CN100501379C

CN100501379C - 最佳化用于光谱测量的光纤探头

Info

Publication number: CN100501379C
Application number: CNB008139768A
Authority: CN
Inventors: J·J·加赛德; S·L·蒙弗里; B·C·艾利奥特; T·L·鲁赫蒂; G·A·基斯; F·S·格罗乔基
Original assignee: Sensys Medical Inc
Current assignee: Sensys Medical Inc
Priority date: 1999-10-08
Filing date: 2000-10-02
Publication date: 2009-06-17
Anticipated expiration: 2020-10-02
Also published as: JP2003511693A; NO20021626D0; TW490555B; ATE381012T1; HK1046953B; EP1218725B1; AU7747900A; DE60037437T2; CN1378646A; DE60037437D1; CA2385277A1; US6411373B1; HK1046953A1; EP1218725A1; WO2001027597A1; NO20021626L

Abstract

本发明提供一设计方法，用以决定在一被检查者之取样区域的检测与照射光纤图样。系统的信息，特别是一单色仪(亦即决定在输出狭缝之光纤的最佳数目)以及在一检测器光学架构之光纤束终端(亦即决定在光纤束终端之光纤的最佳数目)，对此设计来说是非常重要的。这些数目决定照射光纤对检测光纤的比率与数目，且显著地限制和局限了解决空间。关于在皮肤内之估计的信号和噪声之附加信息，对于在有关的波长范围内极大化一信噪比是需要的。局限这些光纤在六角形周缘内，并规定一六角形装填图样，使得包括照射和检测光纤的交替行可产生最佳的结果。在本发明之较佳实施例中，在一取样界面上两检测器共用所有的检测光纤。且一组第三检测光纤用于分类之目的。

Description

最佳化用于光谱测量的光纤探头

技术领域

本发明涉及一种使用光纤技术(fiber optics)照射分析物样品(analytesample)以及检测出现于该分析物样品处的信号，本发明尤其涉及一种光纤照射与检测图样、形状及位置的方法，其用于非侵入性全面估计(noninvasiveglobal-estimation)分析物样品，诸如血糖。

背景技术

熟悉此技术者都知道，在探测器界面上照射与检测光纤的尺寸、排列以及数目都影响接收信号甚大。该探测器是用来发射以及收集来自组织样品(诸如人的皮肤)的光线。

过去尝试过各种努力，以提供照射和收集来自组织样品的光线的装置。例如，参看K.Maruo，K.Shimizu，M.Oka所申请之欧洲专利Device For Non-InvasiveDetermination of Glucose Concentration in Blood，其申请号为EP 0 843 986。

然而，这些已知的装置都无法提供令人满意的结果。因此，提供用于最佳化光纤照射与检测图样、形状及位置的方法和设备是有利的，其可用以非侵入性预测分析物，诸如血糖。

发明内容

本发明提供一用于最佳化光纤照射与检测图样、形状及位置的方法和设备，其可用以非侵入性预测分析物，诸如血糖。假如光学系统经过适当的建模，则能够预测接收信号。藉由系统地探测图样、形状及光纤位置，以及最大化在系统模型中所欲之量，例如信噪比(SNR)，这里揭示的本发明可以最佳化光学系统设计。

在信噪比之例中，信号是与受实验者真皮层中的光子路径长度(photonpathlength)直接相关的，而噪声则约与作为波长以及检测器至照射光纤的分开距离的函数的强度成反比。此外，在单色仪输出狭缝处以及在检测器光学架构(opticsstack)之束终端(bundle termination)处的光纤数目可以被决定，使得最佳化变得特别受限制。一旦此限制是恰当的，待研究与最佳化的照射与检测光纤的图样就变得很容易。最后，光纤布局(fiber layout)的周边形状是以简单的几何考虑来规定。

贯穿此过程，每当有可能就应忽略制造限制。只有在达到一最佳解决方案之后，才能为了实用性以及便利之目的而适当进行涉及可容忍损失的折衷。

附图说明

图1绘示的为十九个光纤圆形布局之示意图，其中与根据本发明之六角形装填(hex pack)相比，中心光纤环对光纤束的全部直径来说是有益的；

图2是与在检测器处增加的光纤束数目有关的损失(penalty)之曲线图；

图3是作为光纤数目的函数的直径效率乘上光纤数目的曲线图，绘示由于增加的检测器得到的照射增益(illumination gain)与由于相关的低效率造成的损失之间的折衷(trade-off)；

图4是单色仪输出狭缝强度的示意图，绘示与在单色仪输出狭缝中的水平偏离中心(horizontally off-center)之光纤的损失；

图5是与在单色仪处增加的光纤数目相关之损失的曲线图；

图6是使光纤避免置于单色仪处而不接收任何光线的附加损失的曲线图；

图7是本发明利用蒙地卡罗模拟(Monte Carlo simulations)的信号估计的曲线图；

图8是本发明利用广域放射状光纤(wide area radial fiber；WARF)探测来估计函数1/Noise之曲线图；

图9是本发明一近红外光(NIR)葡萄糖信噪比的三维曲面图，其为波长和照射源至检测器的分开距离之函数；

图10是本发明一近红外光葡萄糖信噪比的三维曲面图的另一样式，其绘示靠近最低分开距离的峰值；

图11是本发明在组合带(combination band)中的近红外光(NIR)葡萄糖信噪比之放大的曲线图；

图12是绘示本发明六角形光纤界面的示意图；

图13是绘示本发明正方形光纤界面示意图；

图14是绘示本发明的与圆形重叠的六角形安排，以显示在六角形装填中一六角形如何接近一圆形的示意图；

图15是绘示本发明的与圆形重叠的正方形安排，以显示一正方形结构较一圆形结构有轻微损失的示意图；

图16是绘示本发明带有一分类检测器(classification detector)的六角形皮肤界面示意图；

图17是绘示本发明在一单色仪输出狭缝处之一200/220μm(纤心/包层)光纤图案的示意图，其中显示105个光纤(确实的数目)的架构；

图18是绘示本发明在一检测器光学终端处之一UltraSil光纤束终端的示意图，其中显示52个光纤的架构；

图19是绘示本发明在一皮肤界面处之一分类矩形(示出转动90度)的示意图；

图20是绘示本发明带有一分类检测器的一矩形皮肤界面的示意图；

图21是绘示一非侵入性组织模型的座标图；

图22是绘示α比值表面响应(α₁)与径向收集距离及波长的关系曲线图；

图23是绘示α比值表面响应(α₂)与径向收集距离及波长的关系曲线图；

图24是绘示α比值表面响应(α₃)与径向收集距离及波长的关系曲线图；

图25是绘示WARF探头的示意图，它设计为单一照射光纤被一组六个检测光纤以下列距离放射状地围绕着：0.23，0.77，1.3，2.08，2.90，3.71，4.70，6.70，8.7，10.7，14.7mm；

图26是绘示对于不同的照射—检测距离，非侵入性臂光谱(noninvasive armspectra)强度与波长的关系曲线图；

图27是绘示利用WARF探头所收集之数据中之系数a_λ，b_λ与结果值的示意图；

图28是绘示在WARF探头(1-10)的每个检测点处之水吸收幅值(magnitude)的曲线图，显示出当与照射光纤之距离增加时，所产生性别的分类；

图29是绘示在三个分开的波长下，不同之照射至检测光纤距离所得到估计测量噪声(以吸收单位)的曲线图；以及

图30是绘示样品间、样品外与总样品改变与照射—检测距离的关系曲线图。

具体实施方式

本发明是有关于最佳光纤探头几何图形之发展，其使用于扩散反射(diffusereflectance)与扩散透射(diffuse transmission)谱测量之领域。而本发明之较佳实施例是关于非侵入性测量法(noninvasive measurements)，本发明的其他应用还包括农作物的水分、脂肪以及蛋白质测量，举例来说，可以测量水果中的糖分或是谷类中的蛋白质；泥浆溶液的反应监测(reaction monitoring)；织品制造；聚合物熔料、粒子(pellet)以及添加剂(additive)；聚合物的张力强度；药片的活性成分(active ingredient)；以及胶囊之活性成分，等等。上述应用可以在QC/QA分析时完成，或可应用于即时的过程控制。

