基于漫反射光譜的組織光學(xué)參數(shù)測量系統(tǒng)與方法研究

李晨曦, 孫 哲，韓 蕾，趙會娟*, 徐可欣

1.天津大學(xué)精密測試技術(shù)及儀器國家重點實驗室，天津 300072 2.天津大學(xué)精密儀器與光電子工程學(xué)院，天津 300072

基于漫反射光譜的組織光學(xué)參數(shù)測量系統(tǒng)與方法研究

李晨曦1, 2, 孫 哲2，韓 蕾2，趙會娟1, 2*, 徐可欣1, 2

1.天津大學(xué)精密測試技術(shù)及儀器國家重點實驗室，天津 300072 2.天津大學(xué)精密儀器與光電子工程學(xué)院，天津 300072

在體組織光學(xué)參數(shù)測量是生物醫(yī)學(xué)光子學(xué)研究重點，不僅為人體成分無創(chuàng)檢測、光學(xué)成像、光動力療法等研究提供基礎(chǔ)，并且可以快速獲取人體光學(xué)參數(shù)變化，為臨床診斷提供依據(jù)。研究了利用單一源探距離漫反射光譜在體測量光學(xué)參數(shù)的測量系統(tǒng)與反構(gòu)方法。漫反射光譜測量系統(tǒng)由寬譜光源、高分辨光纖光譜儀及光纖探頭組成，結(jié)構(gòu)簡單，測量方便，可準確快速測量樣品漫反射光譜。在光纖探頭幾何形狀基礎(chǔ)上，研究了光纖收集及系統(tǒng)傳遞函數(shù)，在此基礎(chǔ)上對反構(gòu)算法進行了校正。光學(xué)參數(shù)反構(gòu)算法中正向模型基于Monte Carlo以及神經(jīng)網(wǎng)絡(luò)方法，適用光學(xué)參數(shù)范圍大，計算速度快； 逆向算法采用主成分分析與非線性建模擬合相結(jié)合的方法，可抑制測量噪聲影響。在測量系統(tǒng)及反構(gòu)算法基礎(chǔ)上，進行了組織仿體光學(xué)參數(shù)測量實驗，結(jié)果表明，利用單一源探距離下漫反射譜，可以較為準確獲取吸收系數(shù)以及約化散射系數(shù)，均方根誤差分別達到4.58%以及7.92%。為保證系統(tǒng)測量準確性，測量波長范圍應(yīng)覆蓋樣品中所含吸收物質(zhì)吸收峰范圍。所研究的在體組織光學(xué)參數(shù)測量方法為人體成分無創(chuàng)檢測及測量條件變化獲取提供了基礎(chǔ)。

組織光學(xué)參數(shù)； 漫反射光譜； 光纖探頭； 單一源探距離； 主成分分析

引 言

隨著光譜檢測技術(shù)及儀器的發(fā)展，基于人體光譜測量的組織成分檢測及成像診斷研究逐漸成為生物醫(yī)學(xué)光學(xué)研究熱點。人體組織光學(xué)特性，如吸收系數(shù)、散射系數(shù)變化與其生理病理狀態(tài)密切相關(guān)，為腫瘤早期診斷、代謝動態(tài)監(jiān)護及光動力治療等臨床應(yīng)用提供了基礎(chǔ)[1-5]。

人體組織光學(xué)參數(shù)是一系列描述光在組織中傳播特性的參量，包括吸收系數(shù)、散射系數(shù)及各向異性因子等。根據(jù)測量原理，其測量方法可分為離體及在體測量方法[2, 6-10]。在體測量方法主要針對臨床研究中活體組織光學(xué)參數(shù)及成分檢測需求，利用不同光源-探測徑向距離，或時域、頻域分辨方式測量漫反射光，結(jié)合漫射近似，P1和P3近似等正向模型及非線性擬合等逆向反構(gòu)算法得到組織光學(xué)參數(shù)。目前常用的測量系統(tǒng)往往具有多個源-探距離的光纖探頭或時間、相位分辨光電檢測裝置，成本較高，測量時間長。而在人體組織成分測量臨床診斷研究中，常要求實時測量活體組織的光學(xué)參數(shù)，這就給徑向距離分辨及時間、相位分辨測量儀器的應(yīng)用帶來了困難[10-13]。

