使用同轴和空间分辨的近红外光谱实现表皮黑色素与真皮血红蛋白信号的几何解耦
《Journal of Biomedical Optics》:Geometric decoupling of epidermal melanin and dermal hemoglobin signals using coaxial and spatially resolved NIRS
【字体:
大
中
小
】
时间:2026年10月12日
来源:Journal of Biomedical Optics 3.3
编辑推荐:
人体前臂皮肤模型几何结构(2.5×2.5×2.0 cm),由四个组织层组成,每层用不同颜色表示。
1. 引言
组织氧饱和度(StO2)是一种非侵入性光谱指标,用于反映局部微血管的氧输送与需求,与缺血、伤口愈合、皮瓣监测及外周血管评估密切相关。近红外光谱(NIRS)被广泛用
人体前臂皮肤模型几何结构(2.5×2.5×2.0 cm),由四个组织层组成,每层用不同颜色表示。
1. 引言
组织氧饱和度(StO2)是一种非侵入性光谱指标,用于反映局部微血管的氧输送与需求,与缺血、伤口愈合、皮瓣监测及外周血管评估密切相关。近红外光谱(NIRS)被广泛用于估算 StO2,因为氧合血红蛋白和脱氧血红蛋白在红光至近红外范围内表现出不同的吸收光谱。1–9 连续波 NIRS(CW-NIRS)通常利用修正比尔 - 朗伯关系,通过波长相关的衰减来估算 StO2。然而,仅凭强度无法独立恢复吸收和散射,且大多数紧凑型系统依赖于假设或固定的散射行为。由于表皮黑色素引入了宽带浅表吸收和散射,个体间的色素变异可能被错误归因于血红蛋白氧合,从而降低了不同肤色人群绝对 StO2 的准确性。10–19
既往的色素校正方法包括经验性肤色校正、时域和频域 NIRS(TD-NIRS, FD-NIRS)、空间频域成像(SFDI)、多层逆模型以及基于机器学习的光谱校正。这些方法可以提高稳健性,但可能需要更大的仪器、额外的假设,或仍然依赖于所测光谱的校正模型。这些局限性促使我们采用一种探头级策略,在可实施于便携式即时检测设计的拓扑结构中,将浅表色素信息从更深层的血红蛋白敏感采样中物理分离出来。
空间分辨光谱(SRS)通过利用源 - 探测器间距上漫反射的空间衰减来估计吸收和约化散射,部分解决了这个问题。然而,横向位移的信道仍然收集穿越表皮的 photons,因此黑色素始终存在于每个探测器的信号中。因此,SRS 减少但未能消除浅表色素与深层血红蛋白吸收之间的歧义。20–25
同轴探测器配置此前已被提出,作为隔离浅表光学贡献并准确检测黑色素水平的手段。26 然而,单独的同轴信道不足以恢复分离的氧合信息。在零横向偏移处收集的强度主要受浅表背向散射和表皮吸收的影响,因为相关光程过短,无法捕捉到来自真皮血管网有意义的、依赖血红蛋白的衰减。21,27 没有互补的远端测量,同轴信道无法独立分解表皮和血管贡献,而不会重新引入限制现有校正策略的相同基于模型的假设。11,24 这一局限性也适用于一类更广泛的非接触式漫反射和超光谱成像系统,这些系统从光谱超立方体估计组织氧合。虽然这些系统提供了丰富的空间和光谱信息,但许多主要依赖于反射的浅表反射,而没有明确的深度分离探测器几何结构。
这一局限性不仅是理论上的。我们课题组先前的测量使用了一种紧凑型同轴 LED 光电探测器设备,用于追踪黑色素水平并在血管闭塞测试期间对基线相对氧合动力学进行分类。27–30 本研究与我们先前的工作不同,先前工作评估了一款手持式同轴多光谱设备(PhasorDetect),用于血管闭塞测试期间的基线相对监测。在这里,我们将该局限性作为动机,提出了一种新的混合几何结构。我们假设同轴信道提供浅表黑色素敏感参考,而空间分辨探测器提供更深层的血红蛋白敏感测量,用于绝对 StO2 估算。31–33
该假设通过一项系统的计算机模拟研究进行了测试,使用了包含嵌入式真皮毛细血管的多层皮肤模型的三维蒙特卡罗仿真,34,35 并使用梯度提升回归模型(XGBoost)36 进行训练和验证,采用按黑色素水平分组的留一交叉验证(LOGO)方案。本研究并不仅依赖于特定机器学习算法的结果来推断更广泛的生理直觉。相反,研究使用与模型无关的参数,如互信息(MI),来理解这些不同几何结构中光 - 组织相互作用的潜在机制。
本研究探讨了为 SRS 添加同轴浅表参考信道的 光学和信息论依据,并包括一项探索性的活体比较,研究在基于记录的验证下同轴反射的绝对和基线相对预测。
2. 方法
2.1. 蒙特卡罗组织模型
使用 MCMATLAB 开发了一个人体前臂掌面的三维(3D)计算模型,以模拟光子通过多层皮肤几何结构的传输。37 模型域尺寸为 2.5×2.5×2.0 cm,包含四个解剖学上不同的层:表皮、真皮、真皮血管网和皮下脂肪。该域在 x 和 y 轴上分别离散化为 100 个箱,在 z 轴上离散化为 1000 个箱。组织块几何结构如图 1 所示,各层的光学特性如图 2 所示。
图 1 下载 全尺寸图像
人体前臂皮肤模型几何结构(2.5×2.5×2.0 cm),由四个组织层组成,每层用不同颜色表示。
图 2 下载 全尺寸图像
680 nm 波长下四个组织层的吸收和约化散射系数,代表 46.95% StO2、16% 黑色素体积分数和 73 μm 表皮厚度。两个面板均使用 0 到 40 cm?1 的纵坐标范围;水平引导线支持比较。
为了估计生物组织的光学特性,MCMATLAB 结合了遵循 Jacques 的标准成分项。38 总吸收系数 ?????(??)(单位:cm?1)使用公式 (1) 计算:
公式 (1)
??a?(??)=[B]·([S]·??a,HbO2?(??)+(1?[S])·??a,Hb?(??))+[W]·??a,water?(??)+[F]·??a,fat?(??)+[M]·??a,melanin?(??).
