基于近红外光谱实现心输出量无创检测的色素谱分析方法

针对当前临床上心输出量参数检测技术存在的有创伤、操作复杂和患者易受感染而死亡的问题,研究了一种基于近红外光谱原理,动态测量和分析作为指示剂的吲哚氰绿色素在患者动脉血液中的浓度变化情况,从而根据其特征参数实现心输出量连续测量的无创检测方法。将吲哚氰绿色素经肘静脉注入患者体内后,光电脉搏色素谱测量装置作为下位机,连续、同步采集和记录其指端处的805和940 nm两个特征波长点的脉搏波信号,并将数据上传至上位计算机,由后者绘制色素稀释和排泄的浓度衰减曲线,以及计算平均循环时间等关键参数,最后推导出心输出量的数值。将该方法与作为“金标准”的热稀释法的测量结果相比较,其最大相对误差为9.76%,而平均相对误差为4.39%。该试验结果表明,所提出的方法为临床上的心输出量检测,提供了一种操作简便、无创和连续测量的解决方案。     

血流动力学参数的指示剂光密度检测方法研究

血流动力学参数检测一直是临床医学研究的热点。针对临床上测量血流动力学参数的方法存在有创、操作复杂、不适合重复测量的问题,研究了一种结合指示剂稀释理论与近红外光谱技术的指示剂光密度测量法,实现了血流动力学参数的无创检测。通过体外注射吲哚氰绿(ICG)色素指示剂,建立其在血液循环系统中稀释代谢的动力学模型,利用近红外发光探头在指端分时发送735,805和940 nm三个波长的近红外光, 同时在手指对侧实时接收携带脉搏波信息的透射光信号,将测得的信号上传至计算机进行分析处理得到随时间变化的ICG浓度并将其绘制成连续的色素浓度曲线,根据该曲线确定色素平均传输时间MTT及初始色素含量C_t0等中间变量,进一步推算出心排出量CO及循环血容量CBV两项血流动力学参数。将该方法与临床上测量上述两种参数的“金标准”—热稀释法、碘-131同位素标记法进行临床试验对比,测得10组CO及CBV的试验对比数据,经误差分析得到两项参数的相对误差最大值分别为8.88%和4.28%,平均相对误差值均低于5%,满足临床检测的精度要求,为临床上血流动力学参数的测量提供了一种安全性强、连续性好、适应范围更为广泛的方法。     

基于修正脉搏色素谱的循环血量检测方法

循环血量(CBV)作为主要的血流动力学参数,在心血管疾病的病情评估和手术监护中具有重要的临床应用价值。将吲哚菁绿色素(ICG)作为示踪剂的脉搏色素谱法,通过建立ICG稀释排泄的色素谱曲线,实现CBV的在体无创测量。在实际临床应用中,由于受到血氧波动和环境背景光等干扰因素的影响,脉搏色素谱法测量CBV的准确度低于预期值。为解决这一问题,研究了一种基于修正脉搏色素谱的循环血量检测方法。具体操作是,在患者的肘静脉处注入吲哚菁绿试剂,利用光电传感器分别采集特征波长点的透射光谱信号和背景光电信号,采用差分算法消除血氧波动和环境背景光的干扰影响,建立准确的ICG色素谱曲线,从而计算CBV等血流动力学参数。与131I同位素“金标准法”相比较的试验结果表明,该研究提出的基于修正脉搏色素谱的循环血量检测方法,将CBV测量的平均相对误差从6.85%降低为4.53%,显著提高了其测量准确度。     

基于NIRS-ICG的脑血流量无创测量

临床上脑血流量(cerebral blood flow, CBF)等脑血管血流动力学参数是脑血氧水平及脑血管储备功能诊断依据,现有检测手段存在技术复杂及相应试剂或设备不适用于所有诊断人群等缺点。为解决以上问题,利用近红外光谱技术(NIRS)结合吲哚青绿(indocyanine green, ICG)脉搏色素浓度法,研究了一种无创、快速、可重复测量的脑血流量床旁检测方法NIRS-ICG。该方法根据静脉注射ICG后脑组织及脑动脉血流中三种主要吸光色团氧合血红蛋白(oxygenated hemoglobin, HbO₂)、还原血红蛋白(reduced hemoglobin, HbR)及ICG的浓度变化情况,建立脑组织及脑动脉血流中ICG积累量及引入量模型,以获得脑血氧及CBF等脑血流动力学参数。为验证该方法的可行性,将NIRS-ICG应用于血碳酸正常及高碳酸血症病理模型的实验猪的脑血流情况检测。具体方法是：分别对四组实验猪用按0%,3%,6%,9%比例调制的CO₂和空气混合气体施行机械通气,静脉快速推注ICG后,利用NIRS-ICG方法测量CBF、脑动脉血氧饱和度(cerebral arterial oxygen saturation, SaO₂)及脑血管管床平均循环时间(mean transit time, MTT)。实验结果表明,NIRS-ICG测得的CBF随CO₂比率升高而升高,SaO₂随着CO₂比例的升高而降低,MTT并无显著变化,与生理变化一致。因此,该方法可为脑血氧及脑血管储备功能诊断提供可靠依据。     

EEMD-ICA在功能性近红外光谱特征信号提取中的应用

近年来,功能性近红外光谱技术(fNIRS)广泛应用于神经影像学领域。为解决fNIRS特征信号提取中的信噪频谱混叠问题,依据近红外光谱脑功能成像信号非线性与非平稳特点,提出一种结合集合经验模态分解法和独立成分分析的多分辨率联合信号提取方法EEMD-ICA。在脑功能成像仪器平台上采集多通道多波长脑功能成像近红外光密度信号,先对该信号进行集合经验模态分解将其按频率成分分解为多层本征模态函数,之后将独立成分分析应用于目标频率分量函数进行自适应去噪,最后将处理后的分量累加、重构获得近红外光谱脑功能成像的特征信号。将Valsalva氏实验测试数据作为研究对象进行滤噪处理,与经验模态分解法和集合经验模态分解法对fNIRS特征信号的提取效果对比。对实测数据的处理结果进行信噪比和误差参数分析,结果表明,该方法能够有效解决去噪过程中丢失原始信号有用信息及由于信噪频谱混叠不能完整去除噪声的问题,信号处理效果理想,对比另外两种信号提取方法更为优化。