人體組織是具有一定吸收特征的高散射渾濁介質(zhì)，其散射結(jié)構(gòu)尺寸與生物光學(xué)研究采用的測量光波長可相比擬，一般用Mie散射模型描述其散射特性。而組織中的吸收物質(zhì)種類相對固定，主要包括黑色素、血紅蛋白、脂肪、血糖、肌球素等[8, 11]。人體漫反射光譜中吸收特征隨波長變化比較劇烈，而散射特征隨波長呈現(xiàn)單調(diào)遞減的緩慢變化。在漫反射光譜基礎(chǔ)上，結(jié)合一定的正向模型及逆向算法就可以根據(jù)漫反射光譜計算得到吸收系數(shù)及約化散射系數(shù)。這種利用“譜分辨”方式測量組織光學(xué)參數(shù)的方法，只需要一個源探距離一定的光纖探頭，測量系統(tǒng)簡單、速度快，在臨床診斷中具有較好應(yīng)用前景。

搭建了單一源探距離下漫反射光譜測量系統(tǒng)，系統(tǒng)分析了測量系統(tǒng)傳遞函數(shù)，研究了基于神經(jīng)網(wǎng)絡(luò)及蒙特卡洛方法的正向模型與非線性擬合逆向算法，結(jié)合光譜主成分分析提取光譜特征，并反構(gòu)得到組織吸收系數(shù)及約化散射系數(shù)，為人體成分無創(chuàng)檢測及測量條件變化監(jiān)測提供了基礎(chǔ)。

1 測量系統(tǒng)

采用的漫反射光譜測量系統(tǒng)由鹵素?zé)艄庠?、單一源探距離光纖探頭、高分辨光譜儀及數(shù)據(jù)采集處理裝置組成，系統(tǒng)框圖如圖1所示。

圖1 單一源探距離漫反射光譜測量系統(tǒng)框圖

(1)光源采用鹵素?zé)?HL-2000，OceanOptics.Inc)，輸出波長范圍360～2 000 nm，SMA905接口，輸出功率7 W，光強漂移：<0.3% per hour。

(2)漫反射光纖探頭(R400-7-VIS-NIR，OceanOptics.Inc)由七根直徑400 μm光纖組成，中心單根光纖入射，周圍六根光纖接收，具有低OH吸收特性，傳輸損耗小，適用于可見光及近紅外波段光譜測量。

(3)光譜儀(USB2000，OceanOptics.Inc)，最大測量范圍200～1 100 nm，波長分辨率(FWHM)最小可達0.3 nm，測量動態(tài)范圍最高可達2×108。

(4)系統(tǒng)控制及數(shù)據(jù)采集基于美國NI公司LabVIEW軟件自主開發(fā)，實現(xiàn)光源控制、光譜儀參數(shù)設(shè)置、數(shù)據(jù)采集、存儲、預(yù)處理等功能。

測量系統(tǒng)采用的光纖探頭由一根入射光纖以及六根接收光纖組成，檢測光纖相對于源光纖中心對稱，測量過程中光纖探頭垂直于待測組織表面，光纖探頭結(jié)構(gòu)如圖2所示。

圖2 漫反射光譜測量光纖探頭結(jié)構(gòu)示意圖

由于受到光纖芯徑及數(shù)值孔徑限制，在漫反射光譜測量過程中，必須考慮入射光纖與接收光纖間的傳遞函數(shù)[14-15]。若入射光纖半徑為ri，接收光纖半徑為rc，源光纖與接收光纖中心距離為s=2ri=2rc。根據(jù)入射光纖幾何參數(shù)，入射光子在入射光纖芯徑[0,ri]范圍內(nèi)隨機入射到待測組織，在光纖探頭幾何參數(shù)一定的情況下，源探光纖中心距離ri處出射光子被接收光纖收集到的概率與接收光纖面積有關(guān)，可表示為

p(rt)=rtθ/(2πrt)