这里 [B]、[W]、[F] 和 [M] 分别表示血液、水、脂肪和黑色素的无量纲体积分数。[S] 表示作为无量纲分数的氧饱和度。公式 (1) 中的所有分数范围为 0 到 1;例如,30% 输入为 0.30。方括号标识分数数量,并不表示百分比单位。符号 ?? 表示波长,??a, ???(??) 是成分 ?? 的吸收系数。
约化散射系数 ??′s?(??)(单位:cm?1)使用公式 (2) 计算:
公式 (2)
??′s?(??)=??′?[??Ray·(??/500 nm)?4+(1???Ray)·(??/500 nm)???Mie].
这里,??′ 是 500 nm 处的约化散射系数,??Ray 是瑞利散射分数,??Mie 是米氏散射幂次。波长比是无量纲的。
2.1.1. 表皮
表皮吸收被建模为波长、黑色素体积分数、含水量和可忽略的脂肪含量的函数。血液含量设为零。约化散射遵循 Jacques 计算,500 nm 处参考值为 40 cm?1,瑞利分数为零,米氏散射幂次为 1.0,各向异性因子 ??=0.9。37,39
2.1.2. 真皮和真皮血管网
真皮血液体积分数设为 0.002,StO2 作为目标变量变化。真皮含水量为 0.65,黑色素和脂肪设为零。约化散射使用 500 nm 处 42.4 cm?1 的参考值,瑞利分数为 0.62,??=0.9。血管吸收使用含水量 95% 的纯血液计算,血管约化散射设为 10 cm?1。
2.1.3. 皮下脂肪
皮下脂肪的光学特性从已发表的光谱相关吸收和约化散射值中分配,并作为下部组织边界。40
2.2. 仿真参数空间
仿真了四个照明波长:680、720、760 和 800 nm。表皮黑色素体积分数在九个水平上变化,从 5% 到 45%,增量为 5%,涵盖浅色素到深色素皮肤。39 表皮厚度设为三个值:65、80 和 95 μm,与前臂掌面报告的范围内一致。41 StO2 从 20% 到 80% 在 20 个均匀间隔上变化。假设所有组织层的折射率为 1.4,各向异性因子为 0.9,以排除组织内部界面处反射和折射的差异,并隔离所研究光学和几何参数的影响。每个独特的参数组合模拟了五次,以减少蒙特卡罗噪声的影响。
2.3. 探针配置
本研究在系统的多维参数扫描中评估了两种互补的探针配置:同轴和空间分辨探测器设计。图 3 提供了两种配置中使用的锥形组件、光源和探测器板的物理排列概述。图 4 显示了两种探针配置在 MCMATLAB 仿真中的实现。这些配置的详细描述讨论在 2.3.1 和 2.3.2 节中。
图 3 下载 全尺寸图像
互补探针几何结构的矢量示意图,不按比例。(a) 同轴截面,显示吸收锥壁、59 mm 高度、15 mm 孔径和光学组件。绿色箭头表示接受的光线,红色箭头表示被锥壁阻挡的光线。(b) 吸收环上的表面探测器和 LED 位置。源 - 探测器距离以毫米显示。示意图保留了原始设计的尺寸和组件关系,同时省略了偶然的 CAD 装配细节。
图 4 下载 全尺寸图像
同轴和 SRS 配置在 MCMATLAB 仿真中的放置位置。同轴探测器的位置由红色矩形指示,而同轴 LED 源由黄色圆圈表示。吸收锥边界以蓝色突出显示,底层组织体积以紫色显示。SRS 配置在锥唇处模拟,由两个框突出显示。
2.3.1. 同轴照明探测器配置
同轴探测器架构设计用于优先收集从浅表组织层背向散射的光子,同时抑制镜面反射。该设计使用位于吸收锥内的居中对齐光源和探测器配置,如图 3(a) 所示。同轴 LED 和探测器高度为 59 mm,开口孔径为 15 mm 直径。选择特定的高度和孔径使得 LED 的发射角度在组织界面处产生集中在孔径周边附近的照明足迹。在硬件中,锥的内壁涂有 Black 2.0 涂料,以减少直接反射到探测器上的光量。吸收锥(图 3)被导入 MCMATLAB 作为体素网格(图 5),并分配高吸收率(100 cm?1)以抑制镜面反射光子。
图 5 下载 全尺寸图像
吸收锥的三维体素化表示被导入 MCMATLAB 仿真程序。锥壁在内外表面均分配高吸收系数,以抑制镜面反射和直接光学泄漏,允许通过孔径的组织漫散射光子到达探测器。
光源被建模为半径 1.2 mm 的圆形 LED,具有自定义角度发射轮廓,半角为 20 度(图 6)。每次仿真发射 1.5×10? 个光子包。
图 6 下载 全尺寸图像
锥组织界面处的模拟照明分布。(a) 和 (c) 面板分别显示侧视图和孔径视图的建模几何结构。(b) 和 (d) 面板显示相应的对数色标归一化注量率。几何视图保留了源和焦点注释。仿真图像内容和色标保持不变;标题、坐标轴和共享材料图例已重新格式化以提高可读性。
同轴探测器放置在锥孔径中心,表面坐标为 (0, 0),捕捉在浅表组织体积内短光程和高角度背向散射轨迹丰富的光子。42
2.3.2. 空间分辨光谱配置
