朱良慧 曾毛毛 何永紅

(清華大學深圳研究生院生物醫(yī)學工程研究所，廣東 深圳 518055)

基于雙波長近紅外成像方法的血氧含量檢測

朱良慧 曾毛毛 何永紅*

(清華大學深圳研究生院生物醫(yī)學工程研究所，廣東 深圳 518055)

為了對生物組織血氧含量分布進行成像，利用760 nm和850 nm的雙波長近紅外差分探測方法，研制了血氧含量檢測系統(tǒng)，并首次使用吲哚菁綠 (ICG) 和散射體作為仿體設計實驗。首先測量了牛奶的光密度差ΔOD隨牛奶濃度差Δc的變化值。接著將ICG溶解在稀釋了40倍的牛奶中，用不同濃度梯度稀釋ICG，得到一系列ΔOD-Δc曲線，用一次函數(shù)擬合曲線，根據(jù)方差(SSE)、均方根(RMSE)和確定系數(shù)(R2)確定系統(tǒng)分辨率。然后改變散射介質濃度，研究它對系統(tǒng)測量的影響。最后選擇30名健康測試者進行在體實驗，測量手掌血氧含量的空間分布以及動態(tài)時間變化。結果表明，牛奶和ICG在雙波長光源下的吸收系數(shù)之比分別接近1∶1和2.5∶1，因此可以用牛奶模擬組織中的水、脂肪、某些色素等，用ICG模擬血液中的脫氧血紅蛋白；系統(tǒng)分辨率為1.6×10-5mg/mL的ICG濃度變化；弱散射介質的濃度與系統(tǒng)的動態(tài)響應范圍成負相關，與系統(tǒng)的靈敏度成正相關；扎住手腕后，手掌血氧含量從1逐漸降低至0.3±0.105，松開橡皮筋后，血氧含量逐漸恢復至0.97±0.018。以上結果說明該系統(tǒng)具有測量可行性，將在組織血氧檢測方面擁有良好的應用價值。

雙波長近紅外；血氧含量；吲哚菁綠

引言

近紅外光是介于可見光和中紅外光之間的電磁波，波段為700～900 nm的近紅外光比可見光具有更好的組織穿透性[1]。對于同一種被穿透物質，由Beer-Lambert定律知，近紅外光的穿透程度與被穿透物質的濃度有關；對于不同物質，它們對近紅外光的吸收程度有所不同[2]，這使得近紅外成像系統(tǒng)能夠分辨出不同物質和同種物質的不同濃度。當兩種不同波長的近紅外光穿透組織時，某些物質對這兩種近紅外光吸收程度很大，而另一些物質對這兩種近紅外光吸收程度很小，因此，可以利用這種特性來計算物質的分布與含量。血液中的氧合血紅蛋白(oxyhemoglobin，HbO2)和脫氧血紅蛋白(deoxyhemoglobin，Hb) 對700～900 nm波段的近紅外光吸收較大[3]，雙波長近紅外血氧飽和度成像技術就是利用此原理發(fā)展而來的。該技術具有無損、成本低、可長期連續(xù)監(jiān)測等優(yōu)點[4]。

糖尿病足、乳腺癌等疾病患者的病灶血氧含量與正常組織血氧含量有差別，因而血氧含量的檢測能夠為這些疾病的檢測提供新思路[5-7]。目前，近紅外光譜技術已經(jīng)在乳腺癌的篩查、腦部血氧檢測、肌肉氧化作用等方面得到了應用，但需要多個通道才能得到大面積的探測信息[8-12]。國內外檢測血氧含量的系統(tǒng)主要包括清華大學生物醫(yī)學工程系研制的近紅外組織血氧參數(shù)無損監(jiān)測儀、華中科技大學系統(tǒng)工程系研制的TBO乳腺腫瘤監(jiān)測儀、日本Hitachi公司研制的ETG-7100、美國TechEn, Inc公司研制的CW6以及NIRx公司研制的NIRScout等儀器。這些儀器在開發(fā)過程中主要通過專門的血液模型和血氣分析儀對系統(tǒng)進行定標[8-9,13-15]，直接改變血液含氧量，用血氧含量檢測系統(tǒng)測量的結果和血氣分析儀測量的結果對比，從而實現(xiàn)定標。這種定標方法直觀、準確，但是沒有考慮血液這種弱散射介質對測量的影響，而且成本較高。

