单光纤共注册拉曼-OCT技术结合深度学习增强体内口腔组织评估

《Biophotonics Discovery》：Single-fiber co-registered Raman-OCT technique with deep learning enhances in vivo oral tissue assessment

　　

传统口腔癌诊断依赖于白光成像和组织活检，这些方法无法捕捉关键的微观结构和生物分子信息，从而限制了癌前病变和恶性病变的早期检测。为应对这些挑战，我们提出了一种独特的同轴共配准形态化学成像平台，该平台将拉曼光谱（RS）和光学相干断层扫描（OCT）集成在一个紧凑型单光纤探头中。这种集成独特地实现了视频速率的OCT成像与亚秒级拉曼采集，从而在体内提供空间对齐的微观结构和生化组织信息。具体而言，该单光纤RS-OCT探头采用双包层光纤（DCF）和梯度折射率（GRIN）透镜架构构建。DCF的单模纤芯传输并收集OCT光，实现高分辨率结构成像，而其高数值孔径的多模内包层与GRIN光纤透镜配合，沿相同光轴高效完成拉曼激发与收集，确保了真正同轴且共配准的组织测量。一种结合空间滤波的无源耦合方案有效抑制了光纤源自的拉曼背景和DCF引起的OCT多径伪影，在紧凑型口腔内探头中实现了无伪影的生化与微观结构整合。所构建的系统实现了约100 dB的OCT成像灵敏度，并在亚秒内同时采集特征区（880至1800 cm?1）和高波数区（2800至3600 cm?1）组织拉曼光谱。我们通过健康志愿者体内口腔测量验证了该混合RS-OCT系统，测量覆盖九个解剖学上不同的口腔内位点，包括具有挑战性的舌后区。为协同融合共配准的形态化学数据集，我们实施了一个跨模态深度学习框架。该模型整合OCT补丁投票与双区拉曼分支（特征区和高波数区），在所有九个位点实现了92.38%的优越总体分类准确率。与仅拉曼（75.83%）和仅OCT（71.19%）模态相比，分别提升了16.55%和21.19%的诊断准确率。值得注意的是，RS-OCT跨模态深度学习模型在高风险舌下区域达到了93.4%的准确率。本工作确立了单光纤使能的混合RS-OCT技术作为增强体内口腔组织诊断的有力工具，具有广泛的临床转化潜力。

发现声明

本工作展现了先进生物医学仪器与智能数据驱动分析的融合，为实现具有明确转化潜力的下一代即时诊断方案奠定了基础。（1）首次展示了一种真正同轴的单光纤拉曼-OCT探头用于体内应用；（2）以临床相关速度实现了结构成像与生化成像的无缝整合；（3）深度学习驱动的跨模态融合释放了协同诊断性能。

1. 引言

口腔恶性肿瘤的早期检测仍是一项严峻的临床挑战，受到异型增生改变微妙且往往多灶性的特点以及口腔解剖结构复杂的制约。口腔黏膜的恶性转化并非单一事件，而是一个动态微进化过程，其中表皮的结构性紊乱（如正常分层的丧失）与底层固有层的生化重塑（包括胶原蛋白降解和细胞代谢变化）同时发生。与许多平面上皮位点不同，口腔黏膜表现出深刻的结构和生化异质性，其特征为分层上皮、富含胶原蛋白的固有层以及可变的血管分布。1?? 依赖单一对比机制的诊断方法本质上无法捕捉这种复杂的相互作用，导致准确风险分层的显著模糊性。3 因此，一种能够同时采集深度分辨结构特征与分子特异性化学标记的诊断策略，对于增强口腔早期疾病的体内表征至关重要。

一种结合拉曼光谱（RS）和光学相干断层扫描（OCT）的混合探头为解码这种生物复杂性提供了一种本质上的协同解决方案。RS是一种无标记的振动技术，对生化指纹具有极强的灵敏度，包括固有层胶原蛋白重塑以及脂质和蛋白质组成的变化，已被广泛用于组织诊断研究。??13 相比之下，OCT通过检测折射率变化产生的背向散射光，提供微米级上皮架构可视化，在识别口腔腔内与肿瘤进展相关的微观结构紊乱方面展现出显著潜力。1??1? 尽管存在这种协同效应，临床转化却受到重大技术瓶颈的阻碍。双探头设计本质上容易受到运动引起的配准误差影响，损害同一组织位点的采样一致性。相反，用于光束组合的笨重无源光学元件带来严重的外形尺寸限制，造成解剖学盲区，使临床高风险区域（如舌根）无法被访问。1??2?

这些限制促使开发具有广泛解剖学可达性的共配准形态化学RS-OCT平台，这一目标从根本上要求单光纤设计以最小化探头尺寸并保证内在配准。然而，将两种模态集成在单一波导中引入了一个关键的物理折中，源于它们相互对立的寻光需求。拉曼信号收集受益于大芯径、高数值孔径（NA）的多模光纤以实现高效光捕获，而OCT通常依赖单模、较低NA的传输光纤以维持光束质量和分辨率。这种二元对立促使采用双包层光纤（DCF）以提供同轴双通道。2??2? 然而，实施基于DCF的RS-OCT系统面临一个基本的设计冲突。一方面，拉曼通道极易受到光纤玻璃内部自发产生的背景信号干扰。2? 由于将涂层滤波器直接沉积在DCF端面上在技术上不可行，因此必须严格缩短光纤长度，以防止该背景淹没探测器并压制测量的动态范围。? 另一方面，基于DCF的OCT本质上存在多径伪影问题。2? 传统系统通常采用较长光纤段将这些伪影充分延迟，使其落在成像范围之外。2??2? 然而，缩短光纤以适应拉曼需求会使这些伪影更靠近真实信号，不可避免地降低OCT图像质量。这些相互对立的约束——为抑制拉曼背景需要短光纤、为减轻OCT伪影需要长光纤——迄今阻碍了真正紧凑型RS-OCT探头的开发，并限制了其在口腔内共配准结构及化学测量中的应用。