本发明提供一过程，以设计光束的特殊图样、形状和距离(在照射光纤与检测光纤之间)。首先，此设计限定于使用特殊的光纤型式以及检测器尺寸，使得最佳化过程可以显著地简化(见下面的图表1)。本发明提供一光纤束，其包括照射光纤与检测光纤。在本发明之较佳实施例中，照射光纤与检测光纤具有相同的特征，其中光纤特征包括任何型式、尺寸、数值孔径(NA)以及纤心-包层比(core-to-cladratio)。

表1.较佳的光纤型式

光纤	特殊型式	数值孔径(NA)	尺寸(纤心/包层)
光纤	特殊型式	数值孔径(NA)	尺寸(纤心/包层)	照射	UltraSil 200T*	0.22	200/240μm
检测	TCL-MA200H*	0.29	200/220μm	照射	UltraSil 200T*	0.22	200/240μm

*可从康涅狄格州，Avon的SpecTran Optics购得，注意在本发明较佳实施例中，缓冲层(buffer layer)应由光纤末端去除。

本发明较佳实施例使用之单色仪是由Optometrics of Ayer，MA所制造的小型单色仪(Minichrome Monochromator)。最后，较佳的检测器尺寸设定为直径1mm。如在此所述，上述这些设计结果必须早于任何建模企图或应用最佳化方案开始时就作出。

有几个信息可以由前述的设计结果中而得到。第一个信息包括一曲线，其估计单色仪输出狭缝(output slit)的强度。第二个信息为一函数，用以对从检测光纤束通过一长的波通滤镜、两个透镜以及一窗口而到达检测器本身之聚光焦效率作近似。

假设有关的信号(在本发明示范的实施例中，其为可归于葡萄糖的吸收)正比于被检查者皮肤之真皮层的平均光子之路径长对总路径长的比率，也就是说，光子沿着一平均路径的分布。于是发展出一组织模型(tissue model)，而用一蒙地卡罗模拟(Monte Carlo simulation)(见下面)估计光子行经的路径，以及此路径在被检查者真皮层所占的比率。

在作过一些样品(例如被检查者的手臂)强度的数学简化之后，噪声则用噪声模型(noise model)来近似(如下所述)。这些数据是由广域放射状光纤(wide arearadial fiber；WARF)探头而产生(见下面所述)。然后用一函数与这些数据作实验拟合，此函数用以产生所需噪声之代表值。

所有的信息都会并入单个程序中，其利用一图形用户界面，以作任意光纤布局的交互设计和分析。设计会被储存与做输入一基因算法(geneticalgorithm)之用，此基因算法会选择最好的设计以及设法改良这些设计。然后，最好的设计图样会被稍微的修改(其通常导致周边的增量改进)以产生正式图样，并且符合所选择的外部几何结构(在此情形中为六角形或是矩形)。

最后，此设计还会包括一用作检测的第三光纤场(fiber optic field)，因为其可显著地改进被检查者之分类(举例来说，参见S.Malin，T.Ruchti的AnIntelligent System for Noninvasive Blood Analyte Prediction，美国专利申请号为09/359,191，申请日为July 22，1999)。此第三光纤场对算法应用是重要先驱。

详细描述

最佳化

一般来说，希望设计最好或最佳的方案，表明缺乏改进设计的能力。然而，在设计的限制条件下，最佳方案通常指的就是最好的方案，给出折衷和实际考量。此处所指的最佳化，意指在某些预设的数学运算下，以某种方式使价值函数或评价函数(evaluation function)最大化。对于此处所述之本发明较佳实施例的评价函数是估计模拟的信噪比。最佳化的标准将在组合波段(2100-2250nm)使评价函数之总和增至最大，认为此评价函数之总和代表葡萄糖分子在该波段的吸收。

权重与损失

检测器损失

如前面所讨论，从检测器光纤来的光线利用双透镜系统而聚焦在检测器上。检测器光纤束最好是与检测器有相同的形状(即圆形)，使得离开检测器光纤投射在检测器上的光线数量达到最大。结果，检测器光纤束在透镜片处的最佳排列是圆形。当检测器光纤的数目增加时，这些光纤所占的空间以及光纤束的半径也会跟着增加。与光纤束中心的光纤相比，在光纤束周围的光纤向检测器贡献较少的光线。此外，因为光纤束的图象会受限于检测器的尺寸大小，以及放大倍率是有限的，故光辐射会随着光纤束尺寸的增加而较难收集，此效应可以用Zemax^TMRaytraceModel(其由亚利桑那州，Tucson之Focus Software公司所制造)来定量，一旦在光路中之透镜片以及其他元件的位置和规格被确定后，此量值会以光纤束半径之函数的形式，提供传送到检测器之光线的总效率。

为利用此信息，需要决定在已知光纤数目下的检测器光纤束半径。为了达到模拟的目的，假设光纤束以最小化光纤束半径之方式放置。而此最小化的最佳替代就是将光纤以同心环的方式来放置。虽然直觉上，似乎以六角形装填(hex pack)结构的方式放置会比同心环的方式较有效率，但是具有十九个光纤的理论上的排列表明情形并非如此(见图1)。

与光纤束半径相关的实际的价值函数可以最好地决定最佳的检测光纤数目。由图2可以见到，当光纤数目增加时的光效率的损失。抵消光效率的损失的方法是由更大数目的光纤传送更大数量的光。图3所绘示的是在特定区域内于增加光纤数目和检测器光学设计的效率之间取舍作最最佳的决定。如图3所示，一开始，随着检测光纤数目的增加，权重函数也会跟着增加。然而，在光纤数目约为54的那一点，随着增加光纤数目所增加的额外的光便随着效率损失的增加而变得不显著。因此，即使再增加光纤数目也无济于事。

由图3可以看到，上述交互作用的理论曲线并不平滑。这是因在检测器光纤束终端之理论光纤数装填部分的改变之结果。添加一增量数目的光纤不会线性增加光纤束的直径。实际上，从六十条到六十一个光纤，根本不会增加光纤束的直径。当理论上的最好的装填部分在制造技术上无法达到时，看来最好用图3所示的实用函数(practical function)。

注意，检测器光纤最好放置得使在光纤束中心光纤在检测器处亦同样放置在被检查者真皮层处之光纤束界面的中心，以致于中心光纤在每个光纤束端点处都是位于中心。较佳的是把此种安排方式应用在光纤束的每一个光纤中，例如，最外边的光纤在每个端点的最外边。

单色仪损失(monochromator penalties)

单色仪的输出狭缝是矩形的，使得对于单色仪光纤束而言最佳形状亦是矩形。这种情形建议熟悉此技术者使用六角装填的安排来最大化装填部分，结果可以最大化从单色仪收集的光量。

单色仪的光学尺寸会有助于确定单色仪光纤束的最佳尺寸。为了获得单色仪所欲得到的分辨率，单色仪的狭缝高度应小于1mm。考虑到这一点，立刻就可得到光纤束的列数。已知光纤束的列数，光学狭缝高度能够被下式决定：

