CN117694885B - 肌肉组织血氧相关参数的检测方法、装置、系统和介质 - Google Patents
肌肉组织血氧相关参数的检测方法、装置、系统和介质 Download PDFInfo
- Publication number
- CN117694885B CN117694885B CN202410155147.1A CN202410155147A CN117694885B CN 117694885 B CN117694885 B CN 117694885B CN 202410155147 A CN202410155147 A CN 202410155147A CN 117694885 B CN117694885 B CN 117694885B
- Authority
- CN
- China
- Prior art keywords
- light source
- light
- muscle tissue
- blood oxygen
- detected
- 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.)
- Active
Links
- 210000003205 muscle Anatomy 0.000 title claims abstract description 111
- 239000008280 blood Substances 0.000 title claims abstract description 96
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 title claims abstract description 94
- 210000004369 blood Anatomy 0.000 title claims abstract description 94
- 229910052760 oxygen Inorganic materials 0.000 title claims abstract description 94
- 239000001301 oxygen Substances 0.000 title claims abstract description 94
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000001514 detection method Methods 0.000 claims abstract description 83
- 239000000523 sample Substances 0.000 claims abstract description 73
- 230000000875 corresponding effect Effects 0.000 claims description 28
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000003287 optical effect Effects 0.000 claims description 16
- 239000013307 optical fiber Substances 0.000 claims description 16
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000035945 sensitivity Effects 0.000 claims description 9
- 230000008033 biological extinction Effects 0.000 claims description 7
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 6
- 230000035790 physiological processes and functions Effects 0.000 claims description 5
- 239000000835 fiber Substances 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 230000002596 correlated effect Effects 0.000 claims description 2
- 210000001519 tissue Anatomy 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 238000005259 measurement Methods 0.000 description 6
- 230000017531 blood circulation Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 239000000203 mixture Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000008557 oxygen metabolism Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000284 resting effect Effects 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- INGWEZCOABYORO-UHFFFAOYSA-N 2-(furan-2-yl)-7-methyl-1h-1,8-naphthyridin-4-one Chemical compound N=1C2=NC(C)=CC=C2C(O)=CC=1C1=CC=CO1 INGWEZCOABYORO-UHFFFAOYSA-N 0.000 description 1
- 206010049565 Muscle fatigue Diseases 0.000 description 1
- 108010064719 Oxyhemoglobins Proteins 0.000 description 1
