用于實時的組織氧合測量的小型化多光譜成像器的制作方法

專利名稱：用于實時的組織氧合測量的小型化多光譜成像器的制作方法
技術領域：
本發明涉及多光譜成像。具體地，本發明涉及便攜式多光譜成像器。
背景技術：
光譜學(不管其是可見光、近紅外光、紅外光或拉曼光)是用于分析生物醫學樣本的非常有力的工具。然而，醫學界對于成像方法(以諸如MRI和CT掃描以及標準的X射線攝影和超聲成像的方法為例)具有明確的偏好。這是完全可以理解的，因為醫師需要考慮許多因素以進行臨床診斷。與它們的非成像對應物相比，成像方法可能可以為醫師提供多得多的信息。考慮到這樣的醫學事實，已經付出了很大努力來將成像方法的能力和多功能性與光譜方法的特異性進行結合。
近紅外(近IR)光譜學和光譜成像可以通過監視組織中血紅蛋白的氧飽和度來測量氧輸運和組織的氧利用之間的平衡(Sowa, M.G.等人，1998年，SPIE3252，199-207 ； Sowa, G. W.等人，1999 年，Journal of Surgical Research, 86 :62-29 ；Sowa, G. W.等人， 1999 年，Journal of Biomedical Optics, 4 :474-481 ；Mansfield, J. R.等人，2000 年， International Society of Optical Engineers, 3920 :99-197)。對于活體人類研究， 前臂或腿已成為許多非侵入式近紅外研究的調查部位。多個非成像的近紅外應用已經檢查了組織對于血流控制的局部響應(De-Blasi, R. A.等人，1992，Adv. Exp. Med. Biol, 317:771-777)。臨床上，氧飽和度的區域性變化有時會成為關注點(Stranc, M. F.等人， 1998，BritishJournal of Plastic Surgery，51 :210-218)。近紅外成像提供了一種獲取血紅蛋白的氧飽和度對于組織灌注的響應的空間不均勻性的手段(Mansfield，J. R.等人，1997 年，Analytical Chemistry,69 :3370-3374 ；Mansfield, J. R.等人，1997 年， Computerized Medical Imaging and Graphics, 21 :299-308 ；Salzer, R.等人，2000 年， Fresenius Journal of Analytical Chemistry, 366 :712-726 ；Shaw, R. A.等人，2000 年，Journal of Molecular Structure (Theochem), 500 :129-138 ；Shaw, R. A.等人，2000 ^Ξ, Journal of Inorganic Biochemistry, 79 :285-293 ；Mansfield, J. R. 入，1999 $， Proc. SPIE Int. Soc. Opt. Eng.，3597 :222-233 ；Mansfield, J. R.等人，1999 年，Applied Spectroscopy, 53 1323-1330 ；Mcintosh, L. Μ.等人，1999 年，Biospectroscopy, 5 265-257 ；Mansfield, J. R.等人，Vibrational Spectroscopy, 19 :33-45 ；Payette, J. R.等人，1999 年，AmericanClinical Laboratory, 18 :4_6 ；Mansfield, J. R.等人，1998 年，IEEE Transactionson Medical Imaging,6 :1011-1018)。
對血紅蛋白氧合(hemoglobin oxygenation)的非侵入式監視利用了 HbO2和Hb的區別吸收以及近紅外輻射可以相對深地穿透組織的事實。脈沖血氧監測法通常基于Hb和 HbO2的有差異的紅色可見和近紅外吸收來提供對動脈血紅蛋白氧合的非侵入式測量。可見 /近紅外多光譜成像允許在宏觀和微觀尺度上映射組織灌注的區域性變化。與紅外熱成像法不同，超光譜成像不單獨映射組織的熱發射。而是，該成像方法依賴于通過發色團(諸如 Hb和HbO2)對光的有區別的吸收，這導致了依賴于組織的血紅蛋白氧飽和度的組織反射率的波長依賴性方面的差異。(Sowa，Μ. G.等人，1997，Applied Spectroscopy, 51 :143-152 ； Levention, Μ.，2000 年 MIT 博士論文)。