(1)

最后，假如照射光纤的总数已知的话，每一排之光纤数目以及光纤束的宽度就能够计算出来。

注意，较佳的是，照射光纤在单色仪狭缝处与光纤束中心光纤放置一起，同样地放置在与被检查者之光纤束界面的中央(被检查者真皮层是皮肤组织的内部部分，所以光纤束界面不会出现在真皮层处)，以致于中心光纤在每个光纤束端点都是位于中央。较佳的是，把此种安排方式应用在光纤束中的每一个光纤，例如最外边的光纤就在每个端点的最外边。

离中心更远之光纤束中的光纤对皮肤的表面收集和分配较少的光线。此效应能够被Opticad RaytraceModel(由新墨西哥州Santa Fe的Opticad公司制造)所定量化。图4所绘示的为三种光线追踪(raytrace)模拟的结果，以及在模拟中使用的平均值。为了简单起见，假设单色仪的输出狭缝处之光纤作均匀分布，每个照射光纤的平均强度则能够计算出来。光线追踪的结果值被平均(在计算出的狭缝高度范围内)而得到一用于整个单色仪光纤束的比例因子(scale factor)，见图5。此比例因子是一界于0与1之间的值，其代表假设被每个照射光纤所传送者占最大强度之某一比率(在单色仪输出狭缝的中央，被定义为1.0)。

由图4可以见到的是，从单色仪的输出狭缝中心水平偏离超过2.4mm的光纤不贡献光线。前述之方法并未使此种情况变得很糟。将光纤的数目加倍会使光线的强度减半(请记得这些都是测试的平均光纤)，以及此模拟是透过不接收光的光纤传送光线到样品上。因此，一额外的单色仪尺寸损失会包含于内，其更进一步使单色仪狭缝高度大于4.8mm的情形变糟(见图6)。因为光纤尺寸与单色仪尺寸已被设定，罚函数(penalty function)的转折点(breakpoint)会发生在105个光纤处。假如更多光纤加入的话，它们也不会传送光线到样品上。

比例因子(scaling factors)

估计噪声的数据是使用广域放射状光纤(wide area radial fiber；WARF)探测之第一型光纤F1而测得，例如300/330/370μm(就是：核/外壳/缓冲层)。利用此数据来模拟其他尺寸的光纤，必须考量特定的比例因子。传送到皮肤的光量正比于照射光纤的面积。同样的，皮肤收集到的光量亦正比于检测光纤的面积。光纤面积的比例因子如下：

其中，F2是第二型光纤，例如200/220μm，200/240μm(就是：核/外壳)

所有F1型的数值孔径(NA)为0.22。假若提供照射光纤的话，其数值孔径亦为0.22。此处不需要比例因子。对检测光纤而言，数值孔径会用0.29的值来最大化收集的光量。使用一相等于数值孔径比率平方的比例因子如下：

利用广域放射状光纤(WARF)探头所收集的数据考虑了一个光纤衡量放置在六个光纤的环中心之中心效应。依此中心光纤是否是收集光纤或模拟光纤而定(以及此六个光纤是否分别为收集光纤或模拟光纤)，强度会由于检测器光学元件之无效能(inefficiency)而改变。为了模拟起见，会希望决定出当完全聚焦在检测器上时，一照射光纤在一检测光纤上会有何作用。而要做到此的话，就要作上述情况之比较，以及其值等于1.475的比例因子会被决定作为一适当的比例因子。

信号

假设(透过Beer定律)有关的信号(在此例子中为葡萄糖的吸收信号)正比于光线穿过真皮层的路径长，记为L_Dermis。此外，因为葡萄糖是主要位于真皮层的供应血管化的部分(vascularized portion)，此葡萄糖吸收信号最好以在真皮层的路径长比率来代表，亦即在真皮层的路径长除以总路径长(L_Dermis/L_Total)。在一光强度不会因光纤之分开距离而减少的媒质中，最好的用以检测葡萄糖吸收信号的方式为接收到最大之L_Dermis/L_Total值。因此，无论得到怎样的光纤样式，只要产生最大的L_Dermis/L_Total值，就优于所有其他的光学设计，虽然其他的信号定义也是可用的。

此信息是对于一有关波长范围确定，同时亦对于各种不同的光纤分开距离(照射光纤与检测光纤的分开距离)确定其在计算信噪比(SNR)中用作信号对数据进行编辑和曲线拟合，以便于表示和计算(见图7)。

噪声

在此系统中噪声(以吸收为单位)一般以下式代表：

Noise = 0.4343 \sqrt{\frac{N_{R}^{2}}{I_{R}^{2}} + \frac{N_{S}^{2}}{I_{S}^{2}}} - - - (4)

其中N_R和N_S分别为参考和样品强度测量的噪声，而I_R和I_S则分别为参考和样品强度。在系统主要由样品噪声决定的情形(其为此例)中，这对正比于1/I_S的数值作了些简化(给出数个假设)，。一代表样品强度之函数，作为一距离(光纤的分开距离)和波长之函数，可适当地模拟噪声。此数据组存在于：利用广域放射状光纤(WARF)探测所产生的结果。产生的函数为：

1 / Noise &Proportional; e^{(a_{λ} + b_{λ} \sqrt{d})} - - - (5)

其中a_λ和b_λ是对于每个波长经验上得到的参数，而d为光纤的分开距离。

广域放射状光纤(WARF)探头对总价值函数的贡献，就是它估计了噪声在信噪比(SNR)中之比率。广域放射状光纤(WARF)探头的数据存在于一有关的波长范围内，以及在各种的光纤分开距离(照射光纤与检测光纤的分开距离)中。此系统的描述超出了此处所讨论的范围。对数据进行编辑和曲线拟合，以便于表示和计算(见图8)。

评价算法(algorithm for evaluation)

当评价一潜在的光纤设计时，上述的所有量会结合入一评价函数中。此评价函数考虑的包括有光纤的分开距离、信噪比(SNR)以及单色仪输出狭缝与检测器光学架构的不同情况。此种函数的形式中，其本身亦为波长的函数，可以对第i个检测器计算如下：

{EF}_{i} = \underset{Illum}{Σ} \underset{{Detec}_{i}}{Σ} S (λ, d) * \frac{1}{N (λ, d)} * DP ({# Detec}_{i}) * MP (# Illum) - - - (6)

*MSP(#Illum)*SF(Type，Size)

其中，EF_i就是对第i个检测器的评价函数；信号S以及噪声N为波长λ与照射光纤到检测光纤分开距离d的函数；DP为检测器损失，其为检测光纤数目的函数；MP为单色仪损失，其为照射光纤数目的函数；MSP为单色仪尺寸损失，其为照射光纤数目的函数；以及SF为一比例因子，其为光纤尺寸和型式的函数。

实际的函数很困难去评价，但是计算步骤可以藉由下述动作而省略：

1)注意对于相似之光纤分开距离，信噪比(SNR)是相同的。因此，信噪比能够对每一分开距离作计算，再乘以在该分开距离下的检测器/照射光纤对(pair)数目(见图9与图10)。

2)DP*MP*MSP*SF在求和中并不需要被计算。

3)信号和噪声只需要对每一分开距离计算一次，然后可以存在存储器中，留作以后使用。如此可以避免极多次费时之重复计算。

4)预计算(pre-computing)所有光纤之间的距离，以及使用一查找表(look-up table)以决定任何两特定光纤之间的分开距离。注意，假如只有信号项设为1.0，而因为噪声正比于臂扫描之强度，则评价函数会预测出一臂扫描之强度。如此可以允许对一F1光纤探头或任何设计的定制光纤束模型之确认。

