CN117320620A

CN117320620A - 血液稀释探测器

Info

Publication number: CN117320620A
Application number: CN202280036177.XA
Authority: CN
Inventors: C·奥布莱恩; L·什穆洛维奇; S·阿奇勒夫; F·博内塔-米斯特利
Original assignee: University of Washington
Current assignee: University of Washington
Priority date: 2021-03-18
Filing date: 2022-03-18
Publication date: 2023-12-29
Also published as: JP2024511975A; EP4307994A1; CA3214062A1; WO2022198111A1; AU2022239617A1; US20240156355A1

Abstract

公开了用于监测受试者产后出血(PPH)的系统、设备和方法。所公开的系统包括用于监测受试者的外围灌注的激光散斑流量指数传感器，以及用于监测受试者的血管内血红蛋白浓度的多光谱Hb传感器。LSFI(激光散斑流量指数)传感器使用外围皮肤和肌肉组织的激光散斑成像来监测外围灌注。

Description

血液稀释探测器

相关申请交叉引用

本申请主张2021年3月18日提交的编号为63/162,864的美国临时申请的优先权，该申请的全部内容在此纳入作为参考。

联邦政府资助的研究或开发的相关声明

本发明是根据美国国家卫生研究院授予的CA171651，在政府支持下完成的。政府对这项发明拥有某些权利。

纳入参考的材料

不适用。

技术领域

本公开一般地涉及用于无创性监测受试者中血液相关早期指标的系统、设备和方法。

背景技术

定义为出生后24小时内失血1升或更多的产后出血(PPH)是全球孕产妇死亡的主要原因，估计每年有1400万例，导致130,000人死亡。重要的是，PPH已被认为是最可预防的孕产妇死亡原因。导致可预防PPH的主要因素是诊断和治疗的延误。在资源匮乏的环境中，预防PPH尤其重要，在这些环境中，通常具有较低的输血血液储备，因此主要依赖于PPH的早期药物治疗。美国(US)是所有发达国家中孕产妇死亡率最高的国家，在这些国家，PPH诊断最常用的方法是目测失血量，这种方法被认为低估了失血量。迫切需要一个早期准确的PPH警报系统。

其他目的和特征将在下文中部分地显而易见，部分地被指出。

附图说明

图1A是从人类手指获取激光散斑流量指数(LSFI)图像的示意图。

图1B包含中指和无名指的激光散斑流量指数(LSFI)图像，其中左手(左)或右手(右)用带状物(band)缠绕。

图2A是测量用PBS对照稀释10％和20％的猪全血在880–1700nm之间的吸收的光谱图像。

图2B是猪全血、稀释的猪血以及PBS对照中的1020至1350nm吸收的比率，示出了各组之间的显著差异。

图3是猪腕的激光散斑流量指数的测量的示意图，使用源探测器偏移在出血期间监测皮肤和肌肉灌注。

图4是放置在猪腕上并在猪出血实验中使用的一个方面的可穿戴激光散斑传感器的照片。

图5A示出了生理盐水中不同浓度血红蛋白的短波红外光谱。

图5B是取自图5A中的光谱的1020:1350nm比率与血红蛋白浓度的关系。

图6包含一个方面的可穿戴血液稀释传感器的CAD渲染图和图片。

图7A是示出类晶体(crystalloid)输注预案前后猪出血失血量的图表。在90和115分钟之间，激光散斑传感器未对准，导致杂散(spurious)信号(灰色)。

图7B是示出源于图7A所示的猪出血研究的激光散斑流量指数(LSFI)结果的图表，显示了与采血和类晶体输注的相关性。在90和115分钟之间，激光散斑传感器未对准，导致杂散信号(灰色)。

图7C是示出图7A的出血研究全过程中的正常化LSFI结果的图表。在90和115分钟之间，激光散斑传感器未对准，导致杂散信号(灰色)。

图8包含一系列图表，示出了使用1方阵卷积(ones square matrix convolution)(上排)或单位矩阵卷积(下排)，以及使用全图像尺寸、半图像尺寸或四分之一图像尺寸裁剪(包括12个不同的卷积)，以每秒10帧和100帧的速度计算的LSFI与时间的关系。

图9A是类晶体输注预案前后猪出血失血量的图表。

图9B是示出类晶体输注预案前后猪出血失血量的图表。

图9C是示出源于图9A的猪出血研究的不平滑激光散斑流量指数(LFSI)的图表，显示了与采血和晶体输注的相关性。

图9D是示出源于图9C的猪出血研究的平滑激光散斑流量指数(LSFI)结果的图表，显示了与采血和类晶体输注的相关性。

图9E是示出静脉塌陷前的失血量与不平滑LSFI数据的LSFI的关系的图表。

图9F是示出静脉塌陷前的失血量与平滑LSFI数据的LSFI的关系的图表。

图9G是示出静脉塌陷后的失血量与不平滑LSFI数据的LSFI的关系的图表。

图9H是示出静脉塌陷后的失血量与平滑LSFI数据的LSFI的关系的图表。

图9I是示出类晶体输注与不平滑LSFI数据的LSFI的关系的图表。

图9J是示出类晶体输注与平滑LSFI数据的LSFI的关系的图表。

图10包含一系列图表，示出了猪出血研究期间收缩压(SBP)、舒张压(DBP)、脉压(SBP-DBP)、温度、心率(HR)和呼吸频率随时间的变化(上排)、相应的规范化(normalized)化生命体征(中排)和血容量(下排)。除温度外，其他生命体征参数显示随着失血量减少(蓝色)，以及随着类晶体给药增加(红色)。

