CN101489482B - 测量组织氧合度的方法 - Google Patents

Abstract

披露了计算目标组织中组织氧合度如氧饱和度的方法和系统。在一些实施方案中，该方法包括：(a)使入射辐射射向目标组织，并通过测量目标组织对多个辐射波长的反射辐射强度，确定目标组织的反射谱；(b)校正反射谱的测量强度，以减少入射辐射传播所经过的皮肤和脂肪层对反射谱的贡献；(c)基于校正反射谱，确定目标组织中的氧饱和度；和(d)输出氧饱和度的确定值。

Description

测量组织氧合度的方法

技术领域

本发明涉及测量诸如组织氧饱和度等性质的方法。

背景技术

组织氧饱和度(SO₂)提供红血球中氧含量的量度。组织SO₂测量可用于评估例如造成血管血流障碍的一些病理状况(如败血病和糖尿病)引起的微血管循环和组织细胞供氧。组织SO₂测量还可用于运动生理学，其中运动过程中氧的需求与供给之间的失调可用于确定受检者身体调节的程度。

红外反射测量可用于组织中各种化学物质的无创定量检测。例如，可通过在约700～1000nm范围内的波长下对组织进行反射测量，来探测组织中的氧合和非氧合血红蛋白。在该波长范围内，组织中可能存在的、不受关注的多种化学物质仅微弱地与入射辐射相互作用，并可将血红蛋白引起的信号与其它化学组分引起的信号分离。红外辐射通常相对较深地穿透组织，可利用红外辐射探测到表面组织如皮肤和脂肪以下，以测量较深的肌肉和其他内部组织中所关注的分析物。适于对组织进行红外反射测量的系统例如披露于2006年4月25日提交的名为“SYSTEMS AND METHODSFOR CORRECTING OPTICAL REFLECTANCE MEASUREMENTS”的美国专利No.2001/0038041。

发明内容

本发明披露通过红外光谱测量确定组织氧饱和度(SO₂)和诸如氧张力等其它量的系统和方法。所述系统和方法至少部分地基于根据组织的光衰减方程计算组织氧饱和度的方法，其中所述方程包括对应于组织成分光吸收和光散射的项。光衰减方程的一种形式基于实测光衰减谱的级数展开(例如泰勒级数展开)和比尔定律，并且包括多个光衰减项，所述光衰减项对应于：组织中存在的氧合血红素(血红蛋白和肌红蛋白)、非氧合血红素、水和其它发色团的吸收；组织中的散射；以及实验条件引起的常数因子。可通过给出组织中氧合和非氧合血红素浓度的两段式数值拟合过程，定量确定这些贡献。从而可根据氧合和非氧合血红素的浓度，确定组织氧饱和度。还可根据SO₂的测量结果确定其它量。例如，可根据建立PO₂与SO₂之间关系的数学方程，确定氧张力(PO₂)。

组织氧饱和度和/或氧张力可作为重要的生理学诊断和/或预测的指示。具体地，SO₂是毛细血管收缩的灵敏探针，并可用于追踪导致组织中血量变化的状况的进展和/或治疗，或者追踪响应损伤的血管收缩/血管舒张。所述状况的实例为出血、败血病、心脏病和糖尿病。

一般而言，一方面，本发明的特征在于计算目标组织氧饱和度的方法，其中该方法包括：(a)使入射辐射射向目标组织，通过测量目标组织对多个辐射波长的反射辐射强度，确定目标组织的反射谱；(b)校正反射谱的测量强度，以减少入射辐射传播所经过的皮肤和脂肪层对反射谱的贡献；(c)基于校正反射谱确定目标组织中的氧饱和度；以及(d)输出氧饱和度的确定值。

该方法的实施方案可包括下述特征中的一种或多种。确定氧饱和度可包括：由校正反射谱确定光衰减谱；基于由光衰减谱导出的目标组织中氧合和还原血红素的浓度，计算氧饱和度，其中血红素包括目标组织中的血红蛋白和肌红蛋白。可通过将光衰减谱拟合为模型光衰减方程，由光衰减谱导出氧合和还原血红素的浓度。光衰减方程可包括比尔定律方程，该方程包括多个项，所述多个项对应于目标组织中氧合血红素、还原血红素和水对入射光的吸收。例如，光衰减方程可包括对应比尔定律吸收项的多个项的光衰减级数展开(例如泰勒级数展开)。可通过处理器自动进行拟合。

光衰减方程可包括随入射光的波长线性变化的项，该项的函数形式为aλ，其中a为常数，λ为入射光波长。可在拟合过程中限制a值，以使a仅取小于或等于零的值。光衰减方程可包括与入射光波长无关的常数项。

将光衰减谱拟合为模型可包括进行两段式拟合过程，其中，在第一段确定一个或多个模型参数的初始值，在第二段将光衰减谱拟合为模型，其中所述模型包括在第一段确定的初始参数值。可通过使光衰减谱和由模型确定的光衰减值之间的方差之和取最小值，将光衰减谱拟合为模型。

光衰减方程可包括基线函数，该基线函数由通过光衰减方程确定的光衰减值与通过光衰减谱确定的光衰减值之差导出。光衰减方程可包括与目标组织的散射系数成正比并与目标组织的吸收系数成反比的微分程长因子(differential path length factor)。光衰减方程可包括由入射光在目标组织中的辐射漫射模型导出的漫反射方程。

测量反射辐射的强度可包括：(a)沿从光源至探测器的第一光程，测量对应第一光源-探测器间距的来自目标组织的反射辐射；和(b)沿从光源至探测器的第二光程，测量对应第二光源-探测器间距的来自目标组织的反射辐射，所述第二光源-探测器间距不同于第一光源-探测器间距。在第一光源-探测器间距处测量的反射辐射可包括目标组织的贡献和位于光源和目标组织之间的组织层的贡献的第一加权，在第二光源-探测器间距处测量的反射辐射可包括目标组织的贡献和位于光源和目标组织之间的组织层的贡献的第二加权，所述第二加权不同于第一加权。位于光源和目标组织之间的组织层可以是皮肤和脂肪层。校正反射谱的测量强度可包括：基于在第一光源-探测器间距处测量的反射辐射，减少皮肤和脂肪层对在第二光源-探测器间距处测量的反射辐射的贡献。

该方法可包括基于目标组织中的氧饱和度确定目标组织中的氧张力。该方法可包括基于患者的目标组织中总血红蛋白的测量评估患者的血管收缩水平，其中基于目标组织中氧合和还原血红素的浓度确定总血红蛋白。

目标组织可以在人体内。目标组织可以在动物体内。目标组织可以是肌肉组织。

多个波长可包括至少100个波长或者更多。多个波长可包括700nm～1000nm的波长(例如725nm～880nm的波长)。

该方法的实施方案还可适当地包括本文披露的任意其它方法步骤。

另一方面，本发明的特征在于监测患者血量的方法，其中该方法包括：(a)使入射辐射射向患者的目标组织，通过测量目标组织对多个波长的反射辐射强度，确定目标组织的反射谱；(b)校正反射谱的测量强度，以减少入射辐射传播所经过的皮肤和脂肪层对反射谱的贡献；(c)基于校正反射谱确定目标组织中的血红素总浓度；(d)基于血红素总浓度估定患者的血量；和(e)输出估定血量。

该方法的实施方案可包括下述特征。

该方法可包括基于估定血量评定患者体内出血、败血病、心脏病和糖尿病中至少一种的发展阶段。该方法的实施方案还可适当地包括本文披露的任意其它方法步骤。

另一方面，本发明的特征在于计算目标组织中氧饱和度的方法，其中该方法包括：(a)使入射辐射射向目标组织，通过测量目标组织对多个辐射波长的反射辐射强度，确定反射谱；(b)由反射谱确定目标组织的光衰减谱，将光衰减谱拟合为模型光衰减方程；和(c)基于光衰减谱的拟合确定目标组织中的氧饱和度。将光衰减谱拟合为模型可包括进行两段式拟合过程，其中在第一段确定一个或多个模型参数的初始值，在第二段将光衰减谱拟合为模型，其中该模型包括在第一段确定的初始参数值。

该方法的实施方案可包括下述特征。

该模型可包括函数形式为aλ的项，其中在拟合过程中将a值限制为小于或等于零。该方法的实施方案还可适当地包括本文披露的任意其它方法步骤。

另一方面，本发明的特征在于一种系统，该系统包括经配置使入射辐射射向目标组织的光源、探测器和连接在探测器上的处理器，该处理器配置用于：(a)确定目标组织的反射谱；(b)校正反射谱，以减少入射辐射传播所经过的皮肤和脂肪层对反射谱的贡献；和(c)基于校正反射谱确定目标组织中的氧饱和度。

