高光谱成像+AI：解锁皮肤疾病检测新范式-感算商城

当你随手丢掉香蕉皮时，可能不会想到，这层看似普通的果皮，竟能成为研究黑色素瘤等皮肤疾病的 “天然模型”。英国研究团队的一项创新研究《利用香蕉皮与人体皮肤的生化相似性，结合高光谱成像技术与AI算法》，为皮肤疾病的早期检测开辟了低成本、非侵入的新路径。

皮肤病检测的“痛点”

黑色素瘤作为高侵袭性皮肤癌，早期诊断是降低死亡率的关键。但传统检测手段始终存在难以突破的瓶颈：皮肤镜检查依赖医生主观判断，组织病理学检查不仅耗时还具有侵入性。

高光谱成像（HSI）技术的出现曾带来转机。它能捕捉可见光至近红外波段的多维度光谱数据，精准识别与色素沉着异常、氧化应激相关的独特光谱信号，实现皮肤病变的无创、实时监测。然而这项技术的规模化应用却被多重难题卡住：

· 皮肤高光谱数据库极度匮乏，现有数据多聚焦于面部识别而非医学诊断；

· 人体皮肤成像受伦理规范严格约束，大规模样本采集难度大；

· 皮肤疾病发展缓慢，长期监测数据采集耗时耗力；

· 直接高光谱成像设备昂贵、资源消耗大，难以适配移动健康诊断场景。

香蕉皮与人体皮肤的 “生化共鸣”

研究团队在寻找替代模型时，偶然发现了香蕉皮的独特价值：它与人体皮肤竟共享核心生化机制——均含有酪氨酸酶。

这种酶是色素代谢与氧化应激的关键：在人体中它调控黑色素生成，一旦活性异常就可能引发色素沉着障碍或皮肤癌；在香蕉皮中它主导氧化性褐变，让香蕉从青绿色逐渐变黄、变褐。两种过程的生化本质高度相似，这意味着香蕉皮的褐变过程，可完美模拟人体皮肤的色素变化。

更重要的是，香蕉皮成本低廉、获取便捷，无需遵守人体实验的严格伦理规范，能快速搭建规模化研究平台，成为破解高光谱成像应用困境的 “钥匙”。

高光谱成像 + AI 重建，实现精准监测

为验证这一思路，研究团队搭建了一套完整的技术体系，从数据采集到光谱重建形成闭环：

高光谱成像系统：捕捉微观光谱变化

采用Living Optics高光谱相机，以快照模式采集440nm~900nm波段的光谱数据，覆盖可见光与近红外区域。系统可获取96个光谱通道的高光谱立方体，分辨率达956×952像素，能精准捕捉香蕉皮表面的细微生化变化。

图1：Living Optics 高光谱相机结构示意图 光线经物镜进入后，部分导向 “场景视窗” 传感器，剩余光线穿过编码孔径光罩，经色散元件处理后投射至 “编码视窗” 传感器，最终解码生成 96 通道光谱数据。

实验中，相机与香蕉样本固定在85厘米距离，通过LED光源保证照明一致性，连续7天追踪拍摄。为确保数据精准，研究人员用白色、黑色参考板对原始图像校准，计算反射率后，选取6个128×128像素的感兴趣区域（ROI），剔除无关背景干扰（如图2所示）。

图 2：(a) 6 个感兴趣区域（ROI）位置分布；(b) 第 1、4、7 天 ROI 平均光谱反射率曲线（实线）及标准差（阴影区域）

AI 模型重建：降低技术应用门槛

针对直接高光谱成像成本高、资源消耗大的问题，团队选用多级光谱Transformer模型（MST++），实现从普通RGB图像到27波段高光谱图像的重建。该模型计算效率高，处理速度快，完美适配生物医学实时应用需求。

研究采用结构相似性指数（SSIM）和光谱角制图（SAM）双指标评估：SSIM衡量空间结构还原精度， SAM衡量光谱一致性。结果显示，模型在 460nm~520nm中波段重建精度最优，6个ROI的整体SAM为0.519±0.102，SSIM为0.510±0.059，证实了低成本重建方案的可行性。

实验验证：香蕉皮 “复刻” 皮肤变化

7天的连续观测中，香蕉皮的光谱变化清晰复刻了人体皮肤的色素代谢过程，验证了替代模型的有效性：

图3：第1天、第4天和第7天从ROI1 (a)至ROI6 (f)各个区域获取的光谱反射率。

图4：展示第1、4、7天，6个感兴趣区域（ROI 1–6）随时间变化的归一化反射率光谱曲线。

· 第1天（健康状态）：香蕉皮叶绿素含量高，680nm波段出现明显吸收谷（叶绿素典型特征），700~900nm近红外区域反射率高，对应人体健康皮肤的色素状态；

· 第4天（色素变化期）：叶绿素降解，680nm吸收峰减弱，550~900nm反射光谱趋于平缓，果皮由绿转黄，模拟人体皮肤色素沉着改变；

· 第7天（病变模拟期）：香蕉皮发生严重酶促褐变，光谱曲线整体平滑，无特异性吸收特征，对应皮肤严重氧化损伤或病变状态。

更值得关注的是，6个ROI呈现出明显的局部异质性：ROI1、ROI3近红外反射率快速下降（早期氧化），ROI6反射率保持高位（氧化进程慢），这种差异与人体皮肤不同区域的色素变化规律高度一致，进一步证明了模型的可靠性。

三大优势，推动皮肤检测革新

这项研究之所以具有里程碑意义，在于它解决了传统技术的多重痛点：

1. 伦理与成本双赢：香蕉皮替代模型彻底规避人体实验的伦理约束，材料成本几乎可忽略，大幅降低研究门槛；

2. 检测灵敏度升级：高光谱成像相比仅能捕捉 3 个颜色通道的 RGB 成像，可识别细微生化变化，实现皮肤异常的早期预警；

3. 潜在应用场景：

· 医美机构：术前皮肤评估、术后恢复监测

· 家用健康设备：早期皮肤异常筛查

· 偏远地区医疗：低成本皮肤病初筛

· 药企：皮肤药物反应动态监测

当然，研究仍存在局限性：自然光照条件可能影响数据一致性，香蕉皮无法完全复刻人体皮肤的复杂组织结构，重建模型在波段两端的精度仍有提升空间。未来，团队将在受控光照环境下优化实验，结合人体皮肤数据集验证，推动技术向临床应用转化。

从随手丢弃的香蕉皮，到破解医学难题的科研载体，这项研究用创新思维证明：科学突破往往源于对日常事物的深度观察。随着高光谱成像与AI技术的持续融合，未来或许每个人都能拥有便携式皮肤健康监测设备，让黑色素瘤等疾病在早期就被精准识别，真正实现 “早发现、早干预” 的健康愿景。

高光谱成像+AI：解锁皮肤疾病检测新范式

免责声明

样品申请

高光谱成像+AI：解锁皮肤疾病检测新范式

资讯热榜 换一批

免责声明

样品申请

资讯热榜换一批