不管它是磁共振(MRI)、中IR、拉曼、熒光和光學顯微術還是近紅外/基于可見光的成像，光譜成像方法和數據在分析實驗室中都變得日益普遍。然而，光譜圖像中包含的信息量可能使得標準數據處理技術變得十分不便。此外，很少有技術能夠在不預先知道光譜數據或樣本的成分的情況下便可以標定光譜圖像的哪些區域包含類似光譜。分析光譜圖像的目的不僅僅是為了確定在樣本中的任何特定像素處存在何種光譜，也是為了確定樣本的哪些區域包含類似的光譜；即，樣本的什么區域包含化學上相關的化合物。多變量分析方法能被用于確定光譜成像數據組中的樣本的光譜和空間特性。這些技術也能被用于分析從光譜圖像的時間序列得出或提取的圖像的時間序列的時間形狀方面的變化。
很少有技術能夠在不預先知道樣本的成分的情況下而標定樣本的哪些區域包含類似的物質。光譜成像提供了光譜術的特異性，同時通過提供傳達一些化學含義的樣本圖像來轉達空間信息。通常，分析異質系統的目的不僅是識別系統中存在的成分，而且識別它們的空間分布。該技術相對于傳統成像方法的真實能力在于它的固有的多變量特性。可以同時評價許多參數之間的空間關系。因此，在高維的表現形式中捕獲了樣本內的化學不均勻性或區域相似性，該高維的表現形式可以被投影到一些有意義的低維的和容易解釋的表現形式上，這些低維的表現形式典型地包括一組復合圖像，其中的每個圖像具有特定的意義。
盡管現在清楚了光譜學和光譜圖像都可以在提供醫學相關信息方面起作用，但是原始的光譜或成像測量很少直接揭示臨床上感興趣的特性。例如，使用光譜學，不能容易地確定組織是否癌變，或者確定血糖的濃度和組織灌注的充足程度。而是，模式識別算法、聚類方法、回歸和其它理論方法提供從原始分析測量中提取診斷信息的手段。
然而，存在用于光譜圖像的收集的各種方法。在所有這些情況下，光譜成像實驗的結果被稱為光譜圖像立方體、光譜成像數據立方體或就稱為超立方體。這是一種三維數據陣列，其包括兩個空間維度(成像分量)和一個光譜維度。它可以被認作空間解析的個體光譜的陣列，其中第一圖像中的每個像素由整個光譜組成，或者被認作一系列空間解析的圖像。在任一種表現形式中，該3D數據立方體可以被視為包含關于樣本的大量空間和光譜信息的單個實體，該3D數據立方體是從該樣本中獲取的。
作為在立體成像實驗中獲取的三維陣列的擴展，可以收集作為諸如時間、溫度或 PH值的額外參數的函數的數據立方體。多種算法可被用于分析這些多維數據組，從而化學和光譜變化可以被作為額外參數進行研究。然而，當一起考慮它們時，可以更完全地理解數據中的變化。這可以以選通的或連續的方式來進行。
多模態圖像融合或圖像配準(registration)是醫學圖像分析中頻繁提及的重要問題。配準是將源自不同源的數據對準到一個相容坐標框架的過程。例如，在不同類型的成像方法中更清楚地出現各種組織。例如，軟組織在MR掃描中成像較好，而骨骼在CT掃描中更容易辨別。通常，在MR血管造影中能比在標準的MR掃描中更好地突出血管。在采集時，同一病人的多個掃描通常是未配準的，因為在每個掃描器中病人可能處于不同位置，并且每個掃描器具有它自己的坐標系。為了將來自所有掃描的信息融合到一個相容框架中， 必須將掃描配準。多個掃描有用的真正原因使得配準過程變得困難。由于每個模態不同地成像組織，并且具有它自己的贗像和噪聲特性，因此精確地建模各掃描之間的強度關系并且隨后對準它們是困難的。
兩個圖像的配準包括發現將一個圖像最好地映射到另一個的變換。如果IjPI2是同一組織的兩個圖像，并且T是正確的變換，那么體素I1(X)對應于樣本中與體素I2(TOO) 相同的位置。在最簡單的情況下，T是包含三個旋轉自由度和三個平移自由度的剛性變換。 對剛性配準的需要主要源于病人處于用于對解剖結構進行成像的掃描設備中的不同位置。 當存在于一個統一的坐標系統中時，來自所有圖像的信息得到了最佳的使用。如果沒有這樣的圖像融合，則臨床醫生必須借助腦力來關聯來自不同坐標系的信息。