在本研究中，我们提出了一种创新的单光纤RS-OCT成像平台，解决了这些相互对立的约束，从而实现真正同轴、共配准的口腔内诊断。我们引入了一种独特的光学架构，采用精密无源耦合结合空间滤波孔径。这一设计使我们能够利用抑制拉曼背景所需的短光纤，同时减轻OCT多径伪影。通过克服这一关键瓶颈，我们成功将系统封装成可触及解剖学挑战性区域（如舌后区）的手持探头。此外，为充分利用丰富的协同数据，我们实施了一种注意力门控的多分支深度学习框架，整合OCT补丁投票与双区拉曼输入。我们的体内验证表明，这种综合方法产生了高保真度、共配准的结构和化学测量结果，与单独使用任一模态相比显著增强了组织区分能力，并为实时全面的口腔筛查建立了一条可行路径。

2. 结果

2.1. 单光纤使能的RS-OCT系统

单光纤使能的RS-OCT系统[图1(a)]由三部分组成：(i) RS的激发与信号收集模块。785 nm激光器提供拉曼激发，背向散射的拉曼信号通过光纤束路由至电荷耦合器件（CCD）光谱仪进行光谱采集。(ii) OCT成像模块的照明与探测设计。OCT子系统采用基于超辐射发光二极管（SLD）的1300±70 nm光源，以48 kHz的A线速率运行，75/25耦合器用于确保样品臂和参考臂之间高效的光分配。实施偏振控制以管理偏振效应，采用色散匹配参考臂以最小化光纤中色散引起的畸变。两臂的返回光束随后组合并导向OCT光谱仪进行信号采集。(iii) 定制设计的手持探头。一对二向色镜整合并分离RS和OCT光路，实现同轴光传输至探头前端及共配准的口腔内组织测量。临床兼容的探头远端前端直径为6 mm，以便进入狭窄的口腔内区域，而阶梯状的10 mm和16 mm直径部分提供光纤对准和探头封装的机械支撑；探头头部总刚性长度为132 mm[图1(b)]。利用该探头可在多个口腔内位点采集共配准的体内OCT结构数据和拉曼光谱数据[图1(c)]。在手持探头内部，拉曼（红色）和OCT（蓝色）光束通过DCF传输和收集，OCT光束由中央纤芯引导，拉曼激发与发射通过内包层耦合[图2(a)]。

图1

单光纤基混合拉曼光谱-光学相干断层扫描（RS-OCT）系统，用于共配准的体内口腔内测量。(a) 基于单光纤的RS-OCT系统示意图。785 nm拉曼激光器通过DCF内包层传输和收集，而基于1300±70 nm SLD的OCT子系统耦合至单模纤芯；DM1和DM2整合并分离RS和OCT光路，实现同轴且共配准的体内口腔内组织测量。PC，偏振控制器；MMF，多模光纤；FA，光纤衰减器；SMF，单模光纤；DCF，双包层光纤；CCD，电荷耦合器件；FB，光纤束；DM，二向色镜；PZT，压电换能器；GRIN，梯度折射率透镜；M，反射镜；SLD，超辐射发光二极管。(b) 微型阶梯式DCF基拉曼-OCT探头的设计与尺寸。探头具有6 mm直径的远端尖端，以便进入狭窄的口腔内区域，随后为10 mm和16 mm直径的阶梯部分，用于光纤对准和机械封装。探头头部总长度为132 mm。所有尺寸单位均为毫米。(c) 使用微型探头进行体内口腔内RS-OCT测量。

为保证高效信号传输并确保OCT光束严格限制在纤芯内的基模（FM，LP??）中，近端耦合的精确控制至关重要。具体而言，我们采用了一种模式剥离策略，通过去除DCF涂层、施加折射率匹配油并引入宏弯来实现。实验中，我们实现了83.19%的总OCT耦合效率，确认的基模功率分数为92.21%。这种高纯度纤芯传输表明初始高阶模式（HOMs，如LP??、LP??、LP??、LP??和LP??）被有效抑制，与数值模拟结果一致（详情参见补充材料Sec. S1）。同时，共对准的拉曼通道实现了约77.57%的内包层耦合效率，向探头尖端输送了足够的激发功率。短梯度折射率（GRIN）透镜用于平衡数值孔径并确保共配准。选择1.2 mm的DCF-GRIN间距来平衡这些参数，结果为工作距离0.6 mm、RS的NA为0.5、OCT的NA为0.15（详情参见补充材料Sec. S2）。安装在DCF近端的一个压电管驱动在紧凑型6 mm直径探头头部内的横向光束扫描，同时保持拉曼和OCT采样区域的严格共对准。

在圆形扫描模式下使用标准光学目标对探头的成像性能进行了量化。如图2(b)所示，OCT光束能够清晰分辨USAF分辨率目标的4-4元件，相应的横向强度分布确认横向分辨率为22 μm。在空气中测得的轴向点扩散函数（PSF）[图2(c)]半高全宽为约6.6 μm，与OCT引擎的光谱带宽一致，证明了适合分辨薄上皮层的高深度分辨率。OCT子系统灵敏度达到约100 dB。为评估拉曼收集效率和采样深度，我们在由上皮（EP）覆盖固有层（ST）的双层组织模型中进行了光子传输的蒙特卡洛模拟[图2(d)；详情参见补充材料Sec. S3]。2??2? 拉曼信号在横向约500 μm半径和纵向约1000 μm深度内探测组织，构成检测光谱的主要贡献。模拟的轴向探测范围得到了轴向拉曼响应实验表征的进一步支持（补充材料图S1）。该拉曼采样体积位于OCT扫描场内，使两种模态在同一测量位点探测重叠的组织体积。沿共享光轴的空间重叠定义为本研究中的共配准。

图2

单光纤基RS-OCT平台的探头设计、系统性能和代表性体内结果。(a) DCF和GRIN中同轴拉曼（红色）和OCT（蓝色）光束传播的示意图，实现组织处的共配准检测。(b) USAF分辨率目标及测得的横向强度分布，展示22 μm的横向分辨率。(c) 点扩散函数（PSF）及相应的轴向分辨率（空气中6.6 μm，3 dB）。(d) 使用蒙特卡洛（MC）方法在双层组织模型（上皮和固有层）中收集的拉曼光子分布。

