CN113940671A - 一种基于近红外光谱的深层组织血氧饱和度计算方法 - Google Patents

一种基于近红外光谱的深层组织血氧饱和度计算方法 Download PDF

Info

Publication number
CN113940671A
CN113940671A CN202111205240.1A CN202111205240A CN113940671A CN 113940671 A CN113940671 A CN 113940671A CN 202111205240 A CN202111205240 A CN 202111205240A CN 113940671 A CN113940671 A CN 113940671A
Authority
CN
China
Prior art keywords
oxygen saturation
deep tissue
calculating
blood oxygen
signal
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.)
Granted
Application number
CN202111205240.1A
Other languages
English (en)
Other versions
CN113940671B (zh
Inventor
周小东
王崇宝
肖禾
胡俊杰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Icaretech Healthcare Co ltd
Original Assignee
Icaretech Healthcare Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Icaretech Healthcare Co ltd filed Critical Icaretech Healthcare Co ltd
Priority to CN202111205240.1A priority Critical patent/CN113940671B/zh
Publication of CN113940671A publication Critical patent/CN113940671A/zh
Application granted granted Critical
Publication of CN113940671B publication Critical patent/CN113940671B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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 or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue
    • A61B5/1455—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using optical sensors, e.g. spectral photometrical oximeters
    • A61B5/14551—Measuring characteristics of blood in vivo, e.g. gas concentration or pH-value ; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid or cerebral tissue using optical sensors, e.g. spectral photometrical oximeters for measuring blood gases
    • 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
    • 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
    • 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
    • A61B5/725—Details of waveform analysis using specific filters therefor, e.g. Kalman or adaptive filters

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Animal Behavior & Ethology (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Public Health (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • General Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Optics & Photonics (AREA)
  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)

Abstract

本发明公开了一种基于近红外光谱的深层组织血氧饱和度计算方法，包括以下步骤：S1：分别计算波长λ1、λ2下的空间差分光密度ΔOD(t,λ1)和ΔOD(t,λ2)；S2：对近端红外光信号进行带通滤波，得到信号Y；S3：对所述信号Y做自相关得到信号H；S4：对所述H信号做N点FFT变换，并得到最大能量点索引值index；S5：对步骤S1得到的ΔOD(t,λ1)和ΔOD(t,λ2)信号分别做N点FFT变换，并在频域取所述index处的幅度值，分别记为M1和M2；S6：计算吸收系数比，并根据所述吸收系数比计算深层组织动脉血氧饱和度；S7：利用SRS方法计算混合氧饱和度；S8：根据所述混合氧饱和度和所述深层组织动脉血氧饱和度计算深层组织静脉血氧饱和度。本发明能够无创连续监测深层组织的血氧饱和度，为监护治疗提供技术支持。