(1)

系統(tǒng)采用的光纖探頭中六根接收光纖關(guān)于源光纖對稱，進行積分就可以得到接收光纖系統(tǒng)測量漫反射譜傳遞函數(shù)

(2)

利用該傳遞函數(shù)，可以對正向模型建模結(jié)果進行校正，使其與測量結(jié)果更為一致，從而提高光學(xué)參數(shù)反構(gòu)準確性。

2 基于漫反射譜的組織光學(xué)參數(shù)反構(gòu)算法研究

2.1 正向模型研究

根據(jù)Mie散射理論，約化散射系數(shù)與散射粒子散射截面以及濃度相關(guān)，并且隨著測量波長變大單調(diào)下降，與波長成冪函數(shù)關(guān)系，可以表示為[8]

(3)

吸收系數(shù)則由組織中生色團種類和濃度決定，可以表示為[4, 11]

μa(λ)=∑εi(λ)Ci

(4)

光學(xué)參數(shù)測量研究中，正向模型用于建立光學(xué)參數(shù)與測量漫反射光譜之間的定量關(guān)系，其準確性對參數(shù)反構(gòu)精度影響較大。漫射近似，P1和P3等近似模型，在源—探距離較小，或待測組織吸收系數(shù)較大的情況下建模誤差較大，從而影響到光學(xué)參數(shù)反構(gòu)結(jié)果準確性。

Monte-Carlo方法可以模擬光在任意光學(xué)參數(shù)及幾何形狀的組織中傳輸過程，具有建模準確、適用范圍大的優(yōu)點，并且可以根據(jù)測量光纖探頭幾何參數(shù)方便地模擬實際入射—接收情況[12-16]。其基于統(tǒng)計方法，追蹤光子數(shù)越多，建模精度越高，運算時間也越長。由于本研究中需要對漫反射光譜進行多次模擬，若直接采用Monte-Carlo方法，計算速度較慢。因此，將Monte-Carlo方法的準確性與逆向傳播神經(jīng)網(wǎng)絡(luò)算法back-propagationneuralnetworks(BPNN)強大的非線性建模能力相結(jié)合，提高了算法效率與魯棒性，算法流程如圖3所示。

圖3 漫反射光譜光學(xué)參數(shù)反構(gòu)正向模型流程圖

為驗證正向模型的準確性，分別比較了BPNN-MCML與Monte Carlo在不同反照率范圍內(nèi)計算結(jié)果(Rmodel，Rmc)。

用于驗證的數(shù)據(jù)集反照率分別為：驗證集1: 0.30～0.94; 驗證集2: 0.57～0.98; 驗證集3: 0.67～0.99。

結(jié)果對比如圖4所示。

圖4 不同反照率下正向模型建模精度比較

實驗結(jié)果表明，不同反照率下，BPNN-MCML與Monte Carlo建模結(jié)果基本一致，平均偏差小于0.3%，并且隨波長變化不明顯，而BPNN-MCML方法計算速度大幅提高，每條光譜(350個波長點)的建模時間小于0.1 ms。

2.2 逆向算法研究

在正向模型基礎(chǔ)上，利用一定的逆向算法，就可由測量到的漫反射光譜計算出待測組織光學(xué)參數(shù)。在光學(xué)參數(shù)反構(gòu)中采用的漫反射光譜包含幾百個波長點，如將全部光譜數(shù)據(jù)作為建模變量進行光學(xué)參數(shù)反構(gòu)，容易造成過擬合。主成分分析(principal component analysis，PCA)是一種在光譜分析領(lǐng)域應(yīng)用較為廣泛的數(shù)據(jù)降維及特征提取方法，選定的主成分分量可以最大限度保留光譜信息。在本研究采用的逆向反構(gòu)算法中，利用PCA對光譜數(shù)據(jù)進行處理，還可以在一定程度上降低光譜測量噪聲影響。