图11包含将正常化生命体征与失血量相关联的一系列图表。顶部组(panel)包括所有时间点，底部组包括静脉塌陷前的时间。

图12是猪失血过程中LSFI和生命体征的相关性热图。

图13是示出源于猪出血研究的散斑体积描记法(SPG)和光体积描记法(PPG)迹线的图表。SPG信号与PPG相比具有更高的SNR，尽管两种波形都是数据丰富的。来自SPG和PPG的峰值之间的时间延迟(Δt)已显示为与全身血管阻力相对应，并且可以使用所公开的可穿戴激光散斑传感器容易地计算。

图14包含一个方面的完全可穿戴激光散斑传感器的CAD渲染图。

本领域技术人员将理解，以下描述的附图仅用于说明目的。附图不旨在以任何方式限制本教导的范围。

在附图中示出了当前讨论的布置，然而，应当理解，本实施例不限于所示的精确布置并且是所示的手段。虽然公开了多个实施例，但是本公开的其他实施例对于本领域技术人员来说将从以下详细描述变得显而易见，该详细描述示出并描述了本公开的说明性方面。如将要实现的，本发明能够在各个方面进行修改，所有这些修改都不脱离本公开的精神和范围。因此，附图和详细描述本质上被视为说明性的而非限制性的。

具体实施方式

在各个方面，本文公开了用于监测包括但不限于产后出血(PPH)的受试者出血的系统、设备和方法。

在出血过程中，出现了两种重要的代偿机制：1)通过收缩外围血管将血液从外围分流到重要器官；2)将组织液转移到血管中以维持血容量，有效降低血红蛋白(Hb)浓度和红细胞压积(Hct)。这些代偿机制有助于稳定患者，并延迟时间，直到血压和心率之类全局血管指标受到影响。因此，监测外围血流量和血液含量可以探测到作为出血早期指标的Hb和Hct的相对较小的下降。

光学技术非常适合非侵入式测量血流量和血液含量。激光散斑成像直接测量流动的血细胞，激光散斑流量指数(LSFI)与速度成正比。光谱学提供了血液和组织氧合的定量(近红外区)，以及水的定量(红外区)，从而能够观察到出血期间水向脉管系统的转移。光学监测技术是非电离的、无标记的、快速的，可以使用小型可穿戴设备来实现，以提供连续的人体工程学传感系统。以下示例中描述的初步实验使用激光散斑成像显示了对体内灌注减少的敏感性，并且光谱学测量用生理盐水稀释到PPH中可见的生理水平的血液样品之间的显著差异。

血流量和血液含量的光学监测具有许多优点：对多种固有生物发色团(黑色素、脱氧血红蛋白和氧合血红蛋白、脂质、蛋白质和水)敏感，具体取决于所使用的光学波长；能够探测和量化血流量；具有应用小型、简单的可穿戴硬件的高潜力；并且能够快速出结果。这些特性对于患者监测是理想的，正如脉搏血氧仪所证明的那样，脉搏血氧仪是一种全球用于患者监测的光学设备。基于光谱学的工具已被开发用于血红蛋白的体外和体内测量，连续无创性光谱学工具已被广泛用于重症监护患者，以监测低血容量引起的Hb浓度变化。尽管已知灌注指数是偏斜的，并且具有较高的患者变异性，但先前的结果令人鼓舞，并表明无创性光学测量可以探测产后失血的早期迹象。

在各个方面，公开了一种用于跟踪Hb浓度和外围灌注的多功能传感系统，用于产后出血(PPH)的监测和/或早期探测。所公开的系统包括LSFI(激光散斑流量指数)传感器和多光谱Hb传感器。在各个方面，所公开的系统协同地结合了用于血液灌注测量的激光散斑成像和用于监测Hb的NIR/SWIR光谱学，以提供对PPH的两个单独且独立的代偿机制的跟踪。

LSFI(激光散斑流量指数)传感器使用外围皮肤和肌肉组织的激光散斑成像来监测外围灌注。激光散斑传感器执行与血流速度成比例的外围灌注监测，以提供比灌注指数法更直接的灌注测量。在一方面，LSFI传感器包括785nm激光二极管和摄像机，以获得激光散斑对比图像。使用所建立的算法来处理激光散斑对比图像，以获得指示外围灌注的激光散斑流量指数图像。在一些方面，LSFI传感器是可穿戴的LSFI(激光散斑流量指数)传感器，其定位在肌肉上方并用带状物轻轻固定到位，确保放置在肌肉上方以测量皮肤和肌肉血流量。

