基于双分支结构的高质量病理组织切片高光谱全视野图像拼接方法

为解决高光谱显微图像（MHSI）拼接中存在的内存消耗大、特征稀疏及硬件-软件协同效率低等问题，研究人员提出了一种基于颜色图像引导的双分支高光谱全视野图像拼接方法（HHISM）。该方法通过并行处理高分辨率颜色图像与高光谱数据，引入分支间信息共享模块，显著提升了拼接质量与系统交互效率。实验证明该方法在H&E样本上优于现有医学图像拼接技术，为病理诊断提供了更精准的高光谱全视野成像解决方案。

　　

在传统病理诊断中，医生通过光学显微镜观察染色组织切片，但受限于单视野成像，难以获取样本全局信息。数字全视野扫描技术虽推动了病理数字化进程，但高光谱显微成像（Microscopic Hyperspectral Imaging, MHSI）因其独特的光谱解析能力面临巨大挑战——高光谱数据立方体（包含二维空间和一维光谱信息）的拼接存在内存占用高、空间分辨率低导致的特征稀疏问题，且现有商业软件（如Fiji、ENVI）依赖手动操作，易引入误差。如何实现高质量、自动化的高光谱全视野图像拼接，成为制约该技术临床转化的关键瓶颈。

针对这一难题，国内某高校的研究团队在《Displays》发表论文，提出了一种革命性的解决方案——高质量高光谱全视野图像拼接方法（High-quality Hyperspectral whole slide Image Stitching Method, HHISM）。该方法创新性地采用双分支架构，通过颜色图像的高空间分辨率特性引导高光谱图像拼接，结合硬件反馈机制，首次实现了病理样本高光谱图像的精准高效拼接。

研究团队运用三大核心技术：1）双分支并行处理框架，同步执行颜色图像与高光谱图像拼接；2）跨分支信息共享模块，将颜色图像提取的几何特征（如边缘、纹理）迁移至高光谱分支；3）基于声光可调谐滤波器（AOTF）的MHSI系统硬件联动，通过拼接误差反馈实时校准图像采集。实验样本涵盖H&E染色组织等三类病理标本，采用20倍物镜获取数据。

Microscopic hyperspectral imaging system
研究构建的MHSI系统集成AOTF、科学级CMOS（sCMOS）相机和彩色CCD相机，通过棱镜分光实现同步采集。系统首次将样本识别模块嵌入硬件控制流程，自动过滤玻片背景区域，显著提升采集效率。

Overall structure
双分支架构中，颜色分支通过样本形状识别模块提取空间特征，而高光谱分支采用波段选择策略降低计算负载。分支间通过特征对齐模块共享空间坐标信息，解决低分辨率高光谱图像的特征匹配难题。

Data acquisition Methodology
硬件系统采用PRIOR H138A电动载物台实现亚微米级定位精度，USB预览相机辅助快速对焦。实验证明该设计使单视野采集时间缩短30%，且通过工业计算机实现采集-拼接闭环控制。

Conclusion
研究结论表明，HHISM在H&E样本上的拼接质量显著优于传统方法，其创新性体现在：1）首次实现颜色图像空间特征对高光谱拼接的引导；2）建立硬件-算法协同标准，避免人工干预导致的光谱失真；3）双分支架构使全玻片拼接时间缩短40%。该技术为高光谱病理AI诊断提供了高质量数据基础，推动数字病理从RGB向高维光谱跨越。讨论部分指出，未来可通过引入注意力机制进一步优化跨波段特征融合，但当前成果已为肿瘤微环境光谱分析等研究开辟了新途径。