- 238000010521 absorption reaction Methods 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000037147 athletic performance Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 108010002255 deoxyhemoglobin Proteins 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000001320 near-infrared absorption spectroscopy Methods 0.000 description 1
- 238000006213 oxygenation reaction Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000037380 skin damage Effects 0.000 description 1
- 230000000451 tissue damage Effects 0.000 description 1
- 231100000827 tissue damage Toxicity 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明涉及一种肌肉组织血氧相关参数的检测方法、装置、系统和介质。包括与待检测肌肉组织相关联地确定包括深度分辨率在内的分辨率分布参数;基于分辨率分布参数确定光源‑光源探测器网络的稀疏程度;基于稀疏程度布置包含具有第一探头尺寸的光源‑光源探测器网络,光源‑光源探测器之间具有不同间距,光源与多个光源探测器之间探测通道存在不同方向;基于深度分辨率在光源和光源探测器之间布置成对的第二探头尺寸的光源和光源探测器,并利用具有不同探头尺寸的光源‑光源探测器网络进行血氧相关参数检测。本发明能够根据血氧检测的分辨率要求按需构建具有对应稀疏程度的光源‑光源探测器网络,并通过调节探头尺寸来满足深度分辨率的要求。
Description
技术领域
本发明属于医学检测及信息处理领域,尤其涉及一种肌肉组织血氧相关参数的检测方法、装置、系统和介质。
背景技术
近红外(NIRS)技术是一种能够以非侵入性方式检测肌肉组织血氧饱和度、血流量等指标的方法,具体地,基于神经-血氧耦合机制,利用近红外光在不同波长下穿透生物组织时的吸收和散射等特性,可以以高时间分辨探测和成像肌肉组织与血氧参数相关联的变化,有效地对肌肉组织的相关功能进行可视化和定量评估,例如,可以评估肌肉疲劳、运动表现和康复过程中的进展等。
现有的近红外肌肉组织血氧参数检测技术中,在设置由光源和光源探测器组成的网络拓扑时,通常情况下会将成对的光源-光源探测器之间的距离设为固定的预设距离,例如3厘米左右,并且各个光源和光源探测器的探头为相同尺寸,在这种情况下,鉴于光束在肌肉组织中的传输路径,肌肉血氧成像设备只能经由光源-光源探测器构成的探测通道探测到若干固定深度、固定位置处的组织血氧状况,而对于其他位置,特别是其他深度的组织血氧状况则无法探知。在这种方式下,为了满足给定的肌肉组织血氧参数检测的空间分辨率要求,只能盲目地增加光源和光源探测器的布置密度,即使如此,仍然未必能满足对目标肌肉组织特定区域、特定深度的血氧参数的检测需求,并且,还可能产生资源浪费和求解困难等副作用。
因此,现有技术中的肌肉组织血参数检测方法很难根据血氧检测分辨率的要求来对应设计光源和光源探测器网络,并使其具有更合理的计算代价和计算时间。
发明内容
提供本发明以解决现有技术中存在的上述缺陷。需要一种肌肉组织血氧相关参数的检测方法、装置、系统和介质,能够根据血氧检测分辨率的要求,合理设置光源-光源探测器网络,使其不仅能够满足分辨率特别是深度分辨率的要求,同时还具有更合理的计算代价和计算时间,从而实现对肌肉组织血氧状况更准确、更实时的监测。
根据本发明的第一方案,提供一种肌肉组织血氧相关参数的检测方法,包括与待检测肌肉组织相关联地确定血氧相关参数检测所需的分辨率分布参数,所述分辨率分布参数包括深度分辨率;基于所确定的分辨率分布参数确定所需的光源-光源探测器网络的拓扑结构的稀疏程度;在所述待检测肌肉组织对应的待检测区域表面布置具有所述稀疏程度的光源-光源探测器网络,并使得所述光源-光源探测器网络包含多个具有第一探头尺寸的光源和多个具有第一探头尺寸的光源探测器,并且存在不同的光源-光源探测器间距,每个所述光源与多个所述光源探测器之间所形成的探测通道存在不同方向;基于所需的深度分辨率,在对应的具有第一探头尺寸的光源和光源探测器之间布置成对的具有第二探头尺寸的光源和光源探测器,其中,所述第二探头尺寸小于所述第一探头尺寸;利用由具有第一探头尺寸和第二探头尺寸的光源和光源探测器组成的光源-光源探测器网络对待检测肌肉组织的血氧相关参数进行检测。
根据本发明的第二方案,提供一种肌肉组织血氧相关参数的检测装置,所述检测装置至少包括处理器和存储器,所述存储器上存储有计算机可执行指令,所述处理器在执行所述计算机可执行指令时执行如本发明各个实施例所述的肌肉组织血氧相关参数的检测方法的各种操作。
根据本发明的第三方案,提供一种肌肉组织血氧相关参数的检测系统,包括近红外光学数据采集装置和如本发明各个实施例所述的肌肉组织血氧相关参数的检测装置,其中,所述近红外光学数据采集装置包括贴敷部,所述贴敷部能够与受检者的待检测肌肉组织表面的肌肤贴合,并且其上设置有用于向所述待检测肌肉组织发射近红外光的光源,以及用于探测出射近红外光的光源探测器,并且,所述光源和光源探测器的光纤内径可以调整。
根据本发明的第四方案,提供一种存储有程序的非暂时性计算机可读存储介质,所述程序使得处理器执行根据本发明各个实施例的肌肉组织血氧相关参数的检测方法的各种操作。
本发明各个实施例提供的肌肉组织血氧相关参数的检测方法、装置、系统和介质,能够根据血氧检测分辨率的要求来确定光源-光源探测器网络拓扑的稀疏程度,由此可以使得在满足分辨率要求的条件下,光源和光源探测器的数量更少,并且通过不同探头尺寸的光源和光源探测器的合理布局,能够进一步满足分辨率特别是深度分辨率的要求,并且能够避免彼此干扰,提高测量的准确度和精度,同时还具有更合理的计算代价和更短的计算时间,由此实现对肌肉组织血氧状况更准确、更实时的监测,并且在利用测量数据进行肌肉组织空间血氧分布时的重建时,也将更好地满足所需要的重建分辨率,重建的图像也将具有更高的图像质量。