所公开的系统的公开多光谱Hb传感器使用Hb的近红外(NIR)吸收和水的短波红外(SWIR)吸收；SWIR范围内的水吸收比现有设备使用的光谱范围内的吸收更强，从而提高了使用所公开的系统获得的水测量的灵敏度和特异性。在一些方面，所公开的系统的多光谱Hb传感器包括用于监测血液含量的两个不同波长的发光二极管(LED)。在一方面，800nmLED(L1)用于Hb测量，因为这是氧和血红蛋白和脱氧血红蛋白以相同速率吸收的点，消除了由Hb的氧饱和度引起的变化，从而仅关注总血红蛋白。对于水测量，使用1340nm的LED(L2)来实现高对比和皮下穿透深度之间的平衡。多光谱Hb传感器还包括两个用于探测LED光的光电二极管：一个对NIR Hb信号敏感(D1，硅探测器)，另一个对SWIR水信号敏感(D2，InGaAs探测器)。使用与脉搏血氧仪中使用的算法类似的算法来执行比率度量计算和室内光污染的计算去除。在一些方面，多光谱Hb传感器还可以包括微处理器，以在整个数据捕获过程中执行去噪和比率度量计算。对于脉动血流量，使用与标准脉搏血氧仪中用于提取Hb与水的比率的算法类似的算法来执行比率度量计算和室内光的去除。

在各个方面，使用所公开的多光谱Hb传感器的传感器获得的数据使用蓝牙低功耗(BLE)无线网络传输到安全的云存储。

下面的示例提供了对所公开的系统、设备和方法的附加描述。

计算系统和设备

基于前述说明书将理解，本公开的上述方面可以使用计算机编程或工程技术来实现，这些技术包括计算机软件、固件、硬件或其任何组合或子集。根据本公开的所讨论的方面，具有计算机可读代码装置的任何这样的结果程序可以体现在一个或多个计算机可读介质中，或者在一个或多个计算机可读介质内提供，从而制造计算机程序产品，即制造品。计算机可读介质例如可以是但不限于固定(硬盘)驱动器、软盘、光盘、磁带、诸如只读存储器(ROM)之类的半导体存储器和/或诸如因特网或其他通信网络或链路之类的任何发送/接收介质。包含计算机代码的制造品可以通过直接从一个介质执行代码、通过将代码从一个介质复制到另一介质、或者通过在网络上传输代码来制造和/或使用。

这些计算机程序(也称为程序、软件、软件应用、“应用”或代码)包括用于可编程处理器的机器指令，可以用高级过程和/或面向对象编程语言和/或汇编/机器语言实现。如本文所用，术语“机器可读介质”“计算机可读介质”是指用于向可编程处理器提供机器指令和/或数据的任何计算机程序产品、装置和/或设备(例如，磁盘、光盘、存储器、可编程逻辑器件(PLD))，包括接收作为机器可读信号的机器指令的机器可读介质。然而，“机器可读介质”和“计算机可读介质”不包括瞬态信号。术语“机器可读信号”是指用于向可编程处理器提供机器指令和/或数据的任何信号。

如本文所用，处理器可以包括任何可编程系统，其中包括使用微控制器、精简指令集电路(RISC)、专用集成电路(ASIC)、逻辑电路和能够执行本文所述功能的任何其他电路或处理器的系统。上述示例仅为示例，因此，并不旨在以任何方式限制术语“处理器”的定义和/或含义。

如本文所用，术语“软件”和“固件”是可互换的，包括存储在存储器中供处理器执行的任何计算机程序，所述存储器包括RAM存储器、ROM存储器、EPROM存储器、EEPROM存储器和非易失性RAM(NVRAM)存储器。上述存储器类型仅为示例，因此不限制可用于存储计算机程序的存储器类型。

在一方面，提供了一种计算机程序，并且该程序体现在计算机可读介质上。在一方面，系统在单个计算机系统上执行，而不需要连接到服务器计算机。在另一方面，系统在环境中运行(Windows是位于华盛顿州雷德蒙德的Microsoft Corporation的注册商标)。在又一方面，系统在大型机环境和/>服务器环境上运行(UNIX是位于英国伯克郡雷丁的X/Open Company Limited的注册商标)。应用非常灵活，其旨在各种不同的环境中运行，而不会影响任何主要功能。

在一些方面，系统包括分布在多个计算设备之间的多个组件。一个或多个组件可以采用体现在计算机可读介质中的计算机可执行指令的形式。系统和过程不限于本文所述的特定方面。此外，每个系统和每个过程的组件可以独立于本文所述的其他组件和过程以及与本文所述的其他组件和过程分开实践。每个组件和过程也可以与其他组封装和过程结合使用。本发明的各个方面，可以增强计算机和/或计算机系统的功能和作用。

