S. A. Boppart、C. Pitris、 J. F.Southern 和 J. G. Fujimoto 的"In vivo endoscopic optical biopsy with optical coherence tomography"，Science 276 (5321)，2037 至 2039 页，1997 年），其实现了对被检 查的样本的更好的表征。
[0066] 图6图示了诊断实施例，其中参考图1，在对高光谱图像算法HSA的校准后的高光 谱图像12被应用到显示器D。诊断算法DA处理同一图像12并在其中检测目标结构（例如 肿瘤）可能存在的区域。目标指示符TI接着被应用到显示器，例如以颜色、阴影、区域周围 的线等的形式突出显示。
[0067] 在下文中，将描述关于对从一个或多个探头测量数据提取参数的特征的范 例细节。提取生理参数的范例是通过使用定制的Matlab 7.9.0(Mathworks，Natick， MA)算法来拟合采集到的光谱。在该算法中，实现了广泛接受的分析模型，即由文献 T. J. Farrel、M. S. Patterson和B. C. Wilson 的"A diffusion theory model of spatially resolved,steady-state diffuse reflectance for the non-invasive determination of tissue optical properties"，Med. Phys. 19,879 至 888 页，1992 年，介绍的模型， 在此通过引用将其整体并入。文献T.J. Farrel、M. S. Patterson和B. C. Wilson的"A diffusion theory model of spatially resolved, steady-state diffuse reflectance for the non-invasive determination of tissue optical properties''，Med. Phys. 19， 879至888页，1992年，的模型的输入自变量是吸收系数ua (A)、约化散射（reduced scattering)系数u's(A)以及在探头的端部处的发射纤维与收集纤维之间的中心到 中心距离。对于相机图像，不存在纤维距离并且Farrel的模型不再适用。相反可能使 用基于公知的Kubelka-Munk模型的算法。例如在M. Mliller、G. F. Zhou的"Modeling electrophoretic paper-like displays"，Proc. IDW 1-3,1287-1290 页，2007 年中给出 了如何从散射和吸收属性导出反射率的范例。对于漫射理论模型的完整描述，我们参考 T. J. Farrel、M. S. Patterson 和 B. C. Wilson 的"A diffusion theory model of spatially resolved, steady-state diffuse reflectance for the non-invasive determination of tissue optical properties"，Med. Phys. 19,879 至 888 页，1992 年〇
[0068] 在以下部分中，将简要地解释所述模型。所使用的方程主要基于Nachab6 等的工作，并且因此参考了 H. J. C. M. Sterenborg 的"Estimation of biological chromophores using diffuse optical spectroscopy ：benefit of extending the UV-VIS wavelength range to include 1000 to 1600nm"，Optics Express，18 卷，2010 年，879 至 888 页，在此通过引用 将其整体并入，并且另外参考了 R. Nachabe、B. H. W. Hendriks、A. E. Desjardins、M. van der Voort、M. B. van der Mark 和 H. J. C. M. Sterenborg 的 "Estimation of lipid and water concentrations in scattering media with diffuse optical spectroscopy from 900 to 1600nm"，Journal of Biomedical Optics，15 卷，2010 年 5 月，037015-10 页，在此通过 引用将其整体并入。
[0069] 双幂律函数可以被用于描述约化散射的波长依赖性，其中，波长A以nm来表达并 且被归一化到波长值A。=80〇?。参数a对应于在该具体波长处的约化散射幅度。
[0070]
