基于漫反射光谱的组织光学参数测量系统与方法研究

李晨曦, 孙 哲，韩 蕾，赵会娟*, 徐可欣

1.天津大学精密测试技术及仪器国家重点实验室，天津 300072 2.天津大学精密仪器与光电子工程学院，天津 300072

基于漫反射光谱的组织光学参数测量系统与方法研究

李晨曦1, 2, 孙 哲2，韩 蕾2，赵会娟1, 2*, 徐可欣1, 2

1.天津大学精密测试技术及仪器国家重点实验室，天津 300072 2.天津大学精密仪器与光电子工程学院，天津 300072

在体组织光学参数测量是生物医学光子学研究重点，不仅为人体成分无创检测、光学成像、光动力疗法等研究提供基础，并且可以快速获取人体光学参数变化，为临床诊断提供依据。研究了利用单一源探距离漫反射光谱在体测量光学参数的测量系统与反构方法。漫反射光谱测量系统由宽谱光源、高分辨光纤光谱仪及光纤探头组成，结构简单，测量方便，可准确快速测量样品漫反射光谱。在光纤探头几何形状基础上，研究了光纤收集及系统传递函数，在此基础上对反构算法进行了校正。光学参数反构算法中正向模型基于Monte Carlo以及神经网络方法，适用光学参数范围大，计算速度快； 逆向算法采用主成分分析与非线性建模拟合相结合的方法，可抑制测量噪声影响。在测量系统及反构算法基础上，进行了组织仿体光学参数测量实验，结果表明，利用单一源探距离下漫反射谱，可以较为准确获取吸收系数以及约化散射系数，均方根误差分别达到4.58%以及7.92%。为保证系统测量准确性，测量波长范围应覆盖样品中所含吸收物质吸收峰范围。所研究的在体组织光学参数测量方法为人体成分无创检测及测量条件变化获取提供了基础。

组织光学参数； 漫反射光谱； 光纤探头； 单一源探距离； 主成分分析

引 言

随着光谱检测技术及仪器的发展，基于人体光谱测量的组织成分检测及成像诊断研究逐渐成为生物医学光学研究热点。人体组织光学特性，如吸收系数、散射系数变化与其生理病理状态密切相关，为肿瘤早期诊断、代谢动态监护及光动力治疗等临床应用提供了基础[1-5]。

人体组织光学参数是一系列描述光在组织中传播特性的参量，包括吸收系数、散射系数及各向异性因子等。根据测量原理，其测量方法可分为离体及在体测量方法[2, 6-10]。在体测量方法主要针对临床研究中活体组织光学参数及成分检测需求，利用不同光源-探测径向距离，或时域、频域分辨方式测量漫反射光，结合漫射近似，P1和P3近似等正向模型及非线性拟合等逆向反构算法得到组织光学参数。目前常用的测量系统往往具有多个源-探距离的光纤探头或时间、相位分辨光电检测装置，成本较高，测量时间长。而在人体组织成分测量临床诊断研究中，常要求实时测量活体组织的光学参数，这就给径向距离分辨及时间、相位分辨测量仪器的应用带来了困难[10-13]。

人体组织是具有一定吸收特征的高散射浑浊介质，其散射结构尺寸与生物光学研究采用的测量光波长可相比拟，一般用Mie散射模型描述其散射特性。而组织中的吸收物质种类相对固定，主要包括黑色素、血红蛋白、脂肪、血糖、肌球素等[8, 11]。人体漫反射光谱中吸收特征随波长变化比较剧烈，而散射特征随波长呈现单调递减的缓慢变化。在漫反射光谱基础上，结合一定的正向模型及逆向算法就可以根据漫反射光谱计算得到吸收系数及约化散射系数。这种利用“谱分辨”方式测量组织光学参数的方法，只需要一个源探距离一定的光纤探头，测量系统简单、速度快，在临床诊断中具有较好应用前景。