本研究所研制的近紅外血氧含量檢測系統(tǒng)可以通過面陣電荷耦合元件(charge-coupled device,CCD)單通道得到大面積的病灶信息，采集的圖像能清晰、直觀地反映目標區(qū)域情況；并且通過吲哚菁綠(indocyanine green, ICG)和散射體的仿體實驗對研制的系統(tǒng)進行定標，實驗簡單易行、成本低。利用仿體實驗測量出該血氧含量檢測系統(tǒng)的分辨率為1.6×10-5mg/mL的吲哚菁綠濃度變化；同時，該實驗還研究了弱散射介質的濃度對系統(tǒng)測量的影響。利用稀牛奶模擬血液(除HbO2和Hb以外的物質)，定性說明了弱散射介質的濃度與系統(tǒng)的動態(tài)響應范圍成負相關，與系統(tǒng)的靈敏度成正相關。此外，還通過在體實驗，定量測量出了手掌血氧含量的空間分布以及動態(tài)時間變化。在體實驗表明，所研制的雙波長近紅外血氧含量檢測系統(tǒng)能夠快速、準確、反復檢測血氧含量，操作方便，對人體無損，因而在組織血氧檢測方面將具有良好的應用價值。

1 研究方法與實驗

1.1 血氧含量計算原理

在近紅外光譜范圍中，生物組織內吸收光的物質主要是水、脂肪、色素和血紅蛋白。隨著近紅外光波長的變化，水和色素在700～900 nm波段內吸收系數(shù)很小，脂肪在700～900 nm波段內吸收系數(shù)基本保持不變，血液中的HbO2和Hb對近紅外光的吸收較大，而且二者具有不同的吸收光譜[16-17]。HbO2和Hb的含量隨著組織的功能和代謝情況變化而變化，所以這兩種物質的含量可作為組織生理狀態(tài)的臨床上有用信息[18]。

強度為I0的光從裝有均勻吸光物質的容器透射后，出射光強I會發(fā)生衰減，定義I0與I的比值為光密度OD，由Beer-Lambert定律可得

(1)

式中，ε是吸光系數(shù)，它是與入射光波長和吸光物質相關的常數(shù)；c是吸光物質的濃度；L是光進入容器到離開容器兩點之間的直線距離。此式可以用來求吸光物質的濃度c。

由于人體組織是強散射介質，光子在組織中經(jīng)過多次散射，所經(jīng)路線并不是直線，因此，實際光程不等于光進入組織到離開組織兩點之間的直線距離(用L表示)。通常，將實際光程除以L的比值定義為差分光程因子(differential pathlength factor，DPF)，DPF與吸光系數(shù)、散射系數(shù)和散射相位有關。對基本Beer-Lambert定律進行修改，有

(2)

式中，G是由于散射引入的衰減，其值與入射波長相關。

Delpy等表明，修正的Beer-Lambert定律考慮了多重散射的影響,可以對非均勻組織中的光衰減進行近似[19-20]。

某一強度恒定、波長為λ的入射光透射溶液，設入射光強為I0，當溶液濃度為c1時，出射光強為I1；當溶液濃度為c2時，出射光強為I2，則光密度變化ΔOD為

ΔOD=OD2-OD1

(3)

將I1、c1、I2、c2代入式(2),可分別求出OD1和OD2；將OD1和OD2代入式 (3)，可得

(4)

式中，Δc=c2-c1，利用此式可以計算物質濃度的改變。

若溶液濃度不變，改變系統(tǒng)散射系數(shù)，即改變DPF，那么實際光程會發(fā)生變化，光密度變化ΔOD也會發(fā)生變化。

血液中有HbO2和Hb兩種吸光體，吸光系數(shù)分別為εHbO2和εHb，利用兩種波長λ1和λ2同時進行測量，可以測得HbO2和Hb的濃度改變量分別為ΔcHbO2和ΔcHb。設氧含量用rSO2表示，則rSO2可表示為

(5)

由于利用式 (5) 需要測量光在組織中經(jīng)過的實際距離，這樣會增加儀器設計的復雜程度。在實際中，氧含量(以下用OX表示)計算通常使用經(jīng)驗公式[13]，據(jù)此設計的儀器結構簡單，不需要計算光在組織中的實際距離，成本大大降低，有

(6)

式中，Iλ1，0表示正常狀態(tài)下，波長為λ1的出射光強度；Iλ1表示缺氧狀態(tài)下，波長為λ1的出射光強度。Iλ2，0表示正常狀態(tài)下，波長為λ2的出射光強度；Iλ2表示缺氧狀態(tài)下，波長為λ2的出射光強度。當入射光波長λ<800 nm時，εHb>εHbO2；當入射光波長λ>800 nm時，εHb<εHbO2；當入射光波長λ=800 nm時，εHb=εHbO2[16]。