颜色条代表归一化强度。EP，上皮；ST，基质。(e) 人体手指尖的代表性体内OCT图像，显示关键解剖层次：汗管(SD)、上皮(EP)、固有层(LP)和网状真皮(RD)。(f) 从手指尖采集的代表性体内拉曼光谱，已标注主要拉曼谱带。

代表性体内测量结果进一步证明了DCF-GRIN RS-OCT平台的能力。图2(e)展示了使用探针采集的人体手指尖OCT B扫描图像，其中汗管(SD)、上皮(EP)、固有层(LP)和网状真皮(RD)等关键解剖结构均以足够的对比度和深度穿透力清晰地呈现出来。配准的拉曼光谱[图2(f)]显示出与主要生化成分相关的显著谱带，包括1057 cm?1（脂质）、1152 cm?1（脂质/类胡萝卜素中的C─C伸缩）、1313 cm?1（蛋白质/胶原中的CH变形）、1450 cm?1（脂质和蛋白质中的CH?/CH?弯曲）、1665 cm?1（酰胺I，蛋白质中的C═O伸缩），以及2850和2935 cm?1（脂质和蛋白质中的CH?/CH?伸缩）。综合这些结果，证实了所提出的DCF-GRIN探针能够从同一明确的采样体同时提供高分辨率结构成像和化学特异性拉曼读取，为配准的体内RS-OCT测量奠定了基础。

**2.2. 多径伪影抑制**

DCF在系统中起着至关重要的作用，它同时满足两种模态相互冲突的要求，并为RS和OCT提供自然共轴的配准通道。然而，它也引入了OCT图像中的多径伪影。图3(a)展示了基模(FM)在DCF纤芯中的传播以及高阶模式(HOMs)在内包层中的传播。原则上，高阶模式仅用于拉曼激发和收集，而OCT子系统应仅检测纤芯中的基模。通过精确控制，正向耦合可实现较高的基模比例和较低的高阶模式激发，但后向大角度信号和残余模式耦合使得类基模高阶模式能够耦合回OCT检测光路，从而产生多径伪影。基模与这些类基模高阶模式之间的深度偏移量与DCF长度及模态群折射率差成正比。因此，传统的基于DCF的OCT系统通常采用较长的DCF段，使多径伪影落在成像范围之外，不与真实图像重叠。然而，在基于DCF的RS-OCT系统中，这种策略不可行，因为光纤产生的拉曼和荧光背景随光纤长度增加而增大[图3(b)]。在典型的体内采集条件下（0.5秒曝光时间），约12 cm的DCF长度就足以使CCD因该背景而饱和，严重压缩了拉曼检测的可用动态范围。另一方面，缩短的DCF段会导致多径伪影与真实OCT图像重叠，因此其抑制至关重要。

图3：高阶模式(HOMs)的产生、效应与抑制。(a) DCF结构及基模(FM)在纤芯中、高阶模式在内包层中传播的示意图。(b) 测得的荧光背景随DCF长度的变化，显示背景快速增长限制了RS-OCT的可用光纤长度。(c) 放置在中继光学系统中的空间滤波孔径示意图，用于阻挡边缘光线并优先传输中央的基模分量。(d) 基模(FM)和五个代表性高阶模式(HOMs，例如LP??、LP??、LP??、LP??和LP??)的与深度相关的OCT外差效率因子，量化了高阶模式串扰对OCT信号的相对贡献。(e) 基模、LP??和LP??的强度比随光圈直径的变化。0.9 mm的光圈直径(虚线)被选为折中值，基模损耗<2 dB，高阶模式衰减>5 dB。(f) 无(左)和有(右)光圈时的实验OCT点扩散函数(PSF)，高阶模式峰分别位于基模下方约?11.34 dB和?16.96 dB。(g) 无光圈(左)和有光圈(右)的体内嘴唇OCT B扫描图像。(h) 后处理后的体内嘴唇OCT B扫描图像，红线表示识别出的表面。

为解决此问题，我们采用了放置在中继光学系统中的空间滤波孔径（虹膜光圈）[图3(c)]，用于阻挡边缘光线并优先传输光束的中央部分，从而减少高阶模式的贡献，同时最大程度保留基模。为了定量表征不同高阶模式的强度，我们首先使用扩展惠更斯-菲涅耳模型模拟了基模和五个代表性高阶模式的深度相关外差效率[图3(d)；详见补充材料Sec. S4]，得出了各高阶模式相对于基模的原始背散射强度比。结合收集光纤的耦合效率（补充材料Sec. S5.1），LP??和LP??相对于基模的总体强度比分别为24.25%和21.16%，确定了它们是多径伪影的主要贡献者，需要被抑制。光圈减小了高阶模式的有效光束直径和数值孔径（NA），导致高阶模式的功率损失和光斑展宽，这对应于其强度和向单模收集光纤耦合效率的降低。重要的是，光圈不会影响OCT激发或拉曼激发/收集通道。图3(e)总结了基模和主要高阶模式的强度比随光圈直径的变化。随着光圈直径减小，高阶模式被强烈衰减，而基模仅经历轻微损耗。因此，我们选择了0.9 mm的光圈直径，此时基模衰减<2 dB，而LP??和LP??的衰减超过5 dB。有无空间滤波光圈的实验PSF比较结果见图3(f)。无光圈时，高阶模式相对峰强度位于基模下方约?11.34 dB；有光圈时，高阶模式位于基模下方约?16.96 dB，与模拟结果良好吻合。图3(g)中的体内手指OCT图像进一步证明，光圈显著抑制了多径伪影产生的鬼影界面并将其与真实组织表面分离开。如图3(h)所示，为了进一步最小化残余多径伪影的影响，我们实施了基于U-Net的后处理步骤，该步骤检测组织表面并移除其上方的信号，从而得到伪影减少的OCT图像。