提供本文所述的定义和方法是为了更好地定义本公开并指导本领域普通技术人员实践本公开。除非另有说明，否则，术语将根据相关领域普通技术人员的常规用法来理解。

在一些实施例中，用于描述和要求保护本公开的某些实施例的表示成分的量、性质(如分子量、反应条件等)的数字在某些情况下被理解为用术语“约”修饰。在一些实施例中，术语“约”用于指示一个值包括用于确定该值的设备或方法的平均值的标准差。在一些实施例中，书面描述和所附权利要求中提出的数值参数是近似值，可以根据特定实施例寻求获得的期望性质而变化。在一些实施例中，应根据报告的有效数字的数量并通过应用普通舍入技术来解释数值参数。尽管阐述本公开的一些实施例的广泛范围的数值范围和参数是近似值，但在具体实例中列出的数值被尽可能精确地报告。在本公开的一些实施例中呈现的数值可能包含某些误差，这些误差必然是由在它们各自的测试测量中发现的标准差引起的。这里对值的范围的叙述仅旨在作为单独引用落入该范围内的每个单独值的简写方法。除非本文另有说明，否则，每个单独的值就好像它在本文中单独引用的那样被纳入说明书。离散值的叙述被理解为包括每个值之间的范围。

在一些实施例中，术语“a(一)”、“an(一个)”和“the(该)”以及在描述特定实施例的上下文中(尤其是在以下权利要求的某些上下文中)使用的类似引用可被解释为包括单数和复数，除非另外特别说明。在一些实施例中，如包括权利要求在内的本文中所用，术语“或”用于表示“和/或”，除非明确指示仅指代替代物，或者替代物是互斥的。

术语“包括”、“具有”和“包含”是开放式连接动词。这些动词中的一个或多个的任何形式或时态，如“comprises(包括)”、“compring(包括)”、“has(具有)”、“having(具有)”、“includes(包含)”和“including(包含)”，也是开放式的。例如，“包括”、“具有”或“包含”一个或多个步骤的任何方法都不限于仅拥有这些一个或多步骤，也可以涵盖其他未列出的步骤。类似地，任何“包括”、“具有”或“包含”一个或多个特征的组合物或设备都不限于仅拥有这些一个或多个特征，也可以覆盖其他未列出的特征。

本文中描述的所有方法都可以以任何合适的顺序执行，除非本文中另有说明或与上下文明显矛盾。关于本文中的某些实施例提供的任何和所有示例或示例性语言(例如“诸如”)的使用仅旨在更好地阐明本公开，而不对以其他方式要求保护的本公开的范围构成限制。说明书中的任何语言都不应被解释为指示对本公开的实践至关重要的任何未要求保护的元素。

本文公开的本公开的替代元件或实施例的分组不应被解释为限制。每个组成员可以单独地被提及和要求保护，也可以与该组其他成员或本文中发现的其他元素以任何组合的方式被提及和要求保护。出于方便或专利性的原因，组中一个或多个成员可以被包括在一个组中，也可以从该组删除。当出现任何这样的包含或删除时，说明书在本文中被视为包含通过修改，满足所附权利要求中使用的所有马库什组的书面描述的组。

本申请中引用的任何出版物、专利、专利申请和其他参考文献均通过引用的方式整体并入本文以用于所有用途，其程度与每个单独的出版物、专利和专利申请或其他参考文献明确且单独地指示通过引用的方式整体并入本文以用于所有用途相同。本文引用的内容不应被解释为承认这是本公开的现有技术。

在详细描述了本公开之后，很明显，在不脱离所附权利要求中限定的本公开的范围的情况下，修改、变化和等效实施例都是可能的。此外，应当理解，本公开中的所有示例作为非限制性示例提供。

示例

以下示例说明了本公开的各个方面。

例1：产后出血监测仪的开发和验证

为了开发和验证产后(PPH)出血监测系统，进行了以下实验。

激光散斑成像

如图1A所示，组装了一个使用785nm激光二极管和摄像机的激光散斑成像系统。为了测试该系统测量血流量减少的能力，用橡皮筋紧紧缠绕住志愿者的中指以阻断血流，然后使用摄像机测量缠绕的中指和相邻未缠绕的无名指(图1A)。这个实验是缠绕无名指和未缠绕中指的情况下重复的。使用已建立的算法处理激光散斑对比图像，得到的激光散斑流量指数图像在图1B中示出。

SWIR光谱学

使用高光谱成像系统的SWIR光谱学区分不同水平Hb的能力利用以PBS稀释的猪血进行测试。测量全血、10％稀释血液、20％稀释血液和PBS的凹槽，一式三份(图2A)。T高光谱成像系统用于对波长跨度为880-1700nm的吸收进行成像。计算了1020nm和1350nm处图像的比率，并且在图2A中示出。对每个凹槽中的强度比进行了量化，一式三份测量的平均值和标准差在图2B中汇总。通过ANOVA以及Bonferroni多重比较检验测量，在每组中都观察到了统计学上的显著增加，证明了该技术在量化Hb浓度差异(通过水与Hb之比(1020nm:1330nm)测量)方面的有效性。