对于空间分辨光谱(SRS)配置,锥唇周被划分为九个可行的探测器区域(图 7),每个代表约 4×5 mm 的探测器足迹,单个光源位置固定。使用本研究其余部分的相同模拟生物参数空间,评估了所有 84 种可能的三探测器组合。对于每个三元组,使用原始探测器注量值训练用于 StO2 预测的 XGBoost 回归器,并使用按黑色素水平留一交叉验证 MSE 作为优化标准。选择具有最低交叉验证 MSE 的三元组作为最终表面探测器配置。这确保了 SRS 基线反映了优化的表面探测器排列,而不是不利的比较器。
图 7 下载 全尺寸图像
九个探测器区域和为 MCMATLAB 中编程的 SRS 配置所选区域的视觉表示。(A) 分布在 15 mm 锥孔径周围的九个可行探测器区域 (D1-D9)。所选探测器位置以红色突出显示。(B) 三个所选探测器位置及其与固定 LED 源的距离。
对于每种探针配置,对波长、黑色素分数、表皮厚度、StO2 和重复次数的完整扫描进行了仿真(表 1)。从三维注量阵列中提取探测器注量值,并合并为按生物和光学参数索引的主特征数据库。该数据库用于互信息分析、特征工程、模型训练和交叉验证。
表 1 用于选择三个表面空间分辨探测器组合的优化参数摘要。
| 类别 | 参数 | 值 |
| :--- | :--- | :--- |
| 候选探测器区域 | 可行区域数量 | 9 |
| 探测器足迹 | 区域尺寸 | ~4×5 mm |
| 所选探测器 | 每配置探测器数量 | 3 |
| 搜索策略 | 评估的探测器组合 | 84 |
| 生物参数 | 黑色素分数 | 5% 到 45% |
| | 表皮厚度 | 65, 80 和 95 μm |
| | StO2 | 20% 到 80% |
| 光谱参数 | 波长 | 680, 720, 760, 800 nm |
| 优化输出 | 空间分辨探测器距离 | 6.93, 18.86, 19.63 mm |
2.3.3. 互补探针几何结构的理由
同轴和空间分辨配置旨在为浅表和深层组织层提供互补的敏感性。
先前的文献指出,增加源-探测器距离可以提高采样深度。43 图8概念性地展示了与每种几何构型相关的预期光子轨迹。在同轴构型中,吸收锥的15 mm开口限制了可接受的光子轨迹。尽管同轴光源和探测器围绕同一中心轴对齐,但照明和收集是在有限的15 mm开口上进行的。因此,同轴信号代表了一组具有不同表浅采样深度的短光子路径分布的平均值,而非单一零间距轨迹。相比之下,SRS构型使用三种定义的源-探测器间距,提供了更具区分度的深度依赖采样体积。
图8 下载 全尺寸图像 同轴与空间分辨探头几何构型相关光子轨迹的概念示意图。同轴构型(红色)中,光子从锥体的圆形开口发出并通过同一开口收集回来。SRS构型(绿色)采样的是在组织中传播更深的光子。锥壁(蓝色)能够排除环境光,有助于提高对从皮肤收集到的光的灵敏度。
2.4. 互信息分析
在模型训练之前,采用互信息分析来量化探测器信号与每个目标变量之间的依赖性。由于互信息(MI)能够捕获非线性统计依赖关系且独立于模型架构,因此它提供了一种与模型无关的信息含量度量。在特征标准化之后,使用Kraskov-St?gbauer-Grassberger(KSG)最近邻估计器(k=5)估算联合互信息。计算了三种探测器分组的互信息:仅表面探测器、仅同轴探测器和表面加同轴探测器。44
为了分离同轴通道对StO2的贡献超出表面阵列的部分,使用公式(3)计算条件互信息:
公式(3)$I(X_C; StO_2 | X_S) = I((X_S, X_C); StO_2) - I(X_S; StO_2)$
这里,$I$表示互信息,$X_C$表示同轴探测器特征,$X_S$表示表面探测器特征。相应的关于黑色素的条件信息使用公式(4)计算:
公式(4)$I(X_C; M | X_S) = I((X_S, X_C); M) - I(X_S; M)$
2.5. 特征工程
原始探测器辐照度值不适合作为StO2预测的直接输入。光子通量是一个复合信号,受到波长依赖散射、光程延长以及黑色素等静态发色团的宽带吸收的指数级影响。因此开发了一条物理信息驱动的特征工程流水线。
2.5.1. 光密度转换
使用公式(5)将原始辐照度值转换为光密度(OD):
公式(5)$OD_\lambda = -\ln(I_\lambda)$
其中,$OD_\lambda$是波长$\lambda$处的光密度,$I_\lambda$是波长$\lambda$处的归一化探测器辐照度,由于使用模拟源强度进行了归一化,因此被视为无量纲量。在对数域中,在修正Beer-Lambert框架下,分层吸收贡献可近似按加性处理。该变换在基线减去、光谱微分计算和空间归一化之前使用。45
2.5.2. 光谱梯度
使用公式(6)计算每个选定波长与800 nm参考波长之间的光谱差值$\Delta OD_{\lambda,800}$:
公式(6)$\Delta OD_{\lambda,800} = OD_{800} - OD_\lambda$
在680至760 nm之间,还原血红蛋白(HHb)的摩尔消光系数相对于氧合血红蛋白(HbO?)显著升高,而在800 nm处,两种物质在等消光点汇聚。因此,该差值充当一阶含氧指标,不受组织色素造成的静态衰减偏移的影响。
2.5.3. 同轴空间归一化
使用公式(7)将表面探测器光密度参考到同波长同轴光密度,以减少共同的表浅衰减,包括与表皮黑色素相关的吸收:
公式(7)$OD_{D,\lambda,normcoaxial} = OD_{SRS,\lambda} - OD_{coaxial,\lambda}$
2.5.4. 等消光归一化
使用公式(8)将每个波长的信号按800 nm通道进行归一化。在指定处加入微小的数值稳定因子$\varepsilon = 1 \times 10^{-25}$,以避免除以零。
公式(8)$I_{\lambda,norm800} = \frac{I_\lambda}{I_{800} + \varepsilon}$
2.5.5. 双重归一化
使用公式(9)计算双重归一化特征:
公式(9)$I_{\lambda,dual} = \frac{I_{SRS,\lambda}}{I_{coaxial,\lambda}} \cdot (I_{SRS,800} + \varepsilon)$
这些特征旨在降低对色素相关衰减和局部血容量变化的敏感性。
2.5.6. 宽间隔二阶导数光谱
使用公式(10)和(11)在680至800 nm范围内计算宽间隔二阶差值特征,以抑制恒定偏移和缓慢变化的背景,同时保留与血红蛋白相关的光谱曲率。46 公共的波长间距平方项被省略,因为这两项随后被用作比值。
公式(10)$d^2_{720} = OD_{760} - 2 \cdot OD_{720} + OD_{680}$
公式(11)$d^2_{760} = OD_{800} - 2 \cdot OD_{760} + OD_{720}$
2.5.7. 按二阶导数比值缩放
公式(12)中的比值被用作无量纲曲率描述符,以降低对公共光程和血红蛋白缩放因子的依赖:
公式(12)$D^2_{720,scaled} = \frac{d^2_{720}}{d^2_{760} + \varepsilon}$
2.6. 机器学习模型、超参数优化与交叉验证
使用XGBoost实现梯度提升回归树,采用最小化平方误差的目标。选择该类模型以捕获工程光学特征与StO2之间的非线性关系,同时允许通过树深度、子采样以及L1和L2惩罚进行正则化。超参数选择对八个超参数使用随机搜索:估计器数量[500, 1000, 1500]、学习率[0.01, 0.05, 0.10]、最大树深度[3, 5, 7, 9]、行子采样比例[0.70, 0.80, 0.90]、每棵树列子采样比例[0.70, 0.80, 0.90]、L1正则化[0, 0.1, 0.5, 1.0]、L2正则化[1.0, 5.0, 10.0]以及最小分裂损失gamma[0, 0.1, 0.5]。每次搜索实例采样60种配置,通过九个具有不同随机种子的独立数组作业进行并行处理,总共评估540种唯一配置。每种配置使用交叉验证折上平均的负均方误差进行评分。使用黑色素体积分数作为分组变量执行留一组法(LOGO)交叉验证。在每个折中,将某一黑色素水平的全部样本保留用于测试,模型在所有剩余黑色素水平上进行训练。该设计避免了色素组之间的信息泄漏,并测试了模型对未见黑色素条件的泛化能力。
2.7. 实验同轴反射率分析
为了将模拟结果与实测数据联系起来,我们对使用PhasorDetect采集的反射率进行了探索性二次分析,该PhasorDetect是一款八波长手持多光谱设备,工作波长范围为525至940 nm,采用同轴LED和光电探测器几何构型。数据在血管阻断测试期间采集,与同步的Hutchinson InSpectra StO2值配合,遵循先前描述的协议27。本分析使用工程同轴反射率特征,对比了绝对StO2预测与基线参考ΔStO2预测。它考察了同轴测量的局限性,以此作为混合几何构型的动机,但不直接验证模拟的表面探测器阵列。
14名受试者同意参与血管阻断测试,并进行同步的PhasorDetect和Hutchinson InSpectra记录。采集预阻断基线,随后进行袖带诱发的缺血和再灌注。由于两个探头不是共位放置的,因此比较结果被解释为趋势和基线的相对一致性,而非严格的逐点等效性。
该实验获得德克萨斯农工大学机构审查委员会批准(IRB2023-0596)。实验装置如图9所示。
图9 下载 全尺寸图像 左:血管阻断测试(VOT)期间PhasorDetect设备和Hutchinson InSpectra探头的放置位置。右:PhasorDetect设备的3D渲染图。