最佳化

评价函数用以作比较和对照的设计之用。举例来说，作出决定以对于组合带(combination band)中最大之信噪比(SNR)最佳化此设计(见图11)。结果，最佳化成为：

{BestDesign}_{i} = \max (Σ_{λ = 2100 mm}^{2250 mm} EF (λ)) - - - (7)

也就是说，对一已知检测光纤来说，最好的设计就是在一有关之波长范围内，(这里是2100-2250nm)最大化此检测器的评价函数。

为了找到何种图样可产生最好的结果，数百个初始图样都被研究过。这些图样中每一个图样都被用作至基因算法的输入，此算法可保持最佳的图样以及设法改良它们。在一定数量的努力之后，此基因算法停止而得到最佳的结果。通常，这些结果还会再作些微的修饰以得到更佳的结果。

上述基因算法产生的结果类似于图12所显示的，黑圆圈B代表照射光纤，而灰圆圈R和G分别代表1.9μm和2.6μm的检测光纤。基本的图样包括交替出现之照射光纤行(columns)和检测光纤行。

周缘(perimeter)

周缘显示出大约是个正方形(见图13)。然而，假如易于构成一具有六角形周缘之光纤束，则会对净信号有益。

理想的周缘是一圆形。利用六角形装填之光纤束的最接近圆形之图形就是一六角形，如图14所示。正方形亦是可行的，它在由六角形给出的预测结果的5％以内。与图14的六角形结构比较起来，图15的结构是一正方形结构。两图的结构都有圆形图样重叠在上面，以显示这些周缘如何接近理想的情况。

最终的设计

评价函数的最佳化产生一最佳的图样。当把周缘包括进来系混合用以包围足够数目的光纤(例如，大于或等于最佳数目)时，以及在一适当距离外添加一组分类光纤时，结果显示于图16。此结构之主六角形图样中包含217个光纤(109个照射光纤和108个检测光纤-每一种型式有54个光纤)，以及在分类组中由56个分类光纤。因为只需和想要105个照射光纤，四个用实心黑圆点表示的照射光纤B并未连接至单色仪输出狭缝之光纤束终端(见图17)。它们是实际在皮肤界面上不起作用的光纤(dead fibers)。类似地，用灰色显示之每种检测光纤R，G中有两个亦不包括在检测器光学元件处之端点(见图18)。分类光纤束中之4个光纤亦不包括在特定之终端中(见图19)。如此在制造了光纤束的皮肤界面终端之后，允许对于受破坏光纤、断裂光纤或是不起作用光纤的一些容忍，。

以下提供了对六角光纤束的说明(见下表2)。这些数目并不包括机械的公差，为计及制造上的变化，假设光纤外直径的尺寸有+5μm。

●照射光纤的数目：109

●检测光纤的数目：每一种型式有54个(在分类光纤束中有56个)

●单色仪输出狭缝之尺寸(机械上)：4.84×1mm

●检测器光学元件处直径之尺寸(机械上)：2.0443mm

●分类光纤矩形之尺寸：3.5525×0.88153mm

●列(rows)的数目：4

●行(columns)的数目：14

●从照射六角形至分类矩形的距离(中心到中心)：4.75mm

●六角形的尺寸如下：

●边长：光纤直径*(9-(1-1/sqrt(3)))＝0.235mm*8.57735＝2.0157mm；

●最大宽度：光纤直径*(2*9-2*(1-1/sqrt(3)))＝0.235mm*17.1547＝4.0314mm；以及

●中间宽度：边长*sqrt(3)＝2.0157*1.732＝3.4913mm。

●列的数目：17

●行的数目：17

●R，G检测光纤的图样：检测光纤列对一中央检测光纤列彼此作交替排列。

表2：六角形光纤束之设计目标与光纤特殊信息

光纤型式或用途	在皮肤界面处的数目	在检测器或单色仪界处面之数目	在皮肤表面不起作用的光纤的数目	光纤NA与尺寸不带缓冲层(心/包层)(以μm为单位)以及光纤名称
光纤型式或用途	在皮肤界面处的数目	在检测器或单色仪界处面之数目	在皮肤表面不起作用的光纤的数目	光纤NA与尺寸不带缓冲层(心/包层)(以μm为单位)以及光纤名称	照射光纤	109	105	4(如有可能，在角隅处选择不使用的光纤)	0.22NA与200/225*TCL-MA200H
检测光纤1.9μm(主要)	54	≧52	≦2	0.29NA与200/245*UltraSil	照射光纤	109	105	4(如有可能，在角隅处选择不使用的光纤)	0.22NA与200/225*TCL-MA200H
检测光纤1.9μm(主要)	54	≧52	≦2	0.29NA与200/245*UltraSil	检测光纤2.6μm(主要)	54	≧52	≦2	0.29NA与200/245*UltraSil
检测光纤1.9μm(附加)	56	≧52	≦4	0.29NA与200/245*UltraSil	检测光纤2.6μm(主要)	54	≧52	≦2	0.29NA与200/245*UltraSil

*公差为+5μm

替换设计(alternate design)

一替换设计利用相同的基本图样，此处仅讨论具有矩形周缘的情况(见图20)。除了周缘形状为矩形(非六角形)外，其余图样仍维持原状。矩形的长宽比(aspect ratio)尽可能接近于正方形。这种设计代表大约比预估结果低5％。然而，它的制造要简单得多，因为每一列都与其他列相同(检测光纤和照射光纤交替排列，宽度都是14个光纤)。

以下提供了对矩形光纤束的说明(见下表3)。这些数目并不包括机械公差，还有，为计及制造上的变化，假设光纤外直径的尺寸有+5μm

●照射光纤的数目：112

●检测光纤的数目：每一种型式有56个(总共168个)

●单色仪输出狭缝之尺寸(机械上)：4.84×1mm

●检测器光学元件处直径之尺寸(机械上)：2.0443mm

●分类光纤矩形之尺寸：3.5525×0.88153mm

●列(rows)的数目：4

●行(columns)的数目：14

●从照射六角形至分类矩形的距离(中心到中心)：4.75mm

●主要检测/照射矩形的尺寸：3.0475×3.29mm

●列的数目：16

●行的数目：14

●R，G光纤检测光纤的图样：检测光纤列对一中央检测光纤列彼此作交替排列。

表3：矩形光纤束之设计目标与光纤信息

光纤型式或用途	在皮肤界面处的数目	在检测器或单色仪界面处之数目	在皮肤界面处不起作用光纤的数目	光纤NA与尺寸不带缓冲层(纤心/包层)(以μm为单位)以及光纤名称
光纤型式或用途	在皮肤界面处的数目	在检测器或单色仪界面处之数目	在皮肤界面处不起作用光纤的数目	光纤NA与尺寸不带缓冲层(纤心/包层)(以μm为单位)以及光纤名称	照射光纤	112	105	7(如有可能，在角隅处选择不使用的光纤)	0.22NA与200/225*TCL-MA200H
检测光纤1.9μm(主要)	56	≧52	≦4	0.29NA与200/245*UltraSil	照射光纤	112	105	7(如有可能，在角隅处选择不使用的光纤)	0.22NA与200/225*TCL-MA200H
检测光纤1.9μm(主要)	56	≧52	≦4	0.29NA与200/245*UltraSil	检测光纤2.6μm	56	≧52	≦4	0.29NA与200/245*

(主要)				UltraSil
(主要)				UltraSil	检测光纤1.9μm(附加)	56	≧52	≦4	0.29NA与200/245*UltraSil