選取λ1=760 nm和λ2=850 nm的雙波長作為入射光，分別保持入射光I760，0和I850，0不變，當組織局部氧含量低于正常狀態(tài)的氧含量時，I760I850，0。因而，可得到氧含量的評價標準：OX<1，組織氧含量偏低；OX>1，組織氧含量偏高；Ox=1，組織血氧含量正常。

1.2 實驗系統(tǒng)

本課題組利用以上原理，設計了血氧含量檢測的實驗系統(tǒng)，該系統(tǒng)由圖像采集系統(tǒng)、控制系統(tǒng)和血氧含量成像系統(tǒng)組成，如圖1所示。圖像采集系統(tǒng)包括波長為760和850 nm的近紅外光源、黑白高感度近紅外CCD和黑白高清圖像采集卡，760 nm的LED(light emitting diode)和850 nm的LED各8顆，組成4×4交錯排列的陣列?？刂葡到y(tǒng)由單片機和繼電器等器件組成，單片機控制繼電器，繼電器控制光源持續(xù)發(fā)光時間和切換順序，同時單片機控制光源和相機的同步。血氧成像系統(tǒng)是基于Intercorei7的PC平臺。在控制電路的作用下，雙波長LED先后照射樣品，同時相機分別接收760nm波長的樣品信號和850nm波長的樣品信號，采集卡將采集到的數(shù)據(jù)傳入PC機，經(jīng)血氧分析系統(tǒng)分析，從而獲取樣品血氧分布圖以及局部血氧含量值。

圖1 血氧含量檢測系統(tǒng)Fig.1 Oxygen content detection system

1.3 實驗方法和步驟

為了驗證測量方法的正確性，并檢測系統(tǒng)的分辨率，分別設計了仿體實驗和在體實驗。

1.3.1 仿體實驗

生物組織和血液模型可以簡化成散射體和溶液的混合模型。脂肪是強散射體，而血液是弱散射體，它可近似為溶液，其中，HbO2和Hb是溶質[21]。牛奶是常用的強散射介質[22]，首先通過仿體實驗證明牛奶可以模擬組織中的水、脂肪、色素等物質，即用血氧含量檢測系統(tǒng)檢測牛奶對波長為760 nm和850 nm的近紅外光的吸收是否相同。用規(guī)格為58 mm×50 mm×50 mm的石英比色皿Am盛滿純牛奶，牛奶溶液作為實驗樣品。調節(jié)入射光強度，保持入射光強度Im760和Im850不變，光源透射樣品，記錄兩種波長出射光的強度，然后以0.05 mg/mL的濃度梯度稀釋純牛奶，得到出射光強分別為Im760，n、Im850，n，n=0,1,…,17(n=0表示樣品未稀釋前的出射光強)，光強以圖像灰度表示，單位為1。由式 (1) 可表示光密度OD760，n和OD850，n，分別用OD760，n與OD760，19作差、OD850，n與OD850，19作差，得到光密度變化ΔOD760，n和ΔOD850，n，畫出光密度變化ΔOD隨著牛奶濃度變化Δc的關系曲線。

ICG在760 nm紅光波長的吸收系數(shù) (ε760) 比850 nm近紅外波長處的吸收系數(shù) (ε850) 大，其吸收光譜如圖2所示，此特征與Hb的吸光特征類似[23]，可以用ICG模擬Hb。然后來用實驗確定ICG溶液(ICG與散射體混合的溶液)的ε760，Hb和ε850，Hb之間的定量關系。12.5mm×22.5mm×45mm的石英比色皿Bi盛8mL濃度為0.01mg/mL的ICG溶液，溶液中的溶劑為稀釋了40倍的稀牛奶，保持稀牛奶濃度不變，然后以0.000 5mg/mL的濃度梯度對溶液中的ICG進行稀釋，直到ICG濃度為0.009 25mg/mL，分別記錄出射光強Iw760，n、Iw850，n(n=0,1,…，15)，用同樣的方法得到ΔOD隨著ICG濃度變化的關系曲線。