搭建了单一源探距离下漫反射光谱测量系统，系统分析了测量系统传递函数，研究了基于神经网络及蒙特卡洛方法的正向模型与非线性拟合逆向算法，结合光谱主成分分析提取光谱特征，并反构得到组织吸收系数及约化散射系数，为人体成分无创检测及测量条件变化监测提供了基础。

1 测量系统

采用的漫反射光谱测量系统由卤素灯光源、单一源探距离光纤探头、高分辨光谱仪及数据采集处理装置组成，系统框图如图1所示。

图1 单一源探距离漫反射光谱测量系统框图

(1)光源采用卤素灯(HL-2000，OceanOptics.Inc)，输出波长范围360～2 000 nm，SMA905接口，输出功率7 W，光强漂移：<0.3% per hour。

(2)漫反射光纤探头(R400-7-VIS-NIR，OceanOptics.Inc)由七根直径400 μm光纤组成，中心单根光纤入射，周围六根光纤接收，具有低OH吸收特性，传输损耗小，适用于可见光及近红外波段光谱测量。

(3)光谱仪(USB2000，OceanOptics.Inc)，最大测量范围200～1 100 nm，波长分辨率(FWHM)最小可达0.3 nm，测量动态范围最高可达2×108。

(4)系统控制及数据采集基于美国NI公司LabVIEW软件自主开发，实现光源控制、光谱仪参数设置、数据采集、存储、预处理等功能。

测量系统采用的光纤探头由一根入射光纤以及六根接收光纤组成，检测光纤相对于源光纤中心对称，测量过程中光纤探头垂直于待测组织表面，光纤探头结构如图2所示。

图2 漫反射光谱测量光纤探头结构示意图

由于受到光纤芯径及数值孔径限制，在漫反射光谱测量过程中，必须考虑入射光纤与接收光纤间的传递函数[14-15]。若入射光纤半径为ri，接收光纤半径为rc，源光纤与接收光纤中心距离为s=2ri=2rc。根据入射光纤几何参数，入射光子在入射光纤芯径[0,ri]范围内随机入射到待测组织，在光纤探头几何参数一定的情况下，源探光纤中心距离ri处出射光子被接收光纤收集到的概率与接收光纤面积有关，可表示为

p(rt)=rtθ/(2πrt)

(1)

系统采用的光纤探头中六根接收光纤关于源光纤对称，进行积分就可以得到接收光纤系统测量漫反射谱传递函数

(2)

利用该传递函数，可以对正向模型建模结果进行校正，使其与测量结果更为一致，从而提高光学参数反构准确性。

2 基于漫反射谱的组织光学参数反构算法研究

2.1 正向模型研究

根据Mie散射理论，约化散射系数与散射粒子散射截面以及浓度相关，并且随着测量波长变大单调下降，与波长成幂函数关系，可以表示为[8]

(3)

吸收系数则由组织中生色团种类和浓度决定，可以表示为[4, 11]

μa(λ)=∑εi(λ)Ci

(4)

光学参数测量研究中，正向模型用于建立光学参数与测量漫反射光谱之间的定量关系，其准确性对参数反构精度影响较大。漫射近似，P1和P3等近似模型，在源—探距离较小，或待测组织吸收系数较大的情况下建模误差较大，从而影响到光学参数反构结果准确性。

Monte-Carlo方法可以模拟光在任意光学参数及几何形状的组织中传输过程，具有建模准确、适用范围大的优点，并且可以根据测量光纤探头几何参数方便地模拟实际入射—接收情况[12-16]。其基于统计方法，追踪光子数越多，建模精度越高，运算时间也越长。由于本研究中需要对漫反射光谱进行多次模拟，若直接采用Monte-Carlo方法，计算速度较慢。因此，将Monte-Carlo方法的准确性与逆向传播神经网络算法back-propagationneuralnetworks(BPNN)强大的非线性建模能力相结合，提高了算法效率与鲁棒性，算法流程如图3所示。

图3 漫反射光谱光学参数反构正向模型流程图

为验证正向模型的