该系统的实施方案可包括下述特征中的一种或多种。

该处理器经配置通过命令探测器测量目标组织对多个辐射波长的反射辐射强度，来确定目标组织的反射谱。该处理器经配置如下确定氧饱和度：根据校正反射谱计算光衰减谱，并基于由光衰减谱导出的目标组织中氧合和还原血红素的浓度，计算氧饱和度，其中血红素包括目标组织中的血红蛋白和肌红蛋白。

该系统还可包括：(a)介于光源和探测器之间并相应于光源和探测器之间第一距离的第一辐射路径；和(b)介于光源和探测器之间并相应于光源和探测器之间第二距离的第二辐射路径，所述第二距离不同于第一距离。可使光源发出的入射辐射分别沿第一辐射路径和第二辐射路径射向目标组织，可使来自目标组织的反射辐射分别沿第一辐射路径和第二辐射路径射向探测器。处理器经配置可如下减少皮肤和脂肪层对实测反射谱的贡献：分别沿第一光路和第二光路测量反射谱，组合所述反射谱以生成校正反射谱。第一和第二辐射路径可各自包括光纤。

处理器经配置通过将光衰减谱拟合为模型光衰减方程，导出目标组织中氧合和还原血红素的浓度。模型光衰减方程可包括比尔定律方程，该方程包括多个项，所述多个项对应于目标组织中氧合血红素、还原血红素和水对入射辐射的吸收。

处理器经配置根据氧饱和度确定目标组织中的氧张力。处理器经配置根据目标组织中氧合和还原血红素的浓度，确定目标组织中血红素的总浓度。处理器经配置基于血红素总浓度估定目标组织中的血量。

还可配置处理器，以适当地进行本文披露的任意其它方法步骤。

所述实施方案可包括以下优势中的一种或多种。

基于在电磁谱红外区进行的光衰减测量，确定氧饱和度和/或氧张力。与在其它光谱区域内的吸收和散射作用相比，除血红素以外的分析物在该区域内的吸收和散射作用较小。因此，可定量分离血红素吸收与其它组织成分引起的吸收和散射过程。

此外，红外辐射可相对较深地穿透患者，从而探测位于皮肤和脂肪层以下的组织(例如肌肉组织)。红外辐射的穿透深度允许测量例如通常位于皮肤和脂肪层以下相对较深处的肌肉组织中的氧饱和度。鉴于皮肤色素的光吸收和脂肪的光散射，对红外光谱数据进行校正，从而与未进行这种校正的情况相比允许更准确地定量确定血红素吸收。还可定量确定患者组织中水吸收的作用并与血红素吸收分离。

在较多个如100或更多个波道上(例如150个波道或更多，200个波道或更多，400个波道或更多，600个波道或更多，1000个波道或更多)进行测量。相对于记录例如二至六个波道的数据的仪器相比，数量较多的测量改善了测量数据的信噪比。

使用低成本便携式测量系统无创进行本文披露的测量。结果可实时或近似实时显示，从而能够连续监测氧饱和度和/或氧张力。在这些参数与患者的具体健康状况相关的情况下，可实时评价该状况的发展。所述仪器可手动操作或在没有操作者介入的情况下以全自动模式操作。

可适当地限定拟合参数，以能够更准确地定量分离散射和吸收过程。例如，在将衰减方程拟合为实测光衰减数据的过程中，可限制某些与波长相关的散射项的系数仅取非正值，以与组织散射的典型变量(光的波长的函数)建立关系。适当选择拟合限制条件可使体内组织中氧合血红素的散射和吸收作用的定量分离得到改善。

可在两段式拟合过程中将光衰减方程拟合为测量数据。拟合过程的第一段确定一些拟合参数的初始值，拟合过程的第二段从第一段中确定的初始值开始确定测量数据与衰减方程的最低误差拟合。两段式拟合过程能够在没有操作者介入的情况下实现测量光谱数据的拟合，并缩短了进行拟合过程所需的总时间。在一些实施方案中，相对于一步拟合算法，两段式拟合过程还可改善拟合结果的准确性。

本文所使用的所有科技术语的含义与本领域技术人员通常所理解的含义相同，除非另作限定。以下描述适宜的方法和物质，但类似于或等同于本文所述方法和物质的方法和物质也可用于本发明的实施或试验。在与本文提及的任何公开出版物、专利申请、专利和其它参考文献矛盾的情况下，由本文的说明(包括定义)决定。另外，物质、方法和实例仅仅是示例性的而不是限制性的。

在附图和以下说明中对本发明的一种或多种实施方案的细节进行解释。通过说明书、附图和权利要求，本发明的其它特征和优势将是显而易见的。

附图说明

图1是测量目标组织中氧饱和度的分光计系统的一种可行实施方案的示意图。

图2是测量目标组织中氧饱和度的分光计系统的另一实施方案的示意图。

图3是示出根据目标组织的光衰减谱确定目标组织中氧饱和度的一系列示范性步骤的流程图。

图4是示出经受下体负压测试的患者的总血红蛋白实测百分比变化作为心搏排出量实测百分比变化的函数的关系曲线。

图5是示出经受下体负压测试的患者的总血红蛋白实测百分比变化作为总末梢阻力实测百分比变化的函数的关系曲线。

图6示出针对一组不同的组织氧饱和度值计算得到的无散射目标组织的理论光衰减谱。

图7示出针对一组不同的组织氧饱和度值计算得到的散射目标组织的理论光衰减谱。

图8是比较不同目标组织中氧饱和度的实际值和估计值的曲线。

图9是比较由所抽血样和由无创红外反射测量测得的处于下体负压测试不同阶段的患者的氧饱和度值的曲线。

图10是比较由所抽血样和由无创红外反射测量测得的处于下体负压测试不同阶段的患者的氧张力值的曲线。

在各附图中相同的标记表示相同的要素。

具体实施方式

本申请披露由目标组织(例如人体内或动物体内的组织)的红外反射谱获得组织氧饱和度和诸如氧张力等其它生理量的测量结果的方法和系统。通过分析解释组织吸收和散射的光衰减模型，得到这些量的值。首先通过适当配置的分光计系统测量目标组织的反射谱，然后例如通过连接在分光计系统上的处理器对光谱进行分析。

测量系统

可使用各种测量系统测量目标组织引起的电磁谱红外区的入射光的衰减。图1示出了这种测量系统的一种实施方案的示意图。测量系统10包括光源12、探头14、探测器16、处理器18和显示器19。光源12提供辐射，辐射接入光路20并沿光路20从光源12传播至探头14。辐射从光路20射出并入射在邻近探头14的目标组织30的表面32上。入射辐射的一部分被目标组织30反射并进入光路22。反射辐射沿光路22传播至探测器16。探测器16经配置测量作为波长的函数的反射辐射强度。经由通信线路24连接于探测器16的处理器18，例如独立处理器或外部计算机系统的一部分，向探测器16提供位形信号(configuration signal)。另外，处理器18经配置经由通信线路25接收探测器16记录的光谱反射强度数据。处理器18经配置将光谱反射数据转换为光衰减数据，例如测量目标组织30引起的与波长相关的入射辐射衰减。如图1所示，处理器18与显示器19电连通。可将根据测量数据确定的光谱反射数据、与波长相关的光衰减数据、和/或其它数据或生理量从处理器18输出至显示器19。替换性地或者额外地，可将测量和/或计算数据从处理器18输出至用于进一步处理的另一处理器(未示出)、输出至存储介质或输出至另一设备(例如计算机和/或无线通讯设备)。

光路20和22的末段在探头14中相隔距离d。在一些实施方案中，距离d可以较短，例如为约5mm或更小(例如约4mm或更小，约3mm或更小，约2mm或更小，或者约1mm或更小)。在其它实施方案中，距离d可较长，例如为约20mm或更大(例如约25mm或更大，约30mm或更大，约35mm或更大)。在一些实施方案中，探头14经配置允许系统操作者调节距离d。例如可调节距离d以获取光谱数据，所述光谱数据包括距离邻近探头14的目标组织30表面32一定深度t内的组织的贡献。通常，距离d越大，贡献于实测光衰减数据的组织深度t越大。

光源12通常可包括多种光源。例如，光源12可包括白炽光源、一个或多个发光二极管、基于激光的光源或其它类型的光源。光源12可提供电磁谱一个或多个选定区域(例如紫外区、可见区、红外区或其它区域)的辐射。在一些实施方案中，例如光源12经配置提供电磁谱红外区的辐射。该辐射例如可包括约700nm～约1000nm的波长。

在一些实施方案中，光源12提供的辐射可包括多个波长。例如辐射波长分布的半高宽可以为约10nm或更大(例如约20nm或更大，约50nm或更大，约100nm或更大，约150nm或更大，约200nm或更大，约250nm或更大)。辐射波长的分布可由单个光源元件例如白炽元件或宽带发光二极管产生，或者由同时或顺次工作的多个光源元件(例如多个发光二极管)产生。