**2.3. 口腔内体内RS-OCT测量**

在15名健康志愿者的九个解剖学上不同的口腔位点进行了体内口腔内RS-OCT测量[嘴唇、唇内侧、牙龈、颊黏膜、舌根、舌缘、舌腹、舌尖和舌中部；如图4(a)所示]。这些区域的选取基于其与口腔恶性肿瘤的已报告相关性，2,30,31，从而建立了特定区域的正常参考谱。在每个位点，以48 kHz的A线速率采集OCT B扫描，随后从同一视场采集配准的拉曼光谱，积分时间为0.5秒。图4(b)中的代表性OCT图像揭示了口腔黏膜特征性的分层微结构，薄至中等厚度的上皮覆盖在异质性更强的固有层上。根据部位不同，还可识别出额外的亚表面特征，包括舌根的黏膜边界和乳头状结构、舌腹和舌尖的小唾液腺(GL)，以及舌中部的深层肌肉(MS)。九个位点在上皮厚度、表面轮廓和基质散射方面的差异突显了口腔的显著解剖异质性。

图4：不同口腔位点的体内口腔内配准RS-OCT测量。(a) 九个测量位置的示意图：(i) 嘴唇、(ii) 唇内侧、(iii) 牙龈、(iv) 颊黏膜、(v) 舌根、(vi) 舌缘、(vii) 舌腹、(viii) 舌尖和(ix) 舌中部。(b) 各位置采集的代表性OCT B扫描图像，揭示口腔黏膜的分层微结构。EP，上皮；VE，血管；LP，固有层；MB，肌束；GL，腺体；MS，肌肉。比例尺为250 μm（横向和轴向）。(c) 来自九个位置的代表性对应拉曼光谱，显示部位依赖性生化对比。主要拉曼谱带包括约956 cm?1（磷酸盐/胶原）、1152 cm?1（脂质/类胡萝卜素中的C─C伸缩）、1313 cm?1（蛋白质/胶原中的CH变形）、1450 cm?1（脂质和蛋白质中的CH?/CH?弯曲）、1665 cm?1（蛋白质酰胺I），以及2850至2935 cm?1（脂质和蛋白质中的CH?/CH?伸缩）。

图4(c)中对应的拉曼光谱显示出可重复的区域依赖性生化变化，区域内和区域间的皮尔逊光谱相关系数分别为0.80和0.47。所有位点均显示在956 cm?1附近（磷酸盐/胶原）、1152 cm?1（脂质和类胡萝卜素中的C─C伸缩）、1313 cm?1（蛋白质/胶原中的CH变形）、1450 cm?1（脂质和蛋白质中的CH?/CH?弯曲）、1665 cm?1（蛋白质酰胺I）和2850至2935 cm?1（脂质和蛋白质中的CH?/CH?伸缩）处存在显著谱带，与口腔组织混合上皮-基质组成一致。6 然而，这些谱带之间的相对幅度在各位点之间存在差异：具有较厚角化上皮或富含胶原基质（例如牙龈、舌缘）的区域在1313和1665 cm?1附近显示出增强的蛋白质和胶原相关峰，而嘴唇和颊黏膜等位点则表现出相对较强的脂质相关CH伸缩谱带，位于2850和2935 cm?1处。这些结构对比和光谱对比的结合为后续口腔位点的解剖学和组织类型分类提供了丰富的配准数据集。

**2.4. 基于深度学习的跨模态RS-OCT分类器**

基于配准的体内数据集，形态-化学深度学习模型[图5(a)]在口腔组织的分类与鉴别中展现了卓越的性能。对于OCT分支，为缓解全局轮廓的影响，模型引入了共享权重的斑块投票机制[图5(b)]。通过类激活映射验证[CAM，图5(d)]，该策略成功过滤了宏观几何干扰，如口腔形状和扫描角度，使模型能够准确锁定生物显著性局部形态特征，包括上皮厚度、基底膜完整性和固有层散射强度。对于拉曼分支，为避免全光谱输入带来的核宽度不匹配和峰强度不平衡问题，模型对两个光谱区域采用了不同大小和数量的卷积核[图5(c)]。频率响应分析[图5(e)]显示，指纹区(FP)分支卷积核在较高空间频率处表现出更强的响应，捕捉细微的分子振动峰位移，而高频区(HW)分支则聚焦于低频区域以提取生化包络特征。这种双分支物理隔离策略迫使模型自发演化出差异化的特征提取算子，有效防止了单分支架构处理全光谱数据时普遍存在的特征混淆。这一系列优化显著提升了单模态性能：拉曼准确率从70.53%提升至75.83%[图5(g)]，而OCT准确率从56.29%跃升至71.19%[图5(h)]。

图5：用于形态-化学RS-OCT表征的注意力门控网络的架构、可解释性和诊断评估。(a) 所提出的三分支深度学习框架示意图，通过跨模态注意力(CMA)模块将OCT结构流与双区拉曼生化流（FP和HW）耦合。(b) 斑块投票机制的示意图，其中局部斑块从OCT图像中随机采样，通过共享权重的2D-CNN处理以提取鲁棒的纹理级形态特征。(c) 代表性组织拉曼光谱，标注了指纹区(FP，880至1800 cm?1)和高频区(HW，2800至3600 cm?1)分支的分段输入区域。(d) OCT分支的类激活映射(CAM)，可视化模型对上皮分层和基底膜完整性等鉴别性微结构特征的聚焦。(e) 第一层拉曼卷积核的频率响应分析，展示了指纹区(FP)分支向高频分子峰的特化以及高频区(HW)分支向低频生化包络的特化。(f) 跨模态注意力(CMA)模块生成的位点特异性门控权重(Wfp和Whw)热图，揭示了九个解剖位置间自适应光谱优先排序。(g)–(i) 基于拉曼特征单独使用(g)、OCT斑块投票单独使用(h)和集成RS-OCT融合模型(i)的受试者独立五折交叉验证混淆矩阵。类别索引表示：(1) 嘴唇、(2) 唇内侧、(3) 牙龈、(4) 颊黏膜、(5) 舌根、(6) 舌缘、(7) 舌腹、(8) 舌尖和(9) 舌中部。

