大局观：不切开身体，也能测量内部物质
想象一下，你想知道一个人的肌肉或大脑里有多少“红色”（氧合血红蛋白）和“蓝色”（脱氧血红蛋白）。你不能把他们切开，所以你用一束手电筒光（近红外光）照射穿过他们的皮肤。光线在组织内部像弹珠机里的弹珠一样来回反弹，最后从另一侧射出。
问题在于，光并不是走直线前进的。它会疯狂地走之字形路线。如果你只测量射出的光量，你无法判断组织看起来暗是因为它很厚，还是因为光走了一条非常漫长且曲折的路径。为了解决这个问题，科学家们使用了一个被称为差分路径长度因子（DPF）的“修正系数”。你可以把 DPF 想象成一个距离放大镜：它会告诉你，“尽管光在你的皮肤上只横跨了 2 英寸，但因为它在内部反复反弹，实际上它已经走了 10 英寸。”
问题所在：旧地图是错的
长期以来，科学家们使用几种不同的方法来计算这个“放大镜”数值。
- “直线”猜想： 有人假设无论光源和探测器之间的距离多远，光走的额外距离都是固定的。
- “平均值”猜想： 还有人试图计算光行进的平均距离。
本文的作者发现，这些旧方法就像是用一张平面的地图去导航山脉。如果你离山很远，它们还算凑合；但如果你离山很近（或者在这种情况下，如果光源和探测器靠得很近），这张地图就完全错了。事实上，当探测器距离较近时，旧方法的误差可以超过 100%。这就像是在猜测一段 10 英里的旅程到底是 20 英里还是 0 英里。这使得精确测量血液含氧量变得不可能，尤其是在需要检测浅层深度信号的区域。
解决方案：两张更好的新地图
研究人员使用了一种超级强大的计算机模拟技术（称为蒙特卡洛模拟），追踪了数百万个虚拟光子（光粒子）如何在虚拟的组织块中跳跃。他们观察了每一个光子的确切路径。
基于此，他们创建了两种新的 DPF 计算方法：
“金标准”地图（真实 DPF）：
这是完美的地图。它计算了每一个光子行进的精确距离，并根据光在路径中损失的程度进行了加权。它是 100% 准确的。
- 代价： 它太复杂了，无法在现实生活中直接使用。你每进行一次医疗测量，都需要一台超级计算机来计算它。
“智能捷径”地图（反距离 DPF）：
这是全场的明星。研究人员注意到，光与距离之间的关系以及它所走的“弯曲路径”遵循一种特定的、可预测的模式。这就像是意识到虽然山路不是直线，但你可以通过一个涉及直线距离和一点对数数学的简单公式来预测它的长度。
- 优势： 这个新公式足够简单，可以在普通计算机甚至手持设备上运行，但它的准确度几乎可以媲美“金标准”。
实验证明：实验室测试
为了确保他们的“智能捷径”不仅仅是计算机里的幻想，他们制造了一个假体（仿生模型）。
- 他们制作了一个混合了白色粉末的透明凝胶块（类似于果冻），用来模拟人类皮肤散射光线的方式。
- 他们向其中射入真实的 LED 光，并测量了在不同距离下的出光量。
- 结果： 新的“智能捷径”模型几乎完美地预测了结果。然而，旧方法却表现得极其不准确，尤其是在光源和探测器距离较近的时候。
总结
本文的结论是，如果你想利用光来测量血液含氧量或组织健康状况，你需要停止使用那些旧的、简单的“常数”数值。它们太不准确了，尤其是在近距离测量时。
相反，作者提议使用他们的新型 反距离模型（Inverse-Distance Model）。这就像是从粗略的手绘草图升级到了 GPS 导航系统：它依然易于使用，但它准确地知道地形（组织）是如何弯曲光路路径的，从而为你提供一个更真实的身体内部景象。
技术摘要：一种用于近红外扩散光学成像的新型微分路径长度因子模型
问题陈述
连续波近红外（CW-NIR）扩散光学成像是一种广泛使用的、具有成本效益的模态，用于监测组织氧合作用和血流动力学。然而，其定量准确性高度依赖于修正比尔-朗伯定律（MBLL），该定律需要准确的微分路径长度因子（DPF）来将测得的光学衰减转换为发色团浓度。现有的 DPF 定义存在基于公式定义的局限性，这会引入显著误差，尤其是在反射模式且源-检测器间距较小时。
目前的方法包括：
- 平均路径长度 DPF：定义为平均光子路径长度与源-检测器间距的比值。它忽略了吸收加权的光子统计特性，导致在高度吸收的组织中出现高估。