圖5為漫反射光譜主成分得分矩陣負載結(jié)果，從圖中可以看出，利用5個主成分基本可以包含整條光譜信息。

反構(gòu)算法流程如圖6所示，首先將建模光譜集進行PCA處理； 然后，分別將光譜主成分分量及光學(xué)參數(shù)作為擬合算法訓(xùn)練數(shù)據(jù)集的輸入及輸出，訓(xùn)練擬合反構(gòu)算法。在光學(xué)參數(shù)測量中，將測量到的漫反射光譜進行同樣的PCA預(yù)處理，得到的主成分分量輸入逆向非線性擬合算法，就可以得到待測樣品光學(xué)參數(shù)。

圖5 主成分貢獻率累加圖

圖6 漫反射光譜測量組織光學(xué)參數(shù)反構(gòu)算法流程圖

3 實驗驗證

3.1 模擬驗證

為驗證反構(gòu)算法準確性，首先設(shè)定一組光學(xué)參數(shù)，反照率范圍0.34～0.98，覆蓋測量波長范圍內(nèi)人體組織反照率，利用Monte Carlo方法模擬得到該光學(xué)參數(shù)下的漫反射光譜，將其作為測量光譜，分別采用三種數(shù)據(jù)降維與反構(gòu)方法：方法1：原始光譜+BPNN擬合； 方法2：離散余弦變換discrete cosine transform (DCT)處理后光譜+BPNN； 方法3：PCA處理后光譜+BPNN，分析比較本反構(gòu)算法準確性與魯棒性。為模擬實際測量系統(tǒng)情況，又分別在原始光譜中加入2%的隨機噪聲，三種方法得到反構(gòu)結(jié)果均方根誤差如表1所示。

結(jié)果表明，采用PCA-BPNN方法，反構(gòu)準確性最高，特別是在反照率較低的情況下，大大高于其他兩種方法。PCA方法在一定程度上起到了抑制噪聲的作用，加入2%隨機噪聲后，反構(gòu)結(jié)果基本不受影響。

3.2 模擬組織液測量驗證

進行了組織仿體溶液光學(xué)參數(shù)測量實驗，對系統(tǒng)測量準確性進行了驗證。組織仿體溶液由不同濃度散射標準溶液與吸收標準溶液混合得到，散射標準溶液采用Intralipid-20%(華瑞制藥有限公司)，其主要成分散射粒子直徑接近于人體中散射成分，約化散射系數(shù)與溶液濃度成線性相關(guān)，吸收系數(shù)近似為0。吸收母液采用生物染色劑伊文思藍(Evans Blue)，取0.1 mg伊文思藍與純凈水100 mL配置為吸收標準溶液，其吸收系數(shù)μa(λ)采用分光光度計(UV-2550)測量得到，約化散射系數(shù)近似為0。兩種標準溶液吸收系數(shù)以及約化散射系數(shù)如圖7所示。

表1 反構(gòu)算法結(jié)果比較

Table 1 The mean RMS percentage error of extracting reduced scattering and absorption coefficients with different inverse methods

無噪聲加入2%隨機噪聲方法1方法2方法3方法1方法2方法3樣本1μ's(λ)0.91%4.20%1.38%1.24%7.20%2.48%μa(λ)0.65%12.65%3.63%0.94%18.76%4.35%樣本2μ's(λ)0.24%1.36%0.63%0.51%2.12%1.28%μa(λ)0.21%1.92%0.57%1.34%4.61%2.28%樣本3μ's(λ)0.43%1.87%1.02%0.96%8.03%2.31%μa(λ)0.35%2.59%1.87%1.79%5.24%3.73%