一種對準兩個圖像的一個方法是定義中間的、以病人為中心的坐標系統，而不是試圖直接將這些圖像彼此配準。以病人為中心的參考框架的一個實例是在各種圖像獲取中使用附著到病人的基準標記物。這些基準標記物定義了專用于病人的坐標系統，而與掃描器或成像模態的選擇無關。如果這些標記物保持固定并且可以被精確地在所有圖像中局部化，則可以通過計算相應基準的最佳對準來配準這些體積(volume) (Horn. B. K. P. . 1987 年，Journal of theOptical Society of America A, 4 :629-642 ；Mandava, V. R.,等人·, Proc SPIE. 1992 年，1652 :271-282 ；Haralick, R. Μ.，等人，1993 年，Computer and Robot Vision)。該方法的主要缺點是，在所有圖像獲取中，這些標記物必須始終保持為在相同的位置附著到病人。對于諸如在幾個月或幾年內檢測變化的應用，該配準方法是不合適的。 基準配準典型地用作評價其它方法的精度的基礎事實(ground-truth)，因為精心放置和局部化這些標記物可以提供非常精確的對準(West，J.等人，1996年，Proc SPIE. Newport Beach, Calif.)。
當基準標記不可用于定義病人的坐標框架時，可以從圖像提取相應的解剖特征點，并將其用于計算最佳對準(Maintz, J. B. Antione等人，1995年Computer Vision, Virtual Reality and Robotics in Medicine, pp. 219-228 ；Maguire. Jr. , G.等人，1991 年，IEEE Computer Graphics Applications, 11 :20-29)。該方法在很大程度上依賴于自動和精確地提取可靠圖像特征的能力。一般地，由于非線性增益野(gain field)和高紋理化結構的緣故，諸如強度閾值選擇或邊緣檢測的特征提取方法在醫學掃描方面表現不佳。甚至，對相應的3D解剖點的人工識別也可能是不可靠的。如果不具備精確地局部化圖像中的相應特征的能力，則這種方式的對準是困難的。
與在圖像中局部化特征點不同，可以提取和使用諸如目標表面的更豐富結構作為配準的基礎。配準頭部的MR和CT的一種普通方法涉及從兩個圖像提取皮膚(或顱骨)表面，并且對準 3D 頭部模型(Jiang，H.等人，1992 年 Proc. SPIE, 1808 :196-213 ；Lemoine, D.等人，1994年，Proc. SPIE，2164 :46-56)。對于PET/MR配準，典型地使用腦表面，因為顱骨在 PET 中并不清晰可見(Pelizzari, C 等人，J Comput Assist. Toraogr.，1989 年，13 20-26)。然后使用基于表面的配準技術來嚴格配準3D模型(Ettinger，G.，1997年，MIT博士論文)。這些方法的成功依賴于結構被跨模態地進行精確的和一致的分割，以及各表面具有足夠豐富的結構以被明確無誤地配準。
基于體素的配準方法不從圖像提取任何特征，而是使用強度本身來配準兩個圖像。當配準兩個圖像時，這類方法對兩個圖像的強度之間的關系進行建模，然后搜索變換空間以發現與該模型符合得最好的對準。討論了各種強度模型，包括相關性、相互信息 (mutual information)和先驗的聯合強度。
相關性是為了計算機視覺問題(諸如對準和匹配)而通常用于比較兩個圖像或圖像的區域的量度。給定堆疊在矢量u和ν中的兩個圖像片的強度值，歸一化的相關性量度是在U和V的方向上單位矢量的點積 (u. v)/(||u|| Il V II) 基于相關性方法的優點是，它們可以使用卷積算子非常有效地計算。當預期兩個圖像的強度之間存在線性關系時可以應用相關性。在計算機視覺問題中，歸一化的相關性對于量度(諸如方差之和(SSD，Il u-v Il 2))上的照明變化提供了一定量的穩健性。獲取病人的多于一個的醫學掃描的主要原因源于每個掃描給臨床醫生提供了不同信息的事實。因此，具有簡單的線性強度關系的兩個圖像可以直接配準，但是不提供超過一個掃描本身的任何額外信息。另一方面，如果圖像是完全獨立的(例如，它們之間不存在強度關系)，那么它們不能使用基于體素的方法來配準。一般地，不同模態的圖像之間存在一些依賴性，并且每個模態提供額外的信息。