- 基于斜率的 DPF：定义为光学密度随吸收系数变化的斜率。虽然具有理论基础，但它仍然侧重于平均轨迹，而非浓度估计的具体目标。
- 常数/半无限 DPF：通常在间距大于 2.5 cm 时近似为一个常数，基于渐近扩散理论。这一假设忽略了 DPF 对距离的依赖性以及组织光学特性的变异性，在实际场景中经常导致超过 100% 的估计误差。
这些不准确性限制了 CW-NIR 成像在需要大面积检测或信号深度变化的场景中的应用，因为在信号强度最高的短间距处，误差最为显著。
方法论
作者采用结合计算模拟和物理实验的双重方法来评估现有模型并提出新模型。
- 计算框架：使用
MCmatlab 在均匀组织平板几何结构（29 × 29 × 5 cm³）上进行了蒙特卡洛光子传输模拟。研究涵盖了广泛的光学特性范围：吸收系数 (μa) 从 0 到 0.5 cm⁻¹，散射系数 (μs) 从 0 到 500 cm⁻¹。对于每种情况，都计算了“真实”光学密度，并应用了六种不同的 DPF 公式来估计吸收系数。估计吸收系数与真实值之间的相对误差被用作衡量性能的主要指标。
- 实验验证：使用包含 750 nm LED 和硅光电二极管的 CW-NIR 设置进行了受控的仿体实验。研究使用了两种由超吸收聚合物水凝胶基质制成的均匀组织模拟仿体，通过掺杂不同浓度的二氧化钛（TiO₂，分别为 0.25 mg/mL 和 1.00 mg/mL）来创建不同的散射机制。测量是在漫反射几何结构下进行的，源-检测器间距从 1 cm 到 8.5 cm 不等。
核心贡献：新型 DPF 模型
本文根据模拟数据引入了两个新的 DPF 模型：
- 真实 DPF (DPFtrue)：直接通过重新排列 MBLL 方程来定义，利用已知的真实吸收系数和模拟的光学密度来求解 DPF。该模型作为理论上的金标准，捕捉了光子传输的完整统计特性，包括吸收的指数加权。
- 反距离 DPF (DPFinv)：一种旨在逼近真实 DPF 的实用解析模型。基于光学密度可以被精确建模为源-检测器间距 (d) 与 log10(d) 的线性组合（且具有非零截距）这一观察结果，作者推导出了以下公式：
DPFinv(d)=A+dB+dClog10(d)
其中 A、B 和 C 是取决于组织吸收和散射特性的回归系数。作者进一步提供了这些系数作为 μa 和 μs 函数的经验关系，从而实现了无需针对每次测量进行新模拟的完全经验化实现。
结果
- 模拟性能：真实 DPF 在所有测试条件下均表现出微乎其微的误差。所提出的 反距离 DPF 在大多数光学特性空间和间距范围内实现了低于 10% 的相对误差。相比之下，传统模型（常数、平均路径长度、基于斜率和半无限模型）一致产生超过 100% 的误差，特别是在源-检测器间距低于 8 cm 时。
- 实验验证：仿体实验证实了模拟趋势。光学密度测量结果与蒙特卡洛预测相符，验证了实验设置。当从实验数据中估计吸收系数时，真实和反距离模型在测量的间距范围内保持了低于 20% 的相对误差。相反，传统模型表现出频繁超过 100% 的误差，尤其是在较短的间距处。
- 参数行为：发现反距离模型的系数（A,B,C）随光学特性平滑且可预测地变化，从而允许稳健的经验校准。
意义与主张
本文声称，所提出的 反距离 DPF 模型 在物理严谨性和计算效率之间达到了最佳平衡。通过摆脱常数 DPF 或简单的平均路径长度比值的假设，新模型显著提高了 CW-NIR 成像的定量准确性，特别是在传统模型失效的短间距机制中。
作者强调，虽然 真实 DPF 代表了准确性的理论极限，但 反距离 DPF 是一个适用于常规临床和研究应用的实用替代方案。研究表明，准确的 DPF 建模对于可靠的发色团浓度估计至关重要，尤其是在反射模式下。研究结果表明，采用这些改进的模型可以弥合 CW-NIR 系统的简单性与稳健的功能及临床应用所需的定量严谨性之间的差距。文章结论较为谦逊，指出未来的工作需要解决异质组织结构问题，并将这些建模策略扩展到时域和频域模态。
每周获取最佳 applied physics 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。