可穿戴激光散斑传感器设计V1及组件

激光散斑传感器是一种以反射模式设计的光学传感器，即，光源和探测器位于同一侧，但也可以使用透射模式设计。如图4所示的反射模式设备包括50mW 780nm激光模块(Laserland，11071013)和双镜头Raspberry Pi相机传感器。双镜头相机传感器由Raspberry Pi相机模块V2和第二镜头组成，该模块的镜头通过转向而具有最大焦距，来自第二V2模块的第二镜头倒置并直接附接到第一镜头的表面。第二镜头上附接由一个0.4mm的蓝宝石窗口(Edmund Optics，43-628)，允许传感器聚焦于位于窗口上或直接按压在窗口上的对象。激光和双镜头相机传感器通过3D打印支架保持在与受试者直接接触的位置。3D打印支架是可调节的，允许激光器和传感器的距离变化到指定的距离，然后固定，以优化信号强度和对比。激光模块由3.3V壁电源供电，但也可以由电池供电。相机传感器由Raspberry Pi 4Model 4计算机板供电和控制。该设备的示意图和照片分别在图3和4中示出。

血液稀释传感器的设计和组件

选择用于血液稀释传感器的波长基于使用短波红外光谱仪的初步数据，该光谱仪测量了浓度范围为4.8-13.84g/dL的血红蛋白样品的光谱变化(图5A)。结果显示，在所有浓度上，850-1000范围内有显著增加(归因于血红蛋白)，1300-1350之间反应恒定(归因于水)。绘制出了这些带中两个波长(1020nm和1350nm)处的强度比与血红蛋白浓度的关系图(图5B)，得出R²＝0.98；来自这些带的激光被选择用于可穿戴血液稀释传感器的设计。血液稀释传感器(图6)由两个InGaAs光电二极管探测器组成(尽管可以用一个完成)，灵敏度为800-1700nm(Thorlabs，FGA01)，直接跨越904nm激光器(Thorlabs，L904P010)和1310nm激光器(Thorlabs，ML725B8F)，这两种激光器分别连接到激光驱动器，以保持恒定电流，从而保持恒定的光学输出(IC Haus，WK2D)(图6)。使用Arduino Uno的数字引脚，以交替20ms的间隔在25Hz处调制这两个光源，并选择它们来探测血红蛋白和水的相对变化。光电二极管通过Arduino Uno上的模拟引脚探测传输的光信号，该引脚具有10位ADC。Arduino代码控制光源调制，并将900nm和1310nm信号分成不同的通道，并实时绘制其输出。Arduino通过USB/USB连接插入笔记本电脑。光电二极管偏置电压是使用12V的外墙安装电源提供的，但可以由电池供电。尽管目前的设计是在透射模式下进行的，但也可以在反射模式下进行。

猪出血预案

对一只12周大的雄性白约克夏x长白猪(White Yorkshire x Landrace pig)进行麻醉，并对股静脉和动脉进行切割，以分别建立采血口并插入动脉血压导管。基于猪的体重(34.5kg)计算(2100-2500mL)估计的血容量(EBV，58-74mL/kg)。导管就位后，将血液稀释传感器(图6)放置在猪耳朵上，用电动毛发修剪器去除毛发后，将激光散斑传感器放置在左后踝节上(图3)。传感器记录了15分钟的基线水平，之后我们每5分钟去除1.5％的血容量(33mL)，然后用2mL生理盐水进行冲洗。这种情况持续了2.5小时，共取出800毫升血液，估计失血量约为31-38％。同时，在整个手术过程中，每15分钟测量一次心率、收缩压和舒张压、温度、血氧饱和度、呼吸频率和红细胞压积。在失血量达到800mL后，每5分钟再给猪输注一次33mL的类晶体，35分钟内总共输注264mL。类晶体输注完成后，使用过量的静脉输注氯化钾对猪实施安乐死。

猪出血激光散斑成像法

使用Raspberry Pi的Python脚本收集数据。从失血预案开始之前的15分钟到最终类晶体输注之后的5分钟，通过视频每分钟收集10秒的数据。视频数据直接保存到Raspberry Pi硬盘上。研究后将数据作为一段时间内散斑指数的滚动平均值进行处理。将相机设置为以每秒100帧的速度拍摄视频，曝光时间为5ms。

激光散斑流量指数算法

在激光散斑对比成像中，通过在横跨原始散斑图像的方形滑动窗口内应用空间平均算法来生成对比。具体而言，为了找到给定像素(x,y)处的散斑对比，定义了以(x,y)为中心的正方形窗口，并用该窗口内像素强度的标准差除以该窗口内的平均像素强度。对于视频散斑数据的实时处理，该算法必须应用于每个视频帧，并且帧速率高达100fps，高效的散斑对比算法至关重要。每个滑动窗口内像素强度的标准差与像素强度的方差有关，该方差是通过取原始图像像素强度的平方的平均值与原始图像像素强度的平均值的平方之间的差值来确定的。有效地确定这些滚动平均图像的一种既定方法是将1的方形阵列与原始图像的平方以及原始图像本身进行卷积，得到散斑对比图像像素强度(k)的以下表达式：