醫學成像處理的一個簡化模型是，內部圖像是一些位置χ上的下層組織特性P(X) 的渲染函數(rendering function) 0模態A的圖像可以被表示為函數I A(P)，并且同一病人的模態B的配準圖像將是另一函數，比如I^b(P)。假設可以計算使兩個渲染函數相關的函數F(X)，使得以下為真(可能加入一些高斯噪聲N) F (Rb (P)) = Ra (P)+N 給定圖像B中的相應點處的強度，函數F將預測在圖像A中的點處的強度。使用 SSD，這樣的函數可以用于對準最初在不同坐標系統中的一對圖像 T* = arg minT Σ χ(F(Rb(P(χ)))-Ra(P(χ)))2 其中T是兩組圖像坐標之間的變換。Van den Elsen等人計算了這樣的映射，其使得CT圖像看起來更像是MR，然后使用相關性來配準這些圖像(van denElsen,P.等人，1994 年·" Visualization in Biomedical Computing, “ 1994 Proc SPIE，2359 :227-237)。 一般地，顯式地計算使兩個成像模態相關的函數F是困難和約束過少的。
相互信息(MI)的最大化是可應用于大范圍的多模態配準應用的一般方法(Bell， A. J.等人，1995年Advances in Neural Information Processing 7 ；Collignon,D.等人， 1995 年，First Conf. on Computer Vision, Virtual Reality andRobotics in Medicine Springer ；Maes,F.等人，1996年，Mathematical Methods inBiomedical Image Analysis ； Wells, W. M.等人，1996 年，Medical Image Analysis, I (1) :35-51)。使用相關信息的長處之一在于MI不使用關于聯合強度分布之間的關系的任何先驗信息。盡管相關信息沒有顯式地建模將兩個成像模態相關的函數，但是它假定當圖像對準時，每個圖像應該比這些圖像沒有對準時更好地解釋另一圖像。
給定兩個隨機變量U和V，相互信息定義為(Bell，1995年) MI (U, V) = H(U) +H (V) -H (U，V) 其中H(U)和H(V)是兩個變量的熵，并且H(U，V)是聯合熵。離散的隨機變量的熵定義為 H(U) = - Σ Pu(U) IogPu(U) 其中Pu(U)是與U相關聯的概率質量函數。類似地，聯合熵的表示在聯合PDF上運算 H(U, V) = - Σ Σ Pu, v(u, ν) IogPu, v(u，ν) 當U和V獨立時，H(U，V) =H(U)+H(V)，其暗示相互信息是零。當在U和V之間存在一對一的函數關系時(即它們完全相關)，相互信息被最大化為 MI (U, V) = H(U) = H(V) = H (U, V) 為了通過變換對圖像進行操作，我們考慮兩個圖像I1(X)和I2(X)為空間參數化χ 下的隨機變量。我們尋求找到最大化相互信息的變換T的值(Wells，1996年) T* = arg maxTMI (I1 (χ)，I2 (Τ (χ))) Τ* = arg maxTH(I1 (χ)) +H(I2T(χ)))^(^ (χ)，I2 (Τ(χ)) 兩個圖像的熵鼓勵了將I1投影到I2的復數部分的變換。當X很好地解釋Y時，第三項(I1和I2的(負的)聯合熵)取大的值。可以計算熵關于姿態參數的導數，并且這些導數被用于執行隨機梯度上升(Wells，1996年)。West等人比較了許多多模態配準技術， 并且發現相互信息是跨所有對模態的最精確的技術之一(Wells，1996年)。