光路20和22可由适于引导光源12所提供辐射的材料形成。在一些实施方案中，例如光路20和22之一或者光路20和22两者可以是由一根或多根光纤形成的波导。在一些实施方案中，光路20和22之一或者光路20和22两者可以是形成在探头14中并且经裁定允许辐射通过的开放通路。在一些实施方案中，例如可将光源12和探测器16中任一个或者两者直接接触患者皮肤放置，或者直接接触目标组织(例如没有覆于其上的皮肤和/或脂肪层)放置，以使光路20和/或22不包括开放通路，而是包括光学路径，入射辐射和反射辐射在目标组织中沿所述光学路径传播。在一些实施方案中，光路20和22之一或者光路20和22两者可包括其它类型的波导，例如光子晶体纤维和/或光导聚合物材料。

探测器16经配置测量目标组织30的与波长相关的反射辐射强度。通常，探测器16为具有波长离散元件如衍射光栅的光谱探测器，例如分光计，所述波长离散元件经配置用于包括光源12所提供辐射的波长的波长区域。合适的分光计例如可获自Ocean Optics Inc.(Dunedin，FL)。探测器16可对多个波长的辐射的强度进行测量。例如，在一些实施方案中，探测器16经配置对约50或更多不同波长(约100或更多不同波长，约150或更多不同波长，约200或更多不同波长，约400或更多不同波长，约600或更多不同波长，约1000或更多不同波长)的光学辐射的强度进行测量。

可采用公知的方法通过处理器18将探测器16测得的光谱强度数据(通常为目标组织30的与波长相关的反射数据)转换为与波长相关的光衰减数据(例如目标组织30的光衰减谱)。在随后的讨论中，参考目标组织30的光衰减谱，但本文披露的方法和系统也可用于直接处理光谱反射数据，因为光衰减数据和光谱反射数据通过简单的数学转换建立关系(例如参见以下部分所讨论的式(2))。

除了将光谱反射数据转换为光衰减数据以外，如以下将进一步详述的，处理器18经配置可分析光衰减数据，以获得重要生理量如氧饱和度和氧张力的测量结果。通常，处理器18经配置可进行本文讨论的任意分析步骤。

在一些实施方案中，可以多种光源-探测器间距d测量光学反射谱。例如，图2为测量系统50的实施方案的示意图，该测量系统50包括可各自固定或由操作者调节的两种不同的光源-探测器间距。测量系统50的多个部件与测量系统10的部件相同，将不再进行讨论。测量系统50包括与探头14中的光路20间隔距离d_a的第一探测光路22a以及与探头14中的光路20间隔距离d_b(大于d_a)的第二探测光路22b。

可通过探测器16在多种光源-探测器距离下记录光谱反射测量结果，以减轻和/或消除上覆组织层的光谱吸收和/或散射对所关注的下层组织的光谱的影响。例如，以短光源-探测器距离d_a记录的反射谱通常包括目标组织30的近表面32组织和较深内部(例如主要是目标组织30的近表面32组织)的贡献的第一加权。以较长光源-探测器距离d_b记录的反射谱通常包括目标组织30的近表面32组织和较深内部的贡献的第二加权(例如以较长光源-探测器距离记录的光谱通常包括近表面32组织和表面32以下组织两者的显著贡献)，该第二加权不同于第一加权。可采用合适的算法处理以两种不同的光源-探测器距离记录的反射数据，以消除邻近表面32的上覆组织层的光谱贡献，仅主要保留下层(例如较深)组织层的光谱贡献。另外，在一些实施方案中，操作者可调节光源-探测器距离，以改善光谱反射测量的选择性(例如以选择性探测患者皮肤表面以下特定深度处的组织)。

例如，在一些实施方案中，目标组织30可包括接近探头14的皮肤和脂肪层以及位于皮肤和脂肪层以下的所关注的肌肉组织(例如距离探头14较大的距离)。可减少或消除光衰减数据中由皮肤(包括皮肤色素)和脂肪层的光吸收和/或散射引起的对光衰减数据的贡献，以改善选择性探测所关注的肌肉组织的准确性。合适的测量系统和处理算法例如披露于名为“SYSTEMS AND METHODS FOR CORRECTING OPTICALREFLECTANCE MEASUREMENTS”的美国公布号US 2007/0038041中。

在一些实施方案中，可通过具有单个探测光路和多个光源光路(例如，用于将一个或多个辐射源发出的光与探头14连接的多个路径)的系统，测量多个光源-探测器距离处的光谱反射数据。通常，测量系统的具体构造基本上不改变用于消除上覆组织层光谱作用的处理算法，也不改变用于根据光衰减谱确定诸如氧饱和度和氧张力等量的分析算法。

测量目标组织30的光谱反射数据并将该数据转换为相应于目标组织的与波长相关的光衰减数据之后，配置处理器18分析光衰减数据，以获得目标组织的所关注的量值。以下披露在处理器18中执行的用于获得这些量的各种分析算法。

氧饱和度的确定

在组织血氧定量法中，可利用红外辐射测量血液中的血红素成分。尽管血红素也吸收电磁谱可见部分的辐射，但红外光通常较深地穿透组织，并且与可见波长相比，在红外波长下光散射效应通常较小。例如在肌细胞中，肌红蛋白和血红蛋白各自处于入射辐射的路径中，并各自吸收红外辐射。在小血管中(例如微动脉、毛细血管和微静脉)，红外吸收的变化主要反映氧合和非氧合血红素浓度的变化。因此，根据下式限定组织氧饱和度(SO₂)：

${\mathrm{SO}}_2=\frac{c_{(\mathrm{HbO}2+\mathrm{MbO}2)}}{c_{(\mathrm{HbO}2+\mathrm{MbO}2)}+c_{(\mathrm{Hb}+\mathrm{Mb})}}---\left(1\right)$

其中c_(HbO2+MbO2)为组织中氧合血红素的总浓度(Hb＝血红蛋白，Mb＝肌红蛋白)，c_(Hb+Mb)为组织中还原血红素的总浓度。总和c_(Hb+Mb)+c_(HbO2+MbO2)为组织中血红素的总浓度。血红蛋白和肌红蛋白在大部分光谱红外区域具有类似的吸收谱，并且本文披露的红外反射测量方法对血红蛋白和肌红蛋白两者均灵敏。

通常将暴露于入射光的目标组织的模型光衰减谱(A_model(λ))定义为入射光强度和反射光强度之比的对数。可采用多种不同的模型说明目标组织的光衰减谱。在一些实施方案中，如Stratonnikov，A.A.和Loschenov，V.B.在“Evaluation of blood oxygen saturation in vivo from diffuse reflectancespectra，”Journal of Biomedical Optics 6：457-467(2001)中所述，例如可采用泰勒级数展开法将光衰减谱表达为一个或多个吸收项的函数。A_model(λ)的适当的泰勒级数展开为

$A_{\mathrm{mode}l}\left(\mathrm{\λ}\right)=\ln \left(\frac{I_0\left(\mathrm{\λ}\right)}{I\left(\mathrm{\λ}\right)}\right)---\left(2\right)$

$=(c_0+c_1\mathrm{\&lambda;})+\ln \left(10\right)\&CenterDot;<L>\&CenterDot;[c_{\mathrm{Hb}+\mathrm{Mb}}{\mathrm{\&epsiv;}}_{\mathrm{Hb}}\left(\mathrm{\&lambda;}\right)+c_{\mathrm{HbO}2+\mathrm{MbO}2}{\mathrm{\&epsiv;}}_{\mathrm{HbO}2}\left(\mathrm{\&lambda;}\right)+c_{\mathrm{wat}}{\mathrm{\&epsiv;}}_{\mathrm{wat}}\left(\mathrm{\&lambda;}\right)]$

其中I₀(λ)为入射光强度(例如光源强度)，I(λ)为组织的反射光强度，λ为光的波长，c₀和c₁为常数，<L>为通过组织的反射光平均程长，ε_Hb(λ)为还原血红蛋白的与波长相关的消光系数，ε_HbO2(λ)为氧合血红蛋白的与波长相关的消光系数，c_wat为组织中水的浓度，ε_wat(λ)为水的与波长相关的消光系数。血红蛋白和肌红蛋白在光谱红外区具有相同的消光系数，因而氧合和还原血红蛋白的消光系数还用于模拟式(2)中的肌红蛋白吸收。以下进一步详细讨论式(2)中各参数值的确定。