接下來用不同的濃度梯度來測量系統(tǒng)的分辨率。用規(guī)格為58mm×50mm×50mm的石英比色皿Am盛滿稀釋了一倍的純牛奶，用規(guī)格為12.5mm×22.5mm×45mm的石英比色皿Bi盛8mL的ICG溶液，ICG濃度為0.0025mg/mL，溶液中的溶劑是稀釋了40倍的稀牛奶，并將Bi放入Am中，實驗過程確保Bi中的液體與Am中的液體非接觸。設置不同的濃度梯度稀釋ICG溶液，直至ICG濃度為0.002mg/mL，可以得到一系列的ΔOD760-Δc、ΔOD850-Δc曲線，對這些曲線以95%的置信區(qū)間進行一次線性擬合，擬合形式為

(7)

計算A、B以及曲線擬合質量的評價指標和方差(the sum of squares due to error，SSE)、均方根(root mean squared error，RMSE)、確定系數(shù)(coefficient of determination，R2)。

最后研究ICG溶液中散射介質濃度對系統(tǒng)測量的影響。比色皿Am中盛滿稀釋了一倍的純牛奶。配置稀釋了2、5、10、20、40、50倍的牛奶，將ICG溶解到不同濃度的牛奶中，保持ICG初始濃度為0.01 mg/mL，以0.000 5 mg/mL的ICG濃度梯度稀釋溶液，直到ICG濃度為0.009 25 mg/mL。得到一系列ΔOD760-Δc、ΔOD850-Δc的曲線。

圖2 ICG的吸收光譜Fig.2 The absorption spectrum of ICG

1.3.2 在體實驗

接下來用在體實驗測量血氧含量空間分布和動態(tài)時間分布。

在體實驗對象是30名年齡為20～50歲的健康測試者。將實驗對象的手掌放在鏡頭的焦距處，采集自由狀態(tài)下手掌在雙波長光源下的圖像，如圖3所示，此時手掌血氧含量設定為1。然后用橡皮筋扎住手腕，分別獲取不同光源下手掌的圖像，并計算手掌血氧含量。受試者均簽署知情同意書。

圖3 左手成像。(a) 760 nm光源下成的像；(b)850 nm光源下成的像Fig.3 Imaging of the left hand. (a) Imaging under the light source of 760 nm wavelength; (b) Imaging under the light source of 850 nm wavelength

進一步設計動態(tài)測量手掌血氧含量分布的在體實驗，實驗分3個階段：第一階段，自由狀態(tài)采集，第二階段，用橡皮筋扎住手腕，第三階段，松開橡皮筋。實驗過程中將手掌放在鏡頭焦距處，每隔5 s采集兩幅近紅外圖像，共采集15次，整個實驗一共持續(xù)70 s。注意實驗過程中，務必保持手掌位置不變。本實驗中，式(6)中的Iλ1，0代表0時刻760nm波長光源下采集圖像強度，Iλ2，0代表0時刻850nm波長光源下采集圖像強度，Iλ1，n表示760nm光源下的第n次采集圖像強度，Iλ2，n表示850nm光源下的第n次采集圖像強度，其中n=2,…,15。

選取手背上離手指近的一小塊區(qū)域(0.8 mm×0.5 mm)，如圖3中紅色方框區(qū)域所示，計算實驗3個階段中此區(qū)域內的血氧含量Ox的平均值。本次實驗一共持續(xù)135 s，每階段各持續(xù)45 s。t=45 s時刻，用橡皮筋扎住手腕，t=90 s時刻，松開橡皮筋。

2 實驗結果

2.1 仿體實驗結果

畫出的光密度變化ΔOD隨著牛奶濃度變化Δc的關系曲線如圖4所示，實線代表760 nm紅光的ΔOD，黑色方框代表850 nm近紅外光的ΔOD。在ΔOD-Δc曲線中，斜率表示DPF×εL，實驗中保持L固定，所以曲線斜率實際上表示DPF×ε。在圖4中，同一濃度牛奶的DPF也不變，因此斜率代表ε?？梢钥闯?，雙波長的ΔOD-Δc曲線斜率在相同的Δc時幾乎相等，這說明在牛奶濃度一定時，牛奶的ε760和ε850幾乎相等。因此，牛奶可以用來模擬組織中的水、色素、脂肪等物質。

畫出ICG濃度光密度變化ΔOD隨著ICG濃度變化Δc的關系曲線如圖5所示，同樣曲線斜率關系可以反映出ε的關系。由圖5可知，當牛奶濃度稀釋40倍后，ICG的ε760是ε850的2.3倍。由圖2可知，波長為760 nm時，ICG吸收系數(shù)ε760為38；波長為850 nm時，ICG吸收系數(shù)ε850為15。ε760與ε850的比值為2.53，該值與2.3比較接近，驗證了修正的Beer-Lambert定律的正確性，也說明了該系統(tǒng)測量的可行性。

