A Novel Differential Pathlength Factor Model for Near-Infrared Diffuse Optical Imaging

Resumo Técnico: Um Novo Modelo de Fator de Comprimento de Caminho Diferencial para Imagem Óptica Difusa no Infravermelho Próximo

Definição do Problema
A imagem óptica difusa de onda contínua (CW) no infravermelho próximo (NIR) é uma modalidade amplamente utilizada e de baixo custo para monitorar a oxigenação tecidual e a hemodinâmica. No entanto, sua precisão quantitativa depende fortemente da Lei de Beer–Lambert Modificada (MBLL), que requer um Fator de Comprimento de Caminho Diferencial (DPF) preciso para converter a atenuação óptica medida em concentrações de cromóforos. As definições de DPF existentes sofrem de limitações dependentes de formulação que introduzem erros significativos, particularmente em modo de refletância em pequenas separações fonte-detector.

As abordagens atuais incluem:

1. DPF de comprimento de caminho médio: Definido como a razão entre o comprimento de caminho médio dos fótons e a separação fonte-detector. Ele negligencia a estatística de fótons ponderada pela absorção, levando à superestimação em tecidos altamente absorventes.
2. DPF baseado em inclinação (slope-based): Definido como a inclinação das mudanças na densidade óptica em relação ao coeficiente de absorção. Embora teoricamente fundamentado, ainda foca em trajetórias médias em vez do objetivo específico de estimativa de concentração.
3. DPF constante/semi-infinito: Frequentemente aproximado como um valor constante para separações superiores a 2,5 cm, baseando-se na teoria de difusão assintótica. Esta suposição ignora a dependência da distância do DPF e a variabilidade das propriedades ópticas do tecido, resultando frequentemente em erros de estimativa superiores a 100% em cenários práticos.

Essas imprecisões limitam a aplicabilidade da imagem CW-NIR em situações que exigem detecção de grande área ou onde a profundidade do sinal varia, uma vez que os erros são mais pronunciados em separações curtas, onde a força do sinal é maior.

Metodologia
Os autores empregaram uma abordagem dupla combinando simulações computacionais e experimentos físicos para avaliar os modelos existentes e propor novos modelos.

• Estrutura Computacional: Simulações de transporte de fótons por Monte Carlo foram realizadas utilizando o MCmatlab em uma geometria de bloco de tecido homogêneo (29 × 29 × 5 cm³). O estudo abrangeu uma ampla gama de propriedades ópticas: coeficientes de absorção ($\mu_a$) de 0 a 0,5 cm⁻¹ e coeficientes de espalhamento ($\mu_s$) de 0 a 500 cm⁻¹. Para cada condição, a densidade óptica "real" foi calculada, e seis diferentes formulações de DPF foram aplicadas para estimar o coeficiente de absorção. O erro relativo entre o coeficiente de absorção estimado e o valor real (ground-truth) foi utilizado como a métrica principal de desempenho.
• Validação Experimental: Experimentos com fantomas controlados foram conduzidos utilizando um setup CW-NIR com um LED de 750 nm e um fotodiodo de silício. Dois fantomas que mimetizam tecidos homogêneos foram fabricados utilizando uma matriz de hidrogel de polímero superabsorvente dopada com Dióxido de Titânio (TiO₂) em concentrações de 0,25 mg/mL e 1,00 mg/mL para criar regimes de espalhamento distintos. As medições foram realizadas em uma geometria de refletância difusa com separações fonte-detector variando de 1 cm a 8,5 cm.

Principais Contribuições: Novos Modelos de DPF
O artigo introduz dois novos modelos de DPF derivados dos dados de simulação:

1. DPF Real ($DPF_{true}$): Definido diretamente pela MBLL ao rearranjar a equação para resolver o DPF usando o coeficiente de absorção real conhecido e a densidade óptica simulada. Este modelo serve como o padrão ouro teórico, capturando a natureza estatística completa do transporte de fótons, incluindo o peso exponencial pela absorção.
2. DPF de Distância Inversa ($DPF_{inv}$): Um modelo analítico prático proposto para aproximar o DPF Real. Baseado na observação de que a densidade óptica pode ser modelada precisamente como uma combinação linear da separação fonte-detector ($d$) e $\log_{10}(d)$ com um intercepto não nulo, os autores derivaram a seguinte formulação:
   $$DPF_{inv}(d) = A + \frac{B}{d} + \frac{C\log_{10}(d)}{d}$$
   onde $A$, $B$ e $C$ são coeficientes de regressão dependentes das propriedades de absorção e espalhamento do tecido. Os autores também forneceram relações empíricas para esses coeficientes como funções de $\mu_a$ e $\mu_s$, permitindo uma implementação totalmente empírica sem a necessidade de novas simulações para cada medição.

Resultos

• Desempenho de Simulação: O DPF Real apresentou erro desprezível em todas as condições testadas. O DPF de Distância Inversa proposto alcançou erros relativos abaixo de 10% na maioria do espaço de propriedades ópticas e faixa de separação. Em contraste, os modelos convencionais (Constante, Comprimento de caminho médio, Baseado em inclinação e Semi-infinito) produziram consistentemente erros superiores a 100%, particularmente em separações fonte-detector abaixo de 8 cm.
• Validação Experimental: Experimentos com fantomas confirmaram as tendências das simulações. As medições de densidade óptica coincidiram com as previsões de Monte Carlo, validando o setup. Ao estimar coeficientes de absorção a partir de dados experimentais, os modelos Real e de Distância Inversa mantiveram erros relativos abaixo de 20% em todas as separações medidas. Por outro lado, os modelos convencionais exibiram erros frequentemente superiores a 100%, especialmente em separações mais curtas.
• Comportamento dos Parâmetros: Os coeficientes ($A, B, C$) do modelo de Distância Inversa mostraram-se variáveis de forma suave e previsível com as propriedades ópticas, permitindo uma calibração empírica robusta.

Significância e Alegações
O artigo alega que o proposto modelo de DPF de Distância Inversa oferece um equilíbrio ideal entre rigor físico e eficiência computacional. Ao se afastar da suposição de um DPF constante ou de simples razões de comprimento de caminho médio, o novo modelo aumenta significamente a precisão quantitativa da imagem CW-NIR, particularmente nos regimes de separação curta onde os modelos convencionais falham.

Os autores enfatizam que, embora o DPF Real represente o limite teórico de precisão, o DPF de Distância Inversa é uma alternativa prática adequada para aplicações clínicas e de pesquisa rotineiras. O estudo demonstra que a modelagem precisa do DPF é crítica para a estimativa confiável da concentração de cromóforos, especialmente em modo de refletância. Os achados sugerem que a adoção desses modelos refinados pode reduzir a lacuna entre a simplicidade dos sistemas CW-NIR e o rigor quantitativo necessário para aplicações funcionais e clínicas robustas. O artigo conclui de forma modesta, observando que trabalhos futuros precisarão abordar estruturas de tecidos heterogêneas e estender essas estratégias de modelagem para modalidades de domínio temporal e de frequência.