通常，在实验条件下可能难以确定绝对光源强度I₀(λ)。因而，在一些实施方案中，在模拟光衰减时，使用99％反射标准品的反射光强度I_ref(λ)代替I₀(λ)。合适的99％反射标准品例如包括可获自Labsphere，Inc.(North Sutton，NH)的Model SRT-99-050。利用实测的实验参比光强I_ref(λ)代替I₀(λ)，实测光衰减谱A_exp(λ)如下

$A_{\exp }\left(\mathrm{\&lambda;}\right)=\ln \left(\frac{I_{\mathrm{ref}}\left(\mathrm{\&lambda;}\right)}{I\left(\mathrm{\&lambda;}\right)}\right)---\left(3\right)$

参比光强I_ref(λ)通常与I₀(λ)相差与波长无关的常数因子，该常数因子表现为对目标组织的实测光衰减谱的恒定附加贡献。式(2)中的常数c₀解释这种对光衰减谱的附加贡献。另外，c₀还解释目标组织中除血红蛋白、肌红蛋白和水以外的发色团和其它物质的与波长无关的吸收和/或散射。类似地，常数c₁解释目标组织中除血红蛋白、肌红蛋白和水以外的发色团和其它物质的与波长有关的光吸收和/或散射。式(2)右侧的项(与<L>相乘)解释目标组织中血红蛋白、肌红蛋白和水引起的入射光衰减。

通常，目标组织中的光衰减可由光吸收和光散射过程两者造成。例如，光被小血管中的血红蛋白和小细胞中的肌红蛋白吸收，被血管内和血管外的水吸收，以及被皮肤中的黑色素吸收。光可被诸如血管和肌肉纤维等体结构散射，也可被覆盖所关注的肌肉组织的脂肪(例如位于测量系统的探头和肌肉组织之间的脂肪)散射。

本文披露的系统和方法通常可用于计算多种不同类型的组织(包括肌肉组织和非肌肉组织)中的氧饱和度和其它生理量，还可进行结合SO₂的确定所讨论的任意步骤，以计算肌肉组织和非肌肉组织两者中的SO₂。测量肌肉组织中的氧饱和度例如提供了特别灵敏的血管收缩/血管舒张诊断指示。

图3为流程图100，该流程图示出了根据目标组织的光衰减谱A_exp(λ)计算目标组织中氧饱和度的一系列步骤。在第一步102中，从目标组织采集一组或多组光反射谱，经由式(3)计算光衰减谱。

在任选步骤104中，可选择模型A_model(λ)说明目标组织中的光衰减。在一些实施方案中，例如所选择的模型解释目标组织中的光吸收和光散射两者。在一些实施方案中，模型包括对应于目标组织中存在的氧合血红蛋白和肌红蛋白、还原血红蛋白和肌红蛋白、以及其它物质中一种或多种的项。可选择的合适的模型例如由式(2)给定。通常，本文披露的系统可包括一种或多种用于说明目标组织中光衰减的模型。在一些实施方案中，系统仅包括一种模型。在一些实施方案中，系统包括多种模型，模型A_model(λ)的选择例如可基于操作人员的输入。

在步骤106中，采用在步骤104中选择的模型确定目标组织中光衰减的计算值，并调节各种模型参数以使光衰减计算值与实测光衰减谱的方差和最小。光衰减计算值与实测光衰减谱的方差和x²可记作：

${\mathrm{\&chi;}}^2=\underset{{\mathrm{\&lambda;}}_i={\mathrm{\&lambda;}}_{\min }}{\overset{{\mathrm{\&lambda;}}_i={\mathrm{\&lambda;}}_{\max }}{\mathrm{\&Sigma;}}}{[A_{\mathrm{mode}l}\left({\mathrm{\&lambda;}}_i\right)-A_{\exp }\left({\mathrm{\&lambda;}}_i\right)]}^2---\left(4\right)$

其中在介于λ_min和λ_max之间的一组波长下测量光衰减谱(并计算理论光衰减值)。使x²取最小值，从而得出A_model(λ)中的一些可调参数。例如，如果选择式(2)给定的模型，则使函数x²取最小值，从而得出参数c₀、c₁、c_Hb+Mb、c_HbO2+MbO2、c_wat和<L>的值。

为得到模型参数的准确值，采用非线性最小二乘拟合算法使式(4)中的x²取最小值。在一些实施方案中，还可利用对一些模型参数的拟合限制条件改善所得参数值的准确性。例如，与波长较长的光相比，波长较短的光通常更有效地从组织结构散射，因而与波长相关的散射效率曲线可表达为具有非正斜率的线性函数形式。组织结构的递减散射系数μ_s’通常可表达为如下函数：

μ_s′＝a+bλ    (5)

其中a和b为常数，并且b≤0。通常，实测光衰减谱中属于氧合血红蛋白的多个部分在光谱的红外区具有正斜率。因而，当选择式(2)给定的模型时，可在拟合过程中限制参数c₁，以使c₁≤0。这种限制条件通过消除氧合血红素对光衰减谱的贡献之间的串扰以及散射而能够实现改善的参数值确定和较平滑的背底。

对于一些组织，作出参数c_Hb+Mb、c_HbO2+MbO2和c_wat值的良好初始估值是可能的(例如在正常病人体内)。对于其它组织，获得这些参数的良好初始估值可能较困难。然而，作出参数值的初始估值通常涉及操作者的介入，并受到由于操作者技术水平的差异所造成的易变性的影响。通常，例如在正常病人体内，c_Hb+Mb值可以为约40μmol/L，c_HbO2+MbO2值可以为约60μmol/L，c_wat值可以为约60％。这些值可用作参数c_Hb+Mb、c_HbO2+MbO2和c_wat的初始估值。

作为依赖于操作者输入的方案的替换性方案，本文披露的系统和方法还可采用两段式拟合过程以自动的方式(例如没有操作者输入)确定模型参数的初值和终值两者。两段式模拟步骤通常可用于本文披露的任意模型，以自动确定一些或所有模型参数的良好初值，然后通过使式(4)中的x²取最小值来确定最终参数值。

例如，在步骤104中选择式(2)给定的模型时，可采用扫描法，通过固定参数c_Hb+Mb、c_HbO2+MbO2和c_wat的值，确定c₀、c₁和<L>的良好初值，并采用最小二乘最小化方法改变参数c₀、c₁和<L>的值。该方法相当于仅以c₀、c₁和<L>作为可调参数使式(4)中的x²取最小值。在通过使x²取最小值确定了c₀、c₁和<L>的良好初值的情况下，将这些值固定，并采用扫描法，通过允许参数c_Hb+Mb、c_HbO2+MbO2和c_wat变化，再次使(4)中的x²取最小值。通过最小化方法得到的这些参数值相当于良好初值。

两段式拟合过程的第二段包括：在允许六个参数c₀、c₁、<L>、c_Hb+Mb、c_HbO2+MbO2和c_wat各自变化(如前所述，受所施加的任意拟合限制条件的限制)，并从在该过程的第一段中确定的所述六个参数的良好初值开始的情况下，使式(4)中x²取最小值。经过该过程的第二段之后获得的这些参数值为参数的终值。通常，本文披露的系统和方法可采用受任意外加限制条件限制能够使式(4)中的x²取最小值的任意拟合算法。可用于使式(4)中的x²取最小值的拟合算法的一个实例为Levenberg-Marquardt算法。

上述两段式拟合过程可提供多种优势。具体地，与其它情况相比，通过以参数的良好初值开始拟合过程的第二段，第二段更快地进行收敛。此外，拟合结果通常更加准确，这是因为非线性最小二乘拟合法不太可能停留在局部最小值上(但也无需为全局最小值)。

在所披露的系统和方法中可用于将光衰减谱拟合为选定的光衰减模型的一种算法是称为微分展开(Differential Evolution)(DE)法的一类通用算法，在“Differential Evolution：A practical approach to global optimization，”(Germany：Springer-Verlag，2005)中对该方法进行了描述。DE算法为收敛于函数极值的全局优化算法，与函数的初始全域无关。DE算法通常收敛较快，并且与其它全局优化算法相比采用的控制变量较少。由于DE算法收敛于全局最小值，因而在一些实施方案中可采用DE算法，而不进行上述拟合过程的第一段。即可采用一步拟合过程，在该拟合过程中，利用DE算法将光衰减谱拟合为光衰减模型，而没有首先通过扫描法拟合光谱来确定模型参数的初始估值。

在确定了模型参数的终值之后，在步骤108中计算目标组织中的氧饱和度。根据式(1)计算氧饱和度，因而在步骤104中所选择的模型包括参数c_Hb+Mb和c_HbO2+MbO2。在步骤106中确定这些参数的值，然后在步骤108中根据这些参数值计算SO₂。