理論上ΔOD-Δc是一條過原點的直線，式 (7) 中的A反映DPF×εL，B是一個接近于零的值。在用不同的ICG濃度梯度稀釋溶液的過程中，DPF和L保持不變，由表1、2可知，A760(760 nm光源的擬合參數(shù)A)接近于A850(850 nm光源的擬合參數(shù)A)的2.5倍，也即ε760接近ε850的2.5倍。

用SSE、MSE和R2來評定曲線擬合質量。SSE越小，擬合曲線越接近真實數(shù)據(jù)。引入RMS消除測量樣本數(shù)量的影響。R2可以判定測量數(shù)據(jù)與擬合曲線的相關程度，R2越接近1，表明相關程度越高[24]。設定SSE小于0.001、RMSE小于0.01、R2大于0.99時，曲線擬合程度良好；若不滿足此要求，在系統(tǒng)動態(tài)響應范圍內，測量的數(shù)據(jù)會出現(xiàn)不同程度的紋波，紋波表明系統(tǒng)不能有效地分辨ICG的微小濃度改變。由此可以測量出系統(tǒng)的分辨率為1.6×10-5mg/mL。

圖5、表1和表2的數(shù)據(jù)均是在散射體濃度cm不變的情況下測量的。由圖6、7可知，實際上ICG溶液中散射體的濃度對系統(tǒng)測量的動態(tài)響應范圍影響很大，在760 nm波長時該現(xiàn)象尤其顯著(見圖6)。牛奶濃度為1/2時，隨著ICG濃度的逐漸升高，ΔOD-Δc曲線首先出現(xiàn)非線性現(xiàn)象，接著牛奶濃度為1/5、1/10、1/20的ΔOD-Δc曲線也相繼出現(xiàn)了非線性現(xiàn)象。同時，從圖6中還可以得知，散射體濃度會影響系統(tǒng)的靈敏度。cm越大，ΔOD-Δc曲線斜率越大，即系統(tǒng)的靈敏度越大；反之，cm越小，系統(tǒng)的靈敏度越小。

圖4 牛奶的光密度變化隨濃度變化曲線Fig.4 Curves of ΔOD of milk with the concentration change

圖5 溶液的光密度變化隨ICG濃度變化曲線Fig.5 Curves of ΔOD with the concentration change of ICG

表1 760 nm波長光源下不同濃度梯度的擬合參數(shù)Tab.1 The fitting parameters of different concentration gradient with the light source at 760 nm wavelength

表2 850 nm波長光源下不同濃度梯度的擬合參數(shù)Tab.2 The fitting parameters of different concentration gradient with the light source at 850 nm wavelength

圖6 760 nm光源下光密度變化受散射體濃度的影響Fig.6 The change of the optical density influenced by the concentration of scatters with the light source at 760 nm wavelength

圖7 850 nm光源下光密度變化受散射體濃度的影響Fig.7 The change of the optical density influenced by the concentration of scatters with the light source at 850 nm wavelength

2.2 在體實驗結果

扎住手腕10 s后，可以得到雙波長下手掌成像，如圖8(a)、(b) 所示。設定自由狀態(tài)下手掌的OX為1，那么手掌OX空間分布如圖8中(c)圖所示。此時手掌的OX較低，尤其是血管區(qū)域血氧含量低于0.6，某些區(qū)域甚至在0.300±0.105范圍內。

圖8 扎住手腕后左手成像及血氧含量空間分布。(a)760 nm光源下成的像；(b)850 nm光源下成的像；(c)血氧含量空間分布Fig.8 Imaging of the left hand and the spatial distribution of the blood oxygen content after the wrist is tied. (a) Imaging under the light source of 760 nm wavelength; (b) Imaging under the light source of 850 nm wavelength; (c) The spatial distribution of the blood oxygen content

得到動態(tài)測量手掌OX分布如圖9所示，由圖9 (a)～(e) 可知，自由狀態(tài)下手背的OX有微微上升的趨勢，但總體看來變化不大；圖 (f)～(j) 明顯反映出扎住手腕過程中，手背OX隨著時間增加顯著下降。首先是手背中心的血管處變化最明顯，繼而向手指蔓延，最后整個手背血液缺氧；從圖 (k)～(o) 可知，手指處的OX變化比較迅速、明顯，而手背中心血管內的OX變化并不十分顯著。值得注意的是，圖9中大拇指根部和小拇指根部的OX變化趨勢與手掌OX變化的整體趨勢相反。手腕扎住過程中，大拇指根部OX反而升高；橡皮筋解開后，大拇指根部OX降低，最后基本恢復正常。

