CN107613858A - 用于无创监测颅内压的系统和方法 - Google Patents
用于无创监测颅内压的系统和方法 Download PDFInfo
- Publication number
- CN107613858A CN107613858A CN201680032059.6A CN201680032059A CN107613858A CN 107613858 A CN107613858 A CN 107613858A CN 201680032059 A CN201680032059 A CN 201680032059A CN 107613858 A CN107613858 A CN 107613858A
- Authority
- CN
- China
- Prior art keywords
- data
- pressure
- brain
- testee
- dcs
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 104
- 238000007917 intracranial administration Methods 0.000 title claims abstract description 64
- 238000012544 monitoring process Methods 0.000 title claims abstract description 32
- 238000010009 beating Methods 0.000 claims abstract description 54
- 230000003287 optical effect Effects 0.000 claims abstract description 40
- 230000008344 brain blood flow Effects 0.000 claims abstract description 35
- 238000009792 diffusion process Methods 0.000 claims abstract description 12
- 230000002123 temporal effect Effects 0.000 claims abstract description 12
- 210000004556 brain Anatomy 0.000 claims description 53
- 230000000747 cardiac effect Effects 0.000 claims description 32
- 210000004369 blood Anatomy 0.000 claims description 31
- 239000008280 blood Substances 0.000 claims description 31
- 230000002792 vascular Effects 0.000 claims description 30
- 230000036772 blood pressure Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 23
- 230000002490 cerebral effect Effects 0.000 claims description 19
- 230000010412 perfusion Effects 0.000 claims description 19
- 230000008878 coupling Effects 0.000 claims description 17
- 238000010168 coupling process Methods 0.000 claims description 17
- 238000005859 coupling reaction Methods 0.000 claims description 17
- 230000003788 cerebral perfusion Effects 0.000 claims description 16
- 238000001228 spectrum Methods 0.000 claims description 15
- 239000012530 fluid Substances 0.000 claims description 12
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 11
- 229910052760 oxygen Inorganic materials 0.000 claims description 11
- 239000001301 oxygen Substances 0.000 claims description 11
- 108010054147 Hemoglobins Proteins 0.000 claims description 9
- 102000001554 Hemoglobins Human genes 0.000 claims description 9
- 230000010354 integration Effects 0.000 claims description 9
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000010455 autoregulation Effects 0.000 claims description 8
- 230000035479 physiological effects, processes and functions Effects 0.000 claims description 7
- 238000002329 infrared spectrum Methods 0.000 claims description 6
- 230000007177 brain activity Effects 0.000 claims description 5
- 238000005259 measurement Methods 0.000 description 49
- 230000017531 blood circulation Effects 0.000 description 28
- 210000004204 blood vessel Anatomy 0.000 description 25
- 230000008859 change Effects 0.000 description 21
- 239000000523 sample Substances 0.000 description 16
- 238000012935 Averaging Methods 0.000 description 15
- 238000002604 ultrasonography Methods 0.000 description 15
- 230000004872 arterial blood pressure Effects 0.000 description 14
- 210000001519 tissue Anatomy 0.000 description 10
- 230000000541 pulsatile effect Effects 0.000 description 9
- 210000003625 skull Anatomy 0.000 description 9
- 208000030886 Traumatic Brain injury Diseases 0.000 description 7
- 210000001367 artery Anatomy 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000007726 management method Methods 0.000 description 7
- 230000001575 pathological effect Effects 0.000 description 7
- 230000009529 traumatic brain injury Effects 0.000 description 7
- 210000001175 cerebrospinal fluid Anatomy 0.000 description 6
- 230000000302 ischemic effect Effects 0.000 description 6
- 239000013307 optical fiber Substances 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 208000024891 symptom Diseases 0.000 description 6
- 201000006474 Brain Ischemia Diseases 0.000 description 5
- 206010008120 Cerebral ischaemia Diseases 0.000 description 5
- 230000001154 acute effect Effects 0.000 description 5
- 206010008118 cerebral infarction Diseases 0.000 description 5
- 230000006378 damage Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 230000007170 pathology Effects 0.000 description 5
- 230000001360 synchronised effect Effects 0.000 description 5
- 208000032843 Hemorrhage Diseases 0.000 description 4
- 208000006011 Stroke Diseases 0.000 description 4
- 241000287181 Sturnus vulgaris Species 0.000 description 4
- 230000001684 chronic effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 208000003906 hydrocephalus Diseases 0.000 description 4
- 230000003068 static effect Effects 0.000 description 4
- 230000006442 vascular tone Effects 0.000 description 4
- 210000003462 vein Anatomy 0.000 description 4
- 238000004497 NIR spectroscopy Methods 0.000 description 3
- 208000032851 Subarachnoid Hemorrhage Diseases 0.000 description 3
- 230000000740 bleeding effect Effects 0.000 description 3
- 238000009530 blood pressure measurement Methods 0.000 description 3
- 230000006931 brain damage Effects 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 230000004907 flux Effects 0.000 description 3
- 230000001537 neural effect Effects 0.000 description 3
- 210000000056 organ Anatomy 0.000 description 3
- 238000012805 post-processing Methods 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 230000029058 respiratory gaseous exchange Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 208000007788 Acute Liver Failure Diseases 0.000 description 2
- 206010000804 Acute hepatic failure Diseases 0.000 description 2
- 206010002091 Anaesthesia Diseases 0.000 description 2
- 208000034577 Benign intracranial hypertension Diseases 0.000 description 2
- 206010008111 Cerebral haemorrhage Diseases 0.000 description 2
- 206010008190 Cerebrovascular accident Diseases 0.000 description 2
- 206010020772 Hypertension Diseases 0.000 description 2
- 208000018127 Idiopathic intracranial hypertension Diseases 0.000 description 2
- 201000009906 Meningitis Diseases 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 2
- 206010030113 Oedema Diseases 0.000 description 2
- 206010040047 Sepsis Diseases 0.000 description 2
- 206010052428 Wound Diseases 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000037005 anaesthesia Effects 0.000 description 2
- 238000005311 autocorrelation function Methods 0.000 description 2
- 231100000874 brain damage Toxicity 0.000 description 2
- 208000029028 brain injury Diseases 0.000 description 2
- 210000001627 cerebral artery Anatomy 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000008602 contraction Effects 0.000 description 2
- 230000001054 cortical effect Effects 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 230000035487 diastolic blood pressure Effects 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 210000003128 head Anatomy 0.000 description 2
- 230000000004 hemodynamic effect Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 208000020658 intracerebral hemorrhage Diseases 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 230000000474 nursing effect Effects 0.000 description 2
- 230000036961 partial effect Effects 0.000 description 2
- 230000002028 premature Effects 0.000 description 2