跨模态注意力(CMA)机制在九个口腔解剖位点的分类过程中进一步展现了高度的生化特异性[权注重热图见图5(f)]。模型对892至906 cm?1区域（糖类谱带中的C─O─C骨架振动）赋予了显著权重，反映了颊黏膜、舌缘和舌尖位点黏膜组织的活跃代谢特征。在1025至1048 cm?1谱带中，模型对颊黏膜类别表现出极端敏感性（权重高达0.909），与已记录的糖原特征峰高度一致，表明非角化颊黏膜中丰富的糖原储备是一个关键的鉴别特征。

该模型将1270至1340 cm?1区域（包含酰胺III振动、脂质CH?变形和DNA多聚核苷酸链信号）识别为跨模态特征融合的核心，在几乎所有类别中均赋予非常高的权重（>0.9）。最终，1650至1680 cm?1范围内的高权重分布（特别是针对牙龈区域达到0.797）精准定位了酰胺I结构和C═C伸缩振动。通过捕获上皮角化和基质胶原含量的差异，该模型在形态结构识别与特定生化监测之间建立了逻辑闭环。在2850 cm?1附近（脂肪酸CH?对称伸缩），牙龈（权重为0.751）和边缘表现出高敏感性，表明利用特定的脂质分布作为识别标志。在2935 cm?1附近（蛋白质CH非对称伸缩），模型增强了中间（0.751）和唇内侧的特征，反映了这些上皮层中蛋白质的丰富表达。在3180至3250 cm?1范围内，模型高度聚焦于舌根、舌下、颊侧和中间（权重>0.83），证明CMA成功捕获了组织含水量的细微变化。最终，在五折交叉验证下，三支路融合模型实现了92.38%的总体准确率，折间平均准确率为92.38%±0.92%[图5(i)]。该模型成功解决了舌尖和舌下区域拉曼光谱的生化重叠问题，其中鉴别准确率分别从37.93%和25.81%跃升至93.10%（舌尖）和93.55%（舌下）。具体而言，在针对五个高风险癌症区域（即舌根、边缘、舌下、舌尖和中间）的定向分析中，平均准确率达到了93.37%，与拉曼和OCT单模态相比，分别显著提升了19.27%和19.88%。这种跨模态互补机制——利用OCT捕获的细微解剖层次差异（例如乳头结构和肌肉层分布的微小变化）来补偿拉曼生化特征的模糊性——展示了该模型在精细解剖定位中的高度鲁棒性。这一高精度定位能力为未来临床场景中的实时病变边界划分和解剖坐标辅助提供了坚实的技术基础。

3. 讨论

在本研究中，我们首次实现了单光纤启用的共配准RS-OCT手持探头，能够进行活体口内成像。与以往依赖笨重的自由空间光学系统或独立光纤束的双模态方案不同，这些方案固有的配准误差和对深腔部位访问受限的问题19–24，我们的系统利用单根DCF沿同一光轴同时传输和收集共配准体元中的RS-OCT信号。通过将这一架构封装为探头，我们成功演示了对多个临床相关的口腔区域的灵活访问，包括常规探头无法触及的解剖学困难的舌后区域。关键的是，该设计确保了高分辨率的深度分辨结构信息和化学特异性指纹信息来自严格共配准的组织体元，提供了准确组织表征所必需的全面的生化-微结构读数。

这种共配准平台的协同价值体现在两种模态提供的独特但互补的对比度上，这些对比度被我们的深度学习框架有效地解码和放大。OCT对不同口腔解剖部位之间的形态异质性高度敏感：在所检查的九个口内部位中，该平台清晰地捕获了上皮厚度、表面粗糙度、乳头和腺体结构以及更深部肌肉和结缔组织分布的差异。我们的网络OCT贴片投票支路自动提取这些鲁棒的纹理级形态特征，而不是依赖手工制作的纹理描述符，从而为组织创建结构上下文。与此同时，拉曼光谱直接报告生化组成，由设计为捕获指纹区和高波数特征的分支网络进行处理。关键的是，单光纤探头固有的严格空间配准实现了跨模态机制，作为融合这些数据流的催化剂。通过允许OCT的结构嵌入动态加权拉曼的生化特征，该模型有效地放大了在单模态空间中重叠的类对之间的鉴别能力（例如，区分唇和唇内侧，或舌尖和舌下）。这种协同融合带来了92.38%的卓越总体分类准确率，相较于拉曼（75.83%）和OCT（71.19%）单模态，代表了显著的诊断增益。这些结果表明，所提出的平台可以提供可靠的、解剖感知的口腔组织表征基线，预计对未来口腔癌筛查、病变定位和边界评估具有重要价值。

该性能的 Successful 实现依赖于一种专门的工程策略，解决了拉曼和OCT历史上相互矛盾的光学需求。DCF在内包层中同时满足高效拉曼激发和收集的高数值孔径要求，在单模纤芯中满足OCT成像所需的较低数值孔径和更大焦深要求，从而克服了限制传统共轴RS-OCT系统的数值孔径权衡。然而，使用无涂层光纤进行拉曼传输和收集不可避免地会引入拉曼背景，源自玻璃本身的自发拉曼散射。这种背景沿光纤传播长度积累，无法通过传统的端面带通和长通滤光涂层消除，因为此类涂层在微米级DCF芯端面无法以所需精度制造26。因此，唯一有效的方法是尽量缩短光纤长度。最终，为了抑制光纤产生的拉曼背景，DCF长度被有意最小化至10.5 cm，这与双模态系统中常用的全光纤DCF耦合器架构不兼容28,29。因此，我们采用了自由空间耦合策略，特别是针对OCT通道实施了包层模式剥离方案，以减轻高阶模式传输及其引入的模式相关伪影，实现了92.21%的高基模激发比。尽管如此，后向散射高阶模式引起的多径伪影仍然不可避免，缩短光纤甚至使这些伪影更接近真实的OCT信号（约0.13 mm），因为分离量由模态群折射率差乘以光纤长度决定。在这种情况下，此类伪影无法像其他基于DCF的OCT技术那样被推至成像范围之外27,28。为了强力抑制这些伪影，我们在准直光束路径中引入了空间孔径，有效充当角度滤波器，优先传输基模同时将高阶模式贡献降低5.62 dB。综合起来，包括紧凑的DCF光学系统、优化的短光纤设计、自由空间耦合和高阶模式空间滤波在内的这一工程方案，调和了两种模态的物理约束，实现了临床兼容探头内的高性能双模态集成。