圖9 手掌血氧分布動態(tài)變化。(a)～(e)是自由狀態(tài)下手掌的血氧分布；(f)～(j)是用橡皮筋扎住手腕后手掌的血氧分布；(k)～(o)是松開橡皮筋后手掌的血氧分布Fig.9 Dynamic changes of the blood oxygen distribution in palm. (a)～(e) Dynamic changes of the blood oxygen distribution when the wrist is in the free state; (f)～(j) Dynamic changes of the blood oxygen distribution when the wrist is tied; (k)～(o) Dynamic changes of the blood oxygen distribution when the rubber band is released

計算圖3中紅方框區(qū)域3個階段測試者的OX平均值和標準差，可以得到該處OX的時間變化，如圖10所示。由圖中可知，自由狀態(tài)下OX有微小波動，基本維持在100%±4%范圍內；隨著手腕扎住時間增加，OX逐漸比100%小，并且偏離100%越來越遠，90 s時血氧含量低至87.0%±2.8%；橡皮筋被解除后，OX逐漸接近100%，最后落在97.0%±1.8%范圍內，說明此區(qū)域的OX正在恢復正常。定量分析該實驗結果與實際生理現(xiàn)象相符合[22]，說明了經(jīng)驗式 (6) 的正確性，也證明了實驗系統(tǒng)測量的可行性。

圖10 血氧含量變化曲線Fig.10 The change curve of blood oxygen content in the target area

3 討論

對于ΔOD-Δc曲線出現(xiàn)非線性的直接原因是散射體的濃度，根本原因在于光源的非均勻性。當Δc不變，cm增加時，DPF會增大，使得實際光程增大，從而ΔOD會增加。由于CCD的接收光強在一定的范圍內，這就限定了ΔOD在一定的范圍之中，因而Δc也在一定的范圍之內，超過此范圍或低于此范圍都會造成測量數(shù)據(jù)不準確。如果cm和ICG濃度c較大，會造成光強嚴重衰減，由于光源的不均勻性，距離光源近的區(qū)域接受光強度Ine大，距離光源遠的區(qū)域接受光強度Ifa小。當Ine大于探測響應范圍時，而Ifa還未達到CCD響應上限；當Ifa小于探測器的響應范圍時，Ine還未達到CCD響應下限，這些情況都會使得ΔOD-Δc曲線出現(xiàn)非線性現(xiàn)象。

在有效動態(tài)測量范圍之內，隨著cm的增加，系統(tǒng)的靈敏度也升高，其原因是DPF與cm成正相關。由式 (4) 可知，ΔOD與DPF成正相關，相同的輸入量Δc，cm越大，DPF越大，因而輸出量ΔOD越大，反映出系統(tǒng)的靈敏度越高。

仿體實驗定性說明了弱散射介質的濃度對系統(tǒng)動態(tài)響應范圍和靈敏度的影響。同樣，血液也是若散射介質，它的濃度變化是否會影響系統(tǒng)的測量？在用該系統(tǒng)測量OX分布時，是否在系統(tǒng)的線性范圍內測量？這些問題還需通過進一步實驗來回答。

在體試驗中，扎住手腕10 s，圖8(c) 和圖9(f)～(g) 中出現(xiàn)的OX為0.3±0.105的區(qū)域可能是靜脈血管，因為扎住手腕后，靜脈血回流立刻受阻，血液中的Hb含量增大[25]。由圖9的 (a)～(e)可知，自由狀態(tài)下手背的OX有微微上升的趨勢，這可能與測量者的坐姿有關。圖9顯示，在手腕扎住與解開過程中，大拇指根部和小拇指根部的OX變化趨勢與手掌OX變化整體趨勢相反，此現(xiàn)象的原因可能是橡皮筋施加的壓力不夠大，沒有阻斷動脈血，隨著時間增加，動脈血不斷流入手掌，導致HbO2含量增加。

在圖10中，解開橡皮筋后的45s之內，OX并沒有恢復到1。從第3階段的變化趨勢來看，該階段的數(shù)據(jù)量較小，因為最后15 s的數(shù)據(jù)值接近1，但是還沒有出現(xiàn)逐漸逼近1或者在1附近震蕩的現(xiàn)象。因此，在接下來的實驗中需要增加第3階段的測試時間，同時在不損害測試者健康的情況下，也可以適當增加第2階段的測試時間。