- 208000001381 pseudotumor cerebri Diseases 0.000 description 2
- 230000009257 reactivity Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000007634 remodeling Methods 0.000 description 2
- 208000013223 septicemia Diseases 0.000 description 2
- 230000002269 spontaneous effect Effects 0.000 description 2
- 230000035488 systolic blood pressure Effects 0.000 description 2
- 230000008685 targeting Effects 0.000 description 2
- CVOFKRWYWCSDMA-UHFFFAOYSA-N 2-chloro-n-(2,6-diethylphenyl)-n-(methoxymethyl)acetamide;2,6-dinitro-n,n-dipropyl-4-(trifluoromethyl)aniline Chemical compound CCC1=CC=CC(CC)=C1N(COC)C(=O)CCl.CCCN(CCC)C1=C([N+]([O-])=O)C=C(C(F)(F)F)C=C1[N+]([O-])=O CVOFKRWYWCSDMA-UHFFFAOYSA-N 0.000 description 1
- 208000007333 Brain Concussion Diseases 0.000 description 1
- 206010048962 Brain oedema Diseases 0.000 description 1
- 101150039077 CRCP gene Proteins 0.000 description 1
- 206010007559 Cardiac failure congestive Diseases 0.000 description 1
- 208000017667 Chronic Disease Diseases 0.000 description 1
- 206010018985 Haemorrhage intracranial Diseases 0.000 description 1
- 206010019280 Heart failures Diseases 0.000 description 1
- 206010020565 Hyperaemia Diseases 0.000 description 1
- 206010020591 Hypercapnia Diseases 0.000 description 1
- 208000001953 Hypotension Diseases 0.000 description 1
- 206010021143 Hypoxia Diseases 0.000 description 1
- 208000008574 Intracranial Hemorrhages Diseases 0.000 description 1
- 206010049977 Intracranial hypotension Diseases 0.000 description 1
- 102000010445 Lactoferrin Human genes 0.000 description 1
- 108010063045 Lactoferrin Proteins 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 108010064719 Oxyhemoglobins Proteins 0.000 description 1
- 244000131316 Panax pseudoginseng Species 0.000 description 1
- 235000005035 Panax pseudoginseng ssp. pseudoginseng Nutrition 0.000 description 1
- 235000003140 Panax quinquefolius Nutrition 0.000 description 1
- 208000018262 Peripheral vascular disease Diseases 0.000 description 1
- 101100433523 Schizosaccharomyces pombe (strain 972 / ATCC 24843) pab1 gene Proteins 0.000 description 1
- 241000615754 Tentorium Species 0.000 description 1
- 101100406776 Xenopus laevis pabpc1-a gene Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000004308 accommodation Effects 0.000 description 1
- 239000000853 adhesive Substances 0.000 description 1
- 230000001070 adhesive effect Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000003444 anaesthetic effect Effects 0.000 description 1
- 238000010171 animal model Methods 0.000 description 1
- 230000010100 anticoagulation Effects 0.000 description 1
- 208000008784 apnea Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008081 blood perfusion Effects 0.000 description 1
- 230000036770 blood supply Effects 0.000 description 1
- 208000006752 brain edema Diseases 0.000 description 1
- 210000000133 brain stem Anatomy 0.000 description 1
- DDPMGIMJSRUULN-UHFFFAOYSA-N buphedrone Chemical compound CCC(NC)C(=O)C1=CC=CC=C1 DDPMGIMJSRUULN-UHFFFAOYSA-N 0.000 description 1
- 230000002612 cardiopulmonary effect Effects 0.000 description 1
- 210000003169 central nervous system Anatomy 0.000 description 1
- 230000003727 cerebral blood flow Effects 0.000 description 1
- 230000004087 circulation Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000013170 computed tomography imaging Methods 0.000 description 1
- 208000028831 congenital heart disease Diseases 0.000 description 1
- 238000005100 correlation spectroscopy Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 208000035475 disorder Diseases 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 210000002532 foramen magnum Anatomy 0.000 description 1
- 210000001061 forehead Anatomy 0.000 description 1
- 235000011389 fruit/vegetable juice Nutrition 0.000 description 1
- 235000008434 ginseng Nutrition 0.000 description 1
- 208000007386 hepatic encephalopathy Diseases 0.000 description 1
- 230000013632 homeostatic process Effects 0.000 description 1
- 208000018875 hypoxemia Diseases 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 208000015181 infectious disease Diseases 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 201000009941 intracranial hypertension Diseases 0.000 description 1
- CSSYQJWUGATIHM-IKGCZBKSSA-N l-phenylalanyl-l-lysyl-l-cysteinyl-l-arginyl-l-arginyl-l-tryptophyl-l-glutaminyl-l-tryptophyl-l-arginyl-l-methionyl-l-lysyl-l-lysyl-l-leucylglycyl-l-alanyl-l-prolyl-l-seryl-l-isoleucyl-l-threonyl-l-cysteinyl-l-valyl-l-arginyl-l-arginyl-l-alanyl-l-phenylal Chemical compound C([C@H](N)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CS)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H](CC=1C2=CC=CC=C2NC=1)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CCCCN)C(=O)N[C@@H](CC(C)C)C(=O)NCC(=O)N[C@@H](C)C(=O)N1CCC[C@H]1C(=O)N[C@@H](CO)C(=O)N[C@@H]([C@@H](C)CC)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CS)C(=O)N[C@@H](C(C)C)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](CCCNC(N)=N)C(=O)N[C@@H](C)C(=O)N[C@@H](CC=1C=CC=CC=1)C(O)=O)C1=CC=CC=C1 CSSYQJWUGATIHM-IKGCZBKSSA-N 0.000 description 1
- 229940078795 lactoferrin Drugs 0.000 description 1
- 235000021242 lactoferrin Nutrition 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 208000019423 liver disease Diseases 0.000 description 1
- 208000012866 low blood pressure Diseases 0.000 description 1
- 238000002595 magnetic resonance imaging Methods 0.000 description 1
- 230000004060 metabolic process Effects 0.000 description 1
- 230000005486 microgravity Effects 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000000926 neurological effect Effects 0.000 description 1
- 238000011017 operating method Methods 0.000 description 1
- 238000002577 ophthalmoscopy Methods 0.000 description 1
- 239000008194 pharmaceutical composition Substances 0.000 description 1
- 230000010363 phase shift Effects 0.000 description 1
- 230000004962 physiological condition Effects 0.000 description 1
- 239000006187 pill Substances 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 238000002106 pulse oximetry Methods 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000002271 resection Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000013214 routine measurement Methods 0.000 description 1
- 239000004576 sand Substances 0.000 description 1
- 238000009738 saturating Methods 0.000 description 1
- 210000004761 scalp Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000009329 sexual behaviour Effects 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 210000003491 skin Anatomy 0.000 description 1
- 230000007958 sleep Effects 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 210000000278 spinal cord Anatomy 0.000 description 1
- 230000007480 spreading Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000002560 therapeutic procedure Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 230000000472 traumatic effect Effects 0.000 description 1
- 210000003454 tympanic membrane Anatomy 0.000 description 1
- 210000001215 vagina Anatomy 0.000 description 1
- 230000037197 vascular physiology Effects 0.000 description 1
- 229940124549 vasodilator Drugs 0.000 description 1