氧张力的确定

在步骤110中(在流程图100中该步骤为任选步骤)，根据在步骤108中确定的氧饱和度值计算目标组织中的氧张力。可采用各种算法根据氧饱和度计算氧张力。例如，可利用Severinghaus，J.W.在“Simple，accurate equationsfor human blood O₂ dissociation computations，”J.Appl.，Physiol.：Respirat.Environ.Exercise Physiol.，46：599-602(1979)中描述的下述关系式，计算氧张力：

${\mathrm{PO}}_2=\exp [0.385\&CenterDot;\ln {({\mathrm{SO}}_2^{-1}-1)}^{-1}+3.32-{(72\&CenterDot;{\mathrm{SO}}_2)}^{-1}-\frac{{\mathrm{SO}}_2^6}{6}]---\left(6\right)$

式(6)使得能够在流程图100的步骤110中在标准生理条件下根据氧饱和度直接计算氧张力。

应用

通过本文披露的系统和方法测量的氧饱和度和/或氧张力提供了患者体内毛细血管收缩的灵敏诊断指示。在出血(hemorrhage)和内出血(internalbleeding)过程的早期，肌肉组织中的毛细血管收缩使血流向心脏和大脑(最需要血的部位)。血管收缩还有助于使血压保持较正常的水平，因而，血压通常仅仅提供出血性休克的晚期指示。

为评价本文披露的系统和方法的灵敏度，对一组十位受检者进行了测试，该测试包括逐渐升高下体负压(LBNP)。LBNP测试包括五分钟的基线期，随后每隔五分钟将心室减压至-15、-30、-45和-60mmHg，随后每五分钟增量为-10mmHg，直到发生心血管性虚脱或者五分钟结束于-100mmHg。在短距离和长距离光源-探测器间距下，使用光导纤维传感器，在整个测试中连续记录红外反射谱。将传感器放置在前臂的指深屈肌上。

根据利用上述方法由反射谱生成的光衰减谱，计算氧饱和度和氧张力。对反射谱进行了校正，从而在生成光衰减谱之前消除皮肤色素和脂肪吸收和/或散射光产生的贡献。在LBNP测试每一阶段的最后一分钟，从各受检者抽取血样。使用碳氧血氧定量计由血样测量各受检者的氧饱和度，并使用血气分析仪测量氧张力。

另外，对于处于LBNP测试每一级的各受检者，相对心搏排出量(SV)、总末梢阻力(TPR)和总血红蛋白(HbT)(肌肉组织中氧合以及还原血红蛋白和肌红蛋白的总和)的基线值，确定这些参数的变化。使用HIC-2000生物电阻抗心动描记器(可获自Bio-Impedance Technology，Chapel Hill，NC)，利用胸腔生物电阻抗(thoracic electrical bioimpedance)，无创测量搏动间隔的搏出量。胸腔生物电阻法基于：胸腔对低强度(例如4mA)、高频(例如70kHz)交流电流的阻抗的变化，所述交流电流通过置于腋中线上剑突处的两个外表面电极施加在胸腔上。根据下述部分经验公式确定心室SV(以mL/搏动计)：

$\mathrm{SV}=p\&CenterDot;{\left(\frac{f}{Z_0}\right)}^{-2}\&CenterDot;\mathrm{LVET}\&CenterDot;{\left(\frac{\mathrm{dZ}}{\mathrm{dt}}\right)}_{\min }---\left(7\right)$

其中p(以ohm-cm计)为血液阻抗(blood resistivity)(通常为约135ohm-cm)，f(以cm计)为两个内传感器电极(inner pick-up electrode)之间的平均距离，Z₀(以ohm计)为平均基线胸腔阻抗，LVET(以秒计)为左心室射血时间，(dZ/dt)_min为实测胸腔阻抗随时间变化的峰值(例如Z点)距离基准线的高度。作为心率(HR)和SV的乘积，计算心输出量(Q)，通过使动脉血压平均值除以Q，来估算TPR。

图4示出了总血红蛋白实测百分比变化作为心搏排出量实测百分比变化的函数的关系曲线。如图4中的实线所示，总血红蛋白的变化和心搏排出量的变化之间近似为线性关系。不希望受限于理论，图4所示关系的一种可能的解释是心搏排出量随着血量的减少而下降。在图5中，绘出了总血红蛋白百分比变化作为总末梢阻力百分比变化的函数的关系曲线。如实线所示，所述关系也近似为线性关系。然而，图5示出了总血红蛋白变化与总末梢阻力变化为反比关系。通常，当出现血管收缩时总末梢阻力增大。然而，肌肉组织中总血红蛋白的测量(如上所述通过确定氧合和还原血红蛋白的浓度)提供患者体内血管收缩开始和进展的准确诊断。

通常，血管收缩和/或血管舒张造成目标组织中血量变化，可通过监测总血红蛋白，评估组织中的血量(例如患者体内血量随时间的变化)。通过本文披露的方法确定的SO₂和PO₂值还提供了目标组织中血量的灵敏探针，并可用于监测和评估。通常，诸如HbT、SO₂和PO₂等量的测量可用于追踪造成组织中血量变化的任意疾病或状况的进展和治疗，和/或响应创伤的血管收缩/血管舒张。可追踪其进展的状况的实例包括：出血和败血病的诊断和治疗的评价；伴随心脏病和糖尿病的微血管异常；通过血管收缩和/或血管舒张升高血压的药物的作用。可追踪药物在病畜体内对特定器官的局部作用。

例如，当患者出血时，可通过测量总血红蛋白监测一些患者组织中的血量损失。此外，如图4和5所示，总血红蛋白与血量成线性比例关系。因而，可通过在一段时间内监测HbT，来评估出血的发展阶段。HbT的变化可用于评估出血已停止还是正得到控制，或者例如评估是否出血状况正在恶化。

再例如，当患者患败血病——微循环疾病时，患者的一些组织中的小血管阻塞，导致患者组织中存在较少血量(和缺氧血)。通常，随着败血病的持续，血液组织缺氧的程度升高。如果恢复灌流，则败血病状况得到缓解，患者组织中的血氧量和血量均增大。如上所述，可通过监测患者组织中的HbT和/或SO₂和/或PO₂，评估败血病的发展速度。例如，当目标组织中的败血病状况正在恶化时，组织中的HbT值随着血量的减少而减小。当组织中的败血病得到缓解时，组织中的HbT值随着血量的增加而增大。类似的关系用于根据由目标组织中SO₂和PO₂的测量确定的血量评估败血病。

再例如，当患者患心脏病或糖尿病时，由这些状况造成的动脉粥状硬化阻碍响应攻击的血管收缩。与之相比，对于正常患者，出现响应攻击的血管收缩以维持血压。因而，可通过监测患者的HbT和/或SO₂和/或PO₂，评估诸如心脏病或糖尿病等状况的发展。例如，通常将遭受这些状况之一的患者倾斜或进行代表攻击的运动测试，由患者的选定目标组织确定SO₂和/或PO₂和/或HbT值。由于患者的血管没有收缩能力，因而患者的SO₂和/或PO₂和/或HbT的实测变化小于较正常患者的这些参数的实测变化。可通过测量患病者组织的SO₂和/或PO₂和/或HbT值相对正常患者组织的标准值(或者相对由处于疾病较早期阶段的相同患者测得的这些参数值)的差异，评估诸如心脏病和糖尿病等状况的发展。

通常，如上所述，在刺激血管收缩以维持血压和/或刺激血管舒张以改善血流的介入过程中，进行诸如HbT、SO₂和PO₂等量的测量以用于评估和追踪各种状况。这些介入的实例包括堵塞一个或多个血管、使受检者运动和将受检者倾斜。

执行

可在硬件或软件中或者两者的组合中执行本文披露的方程式和算法。可采用标准编程方法在计算机程序中执行本文披露的方法步骤和附图。可设计程序，以在各自包括至少一个处理器、至少一个数据存储系统(包括易失性和非易失性存储器和/或存储元件)、至少一个输入装置(如键盘或按钮阵列)、至少一个输出装置(如CRT、LCD或打印机)的可编程处理器(例如处理器18)或计算机(如微型计算机)上执行。将程序编码应用于输入数据，以运行本文披露的函数。将输出信息应用于一个或多个输出装置，例如打印机，或者CRI或其它监视器，或者计算机监视器上进入主站点的网页(例如用于远程监控)。

本文披露的系统中使用的各程序优选以高级过程语言或面向对象的编程语言执行，以与计算机系统进行通信。然而，如果需要，这些程序也可以汇编语言或机器语言执行。在任何情况下，所述语言可以是编译或翻译语言。

各计算程序可存储在通用或专用可编程计算机可读的存储介质或装置上(例如ROM或磁盘)，在计算机读取存储介质或装置时用于配置并操作计算机，以执行本文所述的步骤。还可认为程序可作为配置有计算机程序的计算机可读存储介质实现，其中所配置的存储介质使计算机中的处理器以特殊的预定方式运行，以执行本文所述的函数。