Leventon等人引入了使用從圖像的訓練集得到的統計模型進行多模態配準的方法(Leventon. Μ.等人，1998 年，Medical Image Computing andComputer-assisted Intervention)。該方法涉及建立正在配準的兩個掃描之間的強度關系的先驗模型。該方法要求與要配準的那些模態相同的模態的一對配準的訓練圖像，以便建立聯合強度模型。為了對準新的一對圖像，計算了基于通過在相應的點采集強度的我們的模型的、給定某姿態的兩個圖像的似然性。可以通過升高對數似然函數來改進該當前假設。實質上，基于強度的共同出現來計算函數F(使兩個成像模態相關)的概率估計。為了對準這些新的圖像，發現了使那些圖像產生于同一關系F的可能性最大的姿態。
建立聯合強度模型要求訪問與要配準的新的一對圖像的模態相同和覆蓋范圍大約相同的一對配準的圖像。相互信息方法不需要利用之前配準的掃描。然而，當該信息可用時，該先驗的聯合強度模型為配準算法提供了額外的指導，這導致了更快地、更可靠地和從更遠處的起始點收斂到正確的對準。

發明內容
本發明克服了與現有的超光譜成像設備的當前設計相關的問題和缺點。具體地， 該設備提供了對病人的氧合水平和特定于疾病狀況的其它要素的實時測量。本發明對關國專利號6，640，130中公開的發明進行了擴展，在此通過引用將該專利整體并入本說明書。 此外，它是對現有設備的改進，因為它是實時進行的。
本發明的一個實施方式針對一種便攜式多光譜成像系統。所述系統包括至少一個圖像獲取設備，用于從對象獲取圖像；濾波設備，用于對所述圖像獲取設備接收的光進行濾波；處理器，用于處理由所述圖像獲取設備獲取的圖像；以及顯示器。存在在處理器上運行的軟件，其基于處理的圖像來確定對象的氧合值或其它相關要素。
氧合值可以基于氧合血紅蛋白、脫氧血紅蛋白和氧飽和水平中的至少一個，或基于其它相關要素。所述軟件可以濾波圖像以減少噪聲，對圖像中的至少一個進行校正以考慮對象的運動，從所獲取的圖像中去除無關物體，和/或將所獲取圖像的數據與存儲的數據進行對比。
所述系統還可以包括照明源，并且可以通過無線或有線信道與分析設備通信。所述分析設備可以比較多個圖像、存儲所獲取的圖像、和/或存儲所獲取的氧合值。
本發明的另一實施方式針對一種便攜式多光譜成像設備。所述設備包括至少一個圖像獲取設備，用于從對象獲取多光譜圖像；濾波設備，用于對所述圖像獲取設備接收的光進行濾波；模擬前端模塊，用于將該圖像轉換為數字圖像；微處理器，用于臨時存儲至少一個圖像，并且控制所述模擬前端模塊；以及通信模塊，用于將所獲取的圖像傳送到分析設備。
所述圖像可以用于確定對象的氧合值。所述氧合值可以基于氧合血紅蛋白、脫氧血紅蛋白和/或氧飽和水平中的至少一個。
所述設備還可以包括照明源，其可以產生經過濾波的光。所述通信可以是有線的或是無線的。所述設備可以具有兩英寸的最大直徑，和/或是手持式的。所述設備還可以包括電源。
本發明的其它實施方式和優點部分地在以下描述中闡明，并且部分地可以從該描述清楚地得知，或者可以從本發明的實施中獲知。


結合附圖并通過實例更詳細地描述了本發明，附圖中 圖1是多光譜成像設備的實施方式的3D視圖。
圖2是圖1的分解圖。
圖3是多光譜成像設備的示意性框圖。
圖如-4示出多光譜成像設備的第二實施方式。
具體實施例方式如在本說明書中體現和廣泛描述的，本公開在此提供了本發明的詳細實施方式。 然而，公開的實施方式僅僅是本發明的示例，可以以各種和替代形式體現本發明。因此，特定結構和功能細節不應當是限制性的，而是，它們為權利要求提供了依據，并且作為有代表性的基礎來教導本領域技術人員以各種方式采用本發明。
能夠通過本發明的實施方式解決的本領域的問題是生產一種小型化醫學多光譜成像(MSI)傳感器，其能夠提供皮膚中的氧飽和S1A的實時測量，所述實時測量用作多種醫療狀況下(包括但不限于糖尿病、傷口護理、血管疾病和壓力性潰瘍)的病人的氧合狀態的良好指示，以及對于休克的發作提供早期警告。令人驚訝的是，已經發現，高度靈敏的小型傳感器可能能夠對具有患糖尿病、傷口護理、血管疾病、壓力性潰瘍或其它疾病狀態的風險的病人的皮膚的含氧水平進行精確的早期測量。該設備可以被優化為支持用于遠程和極端環境(軍用或民用)的可現場部署的便攜式操作情形。此外，通過降低成本，手持式設備可以由具有形成糖尿病足部潰瘍的風險的病人使用，目的是對早期的組織衰竭(tissue breakdown)給出警告，從而避免潰瘍。