- 239000003071 vasodilator agent Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/03—Detecting, measuring or recording fluid pressure within the body other than blood pressure, e.g. cerebral pressure; Measuring pressure in body tissues or organs
- A61B5/031—Intracranial pressure
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/0059—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence
- A61B5/0075—Measuring for diagnostic purposes; Identification of persons using light, e.g. diagnosis by transillumination, diascopy, fluorescence by spectroscopy, i.e. measuring spectra, e.g. Raman spectroscopy, infrared absorption spectroscopy
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0261—Measuring blood flow using optical means, e.g. infrared light
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/029—Measuring or recording blood output from the heart, e.g. minute volume
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6813—Specially adapted to be attached to a specific body part
- A61B5/6814—Head
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7246—Details of waveform analysis using correlation, e.g. template matching or determination of similarity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B2562/00—Details of sensors; Constructional details of sensor housings or probes; Accessories for sensors
- A61B2562/02—Details of sensors specially adapted for in-vivo measurements
- A61B2562/0233—Special features of optical sensors or probes classified in A61B5/00
- A61B2562/0238—Optical sensor arrangements for performing transmission measurements on body tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
- A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
- A61B5/14552—Details of sensors specially adapted therefor
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- General Health & Medical Sciences (AREA)
- Physiology (AREA)
- Cardiology (AREA)
- Hematology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Pulmonology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Neurosurgery (AREA)
- Psychology (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
提供了一种用于无创监测颅内压的系统和方法。在一些方面,所述方法包括:使用围绕受测者放置的一个或多个光学传感器以大于受测者脑血流搏动频率的时间分辨率来采集漫射关联能谱数据;并且使用所采集到的数据来确定搏动脑血流。所述方法还包括:将所确定的搏动脑血流与从所述受测者采集到的生理数据进行关联;并且基于所述关联对颅内压进行估计。所述方法进一步包括:生成指示所述估计的颅内压的报告。
Description
相关-申请的交叉引用
本申请基于2015年4月9日提交的并且标题为“SYSTEMS AND METHODS FORMEASURING TISSUE PRESSURE(用于测量组织压力的系统和方法)”的美国临时专利申请序列号62/145,087,要求其权益并以其全文结合在此。
关于联邦政府赞助的研究的声明
本发明是在美国国家卫生研究院授予的授权号P41-EB015896、R01-HD042908和R01-EB001954下借助政府支持完成的。美国政府享有本发明的某些权利。
背景技术
本公开总体上涉及用于使用漫射关联能谱(diffuse correlation spectroscopy,DCS)来测量组织特性的系统和方法。更具体地,本公开涉及用于无创测量颅内压和其他相关参数的系统和方法。
不像其他身体器官,大脑的组织压力并未偶联至大气压力。相反,大脑经历由大脑组织的体积、脑脊液和封闭在受刚性非可扩展颅骨限制的固定体积内的颅内血液确定的独特颅内压:
V颅内=V组织+VCSF+CBV。 (1)
在正常情况下,这些成分之一的体积的较小增大通过其他分量的减小来进行补偿以便通过被称为空间补偿的过程将颅内压维持在正常范围内。空间补偿是可能的,因为在不存在损伤或疾病的情况下脑脊液在颅内隔室与脊髓隔室之间自由流动,并且硬膜外静脉血易于从椎管排出。因此,一定量的血液或脑脊液可按照需要在硬膜囊的颅内区域与颅外区域之间进行重新分配。而且,对脑脊液的总体积的补偿可通过改变脑脊液吸收速率而发生。
当空间补偿不充足或遭到损坏时,颅脊系统的构成部分在压力下具有有限的压缩容量,从而产生实际上是部分弹性的(而非完全刚性的)颅内容积:
V颅内=V均衡+V弹性 (2)
其中,V均衡为正常颅内压下的颅内容积,并且V弹性为颅脊系统的体积变化(由于变化通过空间补偿超过了调节幅度)。在婴儿时期,顺应性发育不全的颅骨的形变允许进一步的弹性。由ΔV/ΔP限定的大脑顺应性表示颅脊隔室的刚度并且是用于缓冲体积变化的补偿储备的指标。顺应性不是恒定的,而是随着不断增大的压力而降低,并且可被病理削弱。
在病理状况下(诸如创伤性脑损伤(TBI)),一连串事件(包括脑肿胀、血管充血、脑脊液阻塞、水肿和/或颅内出血)可耗尽补偿机制并且导致颅内压呈指数增长,如图1所示。与通常大约10mmHg的正常颅内压相比,在11mmHg至20mmHg之间、21mmHg至40mmHg之间以及大于40mmHg范围(分别表示稍微增大值、适度增大值和严重增大值)内的颅内压对临床并发症造成日益增大的风险。例如,升高的颅内压可危险地降低脑灌注压和脑血流,从而引起缺血性脑损伤(图2A)。由于大脑顺应性随着不断增大的颅内压而降低,相似大小的体积变化(包括搏动血容量)引起更大的压力变化。所述风险在使得脑灌注压处于大脑自动调节的范围之外时最大,在所述范围中,脑血流不受控制并且被动地遵循压力。而且,自动调节区域可减小并且通过慢性和急性病理(图2B)两者发生偏移。例如,在慢性高血压或睡眠呼吸暂停时,血管适应于更高的压力或升高的paCO2,从而使基础血管紧张度发生偏移,减小了自动调节的脑血管阻力的范围并且提升了脑灌注压缺血性极限。
灌注储备是经测量脑灌注压与自动调节的更低压力极限之差并且是用于评估缺血性损伤风险的重要临床指标。例如,在管理颅内出血时,降低血压的干预可能导致不期望的缺血,而维持血压可能导致充血以及血肿膨胀的风险。确定灌注储备可帮助维持最优的脑血流,从而限制风险并达到更好的结果。增大的颅内压还可通过借助于刚性脑外特征(如硬脑膜小脑幕或枕骨大孔)对大脑组织进行物理挤压和/或对脑干进行压缩而造成严重的损伤或死亡。降低的颅内压可造成出血或者甚至心室萎陷,其中最大的风险发生在干预(脑脊液引流)期间。
由于增大的颅内压是二次脑损伤的重要原因并且其程度和持续时间与不良后果相关联,因此建议对颅内压进行监测以较大范围地管理紊乱。例如,这些可以包括创伤性脑损伤、脑内和蛛网膜下出血、脑积水、良性颅内高压、脑水肿、中风、脑膜炎、中枢神经系统感染、急性肝衰竭、肝性脑病等。连续监测颅内压以便指导对患者的临床管理与显著改善的结果相关联。
自1950年代首次使用颅内压以来,已经使用了经由钻透穿过颅骨的小孔被插入到侧脑室中并被连接至外部压力换能器的颅内导管来对颅内压进行有创测量。此方法准确且成本低,并且还适应于治疗脑脊液引流和药物管理。然而,有创手术可能与并发症(包括出血和感染)相关联。而且,在一些情况下(诸如患者患有原发性颅内高压、抗凝作用、败血症、肝疾病、或在微重力环境下进行的太空旅行),此有创手术是不适当的。
发展对颅内压进行无创监测被认为是避免有创手术的并发症并将诊断延伸到患者的迫切需要,患者风险可能相当大但不足以证明有创手术。此外,无创颅内压测量可用于标识需要有创手术的患者并且在临界期提供重要信息。在一些应用中,无创和有创颅内压监测的组合也可能是有益的。这是因为通常有创监测器的可靠性出于结构原因(诸如脑室引流的存在)或者由于像传感器污垢的伪像而被削弱。这样,冗余无创传感器将是有价值的附属物。ICP的无创监测器及相关的脑测量值(诸如脑血管阻力、脑灌注压、血管壁紧张度、脑血流-脑脊液搏动耦合和脑顺应性、动态自动调节、脑灌注储备等)也将在有创监测是不适当的区域中产生许多新应用。
因此,大量研究努力旨在开发用于使用经颅多普勒超声、鼓膜移位、视神经鞘直径、眼底检查、计算机断层扫描和磁共振成象来测量颅内压的无创方法。然而,这些技术均无法在床边连续执行,且仍未达到成为常规临床实践所需的准确性。
用于估计ICP的一种广泛使用的方式已经包括了使用经颅多普勒超声测量值来确定搏动指数。其背后的原理是:穿过脑动脉血管的血流速度的搏动反映了末端脑血管阻力以及因此颅内压。这样,许多已经表明利用所述搏动指数来估计颅内压和脑灌注压。然而,搏动指数不仅仅取决于脑血管阻力,而是取决于脑灌注压、动脉血压的脉冲振幅、脑血管阻力、脑动脉的顺应性与心率之间的相互作用。这样,由于混杂成因,搏动指数并不是颅内压的准确估计量。
同样,使用经颅多普勒超声确定的搏动指数的准确性还强烈地取决于超声探针位置以及对大脑中动脉的均匀受声波作用。此外,在大约10%-15%的患者中,超声波无法穿透颅骨。在这些情况下,经颅多普勒超声无法提供有用的测量值。而且,经颅多普勒超声由于使用刚性且庞大的换能器而无法被用作连续监测器。
另一方面,近红外光谱学可在床边连续监测局部脑血容量和氧合血红蛋白(SO2)。因此,近红外光谱学已经用于对脑血管反应性指数进行估计,所述脑血管反应性指数与颅内压关联。然而,这些测量值不充分地独立于其他血流动力学参数从而提供颅内压的准确测量值。
因此,考虑到先前技术方法的限制,能够无创且准确地测量颅内压的系统和方法(由于病理学和其他医疗状况)是非常令人期望的。
发明内容
本公开通过提供一种用于准确且无创监测患者的系统和方法而克服了前述缺陷。更具体地,在此描述的系统和方法利用漫射关联能谱来测量搏动且稳定的脑血流以用于确定在对患者进行诊断和管理中有用的参数。具体地,在此提供的系统和方法可用于测量颅内压以及其他参数(诸如脑灌注压、血管壁紧张度、脑血流-脑脊液搏动耦合和脑顺应性、动态自动调节和脑灌注储备)。
如将描述的,本方法不仅可以连续地提供有价值的信息以用于在患者床边或在救护车上实施急症护理,而且还提供信息用于分析复杂病理生理、标识新的治疗时机并总体上基本改善了神经重症护理管理。在一些应用中,本方法可以用于诊断、监测和治疗创伤性脑损伤或脑震荡以及其他大脑病症。
在本公开的一个方面,提供了一种用于无创监测颅内压的系统。所述系统包括:光学耦合系统,被配置用于发射和接收来自围绕受测者的一个或多个位置的光信号;以及光学处理系统,被配置用于使用所述发射和接收的光信号以大于所述受测者的脑血流搏动频率的时间分辨率来生成漫射关联能谱(DCS)数据。所述系统还包括计算机,所述计算机被编程用于:接收所述DCS数据,分析所述DCS数据以确定搏动脑血流,并且将所述确定的搏动脑血流与从所述受测者采集到的生理数据进行关联。所述计算机还被编程用于:基于所述关联对颅内压进行估计;以及生成指示所述估计的颅内压的报告。
在本公开的另一个方面,提供了一种用于无创估计颅内压的方法。所述方法包括:使用围绕受测者放置的一个或多个光学传感器以大于所述受测者的脑血流搏动频率的时间分辨率来采集漫射关联能谱(DCS)数据;以及使用所述采集到的数据来确定搏动脑血流。所述方法还包括:将所确定的搏动脑血流与从所述受测者采集到的生理数据进行关联;并且基于所述关联对颅内压进行估计。所述方法进一步包括:生成指示所述估计的颅内压的报告。
在本公开的又另一个方面,提供了一种用于使用监测系统来无创监测受测者的方法。所述方法包括:使用围绕受测者放置的一个或多个光学传感器以大于所述受测者的脑血流搏动频率的时间分辨率来采集漫射关联能谱(DCS)数据;以及使用所述采集到的数据来确定搏动脑血流。所述方法还包括:将所述确定的搏动脑血流与使用生理传感器从所述受测者采集到的生理数据进行关联;以及基于所述关联对至少一个参数进行估计。所述方法进一步包括:生成指示所述估计的至少一个参数的报告。
本发明的前述及其他方面和优点从以下说明书中将变得明显。在说明书中,参照在此构成其一部分的附图,并且在附图中通过图示的方式示出了可以本发明的特定实施例。然而,这种实施例并不一定表示本发明的全部范围,并且因此参考权利要求书并在此用于解释本发明的范围。
附图说明
图1是曲线图,示出了颅内容积与压力之间的关系。
图2A是图形展示,示出了脑灌注相对于颅内压的临床区。
图2B是曲线图,示出了由于特定医疗症状而造成的最优灌注的变化。
图3是曲线图,展示了搏动血流与动脉血压之间的关系。
图4A是图示,示出了跨血管壁的跨壁压。
图4B是图示,示出了沿着血管的灌注压。
图4C是图示,示出了血管壁周围的张力。
图5是指示影响脑灌注的血管元素的模型的示意图。
图6是根据本公开各方面的示例监测系统的简图。
图7是图形展示,示出了根据本公开各方面对光子计数数据进行采集、门控和求平均。
图8是流程图,阐述了根据本公开各方面的过程步骤。
图9是曲线图,示出了壁张力如何影响临界闭合压。
图10是图形展示,示出了对搏动漫射关联能谱(pDCS)数据进行采集、门控和求平均。
图11A是曲线图,示出了同步的心电图(ECG)数据、近红外光谱(NIRS)数据和pDCS数据。
图11B是另一曲线图,示出了同步的ECG数据、NIRS数据和pDCS数据。
图11C是曲线图,示出了异步心脏周期求平均。
图12是曲线图,示出了在麻醉大鼠中同步测量到的动脉血压、颅内压以及基于DCS数据的血流。
具体实施方式
大脑封闭在刚性颅骨中,并且因此,颅内压(ICP)的变化影响着脑血流(CBF),这可导致严重的医疗症状,诸如脑缺血。因此,颅内压(ICP)监测高度期望用于对患有宽范围医疗症状和失调(包括创伤性脑损伤、脑内和蛛网膜下出血、脑积水、良性颅内高压、脑膜炎、中风、急性肝衰竭等)的患者进行诊断和治疗。
因此,根据本公开的方面,在此描述了一种用于基于漫射关联能谱(DCS)对ICP进行准确、无创监测的系统和方法。具体地,所述系统和方法可测量CBF以及更具体地搏动脑血流(pCBF)以便确定ICP以及其他临床相关参数,诸如脑灌注压(CPP)、脑血管阻力(CVR)、血管壁紧张度、脑血流-脑脊液搏动耦合和脑顺应性、动态自动调节、脑灌注储备等参数。这种方法认识到搏动压力-流量关系曲线(图3)中的压力轴线截距(即,临界闭合压或零流量压力(CrCP))与ICP直接相关。