尽管可利用任意通信网络获得远程监控的结果，但互联网或无线系统为传输数据提供了有效的选择。

实施例

在以下实施例中对本发明进行了进一步说明，所述实施例并不意图限制权利要求中所述的本发明的范围。

实施例1

为评价本文披露的系统和方法的准确性，针对目标组织中四种不同的光散射条件，计算了模拟组织衰减谱，将图3的方法步骤应用于四种光散射条件各自的数据，以确定氧饱和度值。四种光散射条件相应于所关注的四种不同的目标组织。对于各目标组织，针对八种不同的理论SO₂值：0％、10％、20％、40％、50％、60％、80％和100％，计算了模拟光衰减谱。

为生成相应于无散射、吸收目标组织的光衰减谱，利用Lambert-Beer公式，该公式具有仅对应于血红蛋白的贡献的项：

A_exp(λ)＝ln(10)·L·[c_Hbε_Hb+c_HbO2ε_HbO2+c_watε_wat]    (8)

其中L为通过目标组织的衰减光的程长，c_Hb、c_HbO2和c_wat分别为目标组织中还原血红蛋白、氧合血红蛋白和水的贡献，ε_Hb(λ)、ε_HbO2(λ)和ε_wat(λ)是作为波长λ的函数的还原血红蛋白、氧合血红蛋白和水的消光系数。选择这些参数的值，从而生成无散射、吸收目标组织的光衰减谱。

还计算了三种不同的目标组织的光衰减谱，在所述目标组织中发生了光散射。对于从具有下述函数形式的模型中选定的组织吸收系数μ_a(λ)值、递减散射系数μ_s’(λ)值和光源-探头间距d值，使用单层无限平面漫射模型(singlc layer infinite slab diffusion model)，生成光衰减谱：

$A_{\exp }\left(\mathrm{\&lambda;}\right)=-\ln \left[\frac{\sinh (\mathrm{\&sigma;}\left(\mathrm{\&lambda;}\right)/{{\mathrm{\&mu;}}_s}^{\&prime;}\left(\mathrm{\&lambda;}\right))}{\sqrt{2\mathrm{\&pi;}}\sinh (\mathrm{\&sigma;}\left(\mathrm{\&lambda;}\right)\&CenterDot;d)}\right]---\left(9\right)$

其中如下计算量σ(λ)：

$\mathrm{\&sigma;}\left(\mathrm{\&lambda;}\right)=\sqrt{3{\mathrm{\&mu;}}_a\left(\mathrm{\&lambda;}\right)\&CenterDot;[{\mathrm{\&mu;}}_a\left(\mathrm{\&lambda;}\right)+{{\mathrm{\&mu;}}_s}^{\&prime;}\left(\mathrm{\&lambda;}\right)]}---\left(10\right)$

为了计算三种不同的光散射目标组织的光衰减谱，选择氧合和还原血红蛋白的浓度值，以固定SO₂的理论值，并选择吸收系数μ_a(λ)值。另外，选择各光散射目标组织的递减光散射系数μ_s’(λ)值。三种不同的光散射目标组织相应于患者前臂、小腿和完整头部中的组织。分别按照式(11)、式(12)、式(13)计算这些组织各自的递减散射系数μ_s’(λ)：

${{\mathrm{\&mu;}}_s}^{\&prime;}\left(\mathrm{\&lambda;}\right)=-\frac{5.1\&CenterDot;\mathrm{\&lambda;}}{1000}+11---\left(11\right)$

${{\mathrm{\&mu;}}_s}^{\&prime;}\left(\mathrm{\&lambda;}\right)=-\frac{8.9\&CenterDot;\mathrm{\&lambda;}}{1000}+16.3---\left(12\right)$

${{\mathrm{\&mu;}}_s}^{\&prime;}\left(\mathrm{\&lambda;}\right)=-\frac{6.5\&CenterDot;\mathrm{\&lambda;}}{1000}+14.5---\left(13\right)$

Matcher，S.J.等在“In vivo measurements of the wavelength dependence oftissue-scattering coefficients between 760 and 900nm measured withtime-resolved speetroscopy，”Applied Optics，36：386-396(.1997.)中描述了式(11)-(13)。在式(11)-(13)中，μ_s’(λ)的单位为cm^-1，λ的单位为nm。在介于725nm和880nm之间的一系列波长值下，计算对应式(11)-(13)的三种不同目标组织的光衰减谱。

为了评定通过将计算光衰减数据拟合为光衰减模型确定的SO₂值的准确性，计算了各组织的实测SO₂值和理论SO₂值之间的决定系数R²。另外，按照下式计算了描述估算测量误差的预测均方根误差(RMSEP)值：

$\mathrm{RMSEP}=\sqrt{\frac{\underset{i=1}{\overset{N}{\mathrm{\&Sigma;}}}{({\hat{y}}_i-y_i)}^2}{N}}---\left(14\right)$

其中N为光衰减谱的数量，

和y_i分别为SO₂的理论值和实验值。较大的R²值(例如接近1的值)和较小的RMSEP值表明SO₂的实验值是准确的(例如贴近理论SO₂值)。

图6示出了针对一系列SO₂理论值利用式(8)计算的模拟光衰减谱。图6中的光衰减谱相应于不散射入射光的目标组织(例如仅通过吸收造成光衰减)。图7示出了针对一系列SO₂理论值计算的光散射目标组织的模拟光衰减谱，该光散射目标组织相应于患者的前臂。在图6和图7中，在计算时使用60％的水浓度c_wat和3cm的光源-探测器间距。

图8示出了SO₂实际(理论)值和SO₂估算(实测)值的关系曲线，所述SO₂估算值是按照图3所示的步骤将利用式(8)-(13)计算得到的四组光衰减谱拟合为式(2)给定的模型而得到的。所采用的拟合算法为Levenberg-Marquardt优化法，初始参数值通过上述扫描法获得。得到四组衰减谱(例如四种不同的目标组织)各自介于0.99和1之间的R²值，并且最大RMSEP小于5％SO₂。较高的R²值和较低的RMSEP值表明得到了四种目标组织中各自的SO₂的准确测量结果。为进行比较，还利用DE算法将理论光衰减谱拟合为式(2)，并利用通过拟合过程得到的模型参数值计算SO₂值。结果如以下表1所示。对于四种目标组织中的三种，通过DE算法确定的SO₂的RMSEP小于通过Levenberg-Marquardt算法确定的SO₂的RMSEP。

表1

实施例2

为了模拟病人出血性休克的早期阶段，对五名受检者进行测试，该测试包括逐渐升高下体负压(LBNP)。LBNP测试包括五分钟的基线期，随后每隔五分钟将心室减压至-15、-30、-45和-60mmHg，随后每五分钟增量为-10mmHg，直到发生心血管性虚脱或者五分钟结束于-100mmHg。在短距离和长距离光源-探测器间距下，使用光导纤维传感器，在整个测试中连续记录红外反射谱。将传感器放置在前臂的指深屈肌上。

根据利用上述方法由反射谱生成的光衰减谱，计算肌肉组织中的氧饱和度和氧张力。对反射谱进行了校正，从而在生成光衰减谱之前消除皮肤色素和脂肪吸收和/或散射光产生的贡献。在LBNP测试每一阶段的最后一分钟，从各受检者抽取血样。使用碳氧血氧定量计由血样测量各受检者的氧饱和度，并使用血气分析仪测量氧张力。

图9示出了五位受检者各自处于LNBP测试的不同阶段时由所抽血样测量的氧饱和度(O2Hb(％)血)和通过红外反射测量测得的氧饱和度(NIRSSO₂(％))之间的关系。图10示出了五位受检者各自在LNBP测试过程中由所抽血样测量的氧张力(静脉PO₂)和通过红外反射测量测得的氧张力(NIRSPO₂)之间的关系。在图9中，SO₂的RMSEP为约8％，在图10中，PO₂的RMSEP为约3.3mmHg。这些较低的预测误差表明通过红外反射测量确定的SO₂和PO₂值准确对应于目标组织中的实际SO₂和PO₂值。SO₂和PO₂值的准确性还表明本文披露的系统和方法提供了诸如患者出血性休克等状况的准确灵敏诊断。

其它实施方案

本文披露的系统和方法可利用其它光衰减模型(例如除式(2)以外的模型)，来确定目标组织中的SO₂和诸如PO₂等其它生理量。将讨论三种不同的替换模型，其它模型也是可行的。如下研究了下述替换模型的准确性：将多组理论光衰减谱拟合为各模型，所述理论光衰减谱是利用式(8)-(13)生成的并且对应于四种不同的目标组织(例如无散射组织、前臂组织、小腿组织和完整头部组织)，并针对利用各模型确定的各目标组织的SO₂值，计算决定系数和RMSEP值。