*公差为+5μm

注意所有的列都相同，即其一端为照射光纤，另一端为检测光纤。如此仅需要制造一种形式的列。

假设讨论(discussion of assumptions)

以下为一些隐含在此设计中之主要的假设(已知)。对每一个假设都伴随着简短的证明、其被忽略的理由或是为何有此假设之评论。

●所有的光纤都认为是平均的光纤(对单色仪输出狭缝处来说此并不真确)。因为计算上的考虑，不可能把每个光纤从单色仪输出狭缝处映像(map)为皮肤界面的图样，以及回至检测器。即使此种映像确实存在，建造那样的光纤束也是不可行的。如此会导致过低估计或过高估计通过任何光纤的光。最后，任何由此现象所导致的结果变化也可能会被系统其他现象所导致的变化而盖过。

●WARF探头数据的外推(extrapolation)是相当可靠的。由WARF探头所看到最靠近的分开距离(中心对中心)约大于0.5mm。在设计好的探头中所收集到的大部分信号是在相隔约在0.25到0.4mm的光纤内。如此，其表示从WARF探头来之数据的外推结果。经验模型表示，假设光线由单个光纤送至样品，检测到的光强度与照射-检测距离的关系。在接近的距离(<3-4mm)，其中检测到的信号最大，模型的误差很小。然而，模型的系数都故意偏置以表示距离结构，其中被取样的组织体积都是皮肤层。因此，在较大的距离时，例如样品的不同成分尤其是皮肤是多重层组成会降低此模型的准确性。结果，当主要由真皮吸收时，此模型所表示的经验数据，并不能准确代表皮下组织的吸收。

●某些未模拟(un-modeled)改变为一不修改设计的收获(gain)。在这方面有不考虑在这些设计中的比例因子，以及本质上增加的模拟。因为这个问题在本质上是线性的，这些比例因子不能改变最佳化的结果，所以其会被忽略。

●混合时六角形光纤图样的光纤具有不同的尺寸。在单一探头中的245μm直径的光纤与225μm直径的光纤的混合在理论上使它们在六角形的结构中不能很好地相合。已经制造的探头并不显示有此问题。反而是作为使用环氧树脂的结果和制造及组装上过程引起的光纤分开距离的改变得出较大的公差。这不是一个制造问题。

●一中心对中心235μm分开的距离，表示了225μm和245μm直径的光纤的混合光纤束。为了简单起见，这两种光纤直径的平均值可用以找出一距离，该距离用以对于已知的照射和检测光纤对计算信号与噪声函数。

●WARF探头的结果可以线性地作出比例，以表示纤心直径更小的光纤。WARF探头使用直径为375μm的光纤而当前设计使用225μm和245μm纤心直径的光纤。假设两光纤的面积比(235²/375²)准确代表了每一光纤总信号衰减。光纤的纤心直径(此处为200μm)亦为一有意义的距离，代表光线在皮肤内衰减的快慢。需要一新的WARF探头，其光纤具有200μm纤心直径，以辐射状分布在235μm与400μm的范围，以产生一更准确的噪声模型。

●单色仪强度的分布在中心处并不均匀。此为使用光线追踪(raytrace)模强度分布的结果，而本发明之设计对此种改变并不敏感。反之，强度的分布更重要的方面是边缘，其在光线追踪模型中有清楚的定义。正是这些边缘决定能够从单色仪收集光线的全部范围，因而决定能够传送光线到皮肤之照射光纤的最大数目。

●理论上光纤的装填与检测器光学元件处的模拟并不相似。即使假设平均装填以决定检测器光学元件的效率，光纤在端点的放置仍是随机分布的。然而，此改变为一线性的比例因子(比例因子在之前早已讨论过)，这些最佳化是可以忍受的。

●组合带之最佳化决定是正确的。其他的选择可用来最佳化第一或第二谐波(overtone)。因为信号-噪声函数(signal-to-noise function)形状的关系，对第一谐波或是第一谐波与组合带之最佳化的设计是相同的。然而，第二谐波会有些不同。目前，一般相信的是葡萄糖于组合带或是第一谐波中读出。假如此说正确的话，最佳化决定并不具有关键的重要性。

●在这些模拟中光纤的吸收可被忽略。此种衰减显示一线性的比例因子如在前面讨论过的，它是可以被忽略的。此外，在整个有关的区域内，光纤技术所产生的衰减经常小于1-2％，且其对任何设计的影响都是一样的。

利用从一非侵入性组织模型中发展之系统参数来确定最佳血糖信号表示(蒙地卡罗模拟)

概述

研究了数个最佳化策略用来决定最好的系统参数或是定量评价不同光学设计安排之参数，此种设计安排用以收集因非侵入性测得的漫反射光。平均真皮路径长与平均总路径长之比率是最适合作光学设计之用。其他的系统参数也会考虑，诸如在已知辐射收集距离和波长的条件下，真皮的反射与总反射之比率。然而，最佳化表面不是必需依赖净分析物信号，且其倾向于支持产生最小光衰减之光学设计。当平均真皮路径长与平均总路径长之比率作结合时会看到有微小的改善，但是结果指出系统参数仍然偏爱最小光衰减甚于净分析物信号强度0。

简介

本方法包括发展一策略，它可基于已知光学界面设计，估计漫反射光取样熟练程度。系统参数诸如为总路径长、通过组织之路径长、穿透深度或是从一特定的组织区域的漫反射贡献可以用来产生对一组已知输入所欲要的响应(例如血糖吸收信号)的数学表示法。这些输入可包括从一光源到检测装置的放射状收集距离，或甚至是光子传播入组织的深度。其目标是要得到一准则(figure of merit)，使得测量系统与它和血糖浓度之关系能够达到定量的估计。

方法论

本方法欲测量的是直接来自化学构成物(例如血糖)的吸收信号或是一强度信号，此强度信号可对于光线恢复因而最终对于改善的净分析物信号产生一最佳结构。无论欲测量的是什么信号，相似的程序都会用来求得数学模型。此外，每个过程必须包括一系列的标准，用以规范决定制造的流程以及如何解释这些测量。数个方法用以估计已知光学系统之最佳值，此光学系统已被发展与开发。

结果/讨论

独创的理想化策略是利用穿透到组织模型的真皮层的反射部分，以及将它除以对一已知径向收集距离测得的全部反射而得之比率。此过程依序实施于每一个波长。上述比率限制在0与1之间。藉由获得从一蒙地卡罗模拟所得之反射结果，然后，从一非侵入性组织模型得到真皮反射分布的总和，并利用在一特定径向收集距离与波长下之漫反射分布(R_D)将该总和归一化，可以计算出这些参数。作下述计算会产生此最佳化参数α₁：

a_{i} (r, λ) = \frac{Σ_{z = m}^{N} R_{D} (z, r, λ)}{R_{D} (r, λ)} - - - (8)

此处m是真皮层第一组成元素，而N是真皮层之最后组成元素，如图21所示。

此选择之基本原理基于一假设，即假设组织中大部分的血管(vascularization)存在于真皮层内。所以，大部分的葡萄糖信息也会同样包含在此真皮层内。把响应表面(response surface)拟合到指数函数的型式，

{\hat{α}}_{1} (r) = e^{(a + b \cdot r + c \cdot r^{d})},

如图22所示。

从第一个方法所检测的响应表面所实现的是，参数α₁总是较倾向于一种这样的光学设计，其中在光源与检测器之间的径向收集距离尽可能靠近。此要归因于这样的一个事实，就是光透过组织传播，其强度会越来越衰减，而它的反射光也会越来越衰减。此外，在所欲求之净分析物(葡萄糖)信号与α₁比率之间，并没有一直接的关系。

