高光谱成像(HSI)技术是一门融合光学、图像处理、信号处理与计算机分析的综合性技术, 具有光谱信息丰富、"图谱合一"等特点, 广泛应用于卫星遥感、农业、食品安全等领域^[1]。

当前基于图像分析的中医药现代化研究聚焦于彩色图像, 但其颜色空间特征信息的局限性阻碍了更深入的理解与探索^[2]。高光谱技术能够捕捉目标物体在人眼"看得见"和"看不见"光谱波长下的反射率信息, 不同物体由于其成分不同而表现出独特的光谱反射率曲线, 因此高光谱特征也被誉为"物质的指纹"^[3]。本研究对近期高光谱技术在中医药领域的应用研究进行了全面的检索与整理, 总结了高光谱技术在中医药研究中的存在问题, 并对未来发展趋势和潜在应用前景进行了展望。

1 高光谱技术原理和特点

高光谱成像仪在获取目标物体的空间信息时, 还能够在紫外、可见光、近红外和中红外等波段范围内获取目标物体的几百个光谱波段信息, 因此高光谱图像中既包含了目标物体的传统二维空间信息, 也包含了其在多个光谱维度上的光谱信息, 实现了覆盖数百纳米范围内的高分辨率连续波段成像^[4]。与彩色图像相比, 高光谱图像具有更宽的光谱范围、更多的通道以及更高的光谱分辨率, 见图 1。

高光谱技术主要特点和优势包括: 1)高光谱图像包含了目标物体在可见光、近红外、中红外和紫外光谱波段下的几个或者十几个特定连续波段下的光谱反射图, 可同时采集到光谱和空间信息, 实现"图谱合一"。2)高光谱图像技术能够在不破坏样品的前提下快速、准确地获取其外部品质信息, 保证了检测的连续性和可重复性。

2 高光谱技术在中药研究中的应用

当前在中药研究中以仪器设备鉴定方法为主, 例如基原鉴定法^[5]、性状鉴定法^[6]、理化鉴定法^[7]和生物鉴定法^[8]、液相色谱法^[9]和气质联用法^[10]等, 存在耗时长、成本高、技术要求高等问题。高光谱成像技术具有光谱信息丰富、不破坏样本等特点, 在中药鉴定和质量控制等研究中具有较多的应用。

2.1 药用植物病害识别

中草药种类繁多, 生长环境复杂, 病害表现多样, 使病虫害的识别变得尤为困难^[11], 尤其有些病虫害有"发现即晚期"的特点^[12]。赵森等^[13]利用高光谱技术对刺五加健康叶片与黑斑病叶片样品的可见光波段进行了数据采集, 样品被划分为健康亮部、健康暗部、轻度病害和重度病害4类, 分析后结果显示基于高光谱特征能够将健康亮部和重度病害进行完全区分和准确识别。

在当前研究中, 由于病害样本获取困难, 导致基于高光谱技术进行中草药病害识别相对较少、模型相对简单并且只能实现单一品种中药材的识别, 应用推广程度有待提高。

2.2 中药定量测定

中药材中的药用成分含量与药材本身质量密切相关, Hu等^[14]利用高光谱技术开发了检测葛根中异黄酮和淀粉含量的智能模型, 结果中平均决定系数超过0.9。Zhong等^[15]以胃复春浓缩物为研究对象, 利用高光谱技术采集数据并建立模型测定其中药用成分的质量, 所得出的定量校正模型决定系数均在0.85以上。由此得出, 高光谱技术作为精确识别中药的药用成分工具取得了较好的成果, 具有一定的可行性。

2.3 中药真伪鉴别

中药伪品掺杂会导致药效降低或丧失, 引入的有害物甚至会误导医生判断结果。赵凡等^[16]利用高光谱技术采集了黑枸杞和伪品黑枸杞的高光谱特征信息, 分析结果显示, 支持向量机和极限学习机在鉴别真假黑枸杞时取得了较好的结果。张蕾等^[17]运用高光谱技术针对市场上的葛根样本进行了数据采集, 并搭建了葛根和伪品葛根的快速鉴别智能模型, 研究发现鉴别模型的精度高达97.74%。

