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。     

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。