其中，滑动窗口具有维度nxn(n是奇数，不失一般性)，I_s是原始图像强度，并且，1的矩阵具有与滑动窗口相同的维度。所公开的出血监测系统捕获视频流，其中，每一帧是原始强度图像。为了探测外围血管流量，根据等式1分析每一帧，以得出散斑对比图像k，然后针对每一帧计算并存储整个图像(不包括(n-1)/2厚矩形边界)上的平均像素强度<k>。因此，输出信号是一段时间内的单个平均散斑对比值。

对于每个捕获的帧，可以使用Numpy.mean(),Numpy.ones()Scipy.signal.convolve2d()或Scipy.signal.fftconvolve()之类的公共可用软件库中的方法，在python中实现平均散斑对比<k>。然而，由于用于监测的相关输出信号是平均散斑对比的测量值，而不是散斑对比图像本身，因此，可能存在一种显著加快处理时间的替代方法。考虑替代的散斑对比指数k'：

其中，等式1中的1的矩阵被替换为nxn单位(identity)矩阵(n是奇数)。该散斑对比指数k'基于原始散斑图像强度的平均值和沿着正方形窗口对角线的原始图像强度的平方(有效地将每个像素(x,y)替换为沿着以(x,y)为中心的对角线的n个像素之和)：

对于7x7的正方形窗口，可以直接针对原始图像和原始图像的平方写出该对角线平均值，无需应用卷积，如下所示：

<I_S>′＝(I_S[6:h-1,6:w-1]+I_S[5:h-2,5:w-2]+I_S[4:h-3,4:w-3]+I_S[3:h-4,3:w-4]+I_S[2:h-5,2:w-5]+I_S[1:h-6,1:w-6]+I_S[0:h-7,0:w-7])(等式4)

其中，原始图像I_s的尺寸是h x w。然后可以重写等式2：

在测试100fps视频流时，发现等式6比等式1快3-5倍。此外，这种硬编码方法具有简单性的附加值，不需要像Scipy这样的第三方python库来实现高效的卷积。

处理速度的进一步提高可以通过裁剪视频流数据来实现，例如从640x480裁剪到320x240、160x120或更小。此外，帧速率可以降低到30fps、10fps或更小。最后，被捕获的视频流可以在YUV模式而不是RGB模式下捕获。在YUV模式下，只需要使用全帧字节的前三分之一(“Y”通道)，因为该通道包含像素强度，而“U”和“V”通道包含像素颜色。相比之下，使用RGB视频模式需要每帧读取3倍以上的数据，然后针对每个捕获的帧转换为灰度。

成果

为了监测出血(和/或产后出血)，可以从散斑对比指数的平方倒数推导出激光散斑流量指数(LSFI)：

其中，<k>是平均的散斑对比指数。该平均值可通过不同的方式定义。平均散斑对比<k>可以在给定时间点定义为在该时间点捕获的已处理散斑视频帧中所有像素的平均值。也可以在多个帧上进行平均，例如获得10秒时间段上的平均散斑对比指数。我们已经在猪实验模型中检验了LSFI无创性探测由生理代偿机制引起的出血诱导外围血管收缩的能力。获得股静脉通路后，在2小时内取出近800mL血液(约30％的血容量)(每5分钟33mL血液)。随后，在35分钟内给与231mL类晶体(每5分钟输注33mL类晶体)(图7)。值得注意的是，静脉在实验开始后113分钟时塌陷(垂直虚线)。

将出血监测系统佩戴在猪腕上，在整个实验过程中，每分钟记录10秒320x240100fps的散斑视频。对于每个10s的视频，使用基于与正方形1的矩阵(<k>)的卷积的传统散斑对比算法(等式1)和基于与正方形单位矩阵(<k'>_identity)的卷积的改进散斑对比算法(等式6)，计算每个帧的<k>。在每次计算中，使用完整的320x240图像尺寸来定义全图像尺寸<k>_FULL。此外，使用1/2裁剪的160x120图像和1/4裁剪的80x60图像分别提取半图像(<k>_HAFL)和四分之一图像(<k>_QUARTER)尺寸的散斑裁剪指数。这些全尺寸和裁剪图像方法同时适用于<k>和<k'>。最后，使用完整的100fps视频流<k>_{FPS_100}以及十倍时间下采样(有效的10fps)视频流<k>_{FPS_010}来计算所有帧的平均值。总之，基于卷积类型、图像裁剪类型和用于数据处理的有效帧速率类型，为每个10s视频流计算出12个不同的<k>值(图8)。这些定义了12种不同方法来根据等式7计算每个10s视频的LSFI值：LSFI_{Ones,FULL,FPS_100}、LSFI_{Ones,HALF,FPS_100}、LSFI_{Ones,QUARTER,FPS_100}、LSFI_{Ones,FULL,FPS_010}、LSFI_{Ones,HALF,FPS_010}、LSFI_{Identity,QUARTER,FPS_010}、LSFI_{Identity,FULL,FPS_100}、LSFI_{Identity,HALF,FPS_100}、LSFI_{Identity,QUARTER,FPS_100}、LSFI_{Identity,FULL,FPS_010}、LSFI_{Identity,HALF,FPS_010}以及LSFI_{Identity,QUARTER,FPS_010}。

