中，通過壓縮空間光譜局部類內(nèi)像素，同時(shí)分離光譜間類像素，以獲得免疫復(fù)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(jī)對低維空間中的像素進(jìn)行分類。實(shí)驗(yàn)驗(yàn)證采用臨床難以使用光學(xué)顯微鏡進(jìn)行區(qū)分的膜性腎病數(shù)據(jù)（包括原發(fā)性膜性腎病和與乙肝相關(guān)膜性腎病）。實(shí)驗(yàn)結(jié)果表明，所提出的分類框架靈敏度高達(dá)99.36％，對膜性腎病的自動(dòng)診斷具有潛在的臨床價(jià)值，為智能醫(yī)學(xué)診斷提供了新思路。