4 結論

本課題組設計的仿體實驗就是用強散射體牛奶和ICG溶液來模擬血液，通過改變ICG溶液的稀釋濃度梯度來測量血氧含量檢測系統(tǒng)的分辨率。同時，改變ICG溶液中散射介質濃度，研究散射介質對測量的影響。

通過ICG和散射介質的仿體實驗驗證了該系統(tǒng)的測量可行性，定量測量了系統(tǒng)的分辨率為1.6×10-5mg/mL的ICG濃度變化，并定性說明了弱散射介質的濃度會影響系統(tǒng)測量的動態(tài)響應范圍和靈敏度。弱散射介質濃度越高，系統(tǒng)動態(tài)響應范圍越小，在動態(tài)響應范圍之內，系統(tǒng)靈敏度越高；反之，弱散射介質濃度越低，系統(tǒng)動態(tài)響應范圍越大，在動態(tài)響應范圍之內，系統(tǒng)靈敏度越低。

在體實驗進一步證明了該系統(tǒng)測量血氧含量的可行性。自由狀態(tài)下，手掌血氧含量值接近1；用橡皮筋扎住手腕后，血氧含量逐漸降低，最低可達0.300±0.105，；松開橡皮筋，手掌血氧含量逐漸恢復至97.0%±1.8%，血氧含量的動態(tài)變化符合正常的生理解釋。因此，該血氧含量檢測系統(tǒng)將在組織血氧檢測方面擁有良好的應用價值。

(致謝 感謝工程師黃強對系統(tǒng)光源設計的指導)

[1] Jobsis FF. Noninvasive, infrared monitoring of cerebral and myocardial oxygen sufficiency and circulatory parameters [J]. Science, 1977, 198(4323):1264-1267.

[2] Anderson RR, Parrish JA. The optics of human skin [J]. J Invest Dermatol, 1981, 77(1):13-19.

[3] Ferrari M, Mottola L, Quaresima V. Principles, techniques, and limitations of near infrared spectroscopy [J]. Can J Appl Physiol, 2004, 29(4):463-487.

[4] Hamaoka T, Chance B. The use of muscle near-infrared spectroscopy in sport, health and medical sciences: recent developments [J]. Philosophical Transactions of the Royal Society A Mathematical Physical & Engineering Sciences, 2011, 369(1955):4591-4604.

[5] Nioka S, Chance B. NIR spectroscopic detection of breast cancer [J]. Technol Cancer Res Treat, 2005, 4(5):497-512.

[6] 徐旭英. 糖尿病足與下肢動脈硬化閉塞癥相關性研究 [D]. 北京: 北京中醫(yī)藥大學, 2010.

[7] Bauer TA, Reusch JE, Levi M, et al. Skeletal muscle deoxygenation after the onset of moderate exercise suggests slowed microvascular blood flow kinetics in type 2 diabetes [J]. Diabetes Care, 2007, 30(11):2880-2885.

[8] Carp SA, Sajjadi AY, Wanyo CM, et al. Hemodynamic signature of breast cancer under fractional mammographic compression using a dynamic diffuse optical tomography system [J]. Biomedical Optics Express, 2013, 4(12):2911-2924.

[9] 丁海曙, 騰軼超, 李岳, 等. 我國首次研制出近紅外組織血氧參數(shù)無損檢測儀應用于臨床[J]. 中國醫(yī)療器械信息, 2005, 11(3):30-30.

[10] Grassi B, Pogliaghi S, Quaresima V, et al. Muscle oxygenation and pulmonary gas exchange kinetics during cycle exercise on-transitions in humans [J]. Journal of Appl Physiology, 2003, 95(1): 149-158.

[11] Niyayama M. A 200-channel imaging system of muscle oxygenation using CW near-infrared spectroscopy[J]. IEICE Transactions on Information & Systems, 2002, 85(1):115-123.

[12] Niwayama M. Functional imaging of muscle oxygenation using a 200-channel cwNIRS system [J]. Proc SPIE, 2001, 4250:142-152.

[13] 肖振. 手持式乳腺腫瘤檢測儀的研制 [D]. 武漢: 華中科技大學, 2006.

[14] Ferrari M, Quaresima V. A brief review on the history of human functional near-infrared spectroscopy (fNIRS) development and fields of application [J]. Neuroimage, 2012, 63(2):921-935.

[15] Lee MH, Fazli S, Mehnert J, et al. Subject-dependent classification for robust idle state detection using multi-modal neuroimaging and data-fusion techniques in BCI [J]. Pattern Recognition, 2015, 48(8):2725-2737.