实验数据集包含来自14名参与者的28段记录,左右各有独立记录。对于每段记录,保留电子表格第10至300行,每段记录获得291个观测值,总共8148个观测值。保留的前100个观测值定义了每段记录的基线。绝对模型使用从630、680、780和810 nm反射率衍生出的11个特征:光密度、一个光谱梯度、三个归一化到810 nm的比值、两个二阶导数及其比值。实验光密度使用反射率的负常用对数(以10为底)计算,而公式(5)定义了模拟特征使用的自然对数约定。二阶导数通过对不等波长三元组进行二次拟合获得。偏移模型使用相对于记录基线的光密度和反射率变化,ΔStO2相对于相应的参考基线定义。
实验回归使用MATLAB LSBoost,包含1000个学习周期、0.05的学习率、每棵树最多七个分裂节点以及最小叶节点大小为五。脚本请求了行采样和预测变量采样,并设有兼容性回退机制。每个折排除来自一段记录的所有观测值,通过参与者和侧别进行标识。因此,该参与者的另一段记录仍然有资格用于训练。这与模拟XGBoost分析不同,并非完全基于未见参与者的验证。RMSE、MAE和R2在排除的记录中进行汇总。使用保存的图形坐标来验证报告的实验指标,而无需重新拟合模型。
3. 结果
3.1. 互信息分析
每种探测器配置与两个目标变量之间的联合互信息总结于表2中。对于StO2预测,仅表面构型产生0.1904比特。单独的同轴探测器对于StO2产生0.0000比特,表明在所建模的几何构型下,检测到的同轴信号对深层组织含氧量的边际信息微乎其微。这与物理设计意图一致:检测到的同轴信号以表浅光子路径为主,对真皮毛细血管床中血红蛋白吸收的灵敏度有限。
表2 每种探测器配置与目标变量之间的联合互信息(以比特为单位),使用k=5的KSG估计器估算。显示的条件黑色素增益由显示的联合值计算得出。
| 配置 | 与StO2的互信息(比特) | 与黑色素的互信息(比特) |
|------|----------------------|------------------------|
| 仅表面探测器 | 0.1904 | 1.6149 |
| 仅同轴探测器 | 0.0000 | 1.8899 |
| 表面+同轴探测器 | 0.2375 | 1.9421 |
| 给定表面探测器下同轴探测器检测StO2的条件增益 | 0.0471 | N/A |
| 给定表面探测器下同轴探测器估算黑色素的条件增益 | N/A | 0.3272 |
表面-同轴组合构型对于StO2产生0.2375比特,相比仅表面阵列的条件增益为0.0471比特。该结果与同轴通道对StO2的零边际互信息并不矛盾。同轴通道并不直接编码含氧信息;相反,它编码的是表面探测器无法单独完全解析的表皮黑色素信息。通过为模型提供对黑色素混杂因素更清晰的表征,同轴通道间接减少了表面信号中的歧义,使其0.1904比特中的更多信息能够被正确解读。因此,条件增益反映的是干扰的减少,而非含氧灵敏度的直接增加。
对于黑色素预测,仅同轴探测器产生1.8899比特,超过了完整表面探测器阵列的1.6149比特。组合构型产生1.9421比特。根据这些显示值计算的条件增益为0.3272比特,如公式(13)所示:
公式(13)$I(X_C; M | X_S) = 1.9421 - 1.6149 = 0.3272$ 比特
从表面探测器阵列获得的较高互信息可能部分反映了最短源-探测器间距6.93 mm的贡献,该间距预计比18.86 mm和19.63 mm的较大间距对表浅表皮吸收具有更大的灵敏度。然而,由于互信息是使用所有三个表面探测器通道联合估算的,本分析无法将1.6149比特定量归因于仅最短间距的贡献。同轴探测器对StO2的边际信息微乎其微与其对黑色素的1.8899比特信息之间的不对称性,提供了与模型无关的证据,表明两种探测器几何构型编码了组织光学状态的不同且互补的方面。结果总结于表2中。
3.2. 超参数优化
对540种配置的随机搜索确定了以下最优参数集:估计器数量 = 1000,学习率 = 0.05,最大树深度 = 3,行子采样 = 0.70,列子采样 = 0.80,L1正则化 = 0.10,L2正则化 = 1.0,gamma = 0.3。
3. 模型性能
训练好的XGBoost模型在LOGO交叉验证下对三种探测器配置进行评估。结果总结于表3中。
表3 按黑色素体积分数分组验证下StO2预测的模型性能。平均MSE、平均RMSE和折RMSE的样本标准差由表4中显示的九个折RMSE值计算得出;R2值保留自报告的模型评估结果。这里,pp表示0至100 StO2刻度上的百分点。MSE以百分点的平方表示,R2为无量纲量。
| 配置 | 平均MSE(pp2) | 平均RMSE(pp) | R2 | RMSE SD(pp) |
|------|---------------|---------------|-----|--------------|
