数字病理学是病理学中发展最快的研究领域之一，专注于标本载玻片的数字化分析。通过将病理切片的光学图像数字化，计算机的软件学习，应用于改善各种疾病的诊断、预后和预测。

今天，病理切片的数字化主要集中在获取传统H&E染色切片的简单光学显微镜图像，再通过软件将这些图像拼接在一起，以便根据RGB（红、绿、蓝）颜色通道或组织形状对它们进行分析。虽然与传统的组织定性观察相比，该过程可以提高疾病诊断的准确性，但相对于其他成像方式而言，它仍是有限的。

高光谱显微成像技术蕴藏着数字病理学的巨大飞跃。高光谱图像是看起来与传统数字化光学图像非常相似但有非常显著差异的数字图像。高光谱图像的每个像素都包含400 nm-1000 nm的完整可见近红外(VNIR)光谱。该光谱数据可以在约2 nm的高光谱分辨率下产生，像素尺寸可以小至100 nm（具体取决于用于图像捕获的相机）。与简单的数字光学图像相比，高光谱图像中隐藏的令人难以置信的丰富数据，为增强各种疾病组织状态的数字化表征提供了机会。
本应用中的示例用于说明高光谱显微成像技术在病理学研究中的简单应用。图1显示了在传统明场显微下H&E染色的鳞状细胞癌组织的高光谱图像。图2是同一组织的阴性对照（非癌组织）高光谱图像。图3是癌组织的高光谱映射图像，所有绿色映射的像素点都包含组织癌性元素特有的光谱。用于光谱映射的光谱是使用过滤光谱库的专有学习算法来得到，通过比较阳性对照样品中的数千个像素与阴性对照样品中的所有像素来确定。该算法识别了癌性元素独有的光谱，并创建为光谱库。然后使用光谱角映射算法，根据创建的光谱库映射癌性元素。在图4中，显示了一个示例平均光谱，以说明对照组织与癌组织映射区域之间的细微光谱差异。
借助CytoViva的高光谱显微成像技术，我们还可以根据组织的内源光谱来表征疾病与健康组织，无需任何传统染色或其他样品制备。这通常使用CytoViva的增强型暗场显微成像系统来实现，该系统用于从组织中产生高对比度的散射效应，并不受光源照明的干扰。在上面的第二个示例中，图5显示了一期胰腺癌组织的增强暗场高光谱图像。图6是阴性对照胰腺组织样本（无癌症）。就像在染色组织示例中一样，使用光谱过滤算法来识别未染色胰腺癌组织的癌性成分所特有的光谱特征。得到了基于图7所示的独特光谱特征的癌性成分映射。图8显示了胰腺阴性对照组织与胰腺癌组织的映射区域之间的平均光谱差异。

这两个例子说明了高光谱显微成像技术如何轻松应用于定量识别传统染色和未染色环境中的癌性成分。本系统和分析原理可以应用于许多不同的组织样本，以识别广泛的疾病状态。
  CytoViva是由美国Auburn大学与Aetos技术有限公司合作成立，具有高校和军事公司背景，CytoViva纳米高光谱成像技术最初是由美国国防部和美国宇航局空间卫星航空成像开发的技术发展而来，该公司创造性的将该技术与增强型暗场技术结合并应用于微观层面，使其成为一个专有、集成的系统，能够在纳米尺度上对材料、药物、生命单元、活性大分子、环境污染物等进行高光谱成像及定性定量分析。

CytoViva纳米高光谱成像技术2005年一经面市，就在2006年和2007年连续两届获得著名的R&D100大奖，07年同年获得Nano50TM奖，在09年获得了两项美国专利，专利号7542203和7564623，并迅速得到全球各个国家重点实验室、科研机构及大型制药企业的认可，包括FDA， NASA， NIST， NIH， EPA， USDA， NIOSH， Lawrence Berkeley Labs， Dow Chemical，Merck， Johnson& Johnson， Stanford， Duke， Harvard等等。