该基于DCF的架构相比现有RS-OCT实现具有明显优势。与依赖共享自由空间目标的系统19–24相比，我们的基于光纤的方法避免了OCT所需的大景深与拉曼收集所需高数值孔径之间的固有矛盾，更重要的是，实现了更为紧凑的探头外形，从而使得活体口内测量成为可能。与双光纤束或分离路径探头不同，后者仅通过后处理或复杂对准程序实现配准，我们的单光纤设计保证了内在配准，对活体扫描过程中运动引起的错位具有固有的鲁棒性。此外，我们的自发拉曼-OCT探头保持了小型化和成本优势，在性能和可部署性之间提供了实用平衡。

该平台的临床相关性在于其能够真实地捕获口内口腔黏膜的自然异质性。在本研究中，我们在九个不同的解剖部位建立了基线结构-生化图谱，展示了系统对部位间变异的高敏感性。重要的是，尽管仅纳入了健康志愿者，但这些部位特异性"正常参考图谱"为未来病变检测提供了必要的基线框架。鉴于口腔不同部位上皮厚度和生化组成之间存在显著的固有差异，应用单一全局阈值或统一决策标准可能会掩盖细微异常并降低诊断性能。相比之下，将每个解剖部位与其自身的正常基线进行参考，预计将显著提高早期病变检测的敏感性和特异性。这一能力对于舌后区域尤为关键，舌后被认为是舌和口咽鳞状细胞癌的易感区域，由于其后方解剖位置，使用较大仪器进行评估较为困难。我们的探头在这些后方区域进行实时、无创测量的能力，进一步增强了其用于床旁诊断和快速临床决策支持的可能性。

尽管取得了这些令人鼓舞的结果，本研究仍有若干局限性，同时也指明了未来的研究方向。首先，虽然0.5 s的拉曼积分时间相对较短且健康志愿者普遍能良好耐受，但患者中的拉曼测量可能更容易受到不自主舌运动和吞咽的影响，从而可能降低拉曼信噪比。其次，在当前阶段，我们仅使用相对较小的队列验证了系统区分不同解剖部位的性能，以证明RS-OCT技术的可行性；其对区分良性、癌前和恶性病变的诊断敏感性和特异性，以及更严格的统计效能评估，需要在更大的、基于患者的队列中进一步评估。

相应地，未来的研究将需要更大规模的多中心队列，涵盖更广泛的年龄范围、高风险人群以及疑似或确诊病变的患者，以评估RS-OCT标志物的鲁棒性和普适性。进一步优化激光功率和探测效率，结合快速读出或压缩光谱仪设计以及基于深度学习的去噪和运动校正，可以缩短采集时间并进一步减轻运动伪影。未来探头迭代将纳入可拆卸的侧视探头模块，以实现对更广泛口腔亚部位的访问。此外，针对早期病变检测、分级和预后更高级的多模态注意力和融合框架，可能更好地利用丰富的结构-生化信息并进一步提升RS-OCT平台的转化影响。

4. 结论

本研究创新性地利用单光纤解决了拉曼与OCT之间的光学设计不匹配问题，同时采用空间滤波孔径解决了OCT多径伪影抑制与拉曼光纤背景控制之间的冲突，首次实现了紧凑探头内共配准的单光纤启用拉曼-OCT集成。借助这一平台，我们在活体环境中获取了多个口内部位的共轴共配准结构性和生化性读数，并表明通过跨模态深度学习的拉曼-OCT诊断特征多模态融合显著提高了解剖部位鉴别能力，为增强活体口腔病变筛查、病变边界评估和临床场景中的实时临床决策提供了形态-分子基础。

5. 附录：方法与材料

5.1. RS-OCT系统架构

混合RS-OCT平台围绕基于单根DCF的手持探头构建，该探头为两种模态提供共轴传输和收集通道[图1(a)]。系统包括拉曼激发与检测模块、OCT成像模块以及将两个子系统耦合至探头的集成光学系统。对于拉曼光谱，使用785 nm连续波激光器（I0785SR0090B-IS，Innovative Photonic Solutions）进行激发。激光束经滤波后聚焦至DCF的内包层通道。组织表面的拉曼激发功率维持在约25.72 mW，处于ANSI Z136.1标准定义的皮肤和黏膜最大允许暴露限值内。后向散射的拉曼光子由同一内包层收集，通过二向色镜组合/分离单元回传，耦合至连接到基于CCD光谱仪的光纤束进行光谱采集。光谱仪覆盖指纹区和HW区。

对于OCT成像，使用工作于48 kHz A线速率的1300±70 nm SLD宽带光源。光源输出耦合至基于光纤的迈克尔逊干涉仪，其中75/25光纤耦合器在样品臂和参考臂之间分配光，较高比例引导至样品臂以最大化探测灵敏度。在DCF中，单模纤芯同时引导照明和背向散射信号，探头尖端的OCT样品臂功率约为2.35 mW，远低于1300 nm皮肤和黏膜测量的既定安全限值。偏振控制器放置在干涉仪臂中，以补偿双折射引起的偏振失配，参考臂与样品臂进行色散匹配以减少轴向PSF的深度相关展宽。重新组合的样品光和参考光的干涉信号被引导至互补金属-氧化物半导体探测器进行光谱编码的OCT信号采集。

拉曼和OCT子系统使用一对二向色镜DM1（D102-R785，Semrock，美国纽约州罗切斯特）和DM2（LP89661，Edmund Optics，美国新泽西州巴林顿）进行集成。