| 仅表面探测器 | 129.34 | 11.34 | 0.61 | 3.09 |
| 仅同轴探测器 | 484.83 | 21.65 | -0.44 | 7.47 |
| 表面+同轴探测器 | 32.98 | 5.41 | 0.90 | 2.05 |
混合表面加同轴构型相比仅表面构型将平均RMSE降低了52.3%,从11.34降至5.41个StO2百分点。表3中的平均MSE、平均RMSE和折RMSE样本标准差已从表4中显示的九个折RMSE值重新计算,以确保汇总的一致性。
表4 每种探测器配置在每个验证期间留出的黑色素浓度下的RMSE。缩写pp表示StO2的百分点;黑色素浓度为体积百分比。
| 留出的黑色素浓度(%) | 仅表面RMSE(pp) | 仅同轴RMSE(pp) | 表面加同轴RMSE(pp) |
|---------------------|-----------------|-----------------|---------------------|
| 5 | 11.57 | 31.42 | 9.00 |
| 10 | 11.05 | 18.82 | 8.06 |
| 15 | 11.36 | 18.60 | 3.76 |
| 20 | 11.59 | 20.46 | 4.00 |
| 25 | 11.52 | 25.61 | 5.60 |
| 30 | 11.62 | 19.13 | 3.68 |
| 35 | 12.34 | 19.44 | 3.50 |
| 40 | 11.95 | 21.32 | 4.44 |
| 45 | 9.05 | 20.08 | 6.62 |
仅使用同轴探测器的构型,其StO2的RMSE为21.65个百分点,表现远差于任何包含表面探测器的构型。这支持了同轴通道在所建模几何构型下作为补充性表皮参考的作用。
综合来看,这些结果表明,当与空间分离的表面探测器配合解读时,同轴通道最为有用,后者可贡献额外的路径长度和深度敏感性。图10进一步支持了这一趋势,显示表面与同轴探测器的组合配置在留出黑色素组中产生的预测值紧密聚集在恒等线附近,表明泛化能力增强且色素依赖性预测偏差降低。该图展示了在留一组出(LOGO)交叉验证实验下,基于组合模拟表面与同轴探测器测量所得到的结果。每种颜色对应一个完整的留出黑色素组,其中包含全范围的模拟StO?值,模型仅在其余黑色素组上进行训练,并在先前未见过的色素水平上进行评估。
**图10**
下载
全尺寸图片
在LOGO交叉验证下,组合模拟表面与同轴探测器配置的实际与预测StO?对比。每个点代表针对特定模拟StO?值的单个折外预测。颜色对应留出测试组的黑色素体积分数,其中每组测试数据包含全范围的模拟StO?值。
折外结果显示,该改善并非由单一黑色素组驱动。混合RMSE范围为StO?的3.50至9.00个百分点,而纯表面模型为9.05至12.34,纯同轴模型为18.60至31.42。混合RMSE在5%黑色素时为9.00,在10%黑色素时为8.06;在其余七个黑色素水平上均低于6.7个百分点。结果汇总于表4。
### 3.4 同轴反射率的探索性实验分析
次要实验分析比较了同轴PhasorDetect测量的绝对预测与基线参考预测。由于每个验证折排除一条记录而非整个受试者,结果刻画的是被排除记录的一致性情况,而该受试者对侧记录仍可用于训练。这些结果并未确立在未见过受试者上的表现,也未直接验证所提出的混合架构。
实验LSBoost模型使用的特征构造与模拟研究相关,区别见第2.7节所述。结果汇总于表5和图11。绝对预测的池化RMSE为StO?的17.10个百分点,MAE为12.56个百分点,R2为?0.489。这些值已从原始MATLAB图中存储的所有8148个测量-预测对中得到验证。模拟分析与实验分析的数值误差不可直接比较,因为实验数据包含探头放置、接触压力、组织特性、设备漂移、同步方式以及测量部位的变异性,且使用了不同的验证分组方式。
**表5** 每次排除一条记录进行验证下的实验PhasorDetect性能。数据集包含14名受试者的28条记录;同一受试者的对侧记录仍可用于训练。指标已从原始绘制的预测值中验证。池化RMSE和MAE以百分点(pp)为单位,R2为无量纲量。
| 特征集 | 目标 | 池化RMSE (pp) | 池化MAE (pp) | R2 |
|--------|------|--------------|-------------|-----|
| 物理启发的绝对特征 | StO? | 17.10 | 12.56 | ?0.489 |
| 基线平移后的物理启发特征 | ΔStO? | 9.77 | 5.57 | 0.439 |
**图11**
下载
全尺寸图片