2.4 中药生长年限鉴别

不同品种药材有其特定的生长周期和最佳采收时间, 将它们加以鉴别能够确保中药材的品质与疗效。Wang等^[18]将高光谱技术与深度学习算法相结合建立模型测定5个不同生长年的样品, 结果显示模型的平均准确率为98.94%。Zhang等^[19]基于高光谱技术提对葛根外表面的生长年限进行自动识别, 并取得了较理想的性能结果。位云朋等^[20]利用高光谱系统采集了不同储存年限的龟板药材数据, 通过分析发现结合异构集成学习模型能够实现快速且准确的鉴别。这些研究表明可以通过高光谱技术提高区分中药材的生长年份的效率, 提升中药材的质量控制水平。

2.5 中药品种识别

中药材由于地理来源和加工工艺的不同, 其品种对植物化学含量和药理作用有直接影响。Wei等^[21]使用高光谱技术结合化学计量学方法, 开发了多任务粒子群优化法鉴定菊花的品种, 在融合空间图像信息后, 识别精度达98.39%。Hu等^[22]使用高光谱技术鉴定8种贝母的品种, 准确率达97.64%和98.39%。这些研究说明高光谱技术可以作为鉴别中药品种达到中药质量控制目的的方法之一。

2.6 道地药材溯源

由于不同地区的光照、降水、土壤等作物生长环境不同, 导致不同地区生产出的中药材质量亦有优劣。近年来, 随着中药产业的不断发展, 现行的检测技术检测中药材产地效率偏低的问题越来越明显。高光谱技术是一种对药材进行溯源的新途径, 其数据全面, 可多维度、快速且非介入的检测形式得到了越来越多的应用。

张璐等^[23]运用高光谱技术收集了4个地区的酸枣仁样本, 研究发现偏最小二乘回归分析法判别模型具有更佳的鉴别能力。周聪等^[24]基于高光谱技术采集了栀子样本的光谱信息, 建立了针对中药栀子产地的识别模型, 该模型能够实现近红外波段范围下的有效识别。殷文俊等^[25]通过高光谱技术采集了不同产地的甘草样本的光谱数据, 经过数据分析发现, 其设计的算法模型仅使用28个频段, 精度均达到95%以上。Xu等^[26]收集了来自不同产地的黄芪种子的光谱数据, 发现采用基于高光谱数据的算法模型时实现了对黄芪种子的有效识别。Xiao等^[27]采用了高光谱技术分析了5个产地的黄芪样本, 所构建出的模型能够准确鉴别出黄芪的产地。

在中药研究领域中, 当前高光谱技术可以应用于病害识别、中药定量测定、真伪鉴别、生长年限鉴别、品种鉴别、药材溯源等多个方面中。凭借光谱信息丰富、快速、方便、非侵入等优点取得了一定的成果^[28]。但是当前研究也存在数据私有化、重复研究等问题, 进而导致效率不高、资源浪费。同时采集与分析方法没有实现规范化, 且数据处理量大, 技术成熟度不够, 研究所使用的算法模型大多为通用算法, 没有充分考虑和结合中医药自身特点。

3 高光谱技术在中医领域的应用 3.1 中医望诊客观化

中医望诊是中医临床诊断中非常重要的手段, 但由于缺少必要的量化指标, 临床诊断主观性较强, 导致医师之间的判断差异性较大。当前高光谱技术多用于中医舌诊客观化研究, 通过对不同光谱波长的舌图像进行光谱特征对比和分析^[29], 为舌诊客观化研究提供了新的技术手段。

李庆利等^[30]建立了高光谱舌象辅助诊断系统, 采集了403例患者和110例正常人的舌象, 初步建立了舌象高光谱数据与疾病之间的联系。刘明等^[31]利用高光谱技术采集了体检者舌体的高光谱图像信息, 发现在特定波长下能够反映出舌体分布、舌苔厚度等信息差异。赵静等^[32]运用高光谱技术采集了高血压病患者和高血压合并冠心病患者组的舌象高光谱数据并进行对比, 发现在500~600 nm波段之间, 两组数据存在统计学差异(P < 0.05)。马贝等^[33]运用高光谱技术采集609例门诊患者的高光谱舌象数据, 使用已有的数码彩色图片筛选出不同舌苔样本。分析发现各分区黄腻苔组数值均高于薄白苔组数值, 其差异有统计学意义, 且高光谱反射率数值与舌苔厚度呈正相关。