对此问题的补偿之建议是将真皮反射率(dermal reflectance ratio)(α₁)乘上一在每个径向收集距离与波长下之平均真皮路径对平均总路径之比率。平均真皮路径<l_Dermis(r，λ)>为在已知径向收集距离与波长下获得于真皮层中每个路径的算术平均值(arithmetic mean)，而平均总路径<l_Total(r，λ)>为在该相同径向收集距离与波长下所有测量路径的算术平均值。

上述比率计算如下：

a_{2} (r, λ) = a_{1} (r, λ) \cdot \frac{&lang; l_{Dermis} (r, λ) &rang;}{&lang; l_{Total} (r, λ) &rang;} - - - (9)

当光传播通过组织时，选择此比率，因其提供测量样品中观察到的光强度衰减之补偿。此补偿因子是合理的，因为根据Beer定律关系式(Beer’s Lawrelationship)l∝A，平均路径正比于系统的吸收量。此外，选择此比率，从而α₂亦限制在0与1之间。类似地，为计算便利，响应表面适合于下述模型：

{\hat{a}}_{2} = a + br + c \sqrt{r} + d \frac{\ln r}{r^{2}} + e \frac{1}{r^{2}},

如图23所示。除了作为径向收集距离之函数的衰减没有那么显著以外，此响应表面与图22所绘示的极类似。这归因于加上的路径项。再者，此模型拟合对于径向收集距离大于约1cm以上的情形并不现实。此外，响应特征较倾向的光学结构，其由系统回来的光强度会最大化。此情形与所欲之有关信号无关，因此，上述方法并不是最想要的方法。

建议一更合适的关系式来改进净分析信号的相关性(correlation)，它仅利用平均真皮路径对平均总路径之比率。如下所示：

a_{3} (r, λ) = \frac{a_{2} (r, λ)}{a_{1} (r, λ)} = \frac{&lang; l_{Dermis} (r, λ) &rang;}{&lang; l_{Total} (r, λ) &rang;} - - - (10)

如前所做，为计算之便利，使响应表面与模型拟合。此模型之形式为

{\hat{α}}_{3} (r) = a + br + {cr}^{2},

如图24所示。

类似地，平均真皮路径是个别真皮层之贡献的算术平均值，而平均总路径是所有层的算术平均值。

第(10)式所代表的函数是更令人满意的关系，因为它获得一个最大值，对于一已知光学设计，该最大值与净分析物信号(例如血糖信号)相关。此描述之正当理由为将净分析物信号视为葡萄糖之吸收信号，其来自于Beer定律关系式。前述关系式以数学方式描述一系统的吸收正比于光子通过此系统之路径长，因为此系统的吸收包括了净分析物信号和其他额外的贡献，所以使得平均路径会正比于净分析信号。

如此可得到一更适当的最佳化表面，以利用来决定最佳的光学设计。利用第(3)式的其他优点是，结果实际偏爱这样的光学设计，它会产生通过系统之较小的平均总路径。这，稍稍偏爱也会得到较大的光强度的路径，因为较小的平均总路径会产生较少的光衰减。物理的解释为，因目标系统已被定义为真皮层，一般光都会穿透得不深。此结果更变为其额外的优点。

推荐

在回顾各种不同的方式之后，很明显的，用于各种不同光学系统最佳化的最有效系统参数就是平均真皮路径对平均总路径之比率(α₃)。此最直接地提出需要系统参数，它正比于净分析物信号并且包括额外特征，它对于总反射测量是想要的。至于其他显示的系统参数则并不直接相关于有关的信号，在此情形中，是血糖信号。然而，在其他的光学设计应用中它们仍然可以提供效用，在这些应用中从系统返回的光强度很临界(critical)。

噪声模型

噪声模型是信噪比的分母，信噪比用来评价与最佳化光纤之几何形状。此模型的要求是在特定波长与特定照射至检测光纤距离下以吸收为单位提供噪声估计。此开发的模型之形式为：

N_A＝f(λ，d)＝f(·) (11)

其中N_A为RMS噪声，单位为吸收单位，λ为波长，d为照射光纤与检测光纤之间的距离(对一特定的光纤直径)，而f(·)为一非线性函数，f(·)的结构和参数是在每个目标应用和测量方法(例如血糖的非侵入性测量)中由经验来决定。在吸收的漫反射测量之情形中，确定f(·)包括了通过计算吸收A的方程式之强度测量的噪声传播A由下式给出

A＝-log₁₀(I_S/I_R) (12)

其中I_S为单一光纤在样品上检测得的测量强度，而I_R为光入射在样品上的强度(用一参考标准来测量)。从上述方程式可以看到，在特定波长下的RMS噪声N_A为I_S和I_R的非线性函数，且利用I_S和I_R所测量的RMS噪声分别标示为N_R与N_S。f(·)之表示式通过N_R与N_S在A的模型中传播，而一般都为包括不同波长下之噪声协方差(covariance)的复杂非线性函数。此模型的较佳实施例中，在强度范围中的噪声与波长是无关的且呈正规的分布(normally distributed)。在此例中以强度为单位之噪声的传播可透过12式表示如下：

N_{A}^{2} = {(0.4343)}^{2} [\frac{N_{S}^{2}}{I_{S}^{2}} + \frac{N_{R}^{2}}{I_{R}^{2}}] - - - (13)

已知此方程式，藉由对于独立变数λ与d决定N_R、N_S、I_R和I_S的个别模型，一模型在所有波长以及不同照射至检测光纤之距离可对每一变数建立起来。然而方程式13特别应用于漫反射测量，透过用来计算分析物信号的方程式，藉由噪声的传播，此方法能够应用在任何光谱术的量测方法中。

在方程式13中，模型的N_R和N_S是根据用以测量之特定装置而由经验决定。此外，I_R仅透过入射在样品上的光单一测量即可决定。然而，在较佳实施例中，噪声(以强度为单位)对λ与d而言是常数，N_R＝N_S和I_S<<I_R。在此假设下，方程式13可约略简化为：

N_{A}^{2} = {(0.4343)}^{2} N_{S}^{2} \frac{1}{I_{S}^{2}} - - - (14)

以及

N_{A} &Proportional; \frac{1}{I_{S}} - - - (15)

此测量系统之噪声反比于由样品漫反射并被测得之强度。因此，需要建立一模型，以在任何照射与检测光纤距离d和波长λ下返回I_S。假设知道目标样品(诸如组织)的散射特性，此模型能透过蒙地卡罗模拟(前面讨论过)或集总参数散射模型(lumped parameter scattering model)来决定。然而，较佳的方法是利用前述之广域放射状光纤(WARF)探头，由经验来决定I_s之模型，如下所述。

WARF探头

一广域放射状光纤(WARF)探头设计用来提供一经验测量法来决定模型

I_S＝g(λ，d) (16)

其中I_S是从离开单一照射光纤之距离为d的单一光纤所测量到之光强度，而λ为波长。此外，如下所述，WARF探头可用以决定分开之分类光纤束的最佳距离。

如图25所示，WARF探头是设计为单一照射光纤被一些六个检测光纤的组以下列距离放射状地围绕着：0.23，0.77，1.3，2.08，2.90，3.71，4.70，6.70，8.7，10.7，14.7mm。一旦将目前的架构对表皮组织作光谱术测量的最佳化，本发明很容易就推广至不同样品的不同照射至检测之距离。此外，检测光纤的数目可以变更以满足其他样品或是耦合之分光器的要求。

