近年來(lái)，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(guó)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(guó)際頂級(jí)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(yáng)性，并且無(wú)法檢測(cè)到生化成分的變化，這對(duì)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(lái)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(duì)膜性腎病顯微高光譜病理數(shù)據(jù)進(jìn)行智能診斷。通過(guò)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(guò)程中，通過(guò)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(guò)引入支持向量機(jī)對(duì)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(duì)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。