與其它當前現有的點測量近紅外光譜(NIR)設備相比，該小型多光譜成像設備可能具有更優越的品質。這是由于該設備最主要地測量皮膚毛細血管床中的so2。因此，皮膚厚度和脂肪層對于返回的信號影響較小，而基于NIR的技術需要針對這些因素進行積極校正。
設備的傳感器具有交叉偏振的照明檢測，其對于表面眩光(surface glare)和淺表散射(superficial scattering)較不敏感。而且，它生成了更先進的血色素分解算法。 在之前的算法中，注意到了脫氧血紅蛋白和其它背景項之間的串擾，這導致了脫氧血紅蛋白信號和從該信號確定的氧飽和值的高變動性。
可以將每個像素的光譜與各種化學組分的存在和濃度相關聯。然后，可以將該數據解釋為表面中這些組分的“梯度圖”。已經示出用于醫學應用的HSI (MHSI)，以精確預測喪失充足灌注的組織的生存力和存活，并且將疾病組織(例如，腫瘤)和缺血組織與正常組織區分開來。MHSI分析使用從皮膚獲得的空間和光譜特性來形成主要基于氧合和脫氧 Hb信號的休克預測的指標，這些指標包括(1)平均指標(平均橫斷面圖像(mean across image), 2)不均勻性指標(四分位數間距)、(3)斑紋指標(空間特征的分析)以及⑷時間偏移指標(斑紋圖案從一個圖像到下一個圖像的改變)。使用這些技術的組合，已經形成了作為單個數值讀數的超光譜指標(HSI)。HIS可以用作許多疾病狀態(諸如血管疾病、糖尿病、壓力性潰瘍和休克)的早期指示。
手持式多光譜成像系統被設計用于組織光學成像，以在沒有有害輻射并且不需要使用任何進入組織的藥劑的情況下，對擴展區域上的組織氧合進行非接觸的評價。由于它的具有快速圖像傳感器、高效率照明器和高速波長選擇的緊湊設計，它可以是完全便攜式的和自足的，以獲取圖像數據和將組織氧合的超光譜信息提供給用戶。
該系統包括成像獲取參數動態模塊。該模塊負責圖像傳感器參數的即時調節，以便確保對于給定目標(即皮膚類型、表面類型等)滿足SNR(信噪比)要求。此外，進行了調節以處理在獲取階段存在的各種照明條件。該模塊負責選擇合適的波長并且控制高速波長選擇器。也可以控制高效率的照明，并且基于表面反射特性來實時調節該高效率的照明， 該表面反射特性被用作給定光波長處的反饋。
重要的是實施獲取參數，使得一般的成像問題得到約束。基準度量模塊負責定位基準標記，并且相對于要實時成像的表面執行設備的空間定位/穩定邏輯。從而，優化了照明的實施(illumination delivery)以及定位的可重復性。
與其它任務并行地，獲取子系統連續監視就所實現的SNR而言的數據質量。因為尋求的成像模態相對于病人的運動不受約束(通過設計，實現穩健的使用模型)，所以也實時執行運動跟蹤以確保在成像期間數據不被破壞。
總體上，由于定制的硬件(真正并行化的微處理器，FPGA)/軟件實現(嵌入式的) 的緣故，該獲取平臺被設計用來實現準確的實時性能，所述定制的硬件/軟件實現將觀察的反饋與關于成像模態的先驗知識相結合，以產生無可比擬的性能和數據質量。主要的圖像處理軟件被設計和開發用來實現自適應濾波、快速和準確的圖像配準、快速和有效的組織/障礙物遮蔽(tissue/obstruction masking)，以及用于組織氧合值(諸如氧合血紅蛋白、脫氧血紅蛋白和氧飽和)的高性能算法。
該軟件包括自適應空間濾波，將進行該濾波以便確保噪聲被最小化而不損害信息數據。該軟件還包括空間配準，該空間配準被用于針對獲取期間的目標運動進行校正。就處理平移和旋轉運動分量而言，配準是穩健的。這確保了適當的光譜成分。能夠將視場中的有用的光譜數據與無關數據區分開來是有利的。已經基于空間以及光譜特征開發了用于從所有其它數據劃分出有用數據的方法。這類方法通過從所獲取的數據集去除無關物體 (像頭發、非皮膚材料(繃帶、衣服等)、或不攜帶關于組織血紅蛋白內容的有用信息的任何其它物體)，實現了更高的精度和更好的性能。
該系統可以經由一種或多種光譜分類方法，使用從一組預定波長獲取的數據來提取氧合血紅蛋白、脫氧血紅蛋白和氧飽和的組織氧合值。除了僅基于所獲取的數據來進行分類決定以外，將進行先驗知識的集成，這有效地將全部分類器融合在一起，以提升所得的臨床功效。從涉及不同病人群體的臨床研究提取了這樣的數據。使用已經確立的統計技術 (諸如PCA (主要分量分析)、ICA (獨立分量分析)和LDA (偏最小二乘))以分離最能提供信息的特征來改進系統的穩健性和測量精度，能夠實現提取穩健的“歷史”(跨多次訪問的信息)病人信息和有效地將其呈現給醫生供使用。