在此较佳实施例中，每一组六个检测光纤会耦合到一传统设计之分光器，此分光器包括一石英卤素灯(quartz halogen lamp)、一扫描单色仪以及InGAs与延展的InGAs检测器。所以，WARF探头提供十一个不同的照射至检测之距离。然而，熟悉此技术者能理解，此WARF探头能够耦合到任何市售之NIR分光器，例如Foss-NIR System Model 5000分光器或是型Nicolet Magna-IR 760分光器。

利用WARF探头之实验提供一组数据，用以建立经验模型以及光纤探头之最佳化。在WARF探头之每个照射至检测之距离下，从10个不同性别、年龄与体型之被检查者收集了在波段1050—2450nm间之三个复制的样品。此外，为了在更高之光强度下提供更多信息，WARF探头之光纤的第二环亦使用来照射样品，以及其余的光纤组用来检测。特定的距离被选择用以分析，且光谱会对所有的被检查者与复制样品作平均以及归一化，如图26所示。

一经验模型(第16式)是发展用以代表在全部波长与照射至检测距离下之检测强度：

I_{S} = e^{- (a_{λ} + b_{λ} d^{cλ})} - - - (17)

参数a_λ代表基线偏置(baseline offset)，b_λ类似于所有消光系数的总和，而c_λ提供适合不同样品型式的一般方法。此模型在较佳实施例中可简化如下：

I_{S} = e^{- (a_{λ} + b_{λ} \sqrt{d})} - - - (18)

利用加权最小平方最佳化(weighted least-squares optimization)，以从WARF探头所收集的数据以及图27所提供的结果值来决定系数a_λ和b_λ。藉由此模型，吸收(因而平均路径长)随着照射至检测之间的距离之平方根而增加。

经验模型代表了在光线从单一光纤传送至样品时，检测得的光强度与照射至检测距离之关系。在近距离(<3-4mm)下，此模型的误差较小。然而，通过加权最小平方计算，故意偏置此模型的系数较倾向于以获得距离结构，其中被取样的组织体积大部分为真皮层。所以，在较大的距离下，样品的异质性(heterogeneity)以及特别是皮肤的多层组成，会导致模型正确性的降低。结果，当吸收主要是被真皮层时，此模型显然是代表了经验数据而不是准确代表皮下组织的吸收。在其他的结构中，决定参数的加权最小平方法可用以最佳化目标穿透深度的准确度。

分类光纤束(classification bundle)

进行光纤几何形状最佳化过程以最佳化目标分析物信号的取样，此分析物位于样品的特定体积中。然而，为了决定目标分析物的浓度，经常都需要量测未表现在目标样品体积内的样品之其他特征和性质。举例来说，被检查者分类的需要已描述于S.Malin et al，An Intelligent System for Noninvasive Blood AnalytePrediction，supra中。此种分类或许通过一真皮样品的最佳取样并不可能，举例来说，根据被检查者性别之分类已描述于T.Ruchti，S.Malin，J.Rennert，Classification of Individual Based on Feature Related to Sex中，其是美国临时申请案(provisional patent application)，编号为60/116,883，申请日为January 22，1999，其使用全部的真皮层与皮下层。所以，需要一用于分开的光纤束分类或样品性质的测量，且必须要透过分开的过程来设计。此种最佳化能够透过此处揭露的方法来达成。然而，一般都期望使用主要光纤束中之照射光纤以及仅使用分开的分类光纤束来检测。在此情形中，我们提供一替代方法用以决定分类光纤束的照射光纤与检测光纤间之最佳平均距离。

此方法使用了下列规范：

1.分类的性能-根据目标样品之特征或性质，间隔提供分类性能。

2.噪声-在想要的分类性能中，此距离提供最低之噪声(以吸收为单位)。

3.样品间的精确性(Inter-Sample Precision)-在想要的分类性能中，此距离在改变目标样品时影响最小。

4.样品外的精确性(Intra-Sample Precision)-在想要的分类性能中，此距离提供目标样品之最可重复的测量。

在应用至血液分析物之非侵入性测量中，WARF探头用来建立一组数据，如前所述，以执行与每个规范相关的分析。首先，决定每个样品在每个照射与检测距离对每个被检查者之水吸收(water absorbance)，如上面的Ruchti et al，Classification of Individual Based on Features Related to Sex，supra所描述的。此结果绘示于图28中，其显示对于大于3mm的照射与检测距离，可以适当地决定出的水吸收特性。

图29显示对全部被检查者作平均的噪声(以吸收单位)与照射与检测距离的关系。从图29中，很明显看出，在较小的距离处噪声也最低，因此3mm是较佳的距离。

图30显示对于全部被检查者之样品间、样品外以及所有光谱的改变与照射与检测距离的关系曲线图。此图显示在一样品中的合并方差(pooled variance)、样品之间的合并方差以及总方差(total variance)。从总方差的曲线图可见，就测量精确性而言，3mm是最佳的。

所以，结论为3mm的平均照射至检测的距离对一分类光纤束而言是最佳的。

熟悉此技术者都知道此方法可以轻易应用于其他的目标样品上，只要此目标样品照射至检测之距离具有一规范，根据目标特征与性质，它主要依赖样品的分类。

最佳化

最佳化的方法包括价值函数的架构，一组限制条件的实施以及一组提供最佳性能之参数的搜索。前述我们提到此价值函数以及其架构的选择。此外，限制条件的实施亦基于机械的考虑与可得到之物质。所得的未知变数(unknown variables)就是那必须根据价值函数反映的性能而决定之参数。举例来说，这些未知变数可包括光纤直径、光纤数量以及光纤的位置。

这些参数的选择是透过最佳化方法而完成，诸如动态编程(见R.Bellman，Dynamic Programming，Princeton University Press，Princeton，New Jersey，USA(1957))；梯度搜寻技术(gradient search techniques)(见P.Gill.，W.Murray，M.Wright，Practical Optimization，Academic Press(1981))；随机搜寻技术(random search techniques，)、基因算法genetic algorithm)(见D.Goldberg，Genetic Algorithm in Search，Optimization and Machine Learning，AddisonWesley Publishing Company(1989))或是渐进编程(evolutionaryprogramming)(见D.Fogel，An Introduction to Simulated EvolutionaryOptimization，IEEE Trans.On Neural Networks，vol.5，no.1(Jan.1994))。已知一价值函数以及一组参数，熟悉此技术者都明白，上述任何方法皆能应用于决定最佳的或是接近最佳的解答。

在最佳实施例中，用基因演算从一组已知光纤的解答中选择何者用以照射、何者用以检测以及何者不需使用。此方法需要将基因构成的染色体编码，每个基因代表一个光纤。这些基因可以利用下列值：0代表未使用的光纤、1代表照射光纤、2代表较低波长范围的检测光纤、以及3代表较高波长范围的检测光纤。如前面Goldberg所讨论的(见D.Goldberg，Genetic Algorithm in Search，Optimizationand Machine Learning)，基因算法会先设定一可能解答的数目，而每一解答代表不同的光纤几何系统。每一解答会藉价值函数以及指定显能量度来作评价。以某一比率组合这些解答(透过复制操作)，此比率是依各自的性能来决定。结果，当较佳的解答结合起来与修饰之后，较差性能的解答就不会选择作更进一步的利用。通过此过程的许多次迭代，一接近最佳化的解答就会从一组全部的可能解答中出现。

结论

此处讨论揭露了用于对被检查者皮肤之NIR光谱取样，以决定检测和照射光纤束图样的设计程序。关于此系统的信息，特别是单色仪输出狭缝(用以决定照射光纤的最佳数目)以及在检测器光学架构处的光纤束终端(用以确定检测光纤的最佳数目)是两个设计上最重要的参数。决定此比率和照射至检测光纤的数目这些数值显著地限制了此解答空间。此外，关于估计皮肤之信号与噪声的信息，对于最大化在特定波长范围内之信噪比是实质性的。