模型2

如上所述，可将实测光衰减谱拟合为式(2)给定的模型。按照拟合过程，得到参数c₀、c₁、<L>、c_Hb+Mb、c_HbO2+MbO2和c_wat的值。利用这些参数值，由利用参数拟合值的式(2)给定的模型与实测光衰减谱之间的差，计算与波长相关的基线谱。按照下式计算基线谱：

$\mathrm{bspect}\left(\mathrm{\&lambda;}\right)={\hat{A}}_{\exp }\left(\mathrm{\&lambda;}\right)-A_{\exp }\left(\mathrm{\&lambda;}\right)---\left(15\right)$

其中

为利用最佳拟合参数值由式(2)给定的光衰减模型函数。

然后在随后的步骤中，以参数c₀、c₁、<L>、c_Hb+Mb、c_HbO2+MbO2和c_wat的拟合值作为初始参数值，将实测光衰减谱拟合为如下模型方程：

A_model(λ)＝c₂[bspect(λ)+c₀+c₁λ]

+ln(10)·<L>·[c_Hb+MbεHb(λ)+c_HbO2+MbO2ε_HbO2+MbO2(λ)+c_watε_wat(λ)]     (16)

在方程(16)给定的模型中，c₂为随其它拟合参数一起变化的比例因子。根据将方程式(16)拟合为实测光衰减谱得到的c_Hb+Mb和c_HbO2+MbO2的精确值(refined value)，计算SO₂和PO₂值。

该多步拟合过程(首先确定基线谱bspect(λ)，然后根据方程式(16)中参数的拟合值确定SO₂和PO₂)提供方程式(16)中参数的更准确测定，从而提供更准确的SO₂和PO₂值。以下表2示出了计算得到的四种不同的理论目标组织各自的R²和RMSEP，利用式(8)-(13)模拟所述四种不同的理论目标组织的光衰减谱。使采用上述多步拟合过程通过拟合理论光衰减谱确定的SO₂值与SO₂的理论值相比，由此得出各组织的R²值为0.99，RMSEP值小于6％SO₂。较大的R²值和较小的RMSEP值表明模型2提供目标组织中SO₂的准确测定。

表2

模型3

在该模型中，吸收和散射引起的光衰减具有相同的函数形式。模型方程式为：

A_model(λ)＝[μ_a(λ)+μ_s(λ)]·d·dpf(λ)            (17)

＝[μ_a(λ)+c₁·μ_s′(λ)]·d·dpf(λ)

其中μ_a(λ)和μ_s(λ)分别是目标组织的与波长相关的吸收系数和散射系数，c₁为常数，d为光源-探测器距离，dpf(λ)为组织的微分程长因数。散射系数μ_s(λ)与递减散射系数μ_s’(λ)符合如下关系：μ_s’(λ)＝(1-g)μ_s(λ)，其中g为相应于散射角的平均余弦的各项异性因数。

为了补偿绝对光强I₀(λ)与参比光强I_ref(λ)(来自99％反射标准品)之差，如上所述，可使方程式(17)增加常数项c₀，得出下述模型方程：

A_model(λ)＝[μ_a(λ)+μ_s(λ)]·L·dpf(λ)+c₀

                                                  (18)

＝[μ_a(λ)+c₁·μ_s′(λ)]·L·dpf(λ)+c₀

在方程式(18)中，吸收系数μ_a(λ)与目标组织中吸收成分的浓度符合下述关系：

μ_a(λ)＝c_Hb+Mbε_Hb(λ)+c_HbO2+MbO2ε_HbO2(λ)+c_watε_wat(λ)         (19)

递减散射系数μ_s’(λ)是符合下式的具有两个常数c₂和c₃的函数：

μ_s′(λ)＝c₂+c₃λ    (20)

在拟合过程中，对c₃施加限制条件以使c₃＜0。

按照下式将微分程长因数表达为递减散射系数和吸收系数的函数：

$\mathrm{dbf}\left(\mathrm{\&lambda;}\right)=\frac{\sqrt{3{{\mathrm{\&mu;}}_s}^{\&prime;}\left(\mathrm{\&lambda;}\right)}}{2\sqrt{{\mathrm{\&mu;}}_a\left(\mathrm{\&lambda;}\right)}}---\left(21\right)$

利用非线性Levenberg-Marquardt最小二乘拟合法，通过将理论(例如模拟)光衰减谱拟合为式(18)-(21)给定的模型，来确定各模型参数的值。然后，根据式(19)中参数的拟合值计算SO₂值。以下表3示出了通过比较实测SO₂值和理论SO₂值得到的R²和RMSEP的结果。

如表所示，全部四种目标组织的R²值为0.97或更大，RMSEP值小于10％SO₂。这些统计测量结果表明模型3提供了目标组织中SO₂的准确测定。

与模型2的结果相比，对于本实施例评价的测试数据，模型3表现为提供准确性稍低的平均值。然而，对于一些组织，模型3可提供较准确的SO₂测定(例如比较完整头部目标组织的结果)。

表3

模型4

基于漫射理论的模型也可用于本文披露的系统和方法。按照漫射理论，在大于约2cm的光源-探测器间隔d下，半无限散射介质发出的连续波光辐射的漫反射率R(d，λ)如下给定：

$R(d,\mathrm{\&lambda;})=\frac{I\left(\mathrm{\&lambda;}\right)}{I_0\left(\mathrm{\&lambda;}\right)}=\frac{1+2C/3}{2\mathrm{\&pi;}}[{\mathrm{\&mu;}}_{\mathrm{eff}}\left(\mathrm{\&lambda;}\right)+\frac{1}{d}]\frac{e^{-{\mathrm{\&mu;}}_{\mathrm{eff}}\left(\mathrm{\&lambda;}\right)d}}{d^2}---\left(22\right)$

其中C为与d无关而与内部镜面反射参数相关的常数。C的值取决于目标组织和周围介质的折射率。按照下式计算μ_eff(λ)的值：

${\mathrm{\&mu;}}_{\mathrm{eff}}\left(\mathrm{\&lambda;}\right)=\sqrt{3{\mathrm{\&mu;}}_a\left(\mathrm{\&lambda;}\right)\&CenterDot;[{\mathrm{\&mu;}}_a\left(\mathrm{\&lambda;}\right)+{{\mathrm{\&mu;}}_s}^{\&prime;}\left(\mathrm{\&lambda;}\right)]}---\left(23\right)$

按照式(19)计算吸收系数μ_a(λ)，按照式(20)计算递减散射系数μ_s’(λ)。如上所述，还增加常数项c₀以补偿I₀(λ)与I_ref(λ)之差，从而模型光衰减方程如下：

$A_{\mathrm{mode}l}(d,\mathrm{\&lambda;})=\ln \left(\frac{I_0\left(\mathrm{\&lambda;}\right)}{I\left(\mathrm{\&lambda;}\right)}\right)=-\ln R(d,\mathrm{\&lambda;})+c_0---\left(24\right)$

采用两段式非线性最小二乘拟合法，通过将方程式拟合为四种不同的目标组织各自的理论数据，来确定方程式(19)、(20)和(22)-(24)给定的模型的参数。在拟合过程的第一段，在所有模型参数拟合为数据之前，采用扫描法获得参数C的良好初值。使参数c₀、c₂、c₃、c_Hb+Mb、c_HbO2+MbO2和c_wat的值保持不变，将理论光衰减谱拟合为方程式(24)，仅允许C在模型参数中改变。将数据拟合为方程式(24)包括如结合方程式(4)所述使模型数据与理论数据的方差x²之和取最小值。通过扫描法得到的C值相应于参数C的良好估值。

在拟合过程的第二段，将在第一段中确定的C值用作方程式(22)中C的终值(例如固定为常数)，再次将理论光衰减谱拟合为方程式(24)，允许参数c₀、c₂、c₃、c_Hb+Mb、c_HbO2+MbO2和c_wat各自在拟合过程中变化。以这种方式，得到六个参数的准确值，基于通过拟合过程得到的c_Hb+Mb和c_HbO2+MbO2的值，计算各目标组织中的SO₂。以下表4示出了通过比较实测SO₂值和理论SO₂值得到的R²和RMSEP的结果。如表所示，全部四种目标组织的R²值为0.99，RMSEP值小于7％SO₂。这些统计测量结果表明模型4提供了四种目标组织中SO₂的准确测定。基于R²和RMSEP值，模型2、3和4各自的结果达到了类似的准确性。