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示出根据本发明实施例的肌肉组织血氧相关参数的检测方法的流程示意图。
图2示出根据本发明实施例的在待检测区域表面布置的光源-光源探测器网络的网络拓扑示意图。
图3(a)示出根据本发明实施例的基于分辨率分布参数确定光源-光源探测器网络的拓扑结构的稀疏程度的流程示意图。
图3(b)示出根据本发明实施例的具有不同稀疏程度的光源-光源探测器网络的拓扑结构示意图。
图3(c)示出根据本发明实施例的雅各比矩阵-稀疏程度关联曲线的示意图。
图4示出根据本发明实施例的具有多种探头尺寸和多种光源-光源探测器间距的光源-光源探测器网络的示意图。
图5示出根据本发明实施例的利用由具有第一探头尺寸和第二探头尺寸的光源和光源探测器组成的光源-光源探测器网络对待检测肌肉组织的血氧相关参数进行检测的示例性方法。
图6示出根据本发明实施例的肌肉组织血氧相关参数的检测装置的部分组成示意图。
图7示出根据本发明实施例的肌肉组织血氧相关参数的检测系统的部分组成示意图。
具体实施方式
为了使得本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例的附图,对本发明实施例的技术方案进行清楚、完整地描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于所描述的本发明的实施例,本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。“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。
为了保持本发明实施例的以下说明清楚且简明,本发明省略了已知功能和已知部件的详细说明。
图1示出根据本发明实施例的肌肉组织血氧相关参数的检测方法的流程示意图。
如图1所示,在步骤101中,可以首先与待检测肌肉组织相关联地确定血氧相关参数检测所需的分辨率分布参数,所述分辨率分布参数包括深度分辨率。
在一些实施例中,血氧相关参数例如可以包括血氧饱和度,此外,还可以包括组织血流量、组织氧代谢率,等等。
在确定血氧相关参数检测所需的分辨率时,对于待检测肌肉组织,和/或,对于不同的检测任务,对待检测肌肉组织中不同的部分可能具有不同的分辨率要求,因此,分辨率分布参数可以表示为与待检测肌肉组织空间划分相对应的一维、二维甚至三维向量。
具体地,例如肌肉组织中存在微小的结构,如微血管、血管分支等,为了捕捉这些细微结构,对应部分的分辨率需要足够高,以确保对组织结构的精确检测和详细描绘。
在另一些实施例中,肌肉组织中的血流和血氧饱和度等参数指标可能在不同深度存在差异,因此,要求参数检测具有足够的深度分辨率,以便区分各个层深处肌肉组织的血氧状况。
上述多种因素可能单独存在,也可能是多种的复合,由此,所确定的血氧相关参数检测所需的分辨率实际上是与待检测肌肉组织及其部分划分相关联的分辨率分布参数,其在不同方向,和/或,不同深度可以具有不同的分辨率指标要求。
然后,在步骤102中,基于所确定的分辨率分布参数确定所需的光源-光源探测器网络的拓扑结构的稀疏程度。
在提出本发明的实践过程中,通过大量的仿真模拟和检测实验发现,分辨率分布参数与光源-光源探测器网络的拓扑结构的稀疏程度具有近似的对应关系,也就是说,在给定的稀疏程度的光源-光源探测器网络的拓扑结构,其所能够实现的肌肉组织血氧相关参数检测的分辨率也是基本可以推定的。反之亦然,在确定了分辨率分布参数的情况下,也可以大致推定所需的光源-光源探测器网络的拓扑结构的稀疏程度,并据此布局光源-光源探测器网络。具体的方法将在下文结合图3(a)-图3(c)进行详细说明。
接下来,在步骤103中,可以在所述待检测肌肉组织对应的待检测区域表面布置具有所述稀疏程度的光源-光源探测器网络,并使得所述光源-光源探测器网络包含多个具有第一探头尺寸的光源和多个具有第一探头尺寸的光源探测器,并且存在不同的光源-光源探测器间距,每个所述光源与多个所述光源探测器之间所形成的探测通道存在不同方向。
由于通常情况下,光源-光源探测器间距与探测深度之间呈正比例关系,具体地,可以认为探测深度约为光源-光源探测器间距的一半,因此,当光源-光源探测器网络中存在多种不同的光源-光源探测器间距,并且每个所述光源与多个所述光源探测器之间所形成的探测通道存在不同方向的情况下,不仅可以对待检测肌肉组织的不同深度进行探测,同时,由于光源与光源探测器以一定密度的拓扑结构在待测区域表面布置,由此还可以利用光源-光源探测器的多种间距,结合对光在待测肌肉组织内部不同深度的探测数据进行综合处理,使得血氧参数检测精度和空间分辨率都得到进一步提高。
在步骤104中,可以进一步基于所需的深度分辨率,在对应的具有第一探头尺寸的光源和光源探测器之间布置成对的具有第二探头尺寸的光源和光源探测器,其中,所述第二探头尺寸小于所述第一探头尺寸。
图2示出根据本发明实施例的在待检测区域表面布置的光源-光源探测器网络的网络拓扑示意图。如图2所示,S1、S2、S3、S4和S5为具有第一探头尺寸的光源,D1、D2、D3和D4为具有第一探头尺寸的光源探测器,而S6-D5、S7-D6、S8-D7、S9-D8、S10-D9、S11-D10为在第一探头尺寸的光源和光源探测器之间布置的具有更小的第二探头尺寸的成对光源和光源探测器。这样,可以弥补较浅层肌肉组织无法准确探测的不足,且更好地满足深度分辨率。
在一些实施例中,也可以对于深度分辨率要求较低的部分不设置第二探头尺寸的光源和光源探测器,由此进一步降低计算量,特别是在一些对肌肉组织血氧参数的动态变化进行监测的应用场景中,例如对运动时的血流分布变化进行实时监测等,更高的血氧相关参数的解算速度将使得肌肉组织血氧参数监测具有更高的时间分辨率。此外,在分辨率已达到要求的情况下尽量减少光源和光源探测器的布置,也能够避免对其他探测通道不必要的干扰,提高血氧相关参数检测的准确度。
最后,在步骤105中,利用由具有第一探头尺寸和第二探头尺寸的光源和光源探测器组成的光源-光源探测器网络对待检测肌肉组织的血氧相关参数进行检测。