结果指出限制光纤成一六角形周缘以及描述一六角装填之图样，以致于包括了照射与检测光纤之交替行会产生最佳化结果。两检测器在样品界面处共用全部检测光纤。第三组检测光纤是用以作分类之用。在此与制造六角形光纤束有关之任何数目的制造结果中，揭露一矩形的设计以实行取代六角形之设计。

综上所述，虽然本发明已以一较佳实施例揭露如上，然其并非用以限定本发明，任何熟习此技术者，在不脱离本发明之精神和范围内，当可作各种之更动与润饰，因此本发明之保护范围当视后附之权利要求书所界定者为准。

Claims

1.一种最佳化光纤照射和检测的图样、形状以及位置的方法，用以估计分析物，其特征在于，该方法包括下列步骤：

藉由最大化在光学系统模型中期望的数量，系统化探测图样、形状以及光纤位置以最佳化光学系统设计；以及

从该光学系统模型估计一接收信号。

2.如权利要求1所述的方法，其特征在于，所述模型包括一信噪比。

3.如权利要求2所述的方法，其特征在于，所述接收信号正比于在一样品中之一平均光子之路径与其总路径的比率；以及该噪声约正比于作为一波长和检测器至照射光纤的分开距离之函数的该样品强度。

4.如权利要求1所述的方法，其特征在于，更包括下列步骤：

在一光源输出处以及在一检测器光学架构中输入处的一光纤束终端处，决定光纤数目；

其中该最佳化限制于该光源输出以及该光纤束终端，以允许一特定照射光纤与检测光纤图样被研究与最佳化；以及

从该最佳化中，决定一光纤布局周缘之形状。

5.如权利要求1所述的方法，其特征在于，更包括下列步骤：

提供一电脑程序，用以作一任意光纤布局的交互设计与分析；

储存所产生之该多个设计；以及

利用该多个设计作一基因算法之多个输入，该基因算法选择最佳的设计并打算对其改良。

6.如权利要求5所述的方法，其特征在于，按需要修饰一最佳化图样以产生一全面规则图样并使该图样符合选出之一外部几何图形。

7.如权利要求6所述的方法，其特征在于，所述外部几何图形是一六角形或是一矩形。

8.如权利要求1所述的方法，其特征在于，更包括下列步骤：

提供一分离的光纤检测场以改良被检查者之分类。

9.如权利要求1所述的方法，其特征在于，来自检测光纤的光利用一双透镜系统聚焦于一检测器上。

10.如权利要求9所述的方法，其特征在于，所述检测光纤束大致上与该检测器的形状相同，以最大化离开检测光纤且到达该检测器上之光量。

11.如权利要求1所述的方法，其特征在于，光线由一单色仪提供；以及该单色仪之光缝高度根据下式决定：

12.如权利要求2所述的方法，其特征在于，作为一样品强度对噪声建模，该样品强度为距离和波长的函数，该噪声表示为：

1 / Noise &Proportional; e^{(a_{λ} + b_{λ} \sqrt{d})}

其中a_λ和b_λ是在每个波长下实验得到之参数，而d为光纤分开距离。

13.如权利要求1所述的方法，其特征在于，更包括下列步骤：

提供一估计函数，该估计函数为一波长之函数，以及该估计函数会考量光纤分开距离、信噪比、光源与检测器光学架构特性之分离性。

14.如权利要求12所述的方法，其特征在于，对第i个检测器之该估计函数决定如下：

{EF}_{i} = \underset{Illum}{Σ} \underset{{Detec}_{i}}{Σ} S (λ, d) * \frac{1}{N (λ, d)} * DP ({# Detec}_{i}) * MP (# Illum),

*MSP(#Illum)*SF(Type，Size)

其中EF_i为第i个检测器之该估计函数；信号S与噪声N为波长λ和照射至检测光纤分开距离d的函数；DP是一检测器损失(penalty)，其为检测光纤数目的函数；MP是一光源损失，其为一照射光纤数目的函数；MSP是一光源尺寸损失，其为一照射光纤数目的函数；SF是一比例因子，其为一光纤尺寸与型式的函数。

15.一种最佳化光纤照射和检测的图样、形状以及位置的方法，用以非侵入性估计分析物，其特征在于，该方法包括下列步骤：

提供一估计函数。

16.如权利要求15所述的方法，其特征在于，更包括下列步骤：

对第i个检测器决定该估计函数如下：

{EF}_{i} = \underset{Illum}{Σ} \underset{{Detec}_{i}}{Σ} S (λ, d) * \frac{1}{N (λ, d)} * DP ({# Detec}_{i}) * MP (# Illum),

*MSP(#Illum)*SF(Type，Size)

其中EF_i为第i个检测器之该估计函数；信号S与噪声N为波长λ和照射至检测光纤分开距离d的函数；DP是一检测器损失，其为检测光纤数目的函数；MP是一光源损失，其为一照射光纤数目的函数；MSP是一光源尺寸损失，其为一照射光纤数目的函数；SF是一比例因子，其为一光纤尺寸与型式的函数。

17.如权利要求16所述的方法，其特征在于，更包括下列步骤：

对每一独立的光纤距离，决定一信噪比；

将该信噪比乘上一数目，该数目等于在该光纤距离的检测器/照射光纤对的数目；

对每一独立的光纤距离决定一信号与噪声；

储存一数值用以作以后之用；

预先决定在所有光纤之间的距离；以及

使用一查找表，以决定在任意两特定光纤之间的分开距离。

18.如权利要求16所述的方法，其特征在于，所述估计函数最佳化一设计，以最大化在选择波长下之信噪比。

19.如权利要求18所述的方法，其特征在于，所述估计函数由下式给出：

{BestDesign}_{i} = \max (Σ_{λ = 2100 nm}^{2250 nm} {EF}_{i} (λ)) .

20.一种决定一检测和照射光纤束图样的方法，以用于一被检查者的取样，该方法包括下列步骤：

藉由说明关于一照射和取样系统的特征来限制并局限一解决空间，以决定一照射光纤对检测光纤的比率和数目；以及

估计在一位置的信号和噪声，在该处该主体被取样以根据在一有关波长范围内最大化该信噪比。

21.如权利要求20所述的方法，其特征在于，照射由一单色仪提供；以及该单色仪输出狭缝的特征在于确定最佳照射光纤数目。

22.如权利要求20所述的方法，其特征在于，检测由经光学架构耦合到光纤束终端的检测器提供。

23.如权利要求22所述的方法，其特征在于，检测器光学架构的特征在于确定最佳检测光纤数目。

24.一种用于对被检查者进行取样的检测和照射光纤束，该光纤束包括限制于一六角形或矩形周缘中且规定一六角形装填图样的多条光纤，

其中交替的多个行包含多个照射光纤和多个检测光纤，以及

其中两个检测器在一取样界面处共用所有的所述检测光纤。

25.如权利要求24所述的方法，其特征在于，更包括：

提供一组分离的检测光纤供一第三检测器作分类目的之用。

26.如权利要求24所述的方法，其特征在于，该多个光纤之放置方式是将一束中心光纤置于在每一该光纤束终端之中心，以及在该光纤束每一其他的光纤在该光纤束每一终端有一位置对应在该光纤束另一端的所述光纤的位置。

27.如权利要求24所述的方法，其特征在于，该多个检测和照射光纤均有相同的特征。

28.如权利要求27所述的方法，其特征在于，该光纤性质包括任一光纤型式、尺寸、数值孔径与纤心—包层比。