高光譜顯微成像技術（HMI）是將顯微成像技術與光譜技術相結合，可以研究組織切片、細胞或微生物等樣本。利用HMI數據進行疾病的診斷可以得到較高的結果準確率、靈敏度和特異性，為不同種類的癌症診斷和判別提供更為有效的手段。本文結合研究資料和實際情況，簡單總結了高光譜顯微成像技術在癌症診斷中的應用。

2006年Dicker等人使用高分辨率高光譜成像顯微鏡對良性和惡性真皮組織進行鑒別，其中係統光譜分辨率約為1nm，波長範圍400-800nm。實驗分別采集不同放大倍數下不同厚度、染色的皮膚樣本，以確定它們對光譜表征的影響。使用光譜波形互相關分析對光譜進行分類，結果表明隻要皮膚樣本染色和切片厚度得到控製，所有不同的皮膚組織都可以被客觀地區分。

2012年Hsieh等人開發了中繼透鏡高光譜顯微成像係統，用於癌症診斷。該係統具有透射和熒光模式。透射率可以為病理診斷提供形態學信息，熒光模式可以為正常或異常細胞或組織提供熒光特征。通過對20隻小鼠的早期口腔癌進行體外診斷，結果表明鑒定正常細胞和SCC的最佳靈敏度為100%，最佳特異性為99%，鑒定正常細胞和發育不良痣的最佳靈敏度為99%，最佳特異性為97%。

2015年Zhu等人利用高光譜顯微成像係統區分正常/癌變胃細胞，實驗樣品為蘇木精伊紅（H&E）染色組織切片。由於正常細胞和癌細胞之間的pH不同，二者之間的透射光譜有明顯的特征，最終利用該特征訓練的反向傳播算法程序得到癌細胞識別的平均準確率為95%。

2018年黃等人利用HMI係統采集MM數據，並提出了一種基於特征譜的監督最小二乘支持向量機方法對MM細胞進行分割。該方法基於傳統的最小二乘支持向量機算法，選擇目標樣本的特征譜作為參考，最終對MM細胞的分割精度為85%。

2019年Chen等人基於正常細胞和癌細胞的核染色質含量和分布的差異，利用高光譜顯微鏡采集H&E染色的肝癌組織的細胞核的透射光譜進行肝癌組織鑒別。使用細胞核的透射光譜來訓練用於細胞分類的支持向量機（SVM）模型。最終對癌細胞鑒定的敏感性和特異性分別為99%和98%。圖1.4所示為係統采集的癌細胞和正常細胞的HMI數據。

2020年Liu等人提出混合光聲和高光譜雙模態顯微鏡，利用該係統對患有MM和SCC的小鼠耳進行成像，其中光譜範圍400-600nm，光譜分辨率約為5nm，獲得的小鼠耳朵的高光譜圖像和光聲圖像。光聲圖像由於其穿透深度較深，可以顯示出表皮下複雜而豐富的微血管網絡，高光譜成像則提供精細的皮膚表麵圖像，從而獲得全方位的皮膚結構信息。實驗結果表明，MM和cSCC在形態和生理變化上存在明顯差異，從而驗證了所提出的係統能夠更清晰地了解血管動態變化，並證明該方法可以用作皮膚癌鑒定和評估的可靠和有用的方法。

2020年Leon 等人利用HMI係統（波長範圍為450-950nm，共有125個波段）采集61例患者76幅色素性皮膚病變圖像的數據，並對其進行標記，將其分為良、惡性兩類。同時提出了一種基於無監督算法和監督算法相結合的色素性皮膚病變自動識別和分類處理框架。對色素性皮膚病變良惡性鑒別診斷的敏感性和特異性分別為87.5%和100%。

2021年Courtenay等人將HMI係統與兩種無監督異常檢測算法（Reed-Xiaoli和Reed-Xiaoli/Uniform Target）相結合自動區分BCC和正常皮膚。結果表明，Reed-Xiaoli/Uniform Target 算法和Reed-Xiaoli算法均能對BCC和正常皮膚進行區分，且曲線下麵積分別為0.7074和0.8607。