探索性PhasorDetect分析中的实测与预测氧合度。(a) 绝对StO?预测。(b) 基线参考的ΔStO?预测。每个面板包含14名受试者28条记录中的原始8148个绘制数据对。验证每次排除一条记录;同一受试者的对侧记录仍可用于训练。颜色指示记录的Fitzpatrick皮肤类型。红色虚线为恒等线。面板(b)中的点状边界指示±10个百分点,作为示例参考,非置信区间或经验证的临床接受阈值。面板(b)中近乎水平的III型系列对应受试者P009的右侧记录。
基线参考改善了被排除记录上的池化一致性:ΔStO?的RMSE为9.77个百分点,MAE为5.57个百分点,R2为0.439。这些值已从原始MATLAB图坐标中得到验证。该改善促使进一步研究相对基线的变化,但残余离散度以及各折间共享的受试者信息限制了其解释力。在声称具有泛化能力之前,仍需独立的受试者验证。
### 4. 讨论
结果表明,在优化的空间分辨NIRS几何结构中增加同轴浅表参考通道,可显著改善跨留出黑色素水平的StO?估计精度。
由于照射波长、组织模型和学习架构均未改变,该改善应归因于同轴通道所提供的附加几何信息。互信息分析也支持了这一解释。
#### 4.1 同轴通道的信息学角色
互信息分析阐明了同轴通道的角色。同轴探测器携带的关于StO?的边际信息可忽略不计,但携带了关于黑色素的高信息量;而表面探测器携带了更多直接的氧合信息。因此,同轴通道通过帮助解析空间分辨信号中嵌入的浅表色素成分,间接改善了StO?预测。
探索性实验分析为该解释提供了有限的体内对应证据。基于工程化同轴反射率特征的绝对预测显示一致性较差,而基线参考则改善了池化性能。这些发现促使进一步研究同轴反射率用于相对基线的变化。然而,验证排除的是记录而非整个受试者,因此结果并未确立独立受试者上的表现,也未直接验证模拟的混合几何结构。因此,模拟与实验比较支持对互补光学测量的进一步调查,但需要前瞻性受试者验证来评估实际效益。
#### 4.2 同轴几何结构的物理解释
信息不对称性有其根植于光子输运理论的直接解释。在表面探测器阵列所用的源-探测器间距下,探测到的光子沿曲线路径运行,穿透至真皮层更深区域,其路径中仅有很小部分发生在表皮内。相比之下,同轴探测器收集的光子路径长度较短,并从上表组织层(包括表皮层和真皮上层)发生背向散射。因此,探测到的光子路径中有更大比例的时间花在表皮内,使同轴信号对表皮光学特性(包括黑色素)更为敏感。
探测信号与底层组织光学特性之间的关系可通过雅可比灵敏度矩阵**J**来形式化描述,其各列代表每个探测器通道对每个组织深度处吸收和散射扰动的灵敏度??。在传统空间分辨配置中,给定深度处吸收和约化散射的灵敏度向量在各探测器通道间倾向于近乎共线,因为所有探测器都采样同一组织体积内重叠的光子路径分布。这种雅可比共线性会产生参数简并状态,系统无法独立分辨观测到的衰减变化是源于表皮黑色素的变化还是真皮血红蛋白氧合的变化。
同轴探测器可能通过提供一个与远端通道不完全共线的灵敏度分布来减轻这种简并。从实用角度看,这一额外的浅表参考有望通过减少表皮衰减与深层血红蛋白吸收之间的歧义来改善反问题的条件。由于同轴光子的平均路径长度预计短于远端通道,探测信号对背向散射和浅表吸收的权重更高,而非对深层真皮血管网中血红蛋白吸收的权重更高。因此,同轴测量起到基线锚点的作用:通过在路径长度最小化的位置提供对浅表衰减贡献的直接估计,系统可以减少远端信号中表皮混淆因素与深层血红蛋白吸收之间的歧义。从反问题的角度来看,这一额外的浅表参考有望改善估计问题的有效条件,尽管本研究未进行显式的雅可比条件分析。
这种层级区别也与亚扩散反射率理论一致。在小源-探测器间距下,探测到的光子经历相对较少的散射事件,与在较大间距下收集的光子相比,它们对浅表吸收和散射相位函数效应保持更高的敏感性。因此,同轴通道预计编码表皮衰减和近表面散射信息,这些信息与远端SRS通道并不冗余??。
这一区别也阐明了基线校正的角色。基线参考可以减去患者特定色素沉着、耦合差异和局部组织结构产生的固定偏移。然而,它无法创造缺失的深度敏感性。一旦测量值以相对基线的形式表达,模型可以更可靠地估计氧合变化,但绝对基线本身仍然未知。所提出的同轴加SRS混合几何结构通过结合两种互补信息来源来弥补这一缺口:同轴通道提供浅表参考信息,而SRS通道提供对深层血红蛋白更敏感的测量。
#### 4.3 结合同轴与SRS测量的实验动机
在本次探索性分析中,将工程化光谱特征参考至基线使池化RMSE降至ΔStO?的9.77个百分点,并在基于记录的验证下产生了正的R2。这表明基线参考可以减少当前数据集中的部分固定偏移。然而,它并未确立在未见过受试者上的泛化能力,且对变化的预测无法确定初始绝对氧合状态是否正常或病理。
