静脉检测在医疗中至关重要，尤其是外科手术中，准确定位静脉能够避免并发症。然而，传统方法在一些特殊患者群体（如儿童、肥胖者和深色皮肤者）中效果不佳。为此，近红外（NIR）成像技术被广泛应用，但仍存在一定挑战。
高光谱成像（HSI）作为一种新兴技术，能够提供更详细的静脉信息。通过捕获从可见光到近红外波段的光谱数据，HSI有望提高静脉检测的精度。为支持这一研究，本研究使用Resonon高光谱成像仪构建了一个包含100名受试者的高光谱图像数据集，涵盖多种肤色并标注静脉位置。
由于HSI数据体积庞大，降维技术（如PCA、FPCA和WaLuMI）被用于简化数据并提升检测性能。结合支持向量机（SVM）分类器，这些技术能够提高静脉检测的准确性。HSI不仅在静脉检测中具有应用潜力，还在组织氧饱和度和视网膜监测等领域展现了广泛的前景。
总体来说，HSI为静脉检测提供了更精确的方法，降维技术优化了数据处理，增强了检测效果。
图 1. 高光谱图像：(a) 人手高光谱图像示意图。(b) 手部像素光谱的光谱图。该图表示像素捕获的每个波长的反射值。
图 2. 高光谱图像数据采集设置
图 3. 使用高光谱成像仪捕捉人手。
表 1 概述了有关数据集组成的基本统计数据。值得注意的是，该数据集包含 200 张手部图像，代表了 100 名参与者的左手和右手。性别分布显示 76% 为男性，24% 为女性。种族分布呈现出多样化的代表性，其中 32% 为非洲人、59% 为亚洲人，9% 为欧洲人。年龄分布涵盖多个类别，大多数属于 26-30 岁年龄组（28%）。此外，数据集中的大多数人的肤色被归类为 III 型（中等）和 IV 型（橄榄色），分别占 21% 和 22%。
表 1.数据集的汇总统计数据。
表 2 按照 Fitzpatrick 量表详细细分了每个族群的肤色分布。值得注意的发现包括非洲参与者中 IV 型（橄榄色）和 V 型（棕色）肤色的流行率，分别占该群体的 8% 和 13%。在欧洲人群中，大多数人表现出 I 型（浅色）和 II 型（白色）肤色，分别占 6% 和 2%。亚洲参与者在各种肤色中的分布更为均衡，其中 II 型（白色）和 III 型（中等）最为普遍。
表 2. 基于族裔标准的皮肤色调分布统计汇总
图 4. 数据集中部分 HS 手部图像的 RGB 图像表示示例：(a) 亚洲男性，(b) 亚洲男性，(c) 非洲男性。
图 5. 光谱曲线描绘了两种不同类别的反射光谱：皮肤（红色）和静脉（蓝色）。
图 6. FPCA 形态学操作的结果。(a) RGB 和地面实况叠加，(b) 分类图像，(c) 形态学操作后的精炼图像。静脉以红色突出显示。
本文利用高光谱（HS）图像技术推动静脉检测的发展，针对临床环境对改进诊断工具的需求，提出了一种创新方法。研究中使用了100名受试者的HS手部图像数据集，涵盖了不同肤色的受试者。为充分挖掘HS数据在静脉检测中的潜力，采用了三种降维技术：主成分分析（PCA）、折叠主成分分析（FPCA）和结合互信息的Ward链接策略（WaLuMI）。经过实验评估，FPCA在静脉检测中表现最佳，提供了最高的准确率，凸显了优化降维方法在医学成像和诊断中的重要性。
此外，研究不仅关注静脉的准确分类，还在于有效地可视化静脉区域。通过从降维技术中获得的最佳波段生成分类图像，并应用形态学操作进行细化，得到了更清晰、易于解释的静脉结构图像。研究表明，HSI结合定制降维技术有着广泛的应用前景，为未来结合深度学习等高级检测方法提供了基础。