具体地,图3是曲线图,示出了来自脑血管的搏动脑血流(pCBFi)相对动脉血压(ABP)的指数。如所标记的,此曲线图示出了CrCP存在于零pCBFi处,并且血液从舒张到收缩的搏动引起相应的压力变化(ΔP)和流量变化(ΔF)。如将描述的,本公开的系统和方法能够以一定的速度或时间分辨率来采集DCS数据,从而足以确定pCBF并使用pCBF和其他测量值来无创地确定具有一定准确性和精度的临床上有用的信息,所述临床上有用的信息在之前通过使用无创系统尚不可用。例如,如将描述的,本公开的系统和方法每秒能够采集并处理多个DCS测量值以便由此达到某个速度或时间分辨率,从而确定搏动信息并且产生之前在无创系统中未达到或认识到的准确测量值。相较于传统DCS系统和方法,这代表例如具有针对DCS测量的大约1.5秒或更长的采样时间。
同样,本方法可以用于在对患者具有最小化干扰或不适的延长时间段上进行无创连续测量。这样,所提供的系统和方法可以适合用于在更大的群体(包括成人、孩童、婴儿、新生儿和早产儿)中进行连续测量或离散测量。这包括未经历有创手术的患者或者可能不值得冒险进行有创手术的那些患者。此外,使用所描述的系统和方法,可在患者有意识或无意识、清醒或镇静或麻醉时对其进行测量。除了人类之外,所提供的系统和方法可以与动物一起用于研究目的、商业目的和/或兽医目的。而且,本方法还可以用于测量除大脑以外的其他器官的灌注压。
先前的无创技术(诸如近红外光谱学和经颅多普勒超声)分别测量血液容积测量值或血流速度测量值以便估计ICP。如所描述的,这些方法依赖于替代测量值并且包括各种各样的防止对ICP进行准确确定的混杂因子。例如,经颅多普勒超声利用大脑中动脉,所述大脑中动脉对许多解剖学上不同的区域(包括对ICP较不敏感的那些区域)的血液供应进行求平均。从而,这些系统不能够准确地评估搏动并且由此不能提供对ICP的准确确定。
相较而言,本方法直接利用DCS来测量血流。具体地,DCS可用于测量皮质微血管中的CBF,所述皮质微血管具有更低的张力并且与更大的动脉相比对颅压变化更加敏感。同样,DCS可用于测量具体在大脑组织内的CBF并且克服大脑中动脉测量值的混杂因子。而且,DCS提供在cm3大小的皮质容积上的稳健CBF平均值,无需对探针放置或定向敏感,如经颅多普勒超声那样。因此,不像其他无创系统和方法,所述系统和方法能够对血流进行绝对校准。
主要地,两种类型的压力作用于脑血管从而影响血流,即跨壁压和灌注压,如图4A和图4B中所展示的。具体参考图4A,跨壁压是由内部流体静力学跨壁压404和外部流体静力学跨壁压406作用在血管400的壁402上所产生的净压力。具体地,内部流体静力学跨壁压404是由血压引起的向外的压力。另一方面,在颅骨中,外部流体静力学跨壁压406主要是颅内压。
传统上,跨壁压产生Starling力并且驱动渗出液和分泌液运输通过血管壁以贯穿体内器官。跨壁压与组织血液灌注不太相关。然而,在颅骨的刚性限制内,ICP主导的跨壁压可经由血管自身的弹性而耦合至穿过所述血管的血流。
当跨壁压足够大以便对柔性血管进行压缩时,其内部直径有效地减小,并且流动由于公知的Starling阻力器现象而受到阻碍(图5)。在极端情况下,当跨壁压变为负时,血管将萎陷并且完全闭合以流动。例如,外部生成的负跨壁压是血压的公知血压计测量的基础。
另一方面,灌注压与组织灌注直接相关并且被限定为血管或血管网络内的血管流入与流出之间的压力差。具体参考图4B,跨血管400的灌注压为流入压力408与流出压力410之差。而且,灌注压通过血管阻力与血流相关,其与血流的关系类似于欧姆定律。在正常情况下,响应于PaCO2水平和自动调节,在生理控制(包括机能充血)下对血管阻力进行调节。药用制剂、损伤和疾病还可影响血管阻力及其生理控制机制。
血管的特性影响通过其的血流。具体参考图4C,血管400的壁张力412被示出为壁402内的圆周力。壁张力412同跨壁压以及内半径414与血管400的厚度416之比相关。必须克服壁张力412以使血管400闭合。针对具有主动扩张和收缩能力的血管,血管直径受生理控制。因此,壁张力412亦被称为血管紧张度。
由于脑血管被颅骨的刚性界限封闭,因此ICP施加在血管外部的跨壁压,如图5简图中所示。在正常状况下,流出压力由中央静脉压(CVP)主导,并且跨壁ICP对CPP具有很小的影响。然而,当ICP超过CVP时,跨壁压用于压缩柔性部位处的血管,诸如大脑和小动脉表面上的桥接血管,如由图5中所示的箭头所指示的。在此情况下,这些部位充当Starling阻力器,从而限制流动并且降低CPP。在这些条件下,零流动压对ICP的大小进行量化。
从概念上讲,灌注压既是对组织灌注充分的直接测量,又是经由自动调节的限制对可用于维持体内平衡的灌注储备量的估计。然而,实际上,CPP是从其他测量值推断出的量,因为直接测量流出压力通常是不实际的。因此,诸如ICP的量已经优选用于临床使用,尽管其与病理学的关系(即局部缺血的风险)是间接的。
CPP和CBF的测量值均提供了关于组织灌注量的信息以及局部缺血的风险。然而,在没有损伤的情况下,CBF可在生理上发生超过两倍的变化。例如,如果脑血管扩张,则CBF将增大。同时,脑血管阻力将相应地减小。在针对CPP的关系中,在生理条件下,这两个因子将趋于抵消,从而使CPP保持相对不变。因此,CPP可能对病理状况具有更大的敏感度,而较少的影响来自正常的生理变化。而且,CPP和CBF可与其他测量值(诸如氧饱和度(SO2)、氧摄取分数(OEF)、脑血容量(CBV)、脑氧代谢率(CMRO2))相组合,以便进一步量化局部缺血风险和灌注储备。
在正常状况下,脑灌注压可以近似为动脉压与中心静脉压之差。然而,当ICP充分升高时,血管阻力变为由Starling阻力器效果主导,并且有效的流出压力不再是CVP而是ICP。因此,ICP耦合至CBF,并且CBF的测量值(单独地或者与其他生理测量值相结合)可用于确定ICP、局部缺血风险、自动调节和/或调节储备的丢失、和/或其他参数。
转向图6,示出了根据本公开的方面的用于无创监测受测者的示例性系统600的框图。如所示出的,系统600大体上包括放置在围绕受测者身体各位置处的多个传感器,包括光学耦合系统602和生理传感器604。系统600还包括光学处理系统606以及与生理传感器604进行通信的一个或多个传感器系统608。光学处理系统606和(多个)传感器系统608与控制器610进行通信,所述控制器被配置用于控制系统600及其中的系统的操作,包括数据采集和处理。
系统600可以自主或半自主地、或者结合其他设备或硬件进行操作。系统600还可以从非瞬态计算机可读介质(诸如硬盘驱动器、CD-ROM、闪速存储器等)中读取可执行软件指令,并且还可以从用户或逻辑地连接至其的任何其他源(诸如另一联网计算机或服务器、数据库、互联网、云等)接收指令。
光学耦合系统602可以包括形成一个或多个光学传感器(包括DCS传感器以及近红外光谱(NIRS)传感器)的多个源探针603和检测器探针605。具体地,源探针603被配置用于向受测者发射光信号,而检测器探针605被配置用于从受测者接收光信号。源探针603和检测器探针605可包括单模光钎和/或多模光纤。所述光纤可以是直光纤、90°弯曲光纤或侧面发光型光纤。源探针603和检测器探针605可以被安排成各种构型并且分离开的距离高达几厘米。在一些实现方式中,光学耦合系统602被配置用于测量大脑中的血流以及可选地皮肤、头皮、颅骨和/或体表中的血流。
由(多个)传感器系统608控制的生理传感器604可以包括被配置用于测量生理参数(包括但不限于:血红蛋白浓度、血红蛋白浓度变化、氧饱和度、CMRO2、有创血压、无创血压、颅内压、大脑活动、心电图、心脏输出、心博量及其组合)的脑电图(EEG)传感器、心电图(ECG)传感器、血压(BP)传感器、ICP传感器、脉搏血氧饱和度传感器和其他传感器。在一些实现方式中,生理传感器604和对应的(多个)传感器系统608可以来自不同制造商的单独设备。
参考光学耦合系统602和生理传感器604所描述的各传感器可以并入到一个或多个项或单元中或者属于其一部分,所述一个或多个项或单元被设计用于以任何数量的几何构型在任何数量的位置处与受测者接合或耦合至所述受测者。例如,各传感器可以集成到可固定到受测者的硅酮组件、绷带、头带和任何其他组件。同样,各传感器可以是可穿戴的或者被设计用于使用粘合剂直接附接至受测者。
尽管图6示出了围绕受测者头部放置的光学耦合系统602以及围绕受测者躯干放置的生理传感器604,但是根据诱导或感测到的信号可以易于认识到所述传感器的位置可以不同。例如,各生理传感器604可以围绕受测者头部、手臂、腿等放置。类似地,光学传感器可以围绕受测者手臂、腿、躯干等放置。这样,不同的传感器可以并列或者单独地放置在围绕受测者的各位置处。
与光学耦合系统602进行通信的光学处理系统606包括被配置用于使用一个或多个光源来生成光的源模块612。源模块612可以被配置用于在连续波、频域和时域中进行操作。为此,源模块612可被施以脉冲、正弦调制、步长调制、三角调制和/或任意调制。
举例来说,源模块612可以包括变换或近变换有限皮秒脉冲源或非变换有限皮秒脉冲源。如在此使用的,对“皮秒”脉冲或脉冲源的引用指的是脉冲宽度在1ps与10ns之间的脉冲。源模块612还可以包括布拉格(Bragg)反射器激光器、分布式布拉格反馈激光器、增益开关型分布式布拉格反射器激光器、外部空腔激光器、增益开关型激光器、电流脉冲激光器、锁模激光器、q开关型激光器、其组合等。源模块612还可以包括二极管激光器、固态激光器、光纤激光器、垂直腔表面发射激光器(VCSEL)、法布里-珀罗(Fabry-Perot)激光器、脊型激光器、脊型波导激光器、锥形激光器、主振荡器功率放大器(MOPA)激光器、或其他类型的激光器。在某些方面,源模块612还可以包括扫频源光源。
源模块612可以被配置用于使用400nm与1500nm之间的波长(包括但不限于600nm与1000nm之间的波长或者690nm与900nm之间的波长)将光发射到目标介质中。源模块612还可以被配置用于使用10μW与10W之间的平均功率(包括但不限于100μW与1W之间的平均功率、1mW与500mW之间的平均功率、或10mW与200mW之间的平均功率)将光发射到目标介质中。源模块612可以被配置用于使用1ps与10ns之间的脉冲宽度(包括但不限于10ps与1ns之间的脉冲宽度或者50ps与500ps之间的脉冲宽度)将光脉冲发射到目标介质中。在此描述的脉冲宽度指半峰全宽的脉冲宽度。
光学处理系统606还包括与光学耦合系统602进行通信的检测器模块614,所述检测器模块被配置用于从受测者接收光信号并且向相关器618提供指示所接收到的信号的输出。例如,检测器模块614可以包括被配置用于基于所检测到的光来提供光子计数的一个或多个光子计数雪崩光电二极管(APD)。如图6所示,光学处理系统606可以可选地包括插置在光学耦合系统602、源模块612与检测器模块614之间的多个光学元件616。具体地,光学元件616可以被配置用于对发射至受测者并从所述受测者接收到的光信号进行操纵。示例光学元件616包括镜头、棱镜、全息图或衍射光学元件、漫射器、衰减器、滤波器、光纤等。
总体上,控制器610可以是计算机(如图6所示),所述计算机被编程用于根据本公开的方面实施步骤,如将描述的。控制器610还可以是工作站、膝上型计算机、移动设备、平板计算机、个人数字助理(PDA)、多媒体设备、网络服务器、主机或任何其他通用或专用计算设备。控制器610的其他示例还可以包括片上系统(SOC)、现场可编程门阵列(FPGA)、复杂可编程逻辑器件(CPLD)、专用集成电路(ASIC)、Raspberry PI控制器等。
在一些方面,控制器610可以被配置用于采集并处理由受测者诱导或生成的光学信号、生理信号以及其他信号以便估计期望的生理参数。具体地,控制器610可以被配置用于接收并利用DCS测量以便确定搏动且稳定的脑血流,根据所述脑血流可以估计多个生理参数(包括ICP、CPP、CRV等)。在一些方面,控制器610可以利用搏动压力-流量关系曲线的特性,如参考图3所描述的用于确定期望的生理参数。例如,临界闭合压或零流量压力(CrCP))或截距可以用于与ICP直接相关。另外,控制器610还可以利用搏动压力-流量关系的斜率以及从其中获得的任何其他信息。
在一些方面,控制器610可以被配置用于使用放置在受测者身上的各传感器来采集同时或同步测量值以及单独的测量值,如所描述的。同样,可以一次性地、间歇地、周期性地、持续地或连续地进行测量。控制器610可以被配置用于利用来自这种测量值的信号来构建各时序波形。例如,图7示出了采集作为时间函数的ECG数据702和DCS数据704。控制器610还可以被配置用于将采集到的信号集群成频率表示,如功率谱。这样,控制器610可以被配置用于例如向采集到的信号应用快速傅里叶变换(FFT)。也可以由控制器610生成其他信号表示,包括信号导数、微分、差值等。控制器610还可以确定信号振幅、定时、相位、相关性等。可以由控制器610实时地、近实时地或者通过后处理在时域或频域或两者中对信号进行处理。
在一些方面,图6的控制器610可以被配置用于使用采集到的DCS数据借助于相关器618来生成相关性曲线。以此方式,可以确定各期望参数(诸如血流、以及更具体地搏动血流及其他),如将描述的。具体地,相关器618可以从检测器模块614接收光子计数数据并且使用所述光子计数数据来计算各时间尺度处的强度自相关函数。虽然相关器618在图6中被示出为与控制器610分离,但是可以易于认识到的是这些可以集成到一个系统中。例如,控制器610可以包括用于直接计算强度自相关函数的各硬件和软件。
再次参考图7,示出了使用DCS数据在不同时间尺度处获得的相关性曲线704。这种相关性曲线可以与其他采集到的测量值(诸如ECG及其他生理参数)同步地或者异步地生成。例如,可以在相对于使用ECG数据而测量到的心动周期的多个时间处采集DCS测量值。
在一些方面,与控制器610协作的光学处理器系统606以及本公开的操作方法每秒能够采集并处理多个DCS测量值以便由此达到某个速度或时间分辨率,从而确定搏动信息并且产生之前在无创系统中未达到或认识到的准确测量值。举例来说,可以以高达500Hz的频率对数据(包括DCS数据)进行采样,虽然更高的频率可以是可能的。再次,相较于传统DCS系统和方法,这代表例如具有用于DCS测量的大约1.5秒或更长的采样时间。如在此所描述的,本公开的系统和方法以大于受测者脑血流搏动频率的时间分辨率来采集DCS测量值。这样,可根据DCS数据来确定搏动信息。
控制器610可以进一步被配置用于分析采集到的数据(包括DCS数据和生理数据)以便提供对诸如ICP等量的估计,如所描述的。例如,控制器610可以被配置用于在心动周期内的各点处分析各时间尺度处的自相关曲线以确定血流。此外,控制器610可以组合在多个周期上采集到的DCS数据,所述DCS数据是在心动周期中在特定时间点或在时间点范围上采集到的。
单独测量值可以或者可以不具有用于分析期望参数(诸如CrCP、ICP、CPP、CVR等)的充足信噪比(SNR)。这样,可以将从一个心动周期获得的测量值与从不同的心动周期获得的测量值进行求平均,同时确保对信号进行恰当的门控。也就是说,可以对单独的测量进行定时以便正好与心动周期的相同部分一致,或者所述测量可以与所述周期不同步,从而产生等价的时间平均值。等价的时间求平均具有对所述周期的上位采样,但是可以使用任一种方法。除了周期平均值之外,可在更长的时间上对相同的数据进行求平均。以此方式,例如可以提供搏动血流和平均血流两者。可替代地或者另外,控制器610可以对在整个心动周期上采集到的数据进行集成或组合。
在一些方面,控制器610可以被配置用于基于所确定的参数(诸如颅内压等)来确定受测者的状况。例如,控制器610可以被配置用于确定脑缺血的风险、或者自动调节和/或调节储备的丢失。此外,控制器610还可以被配置用于使用所确定的生理参数(诸如颅内压)来确定所施用治疗的有效性。
控制器610可以进一步被配置用于生成报告并将其提供给用户。所述报告可以包括各种各样的信息,所述信息包括实时或间歇性生理信号或测量量,诸如ICP、以及其他临床上相关的参数,包括脑灌注压(CPP)、脑血管阻力(CVR)、血管壁紧张度、脑血流-脑脊液搏动耦合和脑顺应性、动态自动调节、脑灌注储备以及从其中生成的其他参数或量。所提供的信号可以在时域作为时间序列,以及在频域作为功率谱。
所述报告还可以指示正被监测的受测者的病状、以及与受测者相关联的其他信息。例如,所述报告可以指示脑缺血的风险、或者自动调节和/或调节储备的丢失。所述报告可以进一步包括用于指示急性病状的音频警报和/或视频警报,诸如在一个或多个估计量超过安全阈值或者并发症风险增加的情况下。例如,可以在所估计的ICP处于11mmHg与20mmHg之间、21mmHg与40mmHg之间以及大于40mmHg的范围内时提供警报。所述警报信号还可以取决于风险的严重性或者量的大小来进行适配。