圖7 仿體溶液吸收系數(shù)以及約化散射系數(shù)

將兩種標準溶液根據(jù)一定比例混合，得到具有不同光學(xué)參數(shù)的組織仿體溶液。利用單一源探距離下漫反射光譜測量系統(tǒng)測量其漫反射光譜，結(jié)合光學(xué)參數(shù)反構(gòu)算法，反構(gòu)得到其約化散射系數(shù)與吸收系數(shù)，結(jié)果圖8所示。

從實驗結(jié)果可以得到，測量得到的吸收系數(shù)以及約化散射系數(shù)結(jié)果與真實值比較吻合，其相關(guān)系數(shù)分別為0.988以及0.976，均方根誤差為4.58%以及7.92%。此外，吸收系數(shù)反構(gòu)準確性優(yōu)于約化散射系數(shù)，主要由于溶液中散射粒子分布比較復(fù)雜，散射粒子粒徑不同，粒子形狀與球體假設(shè)有差距，因此造成了散射模型不夠準確，反構(gòu)參數(shù)誤差較大。

在此基礎(chǔ)上，還分別比較了測量波長范圍對于反構(gòu)結(jié)果準確性的影響，結(jié)果如表2所示。

測量光譜波長范圍不同，對于光學(xué)參數(shù)反構(gòu)精度有一定影響。當(dāng)測量光譜范圍沒有覆蓋特征吸收峰時，吸收系數(shù)反構(gòu)均方根誤差較大，約化散射系數(shù)反構(gòu)均方根誤差基本不受測量光譜范圍的影響。因此在光譜測量中為保證吸收系數(shù)測量精度，光譜測量范圍應(yīng)盡量覆蓋樣品所包含物質(zhì)吸收峰。

圖8 仿體光學(xué)參數(shù)反構(gòu)結(jié)果與真實值比較

表2 不同測量波長范圍反構(gòu)精度比較

4 結(jié) 論

利用漫反射光譜進行在體組織光學(xué)參數(shù)測量的系統(tǒng)與反構(gòu)算法，測量系統(tǒng)基于寬譜光源、單一源探距離光纖探頭及高分辨光譜儀。研究了BP-MCML正向模型與非線性擬合反構(gòu)算法，采用PCA對光譜數(shù)據(jù)進行降維處理與特征提取，提高了光學(xué)參數(shù)反構(gòu)精度及速度。組織仿體溶液光學(xué)參數(shù)測量實驗結(jié)果表明，本方法可以較為準確地反構(gòu)吸收系數(shù)以及約化散射系數(shù)，測量均方根誤差分別達到4.58%以及7.92%。與其他測量方法相比，具有結(jié)構(gòu)簡單、測量方便、探頭體積小、易于集成等優(yōu)點，為在體組織光學(xué)參數(shù)動態(tài)測量提供了有力的手段。

[1] Bender J E, Shang A B, Moretti E W, et al.Optics Express, 2009, 17(26): 23396.

[2] Li C, Zhao H, Wang Q.Chinese Optical Letters, 2010, 8(2): 173.

[3] Skala M C, Palmer G M, Vrotsos K M, et al.Opt.Express, 2007, 15(12): 7863.

[4] Meglinski I V，Matcher S J.Physiol.Meas., 2002, 23(4): 714.

[5] Wang Q, Yang H, Agrawal A, et al.Opt.Express, 2008, 16(12): 8685.

[6] Pfefer T J, Matchette L S，Bennett C L.J.Biomed.Opt., 2003, 8(2): 206.

[7] Johns M, Giller C A, German D C, et al.Opt.Express, 2005, 13(13): 4828.

[8] Bashkatov A N, Genina E A, Kochubey V I, et al.J.Phys.D: Appl.Phys., 2005, 38(15): 2543.

[9] Zonios G, Perelman L T, Backman V, et al.Appl.Opt., 1999, 38(31): 6628.