[16] Tom L, Wright PA, Chappell PH. Optical properties of human skin [J]. J Biomed Opt, 2012, 17(9): 90901-90901.

[17] Tanaka T, Benedek GB. Measurement of the velocity of blood flow (in vivo) using a fiber optic catheter and optical mixing spectroscopy [J]. Applied Optics, 1975, 14(1):189-196.

[18] Li Ting, Sun Yunlong, Chen Xiao, et al. Noninvasive diagnosis and therapeutic effect evaluation of deep vein thrombosis in clinics by near-infrared spectroscopy [J]. Journal of Biomedical Optics, 2015, 20(1):010502-010502.

[19] Delpy DT, Cope M, Van dZP, et al. Estimation of optical pathlength through tissue from direct time of flight measurements [J]. Physics in Medicine & Biology, 1989, 33(12):1433-1442.

[20] Seiyama A, HazekiO, Tamura M. Simultaneous measurement of haemoglobin oxygenation of brain and skeletal muscle of rat in vivo by near-infrared spectrophotometry [J]. Adv Exp Med Biol, 1987, 215(215):291-295.

[21] Lin Ling, Li Gang, Wang Yanqiu, et al. In vivo determination of the optical properties of human fat and muscle tissues [J]. Journal of Optoelectronics·Laser, 2001, 12(4):425-429.

[22] Aernouts B, Beers RV, Watté R, et al. Effect of ultrasonic homogenization on the Vis/NIR bulk optical properties of milk [J]. Colloids & Surfaces B Biointerfaces, 2015, 126:510-519.

[23] Weigand R, Rotermund F, Penzkofer A. Aggregation dependent absorption reduction of indocyanine green [J]. Journal of Physical Chemistry A, 1997, 101(42): 7729- 7734.

[24] 中國科學院數(shù)學研究所數(shù)理統(tǒng)計組. 回歸分析方法 [M]. 北京: 科學出版社, 1974: 19-36.

[25] Tian Fenghua, Ding Haishu, CaiZhigang, et al. Near infrared spectroscopic assessment of oxygen delivery to free flaps on monkeys following vascular occlusions and inhalation of pure oxygen [J]. Proc SPIE, 2002, 4536:28-32.

Blood Oxygen Content Detection with Dual-Wavelength Near-Infrared Imaging

Zhu Lianghui Zeng Maomao He Yonghong*

(InstituteofBiomedicalEngineeringGraduateSchoolatShenzhen,TsinghuaUniversity,Shenzhen518055,Guangdong,China)

In order to image the distribution of blood oxygen content, a blood oxygen content detection system was developed by the near infrared imaging of dual wavelengths 760 nm and 850 nm. A new simulation experiment with indocyanine green and scatterers was conducted. First, we changed the concentration of milk ΔC and detected its optical density change (ΔOD). Then indocyanine green (ICG) was dissolved in milk which was diluted 40 times. With gradient dilution of ICG, a series of curves of ΔOD-Δcwere obtained. We used a linear function to fit the curves and determined the resolution of the system according to the sum of squares due to error (SSE), root mean squared error (RMSE) and coefficient of determination (R2). Third, we changed the concentration of the scattering medium to study its influence on detection. Last, 30 healthy subjects were chosen to detect the spatial distribution of blood oxygen content and its dynamic changes. The results showed the absorption coefficient ratio of milk in the dual wavelength light was closed to 1∶1 and the ratio of ICG was 2.5∶1, therefore milk could simulate water, fat and pigment, and ICG could simulate deoxygenated hemoglobin. Furthermore, the system is able to identify the minimum change of the concentration of indocyanine green of 1.6×10-5mg/mL. With the elevation of the scatters concentration, on one hand, the scope of the system dynamic response became large; on the other hand, the sensitivity of the system became low. Finally, the blood oxygen content decreased from 1 to 0.3±0.105 during the stage of tying wrist and then recovered to 0.97±0.018 after removing the rubber band. The experiments above demonstrated the potential of application for the system in detecting tissue blood oxygen.

dual-wavelength near-infrared imaging; blood oxygen content; indocyanine green

10.3969/j.issn.0258-8021. 2016. 04.005

2015-12-18， 錄用日期:2016-05-09

國家自然科學基金 (61275188，8117137)；深圳科技計劃項目(CXZZ20140416160720723)

R318

A

0258-8021(2016) 04-0419-09

*通信作者(Corresponding author)， E-mail: heyh@sz.tsinghua.edu.cn