现在参考图8,描述了根据本公开的方面的过程800的步骤。过程800可以在任何系统或装置上实施,诸如参考图6所描述的系统或装置。如图8所示,过程800可以在处理框802和804处通过使用围绕受测者放置的各传感器来采集DCS数据和生理数据而开始。可以以任何数量的方式(如所描述的,包括间歇性地或者连续地)来获得在处理框802和804处采集到的数据。例如,在一些方面,可以在心动周期内在多个时间处采集DCS数据。示例生理数据包括:心电图(ECG)数据、脑电图(EEG)数据、近红外光谱(NIRS)数据、血压数据、呼吸数据、血红蛋白数据、脉搏血氧饱和度数据及其组合。
还可以以任何数量的方式来处理在处理框802和804处采集到的数据。例如,取决于必要的信噪比(SNR),可以对在多个心动周期上采集到的数据进行组合或求平均。具体地,采集DCS数据并对其求平均不需要受限于固定的相关性曲线。具体地,可针对周期和事件对光子计数数据(无论是每个时间区间的简单计数数量还是光子检测之间的时间区间数)进行处理和求平均。例如,心动周期内的短周期上的光子数据可用于计算相关性曲线并且执行周期求平均。相同的光子数据可以与更长时间上的数据一起使用以便计算另一兴趣周期的时间尺度上的相关性曲线(例如,稳态平均、呼吸等)。此方法也可以用于非周期性事件。例如,与不同EEG事件(诸如突发或发作)之前和之后的时间段相关联的血流。可前瞻性地和/或回顾式地执行门控和求平均。
在处理框806处,可以使用采集到的DCS数据来确定搏动脑血流。具体地,此步骤可以包括使用获得的光子计数来生成各时间尺度处的自相关曲线并且在心动周期内的各点处对这些曲线进行分析以便确定血流。在一些方面,还可以在处理框806处确定稳定的脑血流。
再次参考图8,然后可以将所确定的脑血流与采集到的生理数据进行关联,如由处理框808所指示的。在一些方面,所确定的搏动脑血流(pCBF)可与搏动动脉血压(pABP)相关。还可以在处理框808处确定其他相关性。
然后,如由处理框810所指示的,则可以基于相关性对颅内压进行估计。这样,可以计算临界闭合压以便估计颅内压。还可以在处理框810处使用DCS数据和生理数据来估计其他参数,如所描述的。例如,可以在处理框810处确定脑灌注压、血管壁紧张度、脑血流-脑脊液搏动耦合、脑顺应性、动态自动调节、脑灌注储备、脑血管阻力、氧饱和度、血红蛋白浓度、心脏输出、心博量、大脑活动、心脏活动及其各种组合或变化。在一些方面,搏动压力-流量关系曲线的特点(如例如,参考图3所描述的)也可以用于确定期望的生理参数。
在一些方面,可以在处理框810处基于所确定参数(诸如ICP及其他)来确定受测者的病状。例如,可以确定脑缺血的风险、或者自动调节和/或调节储备的丢失。在其他方面,可以使用所确定的生理参数(诸如颅内压)来确定所施用治疗的有效性。
然后,在处理框812处,可以生成任何形式的报告并将其提供给用户。所述报告可以包括各种各样的信息,所述信息包括所测量的生理参数或量的实时或间歇性值,诸如ICP、血流、以及其他临床上相关的参数,包括脑灌注压(CPP)、脑血管阻力(CVR)、血管壁紧张度、脑血流-脑脊液搏动耦合和脑顺应性、动态自动调节、脑灌注储备以及从其中生成的其他参数或量。所述报告还可以标识正被监测的受测者的病状、以及与受测者相关联的其他信息。例如,所述报告可以指示脑缺血的风险、或者自动调节和/或调节储备的丢失。
如所描述的,图7示出了参照一个或多个时间尺度处的另一信号或事件可如何对光子计数进行关联的示例。具体地,图7示出了作为时间函数的ECG数据702和DCS数据704。具体地,可以针对另一生理信号(诸如ECG数据702)用同步的、部分同步的或异步的方式对采用光子计数流形式的DCS数据704进行解析以便生成一个或多个相关性函数706。这种解析可以参考其他生理信号(包括ECG、EEG、NIRS或其他生理信号)来实现。因此,针对多个事件,相同的数据可与每个信号的适当时间和持续时间相组合。例如,针对来自记录在EEG中的发作事件之前和之后的ECG和流量的心动周期,相同的信号可处理血流。可在不同信号之间或者在相同信号内使用不同的时间尺度,包括但不限于确定搏动流量和稳定流量两者。
在一些方面,可以在ECG内在两个不同时间尺度处计算由适当心脏信号和呼吸信号门控的心内周期流量和呼吸内周期流量。在其他方面,可根据血压传感器或光学信号自身来确定心动周期定时。所述定时和持续时间可以是以固定或者动态地和/或以算术方式确定的(实时地、近实时地或者后处理地)。例如,在心律的自发变化之后,可以逐周期地对DCS数据704进行解析。所述处理可以包括其他变换,例如,用于解释ECG信号与CBF信号之间的相位差从而解释血液从心脏到大脑的过渡时间的时间偏移、和/或其他仪器因数。可以通过软件(例如,使用FFT等)、硬件(例如,多tau算法、FFT等)或其任何组合来执行所述处理。
举例来说,图10示出了根据本公开的方面从人类受测者获得的搏动血流测量值。在此示例中,利用硬件相关器在小于心动循环周期的积分时间内采集流量测量值,如参考图6所描述的。如所描述的,在一些方面,流量测量值可以与等价的周期内测量值进行周期间组合、处理和/或求平均。以此方式,可以增大信噪比(SNR)和/或周期内时间分辨率。组合量可以通过预定量(诸如时间、样本数量等)来设定,或者以动态和/或算术方式来确定(诸如当达到期望SNR时或者当采集到多个周期内点时)。测量值也可以关于或者不关于其被获取的周期被组合、处理和/或求平均,并且可以用于确定基线。
作为另一示例,图11A和图11B展示了搏动DCS与ECG和CW NIRS的同步测量值。如可见的,DCS数据具有每秒4至5个样本的时间分辨率。从放置在前额上的集成光学探针来采集NIRS和DCS数据以便对皮质中的相同组织进行采样。从放置在受测者胸部上的两条引线来记录ECG。虽然异步地采集了数据点,但是搏动血流、血红蛋白浓度变化和心脏电活动在生理上均是同步的。然而,由于心跳与皮质中的血液到达之间的过渡时间差,在ECG/NIRS信号与ECG活动之间存在相位差。通常,可通过校准和/或处理引起这种相位差。
作为又另一示例,图11C示出了周期求平均的结果。具体地,在等价的时间平均值中的心脏周期上对来自图11A和图11B的数据的一部分进行求平均。可执行进一步处理以便执行校准和/或从所述数据中提取相关参数。
在又另一示例中,图12示出了从麻醉大鼠采集的数据段。具体地,对动脉血压、颅内压(利用插入在大鼠大脑中的光纤换能器采集到的)、以及利用DCS测量到的血流进行同步测量。在此示例中,流量测量值是从光子流中采集到的并且使用软件进行相关,如参考图6所描述的。这些结果表明本方法可解析小型哺乳动物的更快搏动流量。此快速速度是重要的,因为其使能:1)在动物模型中用于生物医学研究:2)对成人心动周期的更好时间分辨率;3)对早产儿和足月儿的充足分辨率;4)对患有心脏缺陷患者的分辨率。而且,图12中的数据示出了对脑血流中的搏动和呼吸变化的敏感度。
如所描述的,可通过估计临界闭合压(CrCP)来得出ICP。也就是说,可通过估计动脉血压的值来得出ICP,在所述动脉血压处,脑血流接近零,诸如参考图3详细描述可得出的。将CrCP用作对ICP的替代物是基于以下概念。具体地,通过泊肃叶(Poiseuille)定律给出了长度为L且半径为r的均匀圆柱状血管中的流量与压力之间的关系,所述泊肃叶定律与欧姆定律类似地可被写为:
此处,F为流量,Pi和Po为流入压力和流出压力,并且阻力为
其中,血液粘度为μ。在具有零主动张力的可胀缩皮质血管的简化模型中,Pi等于ABP,并且在处于均衡状态时,如果颅内压大于静脉压,则Po等于ICP。当ABP接近Po时,血流停止,这暗示了CrCP等于ICP。在流量-压力关系的更真实的描述中,需要包括有源壁张力和血管弹性的效果:
CrCP=ICP+T壁 (5)
基于拉普拉斯定律的模型(包括非线性弹性曲线和半径相关的有源张力)示出了CrCP既取决于ICP又取决于血管紧张度,并且ICP低于使用压力-轴线截距的简单线型递归的CrCP估计值(图8)。从非线性CrCP、线性CrCP或者这两者的组合,壁张力可被确定并且提供关于慢性和急性血管生理学和病理学的信息。
CrCP可提供与传统搏动指数(PI)计算相比更优的ICP估计值,因为CrCP是根据驱动动脉血压和流量响应两者的测量值确定的。通过比较,PI仅是根据流速来估计的。因此,本公开允许在确定CrCP时消除影响PI的生理因素中的一些因素。这使得CrCP成为更稳健的度量。
如所描述的,基于经颅多普勒超声的血流速度测量值已经用于估计CrCP。然而,虽然这些估计值可与有创ICP值相关,但是它们未达到可接受的、在临床上有用的置信区间。实际上,虽然理论上估计的CrCP应当高于ICP(根据以上等式5),但是通过经颅多普勒超声既测量到更高值又测量到更低值。由于在这些实验中使用标准动脉管路来执行动脉血压(ABP)测量,因此ICP的经颅多普勒超声估计的可变性因此借助于此方法受到已知问题的驱动。
而且,经颅多普勒超声测量流速而非血流取决于成像血管的横截面面积。同样,对某段中动脉的流速进行测量,所述中动脉是具有高壁张力和弹性的大血管,所述大血管仅间接地受ICP变化影响。
通过比较,本方法利用DCS数据,从而提供对CrCP更好的估计(与先前技术相比)。这是因为DCS测量血流量而非血流速。此外,根据本公开使用DCS对搏动脑血流进行测量直接对小皮质小动脉、小静脉和桥接血管敏感,这是由于其较小的跨壁压确定了脑循环系统的血管紧张度并且因此在临床上受到ICP变化的影响。
除了ICP之外,还可以对其他参数进行估计。一个非限制性示例包括CPP,被限定为平均动脉压减去临界闭合压:
CPP=MABP+CrCp (6)
自动调节跨CPP大范围(50mmHg至150mmHg)维持恒定的CBF。将CPP降至低于自动调节的下限使得CBF变为压力被动的并且使动脉和小动脉的血管被动地舒张。本方法因此可检测并警告此病症的风险。低血压对患有创伤性脑损伤的患者具有不利后果,并且指南用于将CPP维持在50mmHg-70mmHg以上。目前,在以上等式中,根据有创ICP度量将CPP估计为CrCP的代理。在床边连续且无创地监测CPP的能力相比目前用有创措施完成的将影响对更多数量的患者进行管理。
作为另一示例,由于在小动脉中测量了血流量(而非流速),因此可对脑血管阻力进行估计(图3):
通过同步且连续地测量CPP和CVR两者的变化,可在床边无创地监测脑血流自动调节。自动调节的失败与各种急性神经疾病的预后不良相关联。
如可以认识到的,CrCP、ICP、CPP和CVR是在许多临床情况下对患者进行诊断和管理而言极其重要的参数,包括但不限于危重护理(诸如婴儿、小儿科或神经重症监护病房、麻醉和/或手术室)、急诊室和急症室、恢复室、后重症监护、战场、航天器、极端环境、在运动期间或在边线上、灾难现场或者事故现场等。本方法的测量搏动流量允许在床边基于门诊和/或家庭护理连续且无创地估计这些参数。根据这种监测生成的信息可用于理解例如创伤性脑损伤之后的复杂病理生理学、改善靶向护理,标识新的治疗时机,并且总体上基本提高了神经重症监护管理。
若干种方法可用于对自动调节电容进行估计。CBFi和/或CVR与CPP和/或AP之间的移动相关系数可对自动调节状态进行量化,其中相关性在压力被动升高或充血期间在受削弱自动调节期间接近一并且针对完整的自动调节接近零。另一种方法可以包括但不限于直接测量随AP和/或CPP变化而产生的CBF和/或CVR变化、CBF和/或CVR波动和变化与CPP和/或AP之间的自发或诱发相关性、CBF和/或CVR的方差与CPP之间的相关性、CBF和/或CVR与CPP和/或AP之间的交叉光谱相关性和增益分析、CBF和/或CVR与AP、CPP和/或CBV的变化值之间的相移。在一些方面,血压变化可自发地引起或者通过外部手段(诸如腿箍释放或其他手段)诱发。
在一些方面,可以对PI进行计算。具体地,PI与ICP成比例并且可用于监测ICP的变化。可根据pCBFi直接使用以下等式来计算PI:
还可使用CBFi的谐波分量在频域中确定PI。在一些实现方式中,可在血压的测量值不可用时使用搏动DCS(pDCS)PI。PI还可以在低颅内压下甚至在测量血压信号时具有对ICP变化的更大敏感度。
当结合pDCS测量值获得血压测量值时,可获得压力-流量关系,如参考图3所描述的。然后可以对这种压力-流量关系进行分析以便生成多种多样的信息,包括但不限于零流量压力或CrCP、CPP、CVR、壁张力等。估计的是,近一千一百万个光子在使用线性模型测量CrCP时将提供+/-5mmHg的精度。参考图11A和图11B所描述的成人测量的光子通量每秒约为200,000个计数并且包括大约1分钟的积分时间。所需要的积分时间将随着附加检测器的使用而进一步降低。因此,从实践立场,本方法是可行的。然而,本公开不限于特定数量的检测光子。可使用针对精度、准确性或质量的其他标准。可在线地或者在后处理中计算这些度量。它们还可以用于动态地调节测量过程,从而优化信号质量和动态响应。
在一些实现方式中,可通过其他分析方法(包括但不限于应用转移函数、相关性、相干性、对pDCS的频域分析或时域分析)来估计CrCP和其他参数。在将其他生理测量值(如BP、ICP、ECG、EEG等)考虑或不考虑在内的情况下,可以单独地或者一起、整体上或部分地执行这些分析。
例如,可使用对血压和CBFi的频谱分析来估计CPP。具体地,从第一谐波,可根据以下等式来估计CPP:
其中,A1和CBFi1分别为动脉压和pCBFi的第一谐波。从CPP,可使用以下等式对CrCP进行粗略估计:
同样,还可通过以下等式对CPP进行粗略估计:
而且,可以根据CBFi和Bp的舒张值和收缩值使用线性插值来估计CCP。可利用许多其他的这种组合。
在一些方面,可根据pDCS和不同类型的血压监测器来估计CrCP。例如,可通过具有有创动脉管路的传感器对动脉压进行有创测量。以此方式估计的CrCP是半创伤性的,因为虽然血压测量是有创的,但是pDCS测量仍是无创的。在此情况下,虽然BP测量是有创的,但是此方法与当前技术相比仍是一种相当大的改进,因为动脉管路与颅螺栓或钻孔相比大大减少了创伤,如常规ICP传感器所需的。此外,动脉管路并发症的风险较低并且其通常用于危重护理情况下。而且,使用ICP监测与动脉管路相比更加受限制(由于有创颅内探针的风险更高)。因此,可以认识到的是,本方法提供了比当前现有技术更大的进步,因为其首次允许在容纳动脉管路的较大患者群体中对ICP进行例行测量和/或监测。
在其他方面,本方法还可以通过将pDCS与无创手段进行组合来完全无创地用于患者和受测者以便测量血压。例如,可使用诸如Finapres监测器的设备来无创地测量绝对搏动血压。另一示例包括将用于脉冲测量的相对压力换能器(例如,利用绷带缠绕手指的简单换能器)与通过无创手段经由血压计进行的间歇绝对测量值进行组合。此方法提供了比当前现有技术更显著的进步,因为其将对ICP的测量和/或监测延伸到任何人。此外,此方法使能对患者进行测量,所述患者的对异常ICP的感知风险当前无法通过有创手段来证明测量。而且,还可以对被认为没有异常ICP风险的患者(或者甚至在自然环境下的健康受测者)进行监测。
存在一种共识:临床上有用的ICP测量值优选地具有至少10mm Hg或更小的准确性。DCS测量值中的BFi的精度通过光子统计来确定。因此,通过若干假设和简化,可获得关于必须在多长时间内对DCS测量值进行积分的估计值,以便将临界闭合压(CrCP)确定为在10mm Hg内。
假设在心动周期期间搏动血流与压力之间的线性关系,即:
F=a+bP (12)
真实的测量可以使用流量-压力关系的更为复杂的模型(即,与壁张力等),但是线型模型足以用于估计积分时间。利用更实际的模型进行的分析将不要求显著差异积分时间。
观察是成对(Pi,Fi)的,表示瞬时血压和流量,其中,瞬时流量测量针对每个观察具有σi的方差。针对DCS,σi是从光子统计数据和在测量中积分而得的已检测光子总数中已知的。针对ICP确定,可在心动周期内对流量进行多次测量,其中,多个心动周期被整合以便达到足够的准确性。在此情况下,光子总数指在对一个或多个心动周期进行整合之后的心动周期内所检测到的用于测量的光子数量。
a和b的最大似然估计的不确定性则为:
其中,Δ被定义为:
并且P的不确定性是可忽视的。针对线性模型,临界闭合压(CrCP)可以被粗略估计为:
然后,可从a和b的方差中传播CrCP的方差:
其中,被假设为=0。
针对简单的估计,σi可被近似为用于所有测量的常数σBFi。这是合理的,因为CBFi的不确定性主要仅取决于所检测到的光子通量并且非常弱地取决于CBFi的值。则,将方差简化为:
其中,N为在心动周期内确定的(Pi,Fi)对的数量。
因此,针对σBFi求解给出了
因此,如果存在对零流量压力的准确性的具体要求,则可以对生理上合理的b和CrCP进行假设,并且可选择通过参数N的测量采集速率以便估计针对血流测量所需的准确性。血流准确性然后可用于确定每次血流测量所需的最小光子数并且对所需的总积分时间进行估计。
将N设置为贯穿心动周期的流量确定数量允许我们根据收缩压和舒张压以及CBFi的极限值来估计不确定性。利用从收缩变到舒张(Ps到Pd)的线性压力模型来代替Pi:
使用(其中,i和N与针对xi的模型一致):
Δ′简化为:
并且简化为:
根据这两个等式和对Ps、Pd、b的假设以及CrCP的标称值,可根据ICP确定的具体准确性(σ′CrCP))来估计针对DCS测量所需的准确性)。针对Ps和Pd,假设标称收缩血压为120mm Hg并且舒张压为80mm Hg。
在初步pDCS测量中,CBFi的范围贯穿心动周期从7.1x10-8到1.3x10-7。峰值流量的比率看似是由于使用所利用的仪器达到有限DCS采集速率而被低估。因此,在初步测量中峰值流量的比率仅为1.8x,而在针对经颅多普勒超声的峰值流速的比率的文献中报告了2.9x的值。大概地,pDCS峰值流量比率可随着更快的DCS采集而增大。
然而,经颅多普勒超声比率将仍较大,因为通过经颅多普勒超声测量的较大动脉中的搏动大于由DCS测量的下游较小血管中的搏动,并且因为DCS也测量了其搏动小于流入量的流出量。无论如何,被低估的流量比率使此误差估计成为最坏情况,并且实际的准确性将有望好于此预测。使用来自初步测量的峰值流量,b可被近似为:
标称CrCP值的范围从5mm Hg到10mm Hg,并且可上升至超过50mm Hg(在病理状态下)。因此,CrCP可被估计为具有10mm Hg以作为合理标称值。然后可选择25Hz的DCS采集速率,从而使得N大约为25。
为了满足在10mmHg内的临床靶向CrCP准确性,将99%置信区间选择为+/-5mmHg。因此,所要求的σ′CrCP被指定为 将假设值应用到针对Δ′和的等式中确定了:针对心动周期内25次流量确定中的每次流量确定需要约总共42个SNR。根据所测量的DCS SNR曲线,需要大约440k个光子以便达到42个BFi SNR。因此,需要大约一千一百万个已检测到的光子以便跨整个心动周期求积分。在初步测量中,所检测到的光子通量大约为每检测器200kcps,因此55秒的积分时间对于单个检测器而言将是充足的,或者仅为18秒(如果全部三个检测器在一起求平均)。因此,尽管此模型未将其他误差源(诸如压力测量的准确性)考虑在内,但是其表明pDCS测量和CrCP确定基本上是实用的(从DCSSNR立场)。
总之,本公开通过提供一种用于准确且无创地监测患者的系统和方法而克服了先前技术的缺陷。更具体地,在此描述的系统和方法利用漫射关联能谱来测量搏动且稳定的脑血流以用于确定在对患者进行诊断和管理中有用的参数。
如根据本文中的描述可以认识到的,本公开提供宽范围的应用性。例如,所描述的系统和方法可用于监测ICP、CVR、CPP、WT的变化以及利用药物或麻醉剂的自动调节能力,并且提供利用药理操纵(包括丸剂测试)进行的监测和/或诊断。此外,本系统和方法可以应用于监测血管痉挛或者血管痉挛或血管神经麻痹的效果,并且监测皮质扩散抑制或皮质扩散抑制的效果。本系统和方法还可以应用于监测出血(包括蛛网膜下出血)并且进行出血后监测(肿瘤、血肿、脑积水、水肿、血管充血、血碳酸过多症、低氧、休克、败血症)。而且,本方法可以用于研究慢性疾病和病状,诸如高血压、睡眠和其他呼吸暂停等(对血管紧张度的病理慢性变化进行测量)以及脑积水。
本系统和方法可以应用于监测充血性心力衰竭、非脑器官的血流、周围性血管疾病。此外,所提供的系统和方法可以用于围术期护理、重症和危重护理、以及对患有临界颈动脉狭窄的患者的目标导向的血压支持。而且,本系统和方法可以应用于对经历颈动脉内膜切除手术的患者进行围术期管理并用于患有心肺转流术的患者,并且用于对经历神经外科手术或非神经外科手术的具有创伤性脑损伤的患者的血压管理进行优化。
已经根据一个或多个优选实施例对本发明进行了描述,并且应当理解的是,除明确陈述的以外,许多等价物、备选方案、变化和修改都是可能的并且在本发明的范围之内。
Claims (23)
1.一种用于无创监测颅内压的系统,所述系统包括:
光学耦合系统,被配置用于发射和接收来自围绕受测者的一个或多个位置的光信号;
光学处理系统,被配置用于使用所发射和接收的光信号以大于所述受测者的脑血流搏动频率的时间分辨率来生成漫射关联能谱(DCS)数据;
计算机,被编程用于:
接收所述DCS数据;
分析所述DCS数据以确定搏动脑血流;
将所述确定的搏动脑血流与从所述受测者采集到的生理数据进行关联;
基于所述关联对颅内压进行估计;以及
生成指示所估计的颅内压的报告。
2.如权利要求1所述的系统,其中,所述系统进一步包括用于从所述受测者采集所述生理数据的一个或多个生理传感器。
3.如权利要求1所述的系统,其中,所述光学耦合包括DCS传感器和近红外光谱(NIRS)传感器。
4.如权利要求1所述的系统,其中,所述生理数据包括以下各项中的至少一项:心电图(ECG)数据、脑电图(EEG)数据、近红外光谱(NIRS)数据、血压数据、呼吸数据、血红蛋白数据、脉搏血氧饱和度数据、或其组合。
5.如权利要求1所述的系统,其中,所述计算机进一步被编程用于使用所述DCS数据和生理数据来确定以下各项中的至少一项:脑灌注压、血管壁紧张度、脑血流-脑脊液搏动耦合、脑顺应性、动态自动调节、脑灌注储备、脑血管阻力、氧饱和度、血红蛋白浓度、心脏输出、心博量、大脑活动、心脏活动、或其组合。
6.如权利要求1所述的系统,其中,所述计算机进一步被编程用于控制所述光学处理系统使用小于心动循环周期的积分时间来生成DCS数据。
7.如权利要求1所述的系统,其中,所述计算机进一步被编程用于计算临界闭合压以便估计所述颅内压。
8.如权利要求1所述的系统,其中,所述计算机进一步被编程用于对在多个心动周期上采集到的DCS数据进行组合,所述DCS数据是在每个心动周期的一部分期间采集到的。
9.如权利要求1所述的系统,其中,所述计算机进一步被配置用于使用所估计的颅内压来确定所施用治疗的有效性。
10.如权利要求1所述的系统,其中,所述计算机进一步被配置用于基于所估计的颅内压来确定所述受测者的状况。
11.一种用于使用监测系统来无创监测颅内压的方法,所述方法包括:
使用围绕受测者放置的一个或多个光学传感器以大于所述受测者的脑血流搏动频率的时间分辨率来采集漫射关联能谱(DCS)数据;
使用所采集到的数据来确定搏动脑血流;
将所确定的搏动脑血流与从所述受测者采集到的生理数据进行关联;
基于所述关联对颅内压进行估计;以及
生成指示所估计的颅内压的报告。
12.如权利要求11所述的方法,其中,所述一个或多个光学传感器包括DCS传感器和近红外光谱(NIRS)传感器。
13.如权利要求11所述的方法,其中,所述方法进一步包括:使用围绕所述受测者放置的一个或多个生理传感器从所述受测者采集所述生理数据。
14.如权利要求12所述的方法,其中,所述生理数据包括以下各项中的至少一项:心电图(ECG)数据、脑电图(EEG)数据、近红外光谱(NIRS)数据、血压数据、呼吸数据、血红蛋白数据、脉搏血氧饱和度数据、或其组合。
15.如权利要求11所述的方法,其中,所述方法进一步包括:使用所述DCS数据和生理数据来确定以下各项中的至少一项:脑灌注压、血管壁紧张度、脑血流-脑脊液搏动耦合、脑顺应性、动态自动调节、脑灌注储备、脑血管阻力、氧饱和度、血红蛋白浓度、心脏输出、心博量、大脑活动、心脏活动、或其组合。
16.如权利要求11所述的方法,其中,所述方法进一步包括:控制光学处理系统使用小于心动循环周期的积分时间来生成DCS数据。
17.如权利要求11所述的方法,其中,所述方法进一步包括:计算临界闭合压以便估计所述颅内压。
18.如权利要求11所述的方法,其中,所述方法进一步包括:对在多个心动周期上采集到的DCS数据进行组合,所述DCS数据是在每个心动周期的一部分期间采集到的。
19.如权利要求11所述的方法,其中,所述方法进一步包括:使用所估计的颅内压来确定所施用治疗的有效性。
20.如权利要求11所述的方法,其中,所述方法进一步包括:基于所估计的颅内压来确定所述受测者的状况。
21.一种用于使用监测系统来无创监测受测者的方法,所述方法包括:
使用围绕受测者放置的一个或多个光学传感器以大于所述受测者的脑血流搏动频率的时间分辨率来采集漫射关联能谱(DCS)数据;
使用所采集到的数据来确定搏动脑血流;
将所确定的搏动脑血流与使用生理传感器从所述受测者采集到的生理数据进行关联;
基于所述关联对至少一个参数进行估计;以及
生成指示所估计的至少一个参数的报告。
22.如权利要求21所述的方法,其中,所述至少一个参数包括以下各项中的至少一项:颅内压、脑灌注压、血管壁紧张度、脑血流-脑脊液搏动耦合、脑顺应性、动态自动调节、脑灌注储备、脑血管阻力、氧饱和度、血红蛋白浓度、心脏输出、心博量、大脑活动、心脏活动、或其组合。
23.如权利要求21所述的方法,其中,对所述至少一个参数进行估计包括:分析搏动压力-流量关系曲线。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201562145087P | 2015-04-09 | 2015-04-09 | |
US62/145,087 | 2015-04-09 | ||
PCT/US2016/026920 WO2016164891A1 (en) | 2015-04-09 | 2016-04-11 | System and method for non-invasively monitoring intracranial pressure |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107613858A true CN107613858A (zh) | 2018-01-19 |
Family
ID=57072174
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680032216.3A Pending CN107613851A (zh) | 2015-04-09 | 2016-04-11 | 用于监测绝对血流量的系统和方法 |
CN201680032059.6A Pending CN107613858A (zh) | 2015-04-09 | 2016-04-11 | 用于无创监测颅内压的系统和方法 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680032216.3A Pending CN107613851A (zh) | 2015-04-09 | 2016-04-11 | 用于监测绝对血流量的系统和方法 |
Country Status (4)
Country | Link |
---|---|
US (3) | US11395602B2 (zh) |
JP (2) | JP6786517B2 (zh) |
CN (2) | CN107613851A (zh) |
WO (2) | WO2016164894A1 (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108670240A (zh) * | 2018-06-15 | 2018-10-19 | 中国工程物理研究院流体物理研究所 | 测量生物组织血容量、血氧、血流及氧代谢的装置和方法 |
CN110403631A (zh) * | 2018-11-23 | 2019-11-05 | 首都医科大学附属北京同仁医院 | 一种基于连续超声图像的无创颅内压测量方法 |
CN110786843A (zh) * | 2019-10-24 | 2020-02-14 | 中国工程物理研究院流体物理研究所 | 一种颅内压的无创光学测量方法 |
CN113288102A (zh) * | 2021-06-11 | 2021-08-24 | 中国人民解放军陆军军医大学 | 一种无创监测脑血流的系统 |
CN114642860A (zh) * | 2022-02-16 | 2022-06-21 | 四川大学华西医院 | 大脑锻炼装置 |
CN115040100A (zh) * | 2022-06-14 | 2022-09-13 | 安影科技(北京)有限公司 | 一种视神经血流灌注数值快速采集方法 |
Families Citing this family (68)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7880626B2 (en) | 2006-10-12 | 2011-02-01 | Masimo Corporation | System and method for monitoring the life of a physiological sensor |
US8571619B2 (en) * | 2009-05-20 | 2013-10-29 | Masimo Corporation | Hemoglobin display and patient treatment |
WO2014210588A1 (en) * | 2013-06-28 | 2014-12-31 | North Carolina State University | Systems and methods for determining sleep patterns and circadian rhythms |
JP6785446B2 (ja) * | 2016-04-14 | 2020-11-18 | パナソニックIpマネジメント株式会社 | 生体信号計測システム |
US10791981B2 (en) * | 2016-06-06 | 2020-10-06 | S Square Detect Medical Devices | Neuro attack prevention system, method, and apparatus |
US11166643B2 (en) * | 2016-06-07 | 2021-11-09 | Michael F. O'Rourke | Non-invasive method of estimating intra-cranial pressure (ICP) |
US20180249911A1 (en) * | 2017-03-03 | 2018-09-06 | Canon Usa Inc. | Diffusing wave spectroscopy apparatus and control method therefor |
US20180256161A1 (en) * | 2017-03-08 | 2018-09-13 | Covidien Lp | Surgical instruments including sensors |
US10687811B2 (en) | 2017-03-08 | 2020-06-23 | Covidien Lp | Surgical instruments including sensors |
US10258268B2 (en) | 2017-04-25 | 2019-04-16 | Trustees Of Boston University | High-speed tissue oximetry system employing fast digital diffuse optical spectroscopy |
CN111213049B (zh) * | 2017-12-13 | 2023-08-04 | 松下知识产权经营株式会社 | 光感测装置 |
CN111770740A (zh) | 2018-01-08 | 2020-10-13 | 维沃尼克斯股份有限公司 | 用于冷却人体的大脑的系统和方法 |
JP7090460B2 (ja) * | 2018-04-18 | 2022-06-24 | キヤノン株式会社 | 生体情報の測定装置及びプログラム |
US11096585B2 (en) | 2018-05-04 | 2021-08-24 | Hi Llc | Non-invasive optical measurement system and method for neural decoding |
US10340408B1 (en) | 2018-05-17 | 2019-07-02 | Hi Llc | Non-invasive wearable brain interface systems including a headgear and a plurality of self-contained photodetector units configured to removably attach to the headgear |
CN110575311A (zh) * | 2018-06-08 | 2019-12-17 | 苏州工艺美术职业技术学院 | 一种带提示器的止血绷带 |