Description

一种基于近红外光谱的深层组织血氧饱和度计算方法
技术领域
本发明涉及血氧饱和度测试技术领域，特别涉及一种基于近红外光谱的深层组织血氧饱和度计算方法。
背景技术
氧代谢理论的提出将氧作为敏感的检测指标对整体病情的变化及治疗的效果进行定量监测，大大提高了对病情的理解程度及治疗的准确性。
然而，对于缺氧，临床上往往会首先想到动脉血的氧分压和氧饱和度。但动脉血气仅能反映肺部同期换气及动脉血的氧和情况，并不能反映局部组织的氧供和氧耗情况。而传统的静脉血氧饱和度监测通常需要静脉穿刺或插管，采用光谱对比方法得到。该方法具有成本高，有创，不能连续监测的缺点。因此，临床上局部组织的动静脉血液的氧饱和度监测对监护治疗具有重要意义。
发明内容
针对上述问题，本发明旨在提供一种基于近红外光谱的深层组织血氧饱和度计算方法。
本发明的技术方案如下：
一种基于近红外光谱的深层组织血氧饱和度计算方法，包括以下步骤：
S1：分别计算波长λ1和波长λ2下的空间差分光密度ΔOD(t,λ1)和ΔOD(t,λ2)；
S2：对近端红外光信号进行带通滤波，得到信号Y；
S3：对所述信号Y做自相关得到信号H；
S4：对所述H信号做N点FFT变换，并得到最大能量点索引值index；
S5：对步骤S1得到的ΔOD(t,λ1)和ΔOD(t,λ2)信号分别做N点FFT变换，并在频域取所述最大能量点索引值index处的幅度值，分别记为M1和M2；
S6：计算吸收系数比，并根据所述吸收系数比计算深层组织动脉血氧饱和度。
作为优选，步骤S1中，所述ΔOD(t,λ1)和所述ΔOD(t,λ2)分别通过下式进行计算：
Figure BDA0003306627810000011
Figure BDA0003306627810000012
式中：ΔOD(t,λ1)为波长λ1下的空间差分光密度；ΔOD(t,λ2)为波长λ2下的空间差分光密度；
Figure BDA0003306627810000021
为波长λ1下近端光强度；
Figure BDA0003306627810000022
为波长λ1下远端光强度；
Figure BDA0003306627810000023
为波长λ2下近端光强度；
Figure BDA0003306627810000024
为波长λ2下远端光强度。
作为优选，步骤S2中，进行带通滤波时，滤波器频带为0.5-4Hz。
作为优选，步骤S6中，所述吸收系数比通过下式进行计算：
Figure BDA0003306627810000025
式中：R为吸收系数比；M1为ΔOD(t,λ1)信号做N点FFT变换后在频域index处的幅度值；M2为ΔOD(t,λ2)信号做N点FFT变换后在频域index处的幅度值。
作为优选，步骤S6中，所述深层组织动脉血氧饱和度通过下式进行计算：
SaO2＝a*R+b (4)
式中：SaO2为深层组织动脉血氧饱和度；a、b分别为临床经验系数。
作为优选，还包括以下步骤：
S7：利用SRS方法计算混合氧饱和度；
S8：根据所述混合氧饱和度和所述深层组织动脉血氧饱和度计算深层组织静脉血氧饱和度。
作为优选，步骤S8中，所述深层组织静脉血氧饱和度通过下式进行计算：
SvO2＝(rSO2-α*SaO2)/(1-α) (5)
式中：SvO2为深层组织静脉血氧饱和度；rSO2为深层组织混合氧饱和度；α为混合氧饱和度中动脉血氧饱和度的占比系数。
作为优选，所述混合氧饱和度中动脉血氧饱和度的占比系数取值范围为0.25-0.3。
本发明的有益效果是：
本发明利用红外光谱技术，结合空间差分血氧技术及动脉血氧计算原理，能够无创连续监测深层组织的动脉和静脉血氧饱和度，为临床局部组织的动静脉血液的氧饱和度监测提供技术支持。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本发明一个具体实施例人体在平静状态下，采集30s人体前额数据结果示意图；
图2为本发明一个具体实施例红光和红外光ΔOD的计算结果示意图；
图3为本发明一个具体实施例做带通滤波得到信号Y的结果示意图；
图4为本发明一个具体实施例做自相关得到信号H的结果示意图；
图5为本发明一个具体实施例对信号H做N点FFT变换的结果示意图；
图6为本发明一个具体实施例对ΔOD(t,λ1)、ΔOD(t,λ2)信号做N点FFT变换的结果示意图。
具体实施方式
下面结合附图和实施例对本发明进一步说明。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的技术特征可以相互结合。需要指出的是，除非另有指明，本申请使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。本发明公开使用的“包括”或者“包含”等类似的词语意指出现该词前面的元件或者物件涵盖出现在该词后面列举的元件或者物件及其等同，而不排除其他元件或者物件。
本发明提供一种基于近红外光谱的深层组织血氧饱和度计算方法，包括以下步骤：
S1：分别计算波长λ1和波长λ2下的空间差分光密度ΔOD(t,λ1)和ΔOD(t,λ2)；
在一个具体的实施例中，所述ΔOD(t,λ1)和所述ΔOD(t,λ2)分别通过下式进行计算：
Figure BDA0003306627810000031
Figure BDA0003306627810000032
式中：ΔOD(t,λ1)为波长λ1下的空间差分光密度；ΔOD(t,λ2)为波长λ2下的空间差分光密度；
Figure BDA0003306627810000033
为波长λ1下近端光强度；
Figure BDA0003306627810000034
为波长λ1下远端光强度；
Figure BDA0003306627810000035
为波长λ2下近端光强度；
Figure BDA0003306627810000036
为波长λ2下远端光强度。
S2：对近端红外光信号进行带通滤波，得到信号Y；
在一个具体的实施例中，进行带通滤波时，滤波器频带为0.5-4Hz。
S3：对所述信号Y做自相关得到信号H；
S4：对所述H信号做N点FFT变换，并得到最大能量点索引值index；
S5：对步骤S1得到的ΔOD(t,λ1)和ΔOD(t,λ2)信号分别做N点FFT变换，并在频域取所述最大能量点索引值index处的幅度值，分别记为M1和M2；
S6：计算吸收系数比，并根据所述吸收系数比计算深层组织动脉血氧饱和度。
在一个具体的实施例中，所述吸收系数比通过下式进行计算：
Figure BDA0003306627810000037
式中：R为吸收系数比；M1为ΔOD(t,λ1)信号做N点FFT变换后在频域index处的幅度值；M2为ΔOD(t,λ2)信号做N点FFT变换后在频域index处的幅度值。
所述深层组织动脉血氧饱和度通过下式进行计算：
SaO2＝a*R+b (4)
式中：SaO2为深层组织动脉血氧饱和度；a、b分别为临床经验系数。
在一个具体的实施例中，本发明所述的基于近红外光谱的深层组织血氧饱和度计算方法还包括以下步骤：
S7：利用SRS方法计算混合氧饱和度；
S8：根据所述混合氧饱和度和所述深层组织动脉血氧饱和度计算深层组织静脉血氧饱和度，所述深层组织静脉血氧饱和度通过下式进行计算：
SvO2＝(rSO2-α*SaO2)/(1-α) (5)
式中：SvO2为深层组织静脉血氧饱和度；rSO2为深层组织混合氧饱和度；α为混合氧饱和度中动脉血氧饱和度的占比系数。
在一个具体的实施例中，所述混合氧饱和度中动脉血氧饱和度的占比系数取值范围为0.25-0.3。可选地，所述占比系数取值为0.25或0.3。
需要说明的是，本发明的步骤中，对信号做自相关、N点FFT变换，以及利用SRS方法计算混合氧饱和度均为现有技术，具体步骤在此不再赘述。
本发明的基本原理主要是基于血氧监测探头，所述血氧监测探头由一个两波长LED灯和距离LED分别r1和r2(r2>r1)远的两个光接收器组成，LED和两个光接收器位于同一平面同一直线上。LED分时发出波长分别为λ1和λ2的光，远近两个光接收器分时分别得到两种波长的信号。需要说明的是，所述血氧监测探头可使用本公司发明的多通道组织血氧检测探头，也可采用现有技术中其他具有上述结构的血氧监测探头。
血液(动脉、静脉和毛细血管)中，主要的吸收物质为Hb和HbO2，定义吸光系数为μa(λ)：
Figure BDA0003306627810000041
式中：εHbO2和εHb分别为氧合血红蛋白和还原血红蛋白在波长处的吸光系数；CHbO2和CHb分别为氧合血红蛋白和还原血红蛋白的浓度。
则修正的朗伯-比尔定律可以简写为：
OD(t,λ)＝μa(λ)*r*DPFλ+G(λ) (7)
式中：OD(t,λ)为波长λ经过组织反射得到的光密度；r为光接收器与发光点的直线距离；DPFλ为差分路径因子；G(λ)为背景吸收。
远近两个光接收器做空间差分即可得到深层组织的光密度：
ΔOD(t,λ)＝OD2-OD1＝μa(λ)*Δr*DPFλ+ΔG(λ) (8)
动脉血管舒张和收缩会引起光通过血管的长度呈现周期性脉动变化，因此，实际光路由两部分构成：
L＝L0+Lac (9)
式中：L0为没有脉搏时，光通过血管的有效光路；Lac为动脉搏动引起的光路变化量；
由此，公式(8)可重新写为：
ΔOD(t,λ)＝μa(λ)*(L0+Lac)+ΔG(λ) (10)
根据公式(10)可知，μa(λ)即为经过脉搏波(PPG)调制的波幅值，从ΔOD(t,λ)中分离出交流分量即为：
ΔODac(t,λ)＝μa(λ)*Lac (11)
并计算出红光和红外光的幅度比值得到吸收系数比R：
Figure BDA0003306627810000051
由于交流成分由动脉的血管容积周期变化引起，因此该R值能够反映动脉血氧饱和度。
最后根据公式(4)计算得到深层组织动脉血氧饱和度，又因为局部组织的氧饱和度由动脉和静脉混合组成，由此测量到的局部组织氧饱和度结合计算得到的深层组织动脉血氧饱和度即可通过公式(5)计算得到局部组织的静脉氧饱和度。
综上所述，本发明能够通过两个传感器做差分来去除表层头皮血流影响，进而获得深层组织的动脉血氧(不受头皮血流干扰)，结果更加精确。
在一个具体的实施例中，以某人体(该人体在平静状态下，采集30s人体前额数据如图1所示)为例，采用本发明所述的基于近红外光谱的深层组织血氧饱和度计算方法计算该人体的深层组织血氧饱和度，具体包括以下步骤：
(1)根据公式(1)和公式(2)计算得到红光和红外光ΔOD，结果如图2所示。
(2)对其中的红外光信号做带通滤波得到信号Y，结果如图3所示。
(3)以图3前5s的数据为例，对该信号Y做自相关得到信号H，结果如图4所示。
(4)对信号H做N点FFT变换并得到最大幅度点的索引index＝1.074Hz，结果如图5所示。
(5)对步骤(1)得到的ΔOD(t,λ1)和ΔOD(t,λ2)信号分别做N点FFT变换并在频域取index＝1.074Hz处的幅度值，分别记为M1＝0.3042和M2＝0.379，结果如图6所示。
(6)根据公式(3)计算吸收系数比R＝0.8026。
(7)根据临床数据统计得到系数a＝-0.315，b＝1.073，结合公式(4)计算得到深层组织动脉血氧饱和度SaO2＝82.0％。
(8)基于SRS方法计算得到混合氧饱和度rSO2＝67.1％，结合公式(5)计算得到深层组织静脉血氧饱和度SvO2＝62.1％(本实施例中，占比系数α取值为0.25)。
以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，虽然本发明已以较佳实施例揭露如上，然而并非用以限定本发明，任何熟悉本专业的技术人员，在不脱离本发明技术方案范围内，当可利用上述揭示的技术内容作出些许更动或修饰为等同变化的等效实施例，但凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (8)

1.一种基于近红外光谱的深层组织血氧饱和度计算方法，其特征在于，包括以下步骤：
S1：分别计算波长λ1和波长λ2下的空间差分光密度ΔOD(t,λ1)和ΔOD(t,λ2)；
S2：对近端红外光信号
Figure FDA0003306627800000011
进行带通滤波，得到信号Y；
S3：对所述信号Y做自相关得到信号H；
S4：对所述H信号做N点FFT变换，并得到最大能量点索引值index；
S5：对步骤S1得到的ΔOD(t,λ1)和ΔOD(t,λ2)信号分别做N点FFT变换，并在频域取所述最大能量点索引值index处的幅度值，分别记为M1和M2；
S6：计算吸收系数比，并根据所述吸收系数比计算深层组织动脉血氧饱和度。
2.根据权利要求1所述的基于近红外光谱的深层组织血氧饱和度计算方法，其特征在于，步骤S1中，所述ΔOD(t,λ1)和所述ΔOD(t,λ2)分别通过下式进行计算：
Figure FDA0003306627800000012
Figure FDA0003306627800000013
式中：ΔOD(t,λ1)为波长λ1下的空间差分光密度；ΔOD(t,λ2)为波长λ2下的空间差分光密度；
Figure FDA0003306627800000014
为波长λ1下近端光强度；
Figure FDA0003306627800000015
为波长λ1下远端光强度；
Figure FDA0003306627800000016
为波长λ2下近端光强度；
Figure FDA0003306627800000017
为波长λ2下远端光强度。
3.根据权利要求1所述的基于近红外光谱的深层组织血氧饱和度计算方法，其特征在于，步骤S2中，进行带通滤波时，滤波器频带为0.5-4Hz。
4.根据权利要求1所述的基于近红外光谱的深层组织血氧饱和度计算方法，其特征在于，步骤S6中，所述吸收系数比通过下式进行计算：
Figure FDA0003306627800000018
式中：R为吸收系数比；M1为ΔOD(t,λ1)信号做N点FFT变换后在频域index处的幅度值；M2为ΔOD(t,λ2)信号做N点FFT变换后在频域index处的幅度值。
5.根据权利要求4所述的基于近红外光谱的深层组织血氧饱和度计算方法，其特征在于，步骤S6中，所述深层组织动脉血氧饱和度通过下式进行计算：
SaO2＝a*R+b (4)
式中：SaO2为深层组织动脉血氧饱和度；a、b分别为临床经验系数。
6.根据权利要求1-5中任意一项所述的基于近红外光谱的深层组织血氧饱和度计算方法，其特征在于，还包括以下步骤：
S7：利用SRS方法计算混合氧饱和度；
S8：根据所述混合氧饱和度和所述深层组织动脉血氧饱和度计算深层组织静脉血氧饱和度。
7.根据权利要求6所述的基于近红外光谱的深层组织血氧饱和度计算方法，其特征在于，步骤S8中，所述深层组织静脉血氧饱和度通过下式进行计算：
SvO2＝(rSO2-α*SaO2)/(1-α) (5)
式中：SvO2为深层组织静脉血氧饱和度；rSO2为深层组织混合氧饱和度；α为混合氧饱和度中动脉血氧饱和度的占比系数；SaO2为深层组织动脉血氧饱和度。
8.根据权利要求7所述的基于近红外光谱的深层组织血氧饱和度计算方法，其特征在于，所述混合氧饱和度中动脉血氧饱和度的占比系数取值范围为0.25-0.3。
CN202111205240.1A 2021-10-15 2021-10-15 一种基于近红外光谱的深层组织血氧饱和度计算方法 Active CN113940671B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111205240.1A CN113940671B (zh) 2021-10-15 2021-10-15 一种基于近红外光谱的深层组织血氧饱和度计算方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111205240.1A CN113940671B (zh) 2021-10-15 2021-10-15 一种基于近红外光谱的深层组织血氧饱和度计算方法

Publications (2)

Publication Number Publication Date
CN113940671A true CN113940671A (zh) 2022-01-18
CN113940671B CN113940671B (zh) 2024-04-23

Family

ID=79330906

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111205240.1A Active CN113940671B (zh) 2021-10-15 2021-10-15 一种基于近红外光谱的深层组织血氧饱和度计算方法

Country Status (1)

Country Link
CN (1) CN113940671B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114403840A (zh) * 2022-01-20 2022-04-29 雅安市人民医院 一种基于近红外光谱的深层组织灌注度计算方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030163033A1 (en) * 2002-02-22 2003-08-28 Dekker Andreas Lubbertus Aloysius Johannes Apparatus and method for monitoring respiration with a pulse oximeter
US20110270904A1 (en) * 2010-04-30 2011-11-03 Nellcor Puritan Bennett Llc Systems And Methods For Estimating A Wavelet Transform With A Goertzel Technique
CN102715893A (zh) * 2012-06-26 2012-10-10 黑龙江大学 血压与血氧饱和度的同时检测装置及检测方法
CN112137624A (zh) * 2019-06-26 2020-12-29 凤凰电机公司 血氧饱和度的测定方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20030163033A1 (en) * 2002-02-22 2003-08-28 Dekker Andreas Lubbertus Aloysius Johannes Apparatus and method for monitoring respiration with a pulse oximeter
US20110270904A1 (en) * 2010-04-30 2011-11-03 Nellcor Puritan Bennett Llc Systems And Methods For Estimating A Wavelet Transform With A Goertzel Technique
CN102715893A (zh) * 2012-06-26 2012-10-10 黑龙江大学 血压与血氧饱和度的同时检测装置及检测方法
CN112137624A (zh) * 2019-06-26 2020-12-29 凤凰电机公司 血氧饱和度的测定方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114403840A (zh) * 2022-01-20 2022-04-29 雅安市人民医院 一种基于近红外光谱的深层组织灌注度计算方法

Also Published As

Publication number Publication date
CN113940671B (zh) 2024-04-23

Similar Documents

Publication Publication Date Title
US7001337B2 (en) Monitoring physiological parameters based on variations in a photoplethysmographic signal
US6709402B2 (en) Apparatus and method for monitoring respiration with a pulse oximeter
Kamat Pulse oximetry
ES2311028T3 (es) Metodo para procesar una señal y dispositivo para mejorar la relacion señal-ruido.
CA2494030C (en) Method for spectrophotometric blood oxygenation monitoring
US20080208019A1 (en) Modified Pulse Oximetry Technique For Measurement Of Oxygen Saturation In Arterial And Venous Blood
US20080188728A1 (en) Method and Device for Determining the Perfusion of Blood in a Body Member
IL163173A (en) Venous pulse oximetry
Kyriacou et al. The origin of photoplethysmography
CN102512142A (zh) 基于多距测量方法的递归最小二乘自适应滤波近红外脑功能活动信号提取方法
Buchs et al. Right-left correlation of the sympathetically induced fluctuations of photoplethysmographic signal in diabetic and non-diabetic subjects
WO1992021283A1 (en) Optical cerebral oximeter
CN109596552B (zh) 利用单距离光源-探测器对测量组织血氧饱和度的方法
CN108185992B (zh) 一种无创光学脑组织氧代谢的测量方法
CN108577860B (zh) 人体组织血红蛋白浓度指数的近红外无创检测方法
CN113940671B (zh) 一种基于近红外光谱的深层组织血氧饱和度计算方法
Aarthi et al. Fingertip based estimation of heart rate using photoplethysmography
US20090030296A1 (en) Predictive oximetry model and method
CN104739425A (zh) 混合和中央静脉氧饱和度的光学无创检测方法
Fantini et al. Noninvasive optical studies of the brain: Contributions from systemic physiology
Wukitsch Pulse oximetry: historical review and Ohmeda functional analysis
Tanveejul et al. A Study on the Subject and Location Specificity in Reflectance based SpO 2 Estimation using R-value based Calibration Curve
US20180055427A1 (en) Method and Apparatus to Enhance Peripheral Venous Oxygen Measurements
CN114403840A (zh) 一种基于近红外光谱的深层组织灌注度计算方法
Kraitl et al. Optical non-invasive methods for characterization of the human health status

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CP03 Change of name, title or address

Address after: 610200 Chengdu Tianfu International Biotech City, Chengdu, Sichuan Province (No. 1105, 1106, 1107, 1108, 11th Floor, Unit 1, Building 1, No. 9 Huikangheng Road, Shuangliu District)

Patentee after: ICARETECH HEALTHCARE CO.,LTD.

Country or region after: China

Address before: 610000 No. 1001 and 1002, floor 10, building 3, Zone G, Tianfu Software Park, No. 1858, middle section of Yizhou Avenue, Chengdu hi tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan

Patentee before: ICARETECH HEALTHCARE CO.,LTD.

Country or region before: China

CP03 Change of name, title or address