如今，在大多数医院，氧饱和度是用脉搏血氧计来测量的。脉搏血氧计是一种夹在指尖的装置，通过手指的血管来传输光线。然而，这种方法对于高级医疗应用来说不够精确，也不能用于胸部或手臂等部位。

高光谱成像在提高氧饱和度测量的准确性方面有很大的潜力，同时允许在身体的任何点进行测量。然而，临床医生缺乏将图像数据转换成氧饱和度图的工具。

诺丁汉大学的高级研究员Paul Rodmell说:“我们想在表面上照射一束光，从反射回来的信息中测量组织的氧含量。”“这相当困难，因为组织会散射光线。”

为了解决这个挑战，Rodmell需要一个用于图像处理和算法开发的分析环境。

诺丁汉大学使用MathWorks工具获取和处理高光谱图像，开发生成氧饱和度地图的算法，并构建图形用户界面(GUI)以方便临床研究人员的工作。

Rodmell使用MATLAB来处理表示高光谱图像的三维数据阵列。

为了创建图像的归一化反射图，Rodmell获得了纯白色表面的高光谱图像，并使用MATLAB对两组数据进行了三维矩阵划分。

然后，他利用MATLAB开发了正在申请专利的算法，从原始的反射率数据计算氧饱和度图。

利用图像采集工具箱，诺丁汉大学缩短了捕获高光谱图像的时间。“图像采集工具箱比以前的方法快三倍，”Rodmell说。“图像采集工具箱还让我们完全控制相机硬件，所以我们将看到更大的收益，只获得我们需要的区域和光谱。”

在Rodmell开发了一种从高光谱图像生成氧饱和度图的可靠方法之后，他使用MATLAB开发了一些工具，使临床研究人员能够轻松地应用这项技术。通过使用MATLAB开发工具和图像处理工具箱，Rodmell创建了一个工具，使研究生物学家能够在图像中选择一个区域，并获得该区域的氧饱和度指标。

诺丁汉大学使用图像处理工具箱使用户能够以图形方式选择感兴趣的区域，并自动识别该区域中超过特定阈值的像素。

“阿斯利康开始使用这个工具后，他们让我添加一个直方图。我很快在工具中添加了一个，并在大约一个小时后将其发送回来，”Rodmell解释道。

阿斯利康的研究人员通过测量志愿者手臂上的氧饱和度来评估抗炎药物的有效性，这些志愿者对草花粉或屋尘螨有过敏反应。

诺丁汉大学继续使用MathWorks工具加速和自动化图像分析过程。

哈格里夫说:“诺丁汉大学现在正在利用MATLAB将图像采集和图像分析结合起来。”“这将使我们的临床医生能够进行实时分析，并在捕获时看到氧饱和度图，而不是等待捕获后的处理。”