US10420498B1 (en) | 2018-06-20 | 2019-09-24 | Hi Llc | Spatial and temporal-based diffusive correlation spectroscopy systems and methods |
US11213206B2 (en) | 2018-07-17 | 2022-01-04 | Hi Llc | Non-invasive measurement systems with single-photon counting camera |
EP3622882A1 (en) | 2018-09-14 | 2020-03-18 | Fundació Institut de Ciències Fotòniques | System and computer-implemented method for detecting and categorizing pathologies through an analysis of pulsatile blood flow |
US10932673B2 (en) * | 2018-10-19 | 2021-03-02 | Covidien Lp | Non-cerebral organ autoregulation status determination |
CN109157208A (zh) * | 2018-10-26 | 2019-01-08 | 天津大学 | 近红外扩散相关光谱血流指数拓扑成像装置及其成像方法 |
EP3937768A4 (en) * | 2019-03-11 | 2022-12-07 | Pedra Technology Pte Ltd | SYSTEMS AND METHODS FOR DELIVERING REAL-TIME PERFUSION-GUIDED TARGETS FOR PERIPHERAL PROCEDURES |
SG11202110731UA (en) * | 2019-03-28 | 2021-10-28 | Agency Science Tech & Res | Apparatus and method for non-invasively measuring blood flow in a deep tissue |
JP7259081B2 (ja) * | 2019-04-10 | 2023-04-17 | コーニンクレッカ フィリップス エヌ ヴェ | 頭蓋内血圧の推定方法および装置 |
WO2020209688A1 (ko) * | 2019-04-12 | 2020-10-15 | 한국과학기술원 | 머신 러닝을 이용하여 머리에 관한 생체 정보를 추정하기 위한 방법, 시스템 및 비일시성의 컴퓨터 판독 가능한 기록 매체 |
EP3966590A1 (en) | 2019-05-06 | 2022-03-16 | Hi LLC | Photodetector architectures for time-correlated single photon counting |
WO2020231532A1 (en) * | 2019-05-16 | 2020-11-19 | University Of Pittsburgh - Of The Commonwealth System Of Higher Education | Systems and methods for monitoring intracranial compliance |
WO2020236371A1 (en) | 2019-05-21 | 2020-11-26 | Hi Llc | Photodetector architectures for efficient fast-gating |
EP3980849A1 (en) | 2019-06-06 | 2022-04-13 | Hi LLC | Photodetector systems with low-power time-to-digital converter architectures |
GB201916782D0 (en) * | 2019-11-18 | 2020-01-01 | City Univ Of London | Monitoring system |
EP4084678A4 (en) | 2020-01-03 | 2023-11-01 | Vivonics, Inc. | SYSTEM AND METHOD FOR NON-INVASIVE DETERMINATION OF AN INDICATION AND/OR ASSESSMENT OF INTRACRANIAL PRESSURE |
US11630310B2 (en) | 2020-02-21 | 2023-04-18 | Hi Llc | Wearable devices and wearable assemblies with adjustable positioning for use in an optical measurement system |
WO2021167893A1 (en) | 2020-02-21 | 2021-08-26 | Hi Llc | Integrated detector assemblies for a wearable module of an optical measurement system |
US11096620B1 (en) | 2020-02-21 | 2021-08-24 | Hi Llc | Wearable module assemblies for an optical measurement system |
US11883181B2 (en) | 2020-02-21 | 2024-01-30 | Hi Llc | Multimodal wearable measurement systems and methods |
US11515014B2 (en) | 2020-02-21 | 2022-11-29 | Hi Llc | Methods and systems for initiating and conducting a customized computer-enabled brain research study |
US11950879B2 (en) | 2020-02-21 | 2024-04-09 | Hi Llc | Estimation of source-detector separation in an optical measurement system |
US11969259B2 (en) | 2020-02-21 | 2024-04-30 | Hi Llc | Detector assemblies for a wearable module of an optical measurement system and including spring-loaded light-receiving members |
CN111358473A (zh) * | 2020-03-17 | 2020-07-03 | 北京工业大学 | 一种基于近红外光谱的组织血流血氧成像装置及方法 |
US11877825B2 (en) | 2020-03-20 | 2024-01-23 | Hi Llc | Device enumeration in an optical measurement system |
US11187575B2 (en) | 2020-03-20 | 2021-11-30 | Hi Llc | High density optical measurement systems with minimal number of light sources |
WO2021188485A1 (en) | 2020-03-20 | 2021-09-23 | Hi Llc | Maintaining consistent photodetector sensitivity in an optical measurement system |
US11857348B2 (en) | 2020-03-20 | 2024-01-02 | Hi Llc | Techniques for determining a timing uncertainty of a component of an optical measurement system |
US11864867B2 (en) | 2020-03-20 | 2024-01-09 | Hi Llc | Control circuit for a light source in an optical measurement system by applying voltage with a first polarity to start an emission of a light pulse and applying voltage with a second polarity to stop the emission of the light pulse |
US11245404B2 (en) | 2020-03-20 | 2022-02-08 | Hi Llc | Phase lock loop circuit based signal generation in an optical measurement system |
WO2021188486A1 (en) | 2020-03-20 | 2021-09-23 | Hi Llc | Phase lock loop circuit based adjustment of a measurement time window in an optical measurement system |
US11607132B2 (en) | 2020-03-20 | 2023-03-21 | Hi Llc | Temporal resolution control for temporal point spread function generation in an optical measurement system |
US20210290170A1 (en) * | 2020-03-20 | 2021-09-23 | Hi Llc | Detection of Motion Artifacts in Signals Output by Detectors of a Wearable Optical Measurement System |
US11903676B2 (en) | 2020-03-20 | 2024-02-20 | Hi Llc | Photodetector calibration of an optical measurement system |
US11941857B2 (en) | 2020-05-26 | 2024-03-26 | Hi Llc | Systems and methods for data representation in an optical measurement system |
CN111820886B (zh) * | 2020-06-24 | 2021-09-10 | 浙江大学 | 一种基于摩擦生电技术的血管痉挛监测装置 |
US11789533B2 (en) | 2020-09-22 | 2023-10-17 | Hi Llc | Synchronization between brain interface system and extended reality system |
CN112587118B (zh) * | 2020-12-11 | 2023-02-28 | 北京工业大学 | 一种基于深度学习的扩散相关光谱血流量化方法 |
US11452470B2 (en) | 2021-01-06 | 2022-09-27 | Hi Llc | Devices, systems, and methods using wearable time domain-based activity tracker |
US11612808B2 (en) | 2021-02-26 | 2023-03-28 | Hi Llc | Brain activity tracking during electronic gaming |
US11839471B2 (en) | 2021-03-23 | 2023-12-12 | Covidien Lp | Autoregulation monitoring using deep learning |
CN113243898B (zh) * | 2021-05-14 | 2022-10-25 | 苏州爱琴生物医疗电子有限公司 | 一种脑卒中数据处理设备及方法 |
JP2024519374A (ja) * | 2021-05-18 | 2024-05-10 | エドワーズ ライフサイエンシーズ コーポレイション | 組織オキシメトリおよび血圧を使用する自己調節システムおよび方法 |
US11543885B2 (en) | 2021-05-26 | 2023-01-03 | Hi Llc | Graphical emotion symbol determination based on brain measurement data for use during an electronic messaging session |
EP4337095A1 (en) * | 2021-07-06 | 2024-03-20 | Edwards Lifesciences Corporation | Method and apparatus for non-invasively measuring blood circulatory hemoglobin accounting for hemodynamic confounders |
WO2023288094A1 (en) * | 2021-07-15 | 2023-01-19 | The Regents Of The University Of California | Portable device for quantitative measurement of tissue autoregulation and neurovascular coupling using eeg, metabolism, and blood flow diagnostics |
CA3237169A1 (en) * | 2021-08-11 | 2023-02-16 | Luciole Medical AG | Methods and apparatus for measuring absolute concentration values of components, blood flow and blood volume in a tissue |
WO2023049529A1 (en) * | 2021-09-27 | 2023-03-30 | Liminal Sciences, Inc. | Techniques of measuring brain intracranial pressure, intracranial elastance, and arterial blood pressure |
WO2023069578A1 (en) * | 2021-10-20 | 2023-04-27 | The Children's Hospital Of Philadelphia | Optical diagnosis of shunt failure in pediatric hydrocephalus |
US20230218238A1 (en) * | 2022-01-07 | 2023-07-13 | Mayo Foundation For Medical Education And Research | Noninvasive methods for quantifying and monitoring liver disease severity |
CN114469043A (zh) * | 2022-01-26 | 2022-05-13 | 北京工业大学 | 一种基于fpga的组织血流检测装置及方法 |
CN114246573A (zh) * | 2022-02-16 | 2022-03-29 | 海脉医疗科技(天津)有限公司 | 一种漫射光相关谱血流测量的实时计算方法 |