[0071] 在该公式中，约化散射系数被表达为米氏散射和瑞利散射的和，其中，PMK是米 氏-总体约化散射的分数。米氏散射的约化散射斜率被指示为b并且与颗粒大小相关。
[0072] 图7示出了印记Hb、Hb02、水W以及脂肪F的吸收光谱的对数曲线图。对于吸收体 的均匀分布，如图7所示，总的光吸收系数y a (X)可以被计算为吸收体的体积分数与消光 系数的积：
[0073]
[0074] 最为对将吸收系数y a (A)建模为通过四个感兴趣的发色团的各自的浓度加权 的吸收系数的和的替代，决定将组织吸收系数表达为：
[0075]
[0076] 其中，(杉对应于血液的吸收并且对应于被探测体积中的水和脂类一 起的吸收。水和脂类的体积分数是[脂类]+ [水]，然而表示150mg/ml的全血 中的血红蛋白的浓度的血液体积分数。
[0077] 因子C是解释色素包装的影响以及吸收光谱的形状的改变的波长相关校正因子。 该影响可以通过这样的事实来解释：组织中的血液限于总体积的非常小的分数，即血管。靠 近血管的中心的红血细胞因此比外围处的那些吸收更少的光。事实上，当在组织内均匀分 布时，较少的红血细胞将产生与分布在离散血管中的实际数量的红血细胞相同的吸收。校 正因子可以被描述为：
[0078]
[0079] 其中R指示以cm表达的平均血管半径。与血液相关的吸收系数被给出为：
[0080]
[0081] 其中和//f⑷分别表示氧合血红蛋白册02和脱氧血红蛋白Hb的消光系 数光谱。血红蛋白的总量中的氧合血红蛋白分数被记为a%= [Hb02V([Hb02] + [Hb])并且 被普遍知晓为血氧饱和度。
[0082] 由于被测组织中的水和脂类的存在的吸收被定义为：
[0083]
[0084] 在这种情况下，与脂类和水一起的总浓度相关的脂类的浓度可以被写作a WF= [脂类V ([脂类]+ [H20])，其中，[脂类]和[H20]分别对应于脂类（密度为0.86g/ml)和 水的浓度。
[0085] 这种在公式6中定义的吸收系数的表达式中使水参数和脂类参数相关，而不是 单独估计水和脂类体积分数的方式对应于对基本函数的协方差的最小化，所述基本函数 用于得到更稳定拟合的拟合，参见文献R. Nachab6、B. H. W. Hendriks、M. V. D. Voort、A. E 和 H. J. C. M. Sterenborg 的"Estimation of biological chromophores using diffuse optical spectroscopy ：benefit of extending the UV-VIS wavelength range to include 1000 to 1600nm"，Optics Express，18 卷，2010 年，879 至 888 页。为 了对该 理论进一步解释和验证，参考 R. Nachabe、B. H. W. Hendriks、A. E. Desjardins、M. van der Voort、M. B. van der Mark 和 H. J. C. M. Sterenborg 的 "Estimation of lipid and water concentrations in scattering media with diffuse optical spectroscopy from 900 to 1600nm"，Journal of Biomedical Optics，15 卷，2010 年 5 月，037015-10 页，在此通过 引用将其整体并入。
[0086] 用于鉴别光谱差异的另一方式是通过使用主成分分析。该方法允许对光谱差异的 分类并且因此允许组织之间的鉴别。也可能从光谱提取特征。
[0087] 图8示出了针对A :胶原蛋白、B :弹性蛋白、C :NADH以及D :FAD的固有荧光曲 线。这样的参数还可以利用探头来测量。特别地，可以计算被称为光学氧化还原参数的比 率NADH/FAD，这是因为该比率是针对组织的代谢状态的指示符，所述组织的代谢状态被假 设为根据对癌细胞的有效处置而变化，例如见Q. Zhang、M. G. Mueller、J. Wu和M. S. Feld的 "Turbidity-free fluorescence spectroscopy of biological tissue''，Opt. Lett. 25， 1451 页，2000 年。
[0088] 图9图示了根据本发明的用于识别人类或动物组织内可能的肿瘤组织的方法实 施例。所述方法包括接收被测试的组织的第一区域的高光谱图像的步骤R_HSI，任选地还包 括利用高光谱相机来提供高光谱图像的步骤。接着利用用于识别和/或定位高光谱图像的 可能包含肿瘤组织的一个或多个部分的算法来分析L_TT高光谱图像。如果这样的可以区 域被局部化于高光谱图像中，则接下来的步骤D_SA是显示具有对可疑区域的指示的高光 谱图像，例如使用叠加在高光谱图像上的线或其他图形符号。在该步骤D_SA中，利用对高 光谱图像算法的初始设定或校准（例如基于待识别的目