遠距離生物特征檢測與遠程健康評估是現代醫療健康領域的重要發展方向，其核心需求是在非接觸、遠距離場景下精準獲取心率、血氧飽和度、血壓等關鍵生理參數。

高光譜成像（HSI）作為一種融合圖像與光譜信息的技術，能夠通過多波長信號解析生物組織的生理狀態，憑借非侵入性、多參數檢測優勢，在生物傳感領域展現出巨大應用潛力，廣泛適用于遠程體檢、重癥監護、公共衛生監測等場景。

與傳統單一波長生物傳感技術相比，高光譜成像可同時捕獲多個波長下的生理信號，能更全面地反映生物組織的動態變化，檢測精度和信息維度更具優勢。

然而，傳統高光譜成像系統存在顯著技術瓶頸：對環境光波動極為敏感，在自然光照變化、室內光源干擾等復雜環境下，信號易受噪聲污染，導致檢測穩定性大幅下降，難以滿足實際場景中的精準檢測需求。

此外，現有系統在多參數同步檢測的精度與效率平衡上仍有不足，限制了其在遠程健康評估中的規模化應用，亟需開發具備抗環境干擾能力的高穩定性高光譜成像技術。

為此，威斯康星大學麥迪遜分校喻宗夫教授和邵澤偉博士（上硅所校友）研究團隊在高光譜生物傳感技術領域取得重要進展，提出了一種基于鎖相相機的高光譜成像（HSI）框架，突破了傳統系統受環境光波動影響的局限。

該團隊核心創新在于設計了“特定波長照明快速調制+同步檢測”的技術方案：通過精準調控照明波長的動態變化，并使鎖相相機與照明調制同步工作，有效過濾環境光噪聲，實現了復雜環境下穩定的高光譜視頻重建。

為驗證系統性能，團隊開展了系列實驗：在光體積描記術測試中，該系統心率估算誤差低于3次/分鐘，顯著優于傳統高光譜成像系統（誤差通常超10次/分鐘）；采用660納米和940納米雙波長照明方案，成功提取血氧飽和度（SpO?）動態數據，最大誤差控制在3%以內，且在波動光線下的平均精度較傳統技術提升2.7倍。

在此基礎上，團隊利用高保真光體積描記信號訓練機器學習模型，進一步實現了血壓和心電圖波形的精準重建。該研究不僅解決了傳統高光譜成像系統穩定性不足的關鍵問題，還實現了多生理參數的同步精準檢測，為高光譜生物傳感技術的實用化提供了可行路徑，將有力推動遠程健康評估領域中穩定、多參數生物特征檢測技術的發展。

從傳統光譜成像的困境說起 常見的RGB相機或傳統高光譜相機，本質上都是“被動接收光”。它們在成像時無法區分：哪些光來自主動照明，哪些來自環境背景。只要環境光發生變化，圖像強度和光譜分布就會整體漂移（圖1中左、中的示意）。研究團隊提出的鎖相高光譜方案，則引入了“主動節奏”：不同波長的LED光源被調制到特定頻率，傳感器在像素層面只對對應頻率的信號“開門接收”，其余環境光被自動濾除（圖1右）。這一步，相當于在嘈雜環境中，只聽“自己約定好的暗號”。在系統中，調制光與傳感器內部的參考信號進行混頻，經過低通濾波后，僅保留與目標光源同步的直流分量。低頻的環境光擾動和1/f噪聲被有效抑制，使得即便在3000 K 到 6000 K 甚至更劇烈的光照變化下，獲取的高光譜圖像在亮度和顏色上依然保持高度一致。這種“頻率域隔離”策略，是整套系統魯棒性的核心。 ? 圖1：不同成像體系對環境光的響應對比，以及鎖相高光譜成像的工作原理示意 真實場景中的遠程心率測試 為了驗證系統在現實生活中的表現，研究人員設計了多種典型使用場景：閱讀、打游戲、交談、睡眠等（圖2d）。這些場景共同特點是光照變化復雜且不可控。結果顯示，傳統高光譜相機在這些條件下信號波動劇烈，而鎖相相機采集的面部反射強度始終平穩（圖2c）。由此提取的遠程光電容積脈搏波（rPPG）波形清晰、峰值明確（圖2e），最終計算得到的心率誤差顯著降低，最大誤差不再出現動輒二三十 bpm 的“災難性偏差”（圖2f）。 ? 圖2：在閱讀、游戲、交談、睡眠等真實場景下的遠程心率檢測穩定性對比 從單一心率到血氧飽和度 在穩定獲取rPPG信號的基礎上，團隊進一步引入 660 nm 與 940 nm 雙波長照明，用于血氧飽和度（SpO?）計算。通過比較兩個波段的交流/直流分量比值，系統可以實時追蹤血氧變化（圖3a）。在呼吸屏氣實驗中，即便人為制造環境光劇烈波動，鎖相系統給出的SpO?曲線仍與接觸式設備高度一致，而常規高光譜方法則明顯失真（圖3c,d）。這表明該方法已具備臨床意義上的可靠性。 ? 圖3：基于雙波長rPPG的血氧飽和度測量及其在動態光照下的魯棒性 高質量信號帶來的“附加價值” 穩定、低噪聲的rPPG信號，不僅能測心率和血氧，還蘊含更豐富的生理信息。研究團隊利用機器學習模型，將鎖相相機采集的rPPG作為輸入，成功重建了心電圖（ECG）中的P、R、T波形特征（圖4c–f），相關系數超過0.92。同時，系統還實現了對收縮壓和舒張壓的準確預測（圖4g）。相比之下，使用常規高光譜數據訓練的模型因噪聲過大而難以泛化。這一結果凸顯了“信號質量”在智能醫療中的基礎性作用。 ? 圖4：利用高質量rPPG信號重建心電圖與血壓的機器學習結果展示 小結 這項研究通過將鎖相放大思想引入高光譜成像，從硬件與信號機制層面破解了環境光干擾這一長期難題，使非接觸生理監測首次在真實復雜光環境下展現出接近臨床級的穩定性與精度。更重要的是，該框架并不局限于心率或血氧，而是為多參數、連續生命體征感知提供了通用底座。未來，隨著系統小型化、算力優化以及與車載、家居設備的深度融合，這種“不怕光變”的光譜傳感技術，有望真正走出實驗室，進入日常健康監測與智慧醫療場景。 ?

審核編輯 黃宇