无创性地导出的LSFI信号在采血前15分钟内保持稳定的基线，随着血容量的减少而减少，随着类晶体的添加而增加(图7)。在90到115分钟之间，散斑传感器未对准，导致错误的LSFI信号(图7中的灰色部分)。无论卷积类型、图像裁剪程度或有效帧速率如何，LSFI信号形状在一段时间内都保持一致(图8)，并且，LSFI的12种变化彼此之间的互相关产生0.99-1.00的相关系数R，表明可以在不损害LSFI信号完整性的情况下，实现处理负担的显著降低(通过降低帧速率、分析裁剪图像以及在对角平方矩阵而不是全平方矩阵上求平均)。

针对每种LSFI变化，确定了不平滑和平滑(10点移动平均)的LSFI信号与净液体体积之间的线性回归(图9)。在整个实验过程中，LSFI表现出与液体体积变化的强线性相关性(皮尔逊相关系数R＝0.88)。然而，血容量减少的前2小时内的LSFI与液体体积变化之间的回归不同于血容量固定并添加类晶体的最后35分钟内的LSFI与液体体积变化之间的回归。具体而言，LSFI_{Ones,FULL,FPS_100}与静脉塌陷前的失血量之间的回归显示，在不平滑数据中，R＝0.97，在平滑数据中，R＝0.98，斜率分别为4.14/mL和4.24/mL(图9E和9F)。在静脉塌陷后失血期间，LSFI_{Ones,FULL,FPS_100}与失血之间的回归系数在不平滑数据中为R＝-0.9，在平滑数据中为R＝0.99，斜率分别为-0.74/mL和1.21/mL(图9G和9H)。同时，LSFI_{Ones,FULL,FPS_100}与类晶体输入体积之间的回归在不平滑数据中为R＝.97，在平滑数据中为R＝0.99，斜率分别为6.66/mL和6.79/mL(图9I和9J)。LSFI与失血量以及LSFI与类晶体输入量之间的类似强烈但明显不同的相关性在LSFI处理的其他11种变化中也能找到。

包括收缩压和舒张压、脉压、温度、心率和呼吸频率的生命体征每隔15分钟都会进行无创性地记录，并且类似地随着失血量的增多呈下降趋势，然后随着类晶体给与而呈上升趋势(图10)。在类晶体输注过程中，仅在3个时间点获得了生命体征，这样，难以解释生命体征与类晶体量之间的线性。中间组显示了正常化的生命体征，其中每个值除以初始值。

图11示出了失血量与每个测量的正常化生命体征之间的相关性，顶部组包括所有时间点，底部组包括静脉塌陷前和类晶体输注前的时间。虽然体温显示为与血容量损失具有最强相关性，但与LSFI不同，体温没有显示为随着类晶体输注而增加(图11)。事实上，体温可能随着时间的推移而稳步下降，这是麻醉的结果，而不是失血的结果。未来的研究将包括对照猪，它们被麻醉的时间与出血预案相同，以跟踪麻醉随时间的变化。在跟踪的所有生命体征中，LSFI与失血量(R＝0.97)和类晶体输注(R＝097)的相关性最高(图12)，这突出了该技术在监测外围灌注动态变化方面的准确性和附加值。

算法开发

可以从激光散斑传感器和血液稀释传感器中提取大量信息，这些数据可以结合到新的算法中，用于出血、产后出血、治疗反应和一般血管血液动力学监测的早期探测。对于血液稀释传感器，我们预计水与血红蛋白的比率将随着失血的增加而增加，这是由于在身体试图增加循环血容量的过程中，水从组织液被吸入脉管系统。将有一个类似于脉搏血氧仪的AC组件和DC组件。为了提取血管血液稀释参数，我们将计算比率之比：(ACλ水/DCλ)/(ACλ血红蛋白/DCλ血红蛋白)。与血氧饱和度类似，我们将根据以下等式确定血液稀释(HD)：HD＝(k1-k2*R)/(h3-k4)*R，其中，k常数是在各种血红蛋白浓度的校准过程中根据经验确定的。该传感器可以跟踪各种干预措施的效果，如补充液体、输注压积红细胞和/或输血。这将允许医疗提供者识别出危险的低血红蛋白浓度，以便他们能够加强护理以提高血红蛋白浓度。它还具有评估血管内含水量和血管外含水量的潜力，用于先兆子痫等情况下的水肿监测。对于激光散斑，我们可以提取激光散斑对比(如上所述的k和k')，并计算平均值、标准差、峰间振幅、脉搏可变性、频率内容(包括脉搏率)、脉搏上升时间和下降时间、频域数据分析(包括频率内容和谐波)。这可以与标准的光体积描记图(photoplethysmogaph，PPG)数据(可以通过简单地在强度图像平均值的自然对数上取1并绘制该值随时间的变化来获得)进行比较，以提取额外的信息，例如，经由LSFI和PPG测量的峰值位置的时间差(图13)。