DM1将785 nm拉曼光束与1300 nm OCT光束合束至DCF探针的共同光路，而DM2则将返回的拉曼与OCT信号分离，分别导向各自的探测模块，确保结构成像与光谱通道探测的是同一共配准的组织体积。5.2 基于单光纤的探测器设计
外径6毫米、前端长度132毫米的手持式探测器由DCF光纤与微型GRIN透镜组件构成，封装于紧凑的刚性外壳内。DCF（IXF-2CF-PAS-8-130-0.13，iXblue，法国圣日耳曼昂莱）具有一单模纤芯（纤芯直径8微米，1300 nm处NA=0.13），外围为多模内包层（内包层直径125微米，785 nm处NA=0.46）。单模纤芯专用于OCT照明与信号收集，而高数值孔径内包层则为拉曼激发与收集提供了高效通道，使两种模态共享同一条共轴光路。近端光耦合通过定制的高精度自由空间耦合组件实现：OCT光源与拉曼激发光束经匹配光纤准直器（OCT用F110APC-1310，拉曼用F110SMA-780，Thorlabs Inc.，美国新泽西州牛顿）准直，并安装于精密运动台座上，以便对横向位置（??、??）与角度倾侧进行微调。为降低OCT通道的背向反射，DCF两端均以8°角切割。首先将OCT光束对准DCF单模纤芯。为实验实现并验证该纤芯耦合，我们采用了系统的包层模剥离方案：机械剥离部分DCF涂层，将匹配油直接施加于裸露光纤表面，同时对光纤施加宏弯。该过程有效破坏包层引导，使高阶模（HOM）泄漏，从而可以调整准直器以最大化纯纤芯模功率。随后移除匹配油并将光纤拉直以测量总耦合功率。在上述优化条件下，OCT总耦合效率达到83.19%，测得基模（FM）功率占比为92.21%，证实了基模的高纯度前向传播，与理论预测相符。在锁定OCT耦合最优状态并保持共轴光束几何关系的前提下，拉曼激发光束同时以约77.57%的效率耦合进多模内包层，确保了光纤远端尖端处有充足的激发功率。
为在保持足够柔韧性与可达性的同时限制光纤产生的拉曼与荧光背景，探针内部未涂覆DCF段的长度被限制在约10.5厘米。DCF远端采用短GRIN透镜将OCT与拉曼光束聚焦，并定义共同的采样体积。GRIN元件（直径1.8毫米，GT-LFRL-180-035，GRINTECH，德国耶拿）与DCF同轴对准，并通过精密加工套筒固定在探针尖端内部。DCF端面与GRIN透镜之间的轴向间距经调整，使在组织内的工作距离约为0.6毫米，同时保持OCT成像测得的约22微米横向分辨率与约6.6微米轴向分辨率。同一GRIN透镜因此同时为1300 nm OCT纤芯通道提供约0.15的有效数值孔径，并为785 nm拉曼包层通道提供约0.50的数值孔径，确保拉曼与OCT通道探测的是同一共配准的组织体积。
所有远端光学元件均封装在阶梯式不锈钢探针头内，包括6毫米直径的远端前端以及10毫米与16毫米直径的支撑段，构成刚性的探针前端，整体长度为132毫米。管尖以平熔石英窗口密封，以保护GRIN透镜并允许活体使用时重复消毒。内部组件使用生物相容、低脱气量的环氧胶灌注，以增强机械坚固性并尽量减少口腔内操作时的位移或失准。
横向光束扫描由安装在探针手柄内DCF近端的压电陶瓷管（PZT）实现。PZT由正交电压波形驱动。在典型活体测量中，PZT以约57赫兹（4.2厘米光纤悬臂梁的谐振频率）驱动，在样品处产生约1.6毫米的OCT横向扫描视野。5.3 OCT图像中的多路径伪影抑制
为抑制OCT路径中高阶模引起的多路径伪影，我们在OCT中继光学系统中设置了空间滤波孔径。值得注意的是，虹膜插入OCT探测路径中用于过滤高阶模，因此不影响OCT纤芯激发或拉曼激发/收集通道。可调节虹膜光阑被放置在DCF-GRIN探针与探测光纤之间共路中继的中间像面上（见图3(c)），其中阻挡外围光线并优先传输光束的中心部分。通过截断主要由高阶模承载的外侧光束区域，虹膜降低了对探测OCT信号贡献的高阶模，同时基本保留了纤芯中的基模（LP01）。除降低高阶模强度外，该孔径还有效地减小了光束直径与工作数值孔径，略微增大焦斑，并进一步降低高阶模向单模探测光纤的回向耦合效率。
为定量优化孔径直径，我们对DCF所支持的基模以及主要类纤芯高阶模的光束传播进行了数值模拟。在这些高阶模中，最强的两种模式在光纤输出端的初始强度分别为基模的25.07%和19.34%（参见补充材料第S4节），其余高阶模的强度则可忽略。将各模式的场剖面在不同虹膜直径下进行传播，并计算焦平面强度分布与轴向耦合效率。带与不带虹膜的模拟焦斑剖面凸显出，孔径对高阶模相比基模所诱导的功率损耗与斑点尺寸展宽更为显著。所得的强度比随孔径直径的变化曲线表明，减小虹膜直径可强烈衰减高阶模，而仅对基模造成适度损耗。基于这一权衡，我们选择了0.9毫米的虹膜直径，此时基模的衰减小于2分贝，而两种主导高阶模的衰减则超过5分贝。
通过测量带与不带空间滤波孔径的OCT点扩展函数（PSF）对模拟趋势进行了实验验证。PSF采集方式是在焦平面放置反射镜，对多个A扫描进行平均，并分析主峰以及与高阶模相关多路径伪影对应的延迟次峰。不带虹膜时，高阶模峰低于基模约11.34分贝，而使用0.9毫米孔径时，高阶模峰降至基模下方约16.96分贝，与模拟结果吻合良好。活体指尖OCT B扫描进一步证实，优化后的孔径显著抑制了多路径伪影产生的鬼影界面，并将其与真实组织表面分离。
为进一步最小化残余多路径伪影的影响，我们在OCT B扫描上实施了基于深度学习的自动表面检测流程。首先，预处理B扫描以提取边缘信息，并训练U-Net分割模型识别上层组织区域。随后，在表面重建中采用约束随机采样策略，以选择满足严格距离与平滑度条件的可靠表面点，再经三次样条插值生成平滑且准确的表面轮廓。最后，将该表面上方的所有体素设为零，仅保留皮下内容，有效移除残余的表面以上多路径伪影。5.4 活体口腔共配准测量
活体口腔RS-OCT测量在15名健康成年志愿者（9男6女，年龄19至43岁）中进行。对每位志愿者，在9个解剖学上不同的口腔部位进行测量：唇、内唇、牙龈、颊黏膜、舌根、舌缘、舌腹、舌尖以及舌中部，如图4(a)所示。数据采集过程中，轻轻张开口腔暴露目标部位，将探针远端的平熔石英窗口轻轻放置于黏膜表面，以保持稳定且近似垂直的探针-组织界面，从而确保可靠采集OCT图像与拉曼光谱。在不同参与者之间以及不同部位之间，按标准临床卫生程序对探针窗口进行清洁消毒。
OCT与拉曼数据依次从同一测量部位采集。首先进行快速大面积OCT扫描，以在扫描视野内定位并居中感兴趣区域。随后在光纤复位至与OCT扫描视野中心重合的位置后采集拉曼光谱。对OCT而言，B扫描使用DCF纤芯通道以48 kHz A线速率采集，横向扫描范围为1.6毫米，深度范围约1.2毫米。每个部位记录足够数量的B扫描以确保图像质量稳定；后续分析中，选取三到五帧运动伪影最少的代表性帧。
在同一部位OCT成像之后，立即使用DCF内包层通道采集共配准的拉曼光谱。每个位置记录三到五次重复拉曼采集，以改善信噪比并评估可重复性；在预处理中排除受运动或接触不良污染的光谱（以2935 cm?1峰低于噪声水平为判据）。该判据仅导致排除一项测量值，对应一名志愿者的舌根部位。该方案为每位志愿者在9个口腔部位产生了共配制的OCT B扫描与拉曼光谱数据集，为后续的特征提取与多部位组织分类提供了配对的形态学与生化信息。5.5 数据预处理
来自Telesto 330引擎的原始光谱域OCT数据首先使用厂商软件进行重构，该软件执行背景减法、k空间重采样、数值色散补偿和快速傅里叶变换，以生成标定后的深度分辨A线。共配准体积内的体素强度被线性归一化至[0, 255]灰度范围。由于横向PZT扫描器遵循正弦轨迹，原始B扫描表现出非均匀的横向采样密度。为校正该畸变，将正弦扫描通过把PZT波形的每个半周期映射到均匀间隔的横向网格上进行线性化（正弦扫描校正），从而有效恢复B扫描上的恒定像素间距。
原始拉曼光谱经过若干处理步骤，包括平滑、背景去除、归一化和主成分特征提取。首先应用Savitzky–Golay滤波器平滑光谱以减少散粒噪声。滤波器窗口宽度在指纹区（FP，800至1800 cm?1）设为5像素，在高波数区（HW，2800至3600 cm?1）设为7像素，与光纤拉曼光谱系统的谱分辨率相一致。接下来，采用迭代多项式拟合方法去除组织自发荧光背景，指纹区使用五阶多项式，高波数区使用一阶多项式。归一化后，对每个部位采集的三到五个光谱进行平均，所得结果用于后续分类。5.6 跨模态深度学习网络
为充分利用OCT形态学特征与拉曼生物化学特征之间的协同潜力，我们开发了一个三分支深度学习融合模型，结合了OCT补丁投票、双区域拉曼输入以及跨模态注意力机制。在OCT结构分支中，实现了共享权重的补丁投票策略，以降低模型对全局轮廓的依赖，并迫使网络提取鲁棒的纹理级形态学特征。原始OCT图像被归一化并调整为288×288像素。在训练阶段，从原始图像中随机裁剪224×224的局部补丁。每幅图像提取九个补丁并送入共享权重的二维卷积神经网络（CNN），最终分类由这些补丁的Softmax概率分数平均决定。OCT分支由四个连续的特征提取块组成，统一使用3×3的卷积核，而通道数则从32增至64、128和256。每个卷积块后接批归一化和ReLU激活，前三个块之后附加2×2最大池化层。最后，全局平均池化（GAP）层将高维特征图压缩为256维的结构嵌入向量Voct。
跨模态注意力模块利用Voct作为指导信号，对原始拉曼光谱进行自适应加权。