圖1是多光譜成像設備100的3D視圖。優選地，設備100是具有小于20英寸的最大直徑的手持式設備。更優選地，該最大直徑小于10英寸，并且甚至更優選地，直徑小于 5英寸。設備100優選地是自足的，并且可以安裝在從醫院或臨床設置的壁延伸出來的三腳架或臂狀物上。設備100可以與用戶進行有線或無線通信。設備100可以具有內部或外部電源。
圖2是設備100的分解視圖。該設備可以包括透鏡起偏器組件105、透鏡110、照明起偏器組件115、照明模塊120、圖像傳感器125以及透鏡支架130。設備100可以可選地包括功率輸入135和/或有線通信接口 140。
手持式多光譜成像系統被設計用于組織光學成像，以在沒有有害輻射并且不需要使用任何進入組織的藥劑的情況下，對擴展區域上的組織氧合進行非接觸的評價。其具有快速圖像傳感器、高效率照明器和高速波長選擇的緊湊設計使得該設備是完全便攜式的和自足的，以獲取圖像數據和將組織氧合的超光譜信息提供給用戶。使用可以用現場可編程門陣列(FPGA)實現的并行處理電路的組合，該設備可采用快速圖像獲取和附帶在線處理的數據處理。該設備可能能夠經由簡單和直觀的圖形用戶界面來在手持式設備上在線顯示超光譜圖像，以供快速察看和將圖像數據發送到遠程計算機來進行進一步處理和控制。定制的電子設備和軟件允許快速信號/成像處理、分析和顯示，并且通過有線和/或無線連接發送圖像數據以供存儲，以及可以使用一種或多種組織分類方法和使用來自一組預定波長的數據來提取氧合血紅蛋白、脫氧血紅蛋白和氧飽和的組織氧合值。
可以應用若干組織遮蔽物(tissue mask)，以通過僅聚焦在感興趣的組織上來改進系統性能。一些組織遮蔽物是基于光譜的，且其它組織遮蔽物是基于空間的。
因為該設備使用非接觸測量，所以與使用OTR探針的情形不同，血紅蛋白氧合狀態不受在皮膚上放置多少壓力的影響。如果有必要，還可以在合理遠的距離處和通過光學護面罩來進行測量。與OTR系統要求的不同，在病人之間不需要消毒系統。
多光譜系統使用可見波長而不是肌R波長，其更有效地被血紅蛋白吸收。此外，因為光子的路徑長度更為淺表(約2mm)，所以多光譜成像器最主要地測量皮膚毛細管中的血紅蛋白。結果，皮膚和脂肪層厚度對光信號影響較小。
多光譜成像系統在合理寬的視場上捕獲血紅蛋白氧飽和測量值，這使得能測量空間上的變化。例如，可以用光譜成像器測量休克發作、糖尿病足部潰瘍、跛行或其它疾病狀態之前的亞臨床皮膚斑紋。
圖3是多光譜成像器的示意性框圖。該圖像傳感器用于收集多光譜數據。模擬前端(AFE)是處理與將來自圖像傳感器的模擬信號數據轉換為數字圖像有關的所有功能的芯片組。然后，數字圖像被發送到微處理器，其用于控制所有AEF參數(增益、DC偏置、亮度、曝光等)、臨時存儲一個或多個圖像(RAM/閃存)、經由GPIO(照明模塊)與其它模塊接口、以及與用于圖像獲取控制和圖像丟棄的FGPA接口。
現場可編程門陣列(FPGA)用于控制高級圖像獲取和幀傳送(來自RAM/閃存)、經由GPIO與其它模塊接口、處理超立方體數據、實現算法、以及與集成的有線和無線通信模塊進行接口。該照明模塊用于在圖像獲取周期期間發射指定波長的光。
可以對在每個波長處收集的圖像進行空間濾波，以便改進信噪比。也可以相應地偏移這些圖像，使得每個圖像中的像素代表物體平面的相同部位。光譜和空間算法也可以用于掩蓋物體平面中的與組織不相似的任何事物(例如，病人的衣服、帽子或任何其它附屬物、頭發、污垢等)。使用標準的血紅蛋白分解算法(decomposition algorithm)，可以從被識別為代表組織的每個像素處的數據提取氧合血紅蛋白、脫氧血紅蛋白和氧飽和。
圖如是多光譜成像器600的另一實施方式的前視圖，而圖4b是該實施方式的后視圖。多光譜成像器600可配備一次性的照明盒(disposableillumination cartridge)。 多光譜成像器600具有包括至少一個圖像傳感器605的電路板。優選地，存在兩個到二十個之間的圖像傳感器。傳感器605可以感測包括可見光、彩光、近紅外光、遠紅外光或其任何組合的任何波長。成像器600也可以包括用于每個圖像傳感器605的透鏡。每個透鏡和每個圖像傳感器605之間可以存在濾波器。該濾波器可被設置為濾出特定波長。該濾波器可以被優化，以產生最佳檢測。此外，成像器600可以包括照明源610。圖像傳感器605和照明源610可以全部位于相同的電路板上。該電路板還可以包括至少一個現場可編程門陣列(FPGA)。