根据本发明实施例的肌肉组织血氧相关参数的检测方法,能够在根据血氧检测分辨率的要求来确定光源-光源探测器网络拓扑的稀疏程度,从而使得光源-光源探测器网络的布局在满足分辨率要求的条件下探头数量更少,避免了设备资源的浪费或滥用,还能够减少通道间光路的彼此干扰,在提高测量的准确度和精度的同时,还具有更小的计算代价和更短的计算时间,由此实现对肌肉组织血氧状况更准确、更实时的监测,并且在利用测量数据进行肌肉组织空间血氧分布时的重建时,也将更好地满足所需要的重建分辨率,重建的图像也将具有更高的图像质量。
图3(a)示出根据本发明实施例的基于分辨率分布参数确定光源-光源探测器网络的拓扑结构的稀疏程度的流程示意图。
如图3(a)所示,可以通过执行步骤301-步骤303来基于所确定的分辨率分布参数确定所需的光源-光源探测器网络的拓扑结构的稀疏程度。
首先,在步骤301中,预先为所述待检测肌肉组织对应的待检测区域表面设定具有不同稀疏程度的光源-光源探测器网络的拓扑结构,其中,所述稀疏程度由光源-光源探测器网络中各个光源与各个光源探测器之间最近的距离来表征。
图3(b)示出根据本发明实施例的具有不同稀疏程度的光源-光源探测器网络的拓扑结构示意图。在图3(b)的各种光源-光源探测器排布方式中,以圆点代表光源,方点代表光源探测器。在图3(b)中的排布一中,光源与光源探测器之间最近的距离为3cm,因此,排布一对应的稀疏程度为3cm;在排布二中,虽然光源与光源之间的最小距离为2cm,但光源与光源探测器之间最近的距离为2.2cm,可以理解的是,光源与光源之间并不能构成探测通道,也因此,稀疏程度由光源与光源探测器之间的最近距离来定义,所以排布二对应的稀疏程度为2.2cm;在排布三中,光源与光源之间最近距离为2cm而光源与光源探测器之间最近的距离为1.12cm,因此排布三对应的稀疏程度为1.12cm。由此可见,光源-光源探测器网络的拓扑结构越稀疏,稀疏程度的值就越大,反之,光源-光源探测器网络的拓扑结构越密集,稀疏程度的值就越小。
然后,在步骤302中,通过蒙特卡洛模拟计算不同稀疏程度的拓扑结构的雅各比矩阵,并绘制雅各比矩阵-稀疏程度关联曲线。
图3(c)示出根据本发明实施例的雅各比矩阵-稀疏程度关联曲线的示意图。如前文所述,在提出本发明的实践过程中,采用蒙特卡洛模拟计算的方式,分析光源-光源探测器网络拓扑结构的稀疏程度与分辨率之间的关系。具体地,例如在将待检测肌肉组织设置为150×150×30,体素大小为1mm的情况下(即,待检测肌肉组织实际范围约为150mm×150mm×30mm),以图3(b)中的三种排布方式为例,排布一、排布二和排布三的网络拓扑由更稀疏变为更密集,通过蒙特卡洛模拟计算三种排布方式下的雅各比矩阵,并绘制横坐标为稀疏程度,纵坐标为雅各比矩阵中各个元素的均值的稀疏程度-雅各比矩阵曲线图。可以看到曲线图中P1对应稀疏程度为3cm(排布一),纵坐标对应的值为5.5x10-4;P2对应稀疏程度为2.2cm(排布二),纵坐标对应的值为3.9x10-4;P3对应稀疏程度为1.12cm(排布三),纵坐标对应的值为2.2x10-4。
接下来,在步骤303中,基于分辨率分布参数与所述雅各比矩阵之间的对应关系,通过雅各比矩阵-稀疏程度关联曲线来获取所确定的分辨率分布参数所需的光源-光源探测器网络的拓扑结构的稀疏程度。
由于雅各比矩阵与灵敏度相关联,而灵敏度与分辨率呈反比关系,也就是说,当给定分辨率分布参数,可以根据其与灵敏度之间的反比关系确定对应的灵敏度,从而在类似图3(c)所示的雅各比矩阵-稀疏程度关联曲线的纵坐标上确定与该灵敏度相对于的雅各比矩阵的值,例如为5,在曲线上对应的P0点的横坐标约为2.75cm,由此可以确定所需布置的光源-光源探测器网络的稀疏程度为2.75cm(或更小的值)。
进一步地,在上述条件下,所述雅各比矩阵-稀疏程度关联曲线近似满足如公式(1)所示的二次多项式关系:
公式(1)
其中,f(x)为以雅各比矩阵表征的灵敏度,x为光源-光源探测器网络的拓扑结构的稀疏程度,其中,所述灵敏度与所述分辨率分布参数呈反比关系。
在一些实施例中,当待检测肌肉组织为不同尺寸,和/或,希望设置为不同的体素大小的情况下,可以根据具体情况,通过蒙特卡洛模拟计算多种排布方式下的雅各比矩阵,并绘制横坐标为稀疏程度,纵坐标为雅各比矩阵中各个元素的均值的稀疏程度-雅各比矩阵曲线图,并根据所绘制的曲线图进行灵敏度与光源-光源探测器网络的拓扑结构的稀疏程度的实际数值关系的拟合,方法与上述示例类似,在此不赘述。
在一些实施例中,探头尺寸与光源-光源探测器间距呈正相关,也就是说,在网络布置时,光源-光源探测器间距越大,所使用的探头尺寸也越大。
在一些实施例中,所述第二探头尺寸为一种或多种,例如,当基于深度分辨率要求,以更近的间距布置成对光源和光源探测器时,也应采用更小的探头尺寸。
图4示出根据本发明实施例的具有多种探头尺寸和多种光源-光源探测器间距的光源-光源探测器网络的示意图。仅作为示例,在图4中,S6和D5的探头尺寸应小于S1和D1的探头尺寸,而S6’和D5’则应在S1-D1、S6-D5和S6’-D5’三对光源-光源探测器中具有最小的探头尺寸。
在一些实施例中,不同的探头尺寸对应于不同的光纤内径,并且,包括第一探头尺寸的光源和光源探测器所形成的探测通道,例如图4中的S1-D1,与在S1和D1之间布置的各种第二探头尺寸的光源和光源探测器所形成的探测通道,例如S6-D5和S6’-D5’各个探测通道之间彼此不交叉。如此,通过将探头尺寸、光纤内径和光源-光源探测器间距相关联地设置,能够以简洁的方式满足深度方向上的分辨率要求,同时又不会产生通道间干扰。仅作为示例,S1-D1探测通道主要用于探测如401所示的深度层,S1-D2探测通道主要用于探测如402所示的深度层,S6-D5探测通道主要用于探测如403所示的深度层,S6’-D5’则主要用于探测如404所示的深度层,由此,可以使得肌肉组织血氧相关参数的检测具有足够的分辨率和准确度。
在另一些实施例中,还可以通过相关联地调节光源和光源探测器的探头尺寸、光纤内径和光源-光源探测器间距来调整所述光源的出光功率。探头光纤的出光功率与光信号的质量、聚焦位置和探测深度相关联,也就是说,在探测通道的深度满足深度分辨率要求的情况下,可以通过对出光功率的调整(例如适当增大出光功率),使得光信号具有恰当的信号强度,从而具有最佳信号质量,以便例如在基于光信号对肌肉组织等成像时具有更好的图像质量。此外,过高的出光功率可能造成皮肤或组织损伤,因此,在对出光功率进行调整时,还应遵循相关的安全标准,例如设置符合安全要求的门限值,确保光对生物组织的能量密度处于安全范围内,以防止可能的损伤。