Voct 被送入两个独立的门控子网络：FP 门控层采用全连接层将 256 维映射至 303 维，随后通过 Sigmoid 激活生成权重向量 W_fp，与 FP 光谱维度一致；HW 门控层将 256 维映射至 442 维以生成权重向量 W_hw。这些权重向量与输入的原始光谱逐元素相乘，实现了形态学上下文与特定分子特征的基于数据的融合。拉曼分支接收门控后的光谱，并进一步使用一维卷积神经网络提取深层生化特征。FP 和 HW 子分支分别采用三层卷积，卷积核大小分别为 [11, 9, 7] 和 [35, 30, 25]，通道配置分别为 [32, 64, 128] 和 [16, 32, 64]。两个子分支在卷积之间均包含一维最大池化层（步幅为 2），并采用全局平均池化层来导出各自的生化特征向量。该模型通过拼接方式融合 OCT 向量（256 维）、FP 向量（128 维）和 HW 向量（64 维）。融合后的向量经过一个 256 维的全连接层处理，随后依次通过 ReLU 激活和一个 Dropout 层（比率 = 0.3）以缓解过拟合。最终，通过 Softmax 层生成九个组织类别的预测概率。模型使用 Adam 优化器进行训练，学习率为 6×10??，L2 正则化系数为 1×10??，训练 200 个周期。采用受试者级别的五折交叉验证策略在招募的志愿者中进行评估。数据集按照受试者身份划分为训练集、验证集和测试集，比例为 3:1:1，确保任何单个参与者的数据不会出现在不同的子集中。最终，这种跨模态架构和严格的评估框架确保了形态学特征与生化特征的协同融合，同时保持了高度的临床泛化能力。