成像器600可以包括顯示器615，用于顯示捕獲的圖像。顯示器615可以是觸摸屏，使得信息可以通過顯示器615輸入到成像器600中。顯示器615可以為任何尺寸。成像器600可以經由以太網、USB連接或無線地與分析設備接口。分析設備可以用于圖像比較、圖像存儲和圖像檢查。成像器600可以由任何材料制成，包括但不限于塑料和金屬。
考慮在此公開的說明和發明實施，本發明的其它實施方式和使用對于本領域的技術人員將是顯而易見的。在此引用的所有參考文獻(包括所有出版物、關國和外國專利以及專利申請)通過引用而被具體和完整地并入本說明書。說明書和實例應僅被視為示范性的，且本發明的真實范圍和精神由后面的權利要求確定。此外，術語“包括”包括術語 “由...組成”和“基本由...組成”。
權利要求
1.一種便攜式多光譜成像系統，包括至少一個圖像獲取設備，用于從對象獲取圖像； 濾波設備，用于對所述圖像獲取設備接收的光進行濾波； 處理器，用于處理由所述圖像獲取設備獲取的圖像；其中存在在所述處理器上執行的軟件，所述軟件基于所述經過處理的圖像來確定所述對象的氧合值；以及顯示器，用于顯示所述經過處理的圖像和所述氧合值中的至少一個。
2.如權利要求1所述的系統，其中所述氧合值基于氧合血紅蛋白、脫氧血紅蛋白、氧飽和水平以及成分分析的至少一個。
3.如權利要求1所述的系統，其中所述軟件濾波所述圖像以減少噪聲。
4.如權利要求1所述的系統，其中獲取對象的多個圖像。
5.如權利要求4所述的系統，其中所述軟件校正至少一個所述圖像以考慮所述對象的運動。
6.如權利要求1所述的系統，其中所述軟件從所獲取的圖像中去除了無關物體。
7.如權利要求1所述的系統，其中所述軟件將所獲取的圖像的數據與存儲的數據進行比較。
8.如權利要求1所述的系統，還包括照明源。
9.如權利要求1所述的系統，其中所述系統與分析設備通信。
10.如權利要求9所述的系統，其中所述通信是有線通信和無線通信中的一種。
11.如權利要求9所述的系統，其中所述分析設備進行比較多個圖像、存儲所獲取的圖像以及存儲所獲取的氧合值中的至少一種。
12.一種便攜式多光譜成像設備，包括至少一個圖像獲取設備，用于從對象獲取多光譜圖像；濾波設備，用于對所述圖像獲取設備接收的光進行濾波；模擬前端模塊，用于將所述圖像轉換為數字圖像；微處理器，用于臨時存儲至少一個圖像，并且控制所述模擬前端模塊；以及通信模塊，用于將所獲取的圖像傳送到分析設備。
13.如權利要求12所述的設備，其中所述圖像用于確定所述對象的氧合值。
14.如權利要求13所述的設備，其中所述氧合值基于氧合血紅蛋白、脫氧血紅蛋白和氧飽和水平中的至少一個。
15.如權利要求13所述的設備，其中所述氧合值基于成分分析。
16.如權利要求12所述的設備，還包括照明源。
17.如權利要求16所述的設備，其中所述照明源產生經過濾波的光。
18.如權利要求12所述的設備，其中所述通信是有線通信和無線通信中之一。
19.如權利要求12所述的設備，其中所述設備具有兩英寸的最大直徑。
20.如權利要求12所述的設備，其中所述設備是手持式的。
21.如權利要求12所述的設備，還包括電源。
22.如權利要求12所述的設備，其中至少一個圖像獲取設備從處于可見光、彩光、近紅外光和遠紅外光中的至少一種的范圍中的波長獲取圖像。
全文摘要
公開了一種便攜式多光譜成像系統和設備。所述系統包括至少一個圖像獲取設備，用于從對象獲取圖像；濾波設備，用于對圖像獲取設備接收的光進行濾波；處理器，用于處理由圖像獲取設備獲取的圖像；以及顯示器。存在在處理器上運行的軟件，其基于處理的圖像確定對象的氧合值。
文檔編號G01J3/40GK102187188SQ200980116102
公開日2011年9月14日 申請日期2009年3月19日 優先權日2008年3月19日
發明者里克·利弗斯茲, 奧列格·古斯亞蒂納, 瑪麗·斯托納姆, 伊利亞·舒本索夫, 春生·蔣 申請人:超級醫藥有限公司