以上研究证明了高光谱技术可以用于舌象的光谱信息采集与分析, 为传统的中医舌诊提供了更多维度且更加精准的信息, 一定程度上降低了传统舌诊中过高的主观性对于诊断结果的干扰, 推动了中医舌诊、光学技术与图像分析的交叉学科发展, 有利于促进舌诊的现代化发展。

3.2 在中医其他领域的应用

高光谱技术正逐渐拓展至中医学的其他领域, 田宇瑛等^[34]运用高光谱技术采集了不同负压拔罐后皮肤的光谱变化数据, 结果表明皮肤的光谱在不同负压拔罐后可发生显著变化; 张栋等^[35]使用高光谱技术采集了10例健康人的面部和手掌图像, 研究表明高光谱技术可以表现人体面部器官和手的各部位的光谱特征, 可为中医临床诊断和辨证提供参考。上述研究将高光谱技术拓展至中医诊断的更多领域, 有助于推动中医诊断指标的客观化研究, 并促进中医的现代化进程。

4 高光谱技术在中医药研究中存在问题

当前应用于中医药相关研究的高光谱仪器设备型号不一, 光谱波长范围与光谱分辨率没有统一规范标准, 造成不同研究的高光谱数据格式不一致, 并且高光谱图像采集设备成本较高、操作较为复杂, 缺乏针对中医药研究专用的高光谱成像设备开发。

当前基于高光谱技术开展的中医药相关研究依然存在分散型、小样本等情况, 没有系统规范的对中医药研究中涉及的各项样本进行高光谱数据标准化采集与数据库建设, 导致当前研究难以合并比较, 缺乏中医药高光谱特征标准数据库。

中医药高光谱数据分析方法以通用算法为主, 没有充分结合中医药优势与特色, 模型算法性能有待提升。

高光谱技术本身仍有不足, 例如空间分辨率不高、穿透性较弱、看不到样本内部的光谱信息等。且当前基于高光谱技术的中医药相关研究与其他特征的融合研究较少, 多维度多模态研究不足, 单一的依靠高光谱技术可能会导致特征提取不完善、不充分, 从而对分析结果造成影响。

5 高光谱技术在中医药研究的未来展望

随着人工智能技术的蓬勃发展, 其与高光谱的融合在中医药领域展现出广阔的应用前景, 为中医药客观化、信息化研究提供了强有力的技术支持^[36]。在未来的研究中, 基于高光谱技术的中医药相关研究还需关注以下问题。

5.1 具有中医药特色的高光谱设备研发

在高光谱图像采集过程中, 采集方法、波长选择、基准光源选取等均会对结果产生影响, 需要研究并加以规范。因此需要结合采集实际条件, 开发适用于进行中药样本与中医诊断的高光谱专用仪器设备。

5.2 中医药高光谱特征数据库建设

高光谱图像具有丰富的光谱和空间特征信息, 统一、规范的中医药高光谱特征数据库建设能够辅助进行中医药标准高光谱信息表达, 对推动中医药标准化、规范化具有重要意义。

5.3 开发结合中医药特色高光谱数据分析算法

当前的高光谱分析算法模型没有深入考虑中医药特点, 不一定适用于中医药客观化研究。因此与最新的大数据、人工智能等技术进行结合, 形成"人工智能+高光谱技术+中医药"交叉研究技术路线, 建立一套符合中医药特色的高光谱分析算法模型是未来研究的重要内容之一。

5.4 基于高光谱技术的多维度多模态研究需要加强

高光谱图像有其技术优势, 但是也存在一定的缺点。因此开展包括高光谱技术在内的多维度、多模态研究, 充分发挥不同技术方法的优势, 构建多维度多模态特征融合方法, 从不同角度协同分析中医药研究中的科学问题也是未来研究的重要内容。

综上所述, 高光谱技术在中医药领域的应用中还处于起步阶段, 有一些不足之处需要解决。以高光谱技术为基础, 研制中医药领域专用算法和设备、构建相关数据库、加强技术的多维度多模态研究是目前研究的重要方向。