此外,在利用光源-光源探测器网络进行肌肉组织血氧状况检测时,由于可以分时,也可以同时地利用各个光源向待检测肌肉组织发射光,并利用对应探测通道的光源探测器探测出射光,因此,特别是在多个光源同时发射光的情况下,可以通过彼此协调地调节各个光源探头的出光功率来获得整体的最佳信噪比,从而确保能够准确地检测肌肉血氧信号而不产生过度的彼此之间的噪声干扰。
仅作为示例,在从测量设备到光源探头的光纤长度为1米(其中,光源探头贴敷受检者皮肤表面)、进入光纤的光信号的初始功率为100mW的情况下,可以按照公式(2)来基于光纤内径计算所述光源的出光功率:
公式(2)
其中,d表示光纤内径,OD(d)表示内径为d的光纤的光源的出光功率。因此,根据本发明的实施例可以在满足分辨率要求的情况下,根据上述关系来将光源探头的出光功率调整到合适的水平,从而使得待测肌肉组织的血氧状况检测具有最佳效果。
图5示出根据本发明实施例的利用由具有第一探头尺寸和第二探头尺寸的光源和光源探测器组成的光源-光源探测器网络对待检测肌肉组织的血氧相关参数进行检测的示例性方法。
如图5所示,在利用由具有第一探头尺寸和第二探头尺寸的光源和光源探测器组成的光源-光源探测器网络对待检测肌肉组织的血氧相关参数进行检测时,具体可以执行步骤501和步骤502。
在步骤501中,经由所述光源发射至少两种波长的入射光,通过各个光源探测器获取受检者在所述待检测肌肉组织的生理状态发生变化情况下的出射光参数的代表性变化量。
在一些实施例中,出射光参数例如可以包括出射光的光子强度,即,也可以是与出射光的光子强度具有特定对应关系的其他参数,本发明对此不做限制。在一些实施例中,上述代表性变化量例如可以是受检者在肌肉组织生理状态发生变化情况下的出射光参数与预设时长的静息态下出射光参数的平均值之间的差值,也可以是按照其他方式计算得到的受检者在肌肉组织生理状态发生变化情况下与静息态下的出射光参数之间的偏差等,本发明对此不做限制。
然后,在步骤502中,将所述出射光参数的代表性变化量输入到第一计算模型,以获取所述待检测肌肉组织的血氧相关参数,所述血氧相关参数至少包括血氧饱和度。具体地,例如可以通过氧合血红蛋白(HbO2)和脱氧血红蛋白(HbR)的浓度(例如绝对浓度)来推断组织血氧饱和度。
此外,血氧相关参数还可以包括组织血流量、组织氧代谢率等,例如,可以利用近红外光透过组织的特性,测量组织中HbO2和HbR的浓度,从而估计组织氧代谢率等。具体计算方法本发明在此不详述,可以参照本领域相关的公式和技术文件等。
仅作为示例,在待检测肌肉组织为人体手臂肌肉组织,至少两种波长的入射光包括660nm和880nm的近红外光的情况下,利用出射光参数的代表性变化量和第一计算模型来获取所述待检测肌肉组织的血氧相关参数具体包括如下步骤:
遍历(入射光波长、探测通道对应的光源-光源探测器间距)二元组中各个参数的取值范围,将各组参数及对应的出射光参数的代表性变化量代入如下公式(3):
公式(3)
其中,表示入射光波长为λ的情况下,探测通道对应的光源探测器探测到的作为出射光参数的代表性变化量的光密度变化量;x表示探测通道所对应的光源-光源探测器间距,单位为mm;/>为入射光波长为λ的情况下探测通道的差分路径因子;/>和分别为在入射光波长为λ的情况下作为光学特征参数的HbO2和HbR的消光系数,/>和/>分别是作为血氧相关参数的HbO2的浓度和HbR的浓度。
在两种波长的入射光为660nm和880nm的近红外光的情况下,可以得到如下第一方程组:
其中,和/>分别表示入射光波长为λ=660nm和λ=880nm的情况下,n条探测通道中第i条探测通道对应的光源探测器探测到的光密度变化量;x i为n条探测通道中第i条探测通道所对应的光源-光源探测器间距;/>和/>分别表示第i条探测通道在两种入射光波长λ=660nm和λ=880nm下的差分路径因子;/>和分别表示入射光波长为λ=660nm和λ=880nm的情况下HbO2的消光系数;/>和分别表示入射光波长为λ=660nm和λ=880nm的情况下HbR的消光系数;/>和/>分别表示HbO2的浓度和HbR的浓度。
并且,各条探测通道的两种波长的差分路径因子y 660nm(x)和y 880nm(x)例如可以按照公式(4)来进行计算:
公式(4)
其中,公式(4)中的各项常数值是针对人体手臂肌肉,在入射光波长λ=660nm和λ=880nm两种情况下,采用蒙特卡洛模拟计算后拟合而得到的典型值。
由公式(4)可以进一步得到:
上式中的各个符号和参数与前文所述保持一致。
然后,将各个和/>代入上述第一方程组,来求取所述待检测肌肉组织的光学特征参数,以及HbO2的浓度/>和HbR的浓度/>,其中,所述光学特征参数包括HbO2的消光系数/>、/>和HbR的消光系数/>、/>。
接下来,基于所求取的HbO2的浓度和HbR的浓度/>,根据公式(5)来计算待检测肌肉组织的血氧饱和度SpO2:
公式(5)
在一些实施例中,可以通过上述血氧饱和度来了解肌肉组织中的氧气供应情况,重建肌肉组织血氧分布等,本发明在此不一一列举。
根据本发明实施例的肌肉组织血氧相关参数的检测方法,通过设置不同大小的探头以及探头间的间距和排布方式,可以获取多深度多层次的信息,并且通过调整探头尺寸和探头光纤内径,可以控制光束的扩散程度和探测深度,避免干扰,精确控制探测范围,在保证包括深度分辨率在内的分辨率分布参数的同时,提高检测准确度。此外,探测通道的多距离排布,以及探头数量合理设置所带来的数据处理量的减少,还可以以更高的实时性获得时间分辨率较高的动态数据,对于检测快速生理过程、运动响应具有很大帮助。
根据本发明的实施例还提供一种肌肉组织血氧相关参数的检测装置。图6示出根据本发明实施例的肌肉组织血氧相关参数的检测装置的部分组成示意图。如图6所示,检测装置600至少包括处理器601和存储器602,存储器602上存储有计算机可执行指令,处理器601在执行所述计算机可执行指令时执行本发明各个实施例所述的肌肉组织血氧相关参数的检测方法的各种操作。