图11中ΔStO?预测的近乎水平子集被追溯到受试者P009的右侧记录,其记录的Fitzpatrick类型为III。通过将MATLAB图中的测量序列与同步源数据进行匹配,该记录被明确识别。其预测与测量的斜率约为0.002,RMSE为23.93个百分点,尽管测量范围达55个百分点。来自其他III型皮肤受试者的记录显示出了相当的跟踪能力,因此该模式并未确立整个皮肤类型不适用。可能的因素包括氧合敏感性有限、基线或组织耦合差异、时序或测量部位不匹配,以及回归输出压缩。本次分析未能区分这些解释。因此,该观察促使对信号质量和完全排除受试者下的验证进行检查,而非基于皮肤类型的生物学排除。
这正是模拟中所评估的混合设计的核心动机。单独的同轴通道可用作浅表参考和基线锚点。单独的SRS通道仍然容易受到共享的浅表衰减影响。组合几何结构同时提供浅表参考信息和更深层的氧合敏感信息,使模型能够比任何单一测量类型更有效地将表皮混淆因素与真皮血红蛋白吸收分离开来。
#### 4.4 公平组织氧合测量的临床意义
本研究的临床动机是文献中记载的光学血氧仪对皮肤色素沉着的敏感性。脉搏血氧仪已被证明在某些深色皮肤患者的动脉氧饱和度测量中存在高估1?,商业NIRS血氧仪也报告了与色素相关的误差1??1?,1?。所提出的几何结构提供了一个优先采样浅表光学特性的通道,为深层测量中的色素贡献提供了参考。在表4中,混合配置在每个测试黑色素水平上的RMSE都低于任何一种单独配置。其RMSE在九个水平中的七个低于6.7个百分点,在5%和10%黑色素处残余误差较大。这些模拟发现促使更广泛的实验评估;它们并未确立跨皮肤类型的均匀临床准确性。
#### 4.5 研究局限性
应承认多项局限性。第一,组织模型是有意的简化,排除了毛囊、汗腺和异质真皮血管网。毛细血管丛被建模为具有均匀血容量的均质层,而非离散的血管网络。尽管这在先前文献中很常见,但这些简化隔离了探头几何结构对黑色素泛化的影响,但可能未能捕捉到体内存在的所有信号变异来源??。
第二,实验分析是探索性的,并未验证完整的同轴加SRS架构。实验设备缺少模拟的SRS探测器阵列。此外,验证按记录而非按受试者分组:同一受试者的对侧记录可能进入训练集。这种依赖性可能使性能评估比在未见过受试者上的评估更为有利。因此,所报告的实验误差应被视为基于记录验证下的描述性结果。需要同时排除每位受试者两侧记录的验证,随后进行独立队列验证,才能评估泛化能力。
第三,实验偏移模型估计的是相对于参考基线的ΔStO?,而非绝对StO?。前100个保留观察值被用于定义该基线,且也包含在评估中。
因此,该分析评估的是在既定基线程序下的回顾性一致性,而非前瞻性临床性能或独立恢复的绝对含氧状态。未来的研究应前瞻性地定义基线采集并评估其稳定性。4.6. 未来工作 我们团队目前正在开发下一代 PhasorDetect 探头,该探头集成了此处评估的两种几何结构,将现有的同轴 LED-光电探测器通道与锥口周围的空间分辨探测器阵列相结合。计划的验证将从具有受控黑色素等效吸收体的分层组织模拟体模开始,扩展到跨越扩展 Fitzpatrick 肤色分级范围的血管闭塞测试,从而能够直接实验评估模拟预测的黑色素解耦机制。进一步的模拟研究可以生成覆盖相同黑色素范围的独立训练和测试数据集,并将其性能与保留整个黑色素水平进行评估的情况进行比较。这种比较有助于区分与外推到未见过的黑色素水平相关的误差,以及在该水平在训练期间被包含时持续存在的误差。这些额外的实验是在审查过程中建议的,仍然属于未来工作。因此,本研究为同轴辅助黑色素校正建立了机制和计算基础,而未来的原型研究需要确定在物理探头接触、解剖变异和真实组织异质性下是否保留了相同的改进。5. 结论 本研究评估了在空间分辨近红外光谱探头中添加同轴探测器是否能提高模拟多层组织模型中组织氧饱和度估计的准确性和抗黑色素干扰能力。使用涵盖具有生理代表性的表皮黑色素浓度、表皮厚度和 StO2 水平范围的三维蒙特卡洛模拟框架,将仅表面 SRS 配置与混合同轴加 SRS 配置进行了比较。与单独使用 SRS 探测器阵列相比,混合配置显示预测误差降低了 52.3%。互信息分析证实了这种改进具有机制基础:同轴探测器携带了关于表皮黑色素的 1.8899 位信息,超过了整个表面阵列,而携带的关于 StO2 的直接信息可以忽略不计。这种不对称性将同轴通道确定为一种几何选择性的表皮参考传感器,其主要功能是解析表面信号中的黑色素成分,使预测模型能够将表皮吸收与更深的血红蛋白氧合信号解耦。探索性 PhasorDetect 分析显示绝对一致性较差,合并均方根误差(RMSE)接近 17 个百分点,R 方(R2)为负值。基线参考特征将合并 RMSE 降低至约 10 个百分点,并产生了正的 R2,尽管一项记录显示预测几乎恒定。这些结果是通过基于记录的验证获得的,其中同一参与者的对侧仍然可用于训练。它们激发了进一步的工作,但没有展示在未知参与者上的性能。ΔStO2 的估计也不能解决绝对量化问题。因此,提出的同轴加 SRS 架构由模拟和实验证据共同支持:同轴测量提供浅层参考信息并支持基线相对监测,但稳健的绝对 StO2 估计需要将参考与深度敏感的空间分辨测量相结合。