表4

应当理解的是，尽管结合详细说明对本发明进行了描述，但前述说明是示例性的，而不限制本发明的范围，本发明的范围由所附权利要求的范围限定。其它方面、优势和改进落在权利要求的范围内。

Claims (36)

1.一种计算目标组织中氧饱和度的方法，该方法包括：

使入射辐射射向目标组织，并通过测量所述目标组织对多个辐射波长的反射辐射强度，确定所述目标组织的反射谱；

校正所述反射谱的测量强度，以减少入射辐射传播所经过的皮肤和脂肪层对所述反射谱的贡献；

基于校正反射谱，确定所述目标组织中的氧饱和度；和

输出氧饱和度的确定值，

其中校正所述反射谱的测量强度包括：

在第一光源-探测器间距处测量来自目标组织的第一反射谱，其包括目标组织的贡献和皮肤和脂肪层的贡献的第一加权，以及在第二光源-探测器间距处测量来自目标组织的第二反射谱，其包括目标组织的贡献和皮肤和脂肪层的贡献的第二加权，所述第二加权不同于所述第一加权；和

基于第二反射谱的测量强度校正第一反射谱的测量强度。

2.权利要求1的方法，其中确定氧饱和度包括：由所述校正反射谱确定光衰减谱，并基于由所述光衰减谱导出的目标组织中氧合和还原血红素的浓度，计算氧饱和度，其中血红素包括目标组织中的血红蛋白和肌红蛋白。

3.权利要求2的方法，其中通过将所述光衰减谱拟合为模型光衰减方程，由所述光衰减谱导出氧合和还原血红素的浓度。

4.权利要求3的方法，其中所述光衰减方程包括比尔定律方程，该方程包括多个项，所述多个项对应于目标组织中氧合血红素、还原血红素和水对入射光的吸收。

5.权利要求4的方法，其中所述光衰减方程包括对应比尔定律吸收项的多个项的光衰减级数展开。

6.权利要求5的方法，其中所述光衰减级数展开包括光衰减的泰勒级数展开。

7.权利要求3的方法，其中所述光衰减方程包括随入射光的波长线性变化的项，该项的函数形式为aλ，其中a为常数，λ为入射光的波长。

8.权利要求3的方法，其中所述光衰减方程包括与入射光波长无关的常数项。

9.权利要求3的方法，其中将所述光衰减谱拟合为模型包括进行两段式拟合过程，其中在第一段确定一个或多个模型参数的初值，在第二段将所述光衰减谱拟合为模型，其中所述模型包括在第一段确定的所述参数初值。

10.权利要求9的方法，其中通过使所述光衰减谱和由所述模型确定的光衰减值之间的方差之和取最小值，将所述光衰减谱拟合为所述模型。

11.权利要求3的方法，其中所述拟合由处理器自动进行。

12.权利要求7的方法，其中在拟合过程中限制a值，以使a仅取小于或等于零的值。

13.权利要求4的方法，其中所述光衰减方程还包括基线函数，该基线函数由通过所述光衰减方程确定的光衰减值与通过所述光衰减谱确定的光衰减值之差导出。

14.权利要求4的方法，其中所述光衰减方程还包括与目标组织的散射系数成正比并与目标组织的吸收系数成反比的微分程长因数。

15.权利要求3的方法，其中所述光衰减方程包括由入射光在目标组织中的辐射漫射模型导出的漫反射方程。

16.权利要求1的方法，其中校正第一反射谱的测量强度包括：基于所述第二反射谱的测量强度，减少皮肤和脂肪层对所述第一反射谱的贡献。

17.权利要求1的方法，还包括基于目标组织中的氧饱和度确定该目标组织中的氧张力。

18.权利要求2的方法，还包括基于患者的目标组织中总血红蛋白的测量评定患者的血管收缩水平，其中总血红蛋白基于目标组织中氧合和还原血红素的浓度确定。

19.权利要求1的方法，其中所述目标组织在人体内。

20.权利要求1的方法，其中所述目标组织在动物体内。

21.权利要求1的方法，其中所述多个波长包括至少100个波长。

22.权利要求1的方法，其中所述多个波长包括700nm～1000nm的波长。

23.权利要求19的方法，其中所述多个波长包括725nm～880nm的波长。

24.权利要求1的方法，其中所述目标组织为肌肉组织。

25.一种监测患者血量的方法，该方法包括：

使入射辐射射向患者的目标组织，并通过测量所述目标组织对多个波长的反射辐射强度，确定所述目标组织的反射谱；

校正所述反射谱的测量强度，以减少入射辐射传播所经过的皮肤和脂肪层对所述反射谱的贡献；

基于所述校正反射谱，确定所述目标组织中的血红素总浓度；

基于所述血红素总浓度，估定患者的血量；和

输出所述估定血量，

其中校正所述反射谱的测量强度包括：

在第一光源-探测器间距处测量来自目标组织的第一反射谱，其包括目标组织的贡献和皮肤和脂肪层的贡献的第一加权，以及在第二光源-探测器间距处测量来自目标组织的第二反射谱，其包括目标组织的贡献和皮肤和脂肪层的贡献的第二加权，所述第二加权不同于所述第一加权；和

基于第二反射谱的测量强度校正第一反射谱的测量强度。

26.一种计算目标组织中氧饱和度的方法，该方法包括：

使入射辐射射向目标组织，并通过测量所述目标组织对多个辐射波长的反射辐射强度，确定所述目标组织的反射谱；

由所述反射谱确定所述目标组织的光衰减谱，并将所述光衰减谱拟合为模型光衰减方程；和

基于所述光衰减谱的拟合确定所述目标组织中的氧饱和度，

其中将所述光衰减谱拟合为模型包括进行两段式拟合过程，其中在第一段确定一个或多个模型参数的初值，在第二段将所述光衰减谱拟合为所述模型，其中所述模型包括在第一段中确定的参数初值，并且

其中确定所述目标组织的反射谱包括：

在第一光源-探测器间距处测量来自目标组织的第一反射谱，其包括目标组织的贡献和入射辐射所经过的皮肤和脂肪层的贡献的第一加权，以及在第二光源-探测器间距处测量来自目标组织的第二反射谱，其包括目标组织的贡献和皮肤和脂肪层的贡献的第二加权，所述第二加权不同于所述第一加权；和

基于第二反射谱的测量强度校正第一反射谱的测量强度。

27.权利要求26的方法，其中所述模型包括函数形式为aλ的项，并且其中在拟合过程中将a值限制为小于或等于零。

28.一种确定

目标组织中的氧饱和度的系统，包括：

经配置使入射辐射射向目标组织的光源；

探测器；和

连接在所述探测器上的处理器，该处理器配置用于：

确定所述目标组织的反射谱；

校正所述反射谱，以减少入射辐射传播所经过的皮肤和脂肪层对所述反射谱的贡献；和

基于所述校正反射谱确定所述目标组织中的氧饱和度，

其中该处理器经配置以通过如下校正所述反射谱：

在第一光源-探测器间距处测量来自目标组织的第一反射谱，其包括目标组织的贡献和入射辐射所经过的皮肤和脂肪层的贡献的第一加权，以及在第二光源-探测器间距处测量来自目标组织的第二反射谱，其包括目标组织的贡献和皮肤和脂肪层的贡献的第二加权，所述第二加权不同于所述第一加权；和

基于第二反射谱的测量强度校正第一反射谱的测量强度。

29.权利要求28的系统，其中所述处理器经配置通过命令所述探测器测量目标组织对多个辐射波长的反射辐射强度，来确定所述目标组织的反射谱。

30.权利要求28的系统，其中所述处理器经配置如下确定氧饱和度：根据所述校正反射谱计算光衰减谱，并基于由所述光衰减谱导出的目标组织中氧合和还原血红素的浓度，计算氧饱和度，其中血红素包括目标组织中的血红蛋白和肌红蛋白。

31.权利要求28的系统，其中所述第一和第二光源-探测器距离分别相应于光源和检测器之间的第一和第二辐射路径，且所述第一辐射路径和所述第二辐射路径各自包括光纤。

32.权利要求30的系统，其中所述处理器经配置通过将所述光衰减谱拟合为模型光衰减方程，导出目标组织中氧合和还原血红素的浓度。

33.权利要求32的系统，其中所述模型光衰减方程包括比尔定律方程，该方程包括多个项，所述多个项对应于目标组织中氧合血红素、还原血红素和水对入射辐射的吸收。

34.权利要求28的系统，其中进一步配置所述处理器以根据氧饱和度确定目标组织中的氧张力。

35.权利要求30的系统，其中进一步配置所述处理器以根据目标组织中氧合和还原血红素的浓度，确定目标组织中血红素的总浓度。

36.权利要求35的系统，其中进一步配置所述处理器以基于所述血红素的总浓度估定目标组织中的血量。

Images