根据本发明的实施例还提供一种肌肉组织血氧相关参数的检测系统。图7示出根据本发明实施例的肌肉组织血氧相关参数的检测系统的部分组成示意图。如图7所示,检测系统700例如可以包括近红外光学数据采集装置701和如本发明各个实施例所述的肌肉组织血氧相关参数的检测装置702,其中,肌肉组织血氧相关参数的检测装置702可以实现肌肉组织血氧相关参数的检测方法的各种操作。
在一些实施例中,所述近红外光学数据采集装置701可以构造为近红外肌肉组织功能成像装置,其包括贴敷部(未示出),所述贴敷部能够与受检者的待检测肌肉组织表面的肌肤贴合,并且其上设置有用于向所述待检测肌肉组织发射近红外光的光源(未示出),以及用于探测出射近红外光的光源探测器(未示出),并且,所述光源和光源探测器的光纤内径可以按需调整。
根据本发明的实施例还提供一种存储有程序的非暂时性计算机可读存储介质,所述程序使得处理器执行如本发明各个实施例所述的肌肉组织血氧相关参数的检测方法的操作。
此外,尽管已经在本文中描述了示例性实施例,其范围包括任何和所有基于本发明的具有等同元件、修改、省略、组合(例如,各种实施例交叉的方案)、改编或改变的实施例。权利要求书中的元件将被基于权利要求中采用的语言宽泛地解释,并不限于在本说明书中或本发明的实施期间所描述的示例,其示例将被解释为非排他性的。因此,本说明书和示例旨在仅被认为是示例,真正的范围和精神由权利要求以及其等同物的全部范围所指示。
以上描述旨在是说明性的而不是限制性的。例如,上述示例(或其一个或更多方案)可以彼此组合使用。例如本领域普通技术人员在阅读上述描述时可以使用其它实施例。另外,在上述具体实施方式中,各种特征可以被分组在一起以简单化本发明。这不应解释为一种不要求保护的公开的特征对于任一权利要求是必要的意图。相反,本发明的主题可以少于特定的公开的实施例的全部特征。从而,权利要求书作为示例或实施例在此并入具体实施方式中,其中每个权利要求独立地作为单独的实施例,并且考虑这些实施例可以以各种组合或排列彼此组合。本发明的范围应参照权利要求以及这些权利要求赋权的等同形式的全部范围来确定。
以上实施例仅为本发明的示例性实施例,不用于限制本发明,本发明的保护范围由权利要求书限定。本领域技术人员可以在本发明的实质和保护范围内,对本发明做出各种修改或等同替换,这种修改或等同替换也应视为落在本发明的保护范围内。
Claims (10)
1.一种肌肉组织血氧相关参数的检测方法,其特征在于,包括:
与待检测肌肉组织相关联地确定血氧相关参数检测所需的分辨率分布参数,所述分辨率分布参数包括深度分辨率;
基于所确定的分辨率分布参数确定所需的光源-光源探测器网络的拓扑结构的稀疏程度;
在所述待检测肌肉组织对应的待检测区域表面布置具有所述稀疏程度的光源-光源探测器网络,并使得所述光源-光源探测器网络包含多个具有第一探头尺寸的光源和多个具有第一探头尺寸的光源探测器,并且存在不同的光源-光源探测器间距,每个所述光源与多个所述光源探测器之间所形成的探测通道存在不同方向;
基于所需的深度分辨率,在对应的具有第一探头尺寸的光源和光源探测器之间布置成对的具有第二探头尺寸的光源和光源探测器,其中,所述第二探头尺寸小于所述第一探头尺寸;
利用由具有第一探头尺寸和第二探头尺寸的光源和光源探测器组成的光源-光源探测器网络对待检测肌肉组织的血氧相关参数进行检测。
2.根据权利要求1所述的检测方法,其特征在于,探头尺寸与光源-光源探测器间距呈正相关,所述第二探头尺寸为一种或多种,不同的探头尺寸对应于不同的光纤内径,并且,
第一探头尺寸的光源和光源探测器所形成的探测通道和其间布置的各种第二探头尺寸的光源和光源探测器所形成的探测通道彼此不交叉。
3.根据权利要求2所述的检测方法,其特征在于,通过相关联地调节光源和光源探测器的探头尺寸、光纤内径和光源-光源探测器间距来调整所述光源的出光功率,其中,在光纤长度为1米、初始功率为100mW的情况下,按照公式(2)来基于光纤内径计算所述光源的出光功率:
公式(2)
其中,d表示光纤内径,OD(d)表示内径为d的光纤的光源的出光功率。
4.根据权利要求1-3中任一项所述的检测方法,其特征在于,所述利用由具有第一探头尺寸和第二探头尺寸的光源和光源探测器组成的光源-光源探测器网络对待检测肌肉组织的血氧相关参数进行检测具体包括:
经由所述光源发射至少两种波长的入射光,通过各个光源探测器获取受检者在所述待检测肌肉组织的生理状态发生变化情况下的出射光参数的代表性变化量;
将所述出射光参数的代表性变化量输入到第一计算模型,以获取所述待检测肌肉组织的血氧相关参数,所述血氧相关参数至少包括血氧饱和度。
5.根据权利要求4所述的检测方法,其特征在于,在待检测肌肉组织为人体手臂肌肉组织,所述至少两种波长包括660nm和880nm的情况下,将所述出射光参数的代表性变化量输入到第一计算模型,以获取所述待检测肌肉组织的血氧相关参数具体包括:
遍历(入射光波长,探测通道对应的光源-光源探测器间距)二元组中各个参数的取值范围,将各组参数及对应的出射光参数的代表性变化量代入公式(3),得到第一方程组,并通过第一方程组来求取所述待检测肌肉组织的光学特征参数、HbO2的浓度和HbR的浓度,其中,所述光学特征参数包括HbO2的消光系数和HbR的消光系数,
公式(3)
其中,表示入射光波长为λ的情况下,探测通道对应的光源探测器探测到的作为出射光参数的代表性变化量的光密度变化量;x表示探测通道所对应的光源-光源探测器间距,单位为mm;/>为入射光波长为λ的情况下探测通道的差分路径因子;/>和/>分别为在入射光波长为λ的情况下作为光学特征参数的HbO2和HbR的消光系数,/>和分别是作为血氧相关参数的HbO2的浓度和HbR的浓度;
并且,光源-光源探测器间距为x的探测通道的两种波长的差分路径因子y 660nm(x)和y 880nm(x)按照公式(4)计算得到:
公式(4)
其中,公式(4)中的各项常数值是针对人体手臂肌肉,在入射光波长λ=660nm和λ=880nm两种情况下,采用蒙特卡洛模拟计算后拟合而得到的典型值;
基于所求取的HbO2的浓度和HbR的浓度/>,根据公式(5)来计算待检测肌肉组织的血氧饱和度SpO2:
公式(5)。
6.根据权利要求1-3中任一项所述的检测方法,其特征在于,所述基于所确定的分辨率分布参数确定所需的光源-光源探测器网络的拓扑结构的稀疏程度具体包括:
预先为所述待检测肌肉组织对应的待检测区域表面设定具有不同稀疏程度的光源-光源探测器网络的拓扑结构,其中,所述稀疏程度由光源-光源探测器网络中各个光源与各个光源探测器之间最近的距离来表征;
通过蒙特卡洛模拟计算不同稀疏程度的拓扑结构的雅各比矩阵,并绘制雅各比矩阵-稀疏程度关联曲线;
基于分辨率分布参数与所述雅各比矩阵之间的对应关系,通过雅各比矩阵-稀疏程度关联曲线来获取所确定的分辨率分布参数所需的光源-光源探测器网络的拓扑结构的稀疏程度。
7.根据权利要求6所述的检测方法,其特征在于,所述雅各比矩阵-稀疏程度关联曲线满足公式(1):
公式(1)
其中,f(x)为以雅各比矩阵表征的灵敏度,x为光源-光源探测器网络的拓扑结构的稀疏程度,并且所述灵敏度与所述分辨率分布参数呈反比关系。
8.一种肌肉组织血氧相关参数的检测装置,其特征在于,所述检测装置至少包括处理器和存储器,所述存储器上存储有计算机可执行指令,所述处理器在执行所述计算机可执行指令时执行如权利要求1-7中任一项所述的肌肉组织血氧相关参数的检测方法。
9.一种肌肉组织血氧相关参数的检测系统,其特征在于,包括近红外光学数据采集装置和如权利要求8所述的肌肉组织血氧相关参数的检测装置;
所述近红外光学数据采集装置包括贴敷部,所述贴敷部能够与受检者的待检测肌肉组织表面的肌肤贴合,并且其上设置有用于向所述待检测肌肉组织发射近红外光的光源,以及用于探测出射近红外光的光源探测器,并且,所述光源和光源探测器的光纤内径可以调整。
10.一种存储有程序的非暂时性计算机可读存储介质,所述程序使得处理器执行如权利要求1-7中任一项所述的肌肉组织血氧相关参数的检测方法的操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410155147.1A CN117694885B (zh) | 2024-02-04 | 2024-02-04 | 肌肉组织血氧相关参数的检测方法、装置、系统和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410155147.1A CN117694885B (zh) | 2024-02-04 | 2024-02-04 | 肌肉组织血氧相关参数的检测方法、装置、系统和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117694885A CN117694885A (zh) | 2024-03-15 |
CN117694885B true CN117694885B (zh) | 2024-05-24 |
Family
ID=90159259
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410155147.1A Active CN117694885B (zh) | 2024-02-04 | 2024-02-04 | 肌肉组织血氧相关参数的检测方法、装置、系统和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117694885B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103735274A (zh) * | 2013-12-25 | 2014-04-23 | 电子科技大学 | 一种局部脑组织血氧血容绝对量检测装置及检测方法 |
CN106999113A (zh) * | 2014-07-08 | 2017-08-01 | 德克萨斯大学系统董事会 | 用于测量胎儿脑氧合的系统和方法 |
CN116831528A (zh) * | 2023-06-29 | 2023-10-03 | 北京理工大学 | 一种基于高光谱重建的多尺度信息融合的糖尿病足预测方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7061622B2 (en) * | 2001-08-03 | 2006-06-13 | Case Western Reserve University | Aspects of basic OCT engine technologies for high speed optical coherence tomography and light source and other improvements in optical coherence tomography |
US20080200784A1 (en) * | 2007-02-16 | 2008-08-21 | Xuefeng Cheng | Method and device for measuring parameters of cardiac function |
JP2013544588A (ja) * | 2010-11-03 | 2013-12-19 | ユニバーシティ オブ ワシントン スルー イッツ センター フォー コマーシャライゼーション | invivoにおける組織酸素化の判定 |
-
2024
- 2024-02-04 CN CN202410155147.1A patent/CN117694885B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103735274A (zh) * | 2013-12-25 | 2014-04-23 | 电子科技大学 | 一种局部脑组织血氧血容绝对量检测装置及检测方法 |
CN106999113A (zh) * | 2014-07-08 | 2017-08-01 | 德克萨斯大学系统董事会 | 用于测量胎儿脑氧合的系统和方法 |
CN116831528A (zh) * | 2023-06-29 | 2023-10-03 | 北京理工大学 | 一种基于高光谱重建的多尺度信息融合的糖尿病足预测方法 |
Non-Patent Citations (1)
Title |
---|
无线肌血氧监测仪的研制;张海宁等;《生物医学工程与临床》;20060331;第10卷(第2期);109-112 * |
Also Published As
Publication number | Publication date |
---|---|
