[00317468]基于深度学习的皮肤高光谱影像生理参数提取

本研究将在高光谱遥感图像研究的基础上，采集大量皮肤高光谱图像并建立数据库， 利用传统的生物组织光学物理模型得到皮肤的各项生理参数，生成训练数据，结合深度 学习技术，建立模型，反演新图像的各项参数，完成皮肤高光谱图像的生理参数实时- 精准预测。此项研究对甲状腺、皮瓣手术、眼底视网膜动静脉监测和病变等的疾病诊断 和手术指导具有重大意义。

具体目标包括：（1）尝试结合深度学习和皮肤物理模型对皮肤高光谱图像进行关键参数提取；（2）评价并对比不同皮肤参数提取方法的性能，实现预测精度与效率的平衡；

（3）针对微型高光谱应用的各项难题例如波段选择、去白板、3D 建模等研究解决方案， 为皮肤光谱仪的民用化提供科研支撑。

研究方法：数据方面，利用多种高光谱成像系统收集可见光-近红外光谱范围的皮肤高光谱影像数据，通过辐射校正、ROI 裁剪和拼接、去噪和重采样等预处理步骤获得高质量的高光谱图像。方法上，选取光谱指数、解混、K-M 皮肤双通量等经典模型，并结合深度神经网络等深度学习方法，作出模型优化改进。研究对象主要包括体外皮肤发

色团（黑色素、血红蛋白、脱氧血红蛋白）、血氧饱和度、和色素沉积。

代表性研究成果包括：

1. 手部黑色素浓度

2. 基于深度学习的皮肤参数提取

技术创新

本研究将深度学习技术引入皮肤高光谱的生理参数提取中，充分利用了其在精确快速预测方面的优势；并全面考虑微型高光谱成像技术的应用难点，为便携式高光谱成像应用系统的建立奠定基础。

专利情况

申请号（授权号）：

市场前景及应用领域

本研究将充分发挥高光谱成像技术在疾病早期诊断和精准医疗应用的优势，推动医学高光谱成像的智能化和便捷化应用。