使用从RGB图像的光谱带扩展与直接高光谱成像进行无创黄疸检测

黄眼为什么重要

多数人把黄疸简单地理解为皮肤或眼睛发黄，但这种颜色的变化背后是血液中一种称为胆红素的色素堆积，它可能提示严重的肝脏或血液问题。当前检测胆红素通常需要在诊所或医院抽血，这既痛苦又耗时，对于新生儿、老年人以及偏远地区的人来说往往难以获得。本文提出了一个看似简单但影响深远的问题：普通手机摄像头在更智能的图像分析和实验室级光学相机的辅助下，能否可靠地发现黄疸，从而在无需抽针的情况下为护理提供依据？

在眼白中寻找线索

研究团队首先把注意力放在巩膜——眼白部分——因为其颜色较少受日晒和肤色影响。研究者在两种常见室内照明下采集了47名患者的眼部特写照片：偏暖的卤素灯和偏冷的荧光灯。为防止室内光线差异被误认为病变，每张图像都经过两步“归一化”处理，用同图中的明暗参考点来锚定颜色。随后，研究者将普通的红绿蓝（RGB）图像扩展为13个精心选择的色带，这些色带捕捉蓝、绿、黄和橙之间的细微变化——正是黄疸在人眼可见区域出现的波段。

教手机估算血液化学指标

从每张眼部图像中提取的巩膜13波段颜色指纹被输入一个紧凑的机器学习模型，称为JaundiceAI‑Mobile。该系统不是尝试给出简单的有/无判断，而是学习预测与血检得到的数值化黄疸指数相同的数值。训练使用了90张伴有已知血液结果的图像，且模型针对两种照明类型分别调优。在类荧光照明下（类似许多办公室和家庭环境），预测结果与实验室测量高度吻合：统计拟合优度（R²）为0.988，线性相关系数为0.9945，意味着基于手机的估算几乎能完美地追踪研究组内胆红素水平的升降变化。

用高光谱图像看见人眼看不见的

手机只能捕获三种宽波段颜色，而专门的高光谱相机可以记录来自每个像素的数十个窄波段，包括不可见的近红外光。研究者使用这种相机扫描受试者的手掌，提取了光滑皮肤、混合皮肤和皮褶的微小区域。通过将原始干涉图视频转换为完整光谱，他们获得了每个点从400到1000纳米的141个波长点。当他们将不同黄疸严重程度组的光谱取平均时，呈现出一致的图景：患黄疸者的皮肤在蓝绿光（约低于550纳米）区域反射较少，而在黄橙光（约560–590纳米）区域反射更多——这些变化对应经典的发黄外观。更有趣的是，在近红外范围，研究团队发现了新的交叉点，黄疸与健康皮肤在亮度上互换领先地位，尤其在约750–850纳米以及靠近850、950和980纳米处。

手掌、皮褶与隐藏的信号

手掌皮褶被发现在诊断上特别有价值。这些褶皱富含结缔组织，容易累积胆红素，并且不那么受血流和表皮色素的影响。对皮褶的高光谱扫描显示，在可见光下，黄疸者的手掌通常比正常者更暗。然而在大约690到855纳米的窄近红外窗口内，趋势反转，黄疸者的皮褶反射更多光。这个模式，加上在眼部色彩数据和手掌高光谱数据中都观察到的一致交叉点，表明身体发黄具有一种稳健的光学特征，可跨组织和相机被追踪。通过将13个手机友好的色通道映射到对应的高光谱波长，作者勾勒出一种“超分辨率”模型的路径，使智能手机在无需昂贵硬件的情况下近似更丰富的光谱视图。

从实验室概念到日常检查

对患者和家庭而言，关键结论是：一张经过谨慎处理的眼部照片，可能在某种程度上出人意料地接近替代抽血以评估黄疸程度——至少在这项早期试验的范围内。该研究也表明，我们皮肤中蕴含着比裸眼可见的更多诊断信息，尤其是在近红外光下。手机预测的高精度和详尽的高光谱指纹共同指向这样一个未来：人们可在家中或资源匮乏的诊室使用熟悉的设备监测黄疸，借助先进光学和算法将微妙的颜色变化悄然转化为有意义的医学信息。

引用: Liao, WC., Lin, J.J.Y., Lu, YC. et al. Non-invasive jaundice detection using spectral-band expansion from RGB images and direct hyperspectral images. npj Biosensing 3, 22 (2026). https://doi.org/10.1038/s44328-026-00087-w

关键词: 黄疸, 智能手机成像, 高光谱成像, 无创诊断, 胆红素