CN117694885A (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Liebert et al. | Time-resolved multidistance near-infrared spectroscopy of the adult head: intracerebral and extracerebral absorption changes from moments of distribution of times of flight of photons | |
Corlu et al. | Diffuse optical tomography with spectral constraints and wavelength optimization | |
US8094149B2 (en) | Multi-spectral reconstruction method based on adaptive finite element | |
US9498134B1 (en) | Diffuse optical tomography methods and system for determining optical properties | |
Niu et al. | Comprehensive investigation of three-dimensional diffuse optical tomography with depth compensation algorithm | |
Gerega et al. | Multiwavelength time-resolved near-infrared spectroscopy of the adult head: assessment of intracerebral and extracerebral absorption changes | |
Tian et al. | Optimization of probe geometry for diffuse optical brain imaging based on measurement density and distribution | |
Althobaiti et al. | Optimization of dual-channel near-infrared non-invasive glucose level measurement sensors based on Monte-Carlo simulations | |
CN117694885B (zh) | 肌肉组织血氧相关参数的检测方法、装置、系统和介质 | |
Bench et al. | Quantitative photoacoustic estimates of intervascular blood oxygenation differences using linear unmixing | |
Lee et al. | Study of photon migration with various source-detector separations in near-infrared spectroscopic brain imaging based on three-dimensional Monte Carlo modeling | |
Gökkan et al. | Artificial neural networks based estimation of optical parameters by diffuse reflectance imaging under in vitro conditions | |
JP5658979B2 (ja) | 生体光計測装置及び生体における吸収係数の変動を推定する方法 | |
Das et al. | Dual-wavelength diffuse optical tomographic system for direct concentration measurement | |
CN100387930C (zh) | 皮下脂肪厚度测定方法及其测定装置 | |
Cysewska-Sobusiak | One-dimensional representation of light-tissue interaction for application in noninvasive oximetry | |
Yamada et al. | Simulation of time-resolved optical computer tomography imaging | |
KR101801473B1 (ko) | 다발형 광소자를 이용하는 휴대용 뇌 영상장치 | |
Reiser et al. | Simulation framework for reflective PPG signal analysis depending on sensor placement and wavelength | |
JP2014102087A (ja) | 光学的測定方法 | |
JP2012005556A (ja) | 生体機能情報の光計測装置 | |
Aizu et al. | Spectral reflectance fitting based on Monte Carlo simulation using a multi-layered skin tissue model | |
Chance et al. | Photon dynamics in tissue imaging | |
Lin et al. | Anatomical Modeling and Optimization of Speckle Contrast Optical Tomography | |
Bauer et al. | Skin color simulation-review and analysis of available Monte Carlo-based photon transport simulation models |
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 |