WO2023245149A2 (en) * | 2022-06-15 | 2023-12-21 | The General Hospital Corporation | System for and method of measuring blood pressure non-invasively with light |
Family Cites Families (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1026553C (zh) * | 1990-03-15 | 1994-11-16 | 复旦大学 | 脑血管动力学参数的检测分析方法及仪器 |
CA2428872C (en) | 2000-11-28 | 2013-01-08 | Allez Physionix Limited | Systems and methods for making non-invasive physiological assessments |
US7547283B2 (en) * | 2000-11-28 | 2009-06-16 | Physiosonics, Inc. | Methods for determining intracranial pressure non-invasively |
WO2007097702A1 (en) * | 2006-02-21 | 2007-08-30 | Lindberg Lars-Goeran | Non-invasive monitoring of blood flow in deep tissue |
WO2007109124A2 (en) * | 2006-03-16 | 2007-09-27 | The Trustees Of Boston University | Electro-optical sensor for peripheral nerves |
US10010277B2 (en) | 2006-06-22 | 2018-07-03 | The General Hospital Corporation | Cancer detection by optical measurement of compression-induced transients |
JP5683946B2 (ja) * | 2007-04-10 | 2015-03-11 | ユニヴァーシティー オブ サザン カリフォルニア | ドップラー光コヒーレンス・トモグラフィを用いた血流測定のための方法とシステム |
WO2009005748A1 (en) * | 2007-06-29 | 2009-01-08 | The Trustees Of Columbia University In The City Ofnew York | Optical imaging or spectroscopy systems and methods |
US8277385B2 (en) * | 2009-02-04 | 2012-10-02 | Advanced Brain Monitoring, Inc. | Method and apparatus for non-invasive assessment of hemodynamic and functional state of the brain |
KR101034798B1 (ko) | 2009-03-18 | 2011-05-17 | 한국과학기술연구원 | 뇌 상태 측정 장치 |
KR101008041B1 (ko) | 2009-07-17 | 2011-01-13 | 한국과학기술원 | 근적외선 분광과 기능자기공명영상의 동시측정을 이용하여 과탄산혈증 단계없이 뇌혈류량 및 뇌산소대사량을 측정하는 시스템 및 그 방법 |
CN201564473U (zh) * | 2009-12-31 | 2010-09-01 | 重庆大学 | 无创颅内压检测装置 |
ES2907933T3 (es) * | 2010-07-09 | 2022-04-27 | Sensitive Pty Ltd | Medición no invasiva de la saturación de oxígeno en sangre |
US9636025B2 (en) * | 2012-08-15 | 2017-05-02 | Nanyang Technological University | Systems and methods for pedal revascularization assessment |
US11206990B2 (en) * | 2013-01-23 | 2021-12-28 | Pedra Technology Pte Ltd | Deep tissue flowmetry using diffuse speckle contrast analysis |
JP2016520374A (ja) | 2013-04-23 | 2016-07-14 | ザ ジェネラル ホスピタル コーポレイション | 脳波図および光学的撮像を使用して脳の代謝および活動を監視するためのシステムおよび方法 |
KR102383056B1 (ko) * | 2013-08-14 | 2022-04-05 | 페드라 테크놀로지 피티이 엘티디 | 혈관재생 평가를 위한 시스템 및 방법 |
WO2015109005A1 (en) * | 2014-01-14 | 2015-07-23 | Canon U.S.A., Inc. | Near-infrared spectroscopy and diffuse correlation spectroscopy device and methods |
US20170007132A1 (en) * | 2014-03-02 | 2017-01-12 | Drexel University | Methods and systems for assessing peripheral arterial function |
-
2016
- 2016-04-11 WO PCT/US2016/026925 patent/WO2016164894A1/en active Application Filing
- 2016-04-11 WO PCT/US2016/026920 patent/WO2016164891A1/en active Application Filing
- 2016-04-11 CN CN201680032216.3A patent/CN107613851A/zh active Pending
- 2016-04-11 CN CN201680032059.6A patent/CN107613858A/zh active Pending
- 2016-04-11 JP JP2017552842A patent/JP6786517B2/ja active Active
- 2016-04-11 US US15/564,686 patent/US11395602B2/en active Active
- 2016-04-11 US US15/565,044 patent/US11089972B2/en active Active
- 2016-04-11 JP JP2017552841A patent/JP6837990B2/ja active Active
-
2022
- 2022-06-21 US US17/844,958 patent/US11723547B2/en active Active
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108670240A (zh) * | 2018-06-15 | 2018-10-19 | 中国工程物理研究院流体物理研究所 | 测量生物组织血容量、血氧、血流及氧代谢的装置和方法 |
CN108670240B (zh) * | 2018-06-15 | 2023-11-28 | 中国工程物理研究院流体物理研究所 | 测量生物组织血容量、血氧、血流及氧代谢的装置和方法 |
CN110403631A (zh) * | 2018-11-23 | 2019-11-05 | 首都医科大学附属北京同仁医院 | 一种基于连续超声图像的无创颅内压测量方法 |
CN110403631B (zh) * | 2018-11-23 | 2021-09-24 | 首都医科大学附属北京同仁医院 | 一种基于连续超声图像的无创颅内压测量方法 |
CN110786843A (zh) * | 2019-10-24 | 2020-02-14 | 中国工程物理研究院流体物理研究所 | 一种颅内压的无创光学测量方法 |
CN113288102A (zh) * | 2021-06-11 | 2021-08-24 | 中国人民解放军陆军军医大学 | 一种无创监测脑血流的系统 |
CN113288102B (zh) * | 2021-06-11 | 2022-07-15 | 中国人民解放军陆军军医大学 | 一种无创监测脑血流的系统 |
CN114642860A (zh) * | 2022-02-16 | 2022-06-21 | 四川大学华西医院 | 大脑锻炼装置 |
CN114642860B (zh) * | 2022-02-16 | 2023-12-05 | 四川大学华西医院 | 大脑锻炼装置 |
CN115040100A (zh) * | 2022-06-14 | 2022-09-13 | 安影科技(北京)有限公司 | 一种视神经血流灌注数值快速采集方法 |
CN115040100B (zh) * | 2022-06-14 | 2023-10-27 | 安影科技(北京)有限公司 | 一种视神经血流灌注数值快速采集方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107613851A (zh) | 2018-01-19 |
JP6786517B2 (ja) | 2020-11-18 |
JP2018517443A (ja) | 2018-07-05 |
US11723547B2 (en) | 2023-08-15 |
JP6837990B2 (ja) | 2021-03-03 |
US11089972B2 (en) | 2021-08-17 |
JP2018510726A (ja) | 2018-04-19 |
US20180070831A1 (en) | 2018-03-15 |
US11395602B2 (en) | 2022-07-26 |
WO2016164894A1 (en) | 2016-10-13 |
US20220361764A1 (en) | 2022-11-17 |
WO2016164891A1 (en) | 2016-10-13 |
US20180103861A1 (en) | 2018-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107613858A (zh) | 用于无创监测颅内压的系统和方法 | |
Wang et al. | Fast blood flow monitoring in deep tissues with real-time software correlators | |
JP6783863B2 (ja) | 血行管理のためのマルチサイト連続超音波流量測定 | |
Wu et al. | Validation of diffuse correlation spectroscopy measures of critical closing pressure against transcranial Doppler ultrasound in stroke patients | |
US20170258344A1 (en) | Device and method for measurement of intracranial pressure | |
Khan et al. | Proof of concept non-invasive estimation of peripheral venous oxygen saturation | |
JP2008516719A (ja) | Dvt検出 | |
Zhang et al. | Technology development for simultaneous wearable monitoring of cerebral hemodynamics and blood pressure | |
Şentürk et al. | Towards wearable blood pressure measurement systems from biosignals: a review | |
Budidha et al. | Investigation of pulse transit times utilizing multisite reflectance photoplethysmography under conditions of artificially induced peripheral vasoconstriction | |
Zienkiewicz | Blood pressure estimation using pulse transit time models | |
Wu et al. | Enhancing diffuse correlation spectroscopy pulsatile cerebral blood flow signal with near-infrared spectroscopy photoplethysmography | |
AU2022200850B2 (en) | Ultrasound-guided optoacoustic monitoring of oxygen saturation | |
Sangurmath et al. | Application of photoplethysmography in blood flow measurement | |
Johnson et al. | A Review of Photoplethysmography-based Physiological Measurement and Estimation, Part 1: Single Input Methods | |
Yang et al. | Cerebrovascular impedance estimation with near-infrared and diffuse correlation spectroscopy | |
Pluciński et al. | Influence of pulse waves on the transmission of near-infrared radiation in outer-head tissue layers | |
Wu et al. | Critical closing pressure measured in stroke patients with diffuse correlation spectroscopy and transcranial Doppler ultrasound | |
Tiloca | A machine learning approach for non-invasive blood pressure estimation | |
Cloete et al. | Development and testing of an artificial arterial and venous pulse oximeter | |
Tiloca et al. | A random tree based algorithm for blood pressure estimation | |
Figini | Development of a cuff-less Blood monitoring device | |
Wu | Critical closing pressure with pulsatile diffuse optical signals | |
Baker et al. | Diffuse Optical Biomarkers of Elevated Intracranial Pressure in Hydrocephalus | |
WO2023031927A1 (en) | Wearable physiological monitoring system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20180119 |