标准成像技术利用可见光谱。众所周知，可见光分为三个波段——红、绿、蓝 （RGB）。这种人为的划分对于能见度非常有用，但是，来自不同波长的相关信息被忽略了。高光谱成像利用这些数据来改善我们看到的可见图像。

高光谱成像的基本原理

    高光谱成像技术是利用成像光谱仪对目标物体在光谱覆盖范围内的数十或数百条谱线进行连续扫描成像，在获得目标物体外部特征图像信息的同时，也能获得反应其内部成分的光谱信息。

它是如何工作的？

高光谱成像要求仅记录光谱中的特定波段。这可以通过使用对光谱中唯一部分敏感的传感器或在传感器之前添加带通滤波器来完成。它可以应用于多个波段，从而产生大型 3D 阵列图像，其中尺寸对应于 x 和 y 坐标以及给定的波长。灰度图像是 2D 阵列，其中每个像素值都是图像强度。RGB 图像相当于 3 个灰度图像，或波长维度为 3 的 3D 阵列。此阵列中每个像素的值对应于特定波长的强度。

此图像的数据明显多于标准图像，因此更难分析。然而，这些数据既不需要造影剂，也不需要电离辐射。

高光谱成像的优势

材料在不同波长下具有不同的反射率。标准成像能分辨这些材料的颜色差异，并用于可视化目的。但是，高光谱成像具有更好的区分视野中的物体的能力，甚至可以暴露看不见的物体。

在特定波长下，表面下的血管会改变反射，因此可以被检测到。肿瘤具有与健康组织不同的材料特性，导致不同的高光谱反射，从而可以识别和分割肿瘤。高光谱成像可以检测肉眼无法看到的差异。

人工智能和高光谱成像在机器人辅助手术中的应用

在机器人辅助手术 （RAS） 期间，特别是在内窥镜检查中，重要的是要远离下面的血管和神经束。高光谱成像可以实时检测这些。虽然可以检测底层结构，但为了全面了解表面下的解剖结构，使用了人工智能和深度学习方法。通过训练网络学习高光谱数据并在视野中分割隐藏的血管、神经束和肿瘤，可以可视化底层解剖结构。这些可以描绘在RGB图像上，并向外科医生提供警告，从而根据手术需要安全地避开或接近这些结构。此功能在不使用辐射（X 射线）或造影剂的情况下为手术增加了另一层安全性。