组织病理学分析通常被认为是肿瘤诊断和临床治疗的“黄金标准”。近年来，人工智能（AI）在病理诊断中的应用取得了显著进展。然而，目前大多数AI方法使用的数据源是由传统光学显微镜捕获的彩色图像，这种图像所包含的病理信息有限，影响了诊断的准确性。随着二维图像处理算法的逐步成熟，研究人员开始转向三维算法，以期获得更准确的结果和更丰富的信息。

本文提出了一种新的多维胆汁数据库，该数据库包含在同一视场下捕获的显微镜高光谱图像和RGB彩色图像，专门用于深度学习研究。该数据库中的所有图像均经过经验丰富的病理学家评估和标记，适用于训练神经网络。由于该数据库包含了样本的形态、光谱和生化变化信息，对研究人员开发新型多维深度学习算法用于病理诊断具有重要意义。

图1 数据集的多维图像场景

(a) RGB图像

(b) 显微镜高光谱数据立方体

(c) 从高光谱数据立方体中提取的16个单波段图像

本实验旨在建立一个多维胆汁数据库，为此开发了一种显微镜高光谱成像系统，用于采集胆汁组织的高光谱图像。胆总管组织切片的透射光通过显微镜被收集，并在sCMOS相机上成像，最终合成高光谱数据立方体。该成像系统使用的鑫图sCMOS相机Dhyana 400D，具有6.5 μm的像素尺寸，适用于高倍显微镜。此外，其低读出噪声和在制冷条件下的低暗电流，使其在弱光成像时仍能获得高信噪比的图像。同时，USB 3.0的接口能够提供高达35 fps的帧率，满足了高光谱成像所需的高速采集性能指标。