[10] Mantis G，Zonios G.Appl.Opt., 2009, 48(18): 3490.

[11] Finlay J C，F(xiàn)oster T H.Med.Phys., 2004, 31(7): 1949.

[12] Zhao H, Zhou X, Liang J, et al.Chin.Opt.Lett., 2008, 6(12): 935.

[13] Palmer G M, Ramanujam N.Appl.Opt., 2006, 45(5): 1062.

[14] Kim A, Roy M, Dadani F, et al.Opt.Express, 2010, 18(6): 5580.

[15] Yu Bing, Fu Henry, Torre Bydlon, et al.Opt.Lett., 2008, 33(16): 1783.

[16] Wang L, Jaques S L, Zheng L.Com.Met.Pro.Bio., 1995, 47(2): 131.

*Corresponding author

(Received Dec.28, 2014; accepted Apr.9, 2015)

Study on the Determination System of Tissue Optical Properties Based on Diffuse Reflectance Spectrum

LI Chen-xi1, 2，SUN Zhe2，HAN Lei2，ZHAO Hui-juan1, 2*，XU Ke-xin1, 2

1.State Key Laboratory of Precision Measuring Technology and Instruments, Tianjin University, Tianjin 300072, 2.College of Precision Instruments and Optoelectronics Engineering, Tianjin University, Tianjin 300072, China

The determination of tissue optical properties is the fundamental research field in biomedical optics.The ability to separately quantify absorption and scattering coefficients of tissue based on diffuse reflectance spectrum not only helps to gain physiological and structural properties of tissue but also provide insight into the mechanisms of tissue, which leads to the improvement in non-invasive detecting, image diagnosis and photodynamic therapy.In the paper, a flexible and rapid method is developed to extract the absorption and reduced scattering coefficients of turbid medium such as human tissue with diffuse reflectance spectrum.The diffuse reflectance spectrum is measured by the system which includes a white light source, a spectrometer, and a fiber optic probe for delivery and collection of light.The collection efficiency and system transfer function are researched based on the fiber probe geometry.This paper outlines a method based on empirical forward model and non-linear modeling inverse model to extract the optical properties from diffuse reflectance spectrum.The approach includes four steps: (1) generating diffuse reflectance spectra for training inverse model; (2) training the inverse model; (3) measuring and processing the diffuse reflectance spectra of samples; (4) predicting the optical properties of samples.Since the forward and inverse models could be regarded as non-linearity, the Artificial Neural Networks (ANN) is employed to develop the forward and inverse models.The principal component analysis (PCA) is also employed in the inverse model to decompress the data dimension and suppress the spectral noise.With a single fiber optic probe and spectroscopy system, the diffuse reflectance spectrum is measured and preprocessed.The accuracy and robustness of this method are evaluated by measuring the phantoms with a wide range of optical properties.The results indicate that the absorption and scattering coefficients could be extracted accurately by measuring the diffuse reflectance spectrum of single source-detector distance.The mean RMS percentage error is 4.58% and 7.92%, respectively.As to the application of extracting concentration of different chromosphere, it is better to include the absorption peak of every chromosphere within the measuring wavelength range.This method is valid for a wide range of optical properties with the advantage of rapid measurement and simple system setup, which is important for the clinical application.

Tissue optical properties; Diffuse reflectance spectrum; Fiber optics; Single source-detector; Principal component analysis

2014-12-28，

2015-04-09

國家(863)高技術(shù)研究發(fā)展計劃項目(2012AA022602)，國家自然科學(xué)基金項目(81401454, 81471698)，中國博士后科學(xué)基金項目(2013M541174)，中國博士后國際交流計劃(20140066)資助

李晨曦，1983年生，天津大學(xué)精密儀器與光電子工程學(xué)院博士后 e-mail: lichenxi@tju.edu.cn *通訊聯(lián)系人 e-mail: huijuanzhao@tju.edu.cn

Q63

A

10.3964/j.issn.1000-0593(2016)05-1532-05