可以通过为指示出血的单个指标(metric)或多参数指数(例如，与基线水平相比的某个百分比的变化，达到某个斜率，确定时间序列数据的导数或二阶导数中的局部最小值或最大值)设置阈值来确定诊断。在出血的情况下，我们预计LSFI的平均振幅会降低，分析LSFI在一段时间内的变化率有助于我们辨别重要参数，例如患者何时仍在弥补失血或静脉是否塌陷。您将在图5中注意到，与静脉塌陷前的急剧下降相比，LSFI读数在静脉塌陷后趋于平稳。例如，这种平稳期可能表明患者无法再进行补偿，很可能会出现低血容量性休克。此外，下降的斜率可能是失血率以及患者补偿血液损失的能力的重要指标。这也适用于失血的治疗，我们观察到，随着类晶体的输注，LSFI信号急剧增加。在手术或分娩前，可以通过轻度失血或液体推注(fluid bolus)对患者进行“补偿挑战”，以确定补偿欠佳的患者，因为这些患者可能因相对较小的失血量而面临更高的低血容量性休克风险。此外，可以开发更复杂的算法，将患者的病史和变量(如身高、体重、BMI、SBP、DBP、PP、平均HR、相关药物、麻醉使用和类型(如适用))结合起来，以及启动红细胞压积或血红蛋白浓度，使得诊断算法针对每个患者变得个性化，以便更准确地确定早期出血以及治疗监测。一旦收集到更多的数据，我们便可使用机器学习技术来进一步改进我们的预测。

可穿戴激光散斑传感器设计V2的制造

可穿戴激光散斑传感器(图14)使用反射模式设计(尽管可以采用透射模式制造)，具有与图4所示的设计相同的相机、双镜头系统、光学窗口和激光器。然而，该系统是完全可穿戴的、无线的，由连接到Pi zero 2W计算机板和稳定激光输出的定制可穿戴电子设备的Pi sugar电池模块供电。所有组件都使用定制的三维外壳以较小的形状系数固定到位。这一新设计如图14所示。

总结

我们的激光散斑传感器在失血和类晶体输注过程中观察到的强相关性表明，它对外围灌注和稳定中枢血流动力学的代偿机制具有高度敏感性。这些发现对该传感器探测创伤患者、手术患者和孕妇的类似变化的能力具有重大意义，能够针对危险的失血提供早期警报，并且还提供了一种方法来监测对可能影响外围灌注和血管血液动力学的治疗和/或干预措施的反应。此外，该设备可用于评估给定患者补偿血容量损失的能力，这是一种众所周知的患者依赖性反应。这有助于制定手术和分娩计划，以确定没有强烈代偿反应从而更容易出现低血容量性休克的高危个体。

提供上述非限制性示例以进一步说明本公开。本领域技术人员应当理解，在示例中公开的技术代表了发明人已经发现在本公开的实践中表现良好的方法，并且因此可以被认为构成用于发明实践的模式的示例。然而，根据本公开，本领域技术人员应当理解，在不脱离本公开的精神和范围的情况下，可以在所公开的具体实施例中进行许多改变，并且仍然获得相同或相似的结果。

Claims

1.一种用于监测受试者出血的系统，包括：

a.激光散斑流量指数传感器，其监测所述受试者的外围灌注；以及

b.多光谱Hb传感器，其监测所述受试者的血管内血红蛋白浓度。

2.根据权利要求1所述的系统，其中，所述激光散斑流量指数传感器包括使用NIR光照射所述受试者的某区域的散斑激光源，以及获取所述NIR照射区域的激光散斑对比图像的摄像机。

3.根据前述任一权利要求所述的系统，其中，所述散斑激光源是785nm激光二极管。

4.根据前述任一权利要求所述的系统，其中，所述多光谱Hb传感器包括使用两个不同波长的光照射所述受试者的某区域的至少两个激光源，以及探测所述照射区域中的光强度的至少两个光电探测器。

5.根据前述任一权利要求所述的系统，其中，至少两个激光源包括800nm LED和1340nmLED。

6.根据前述任一权利要求所述的系统，其中，至少两个激光源包括800nm LED和1340nmLED。

7.根据前述任一权利要求所述的系统，其中，所述至少两个光电探测器是InGaAd光电二极管探测器。

8.根据前述任一权利要求所述的系统，其中，所述激光散斑流量指数传感器和所述多光谱Hb传感器被配置为以透射模式或反射模式工作。

9.根据前述任一权利要求所述的系统，其中，所述系统可以由受试者穿戴。

10.一种检测受试者出血的方法，包括：

a.提供一种设备，所述设备包括用于监测所述受试者的外围灌注的激光散斑流量指数传感器，以及用于监测所述受试者的血管内血红蛋白浓度的多光谱Hb传感器；

b.操作所述设备以监测外围灌注和血管内血红蛋白浓度；

c.指示出血是所述外围灌注、所述血管内血红蛋白浓度或这两者降低到阈值水平以下。

11.根据权利要求10所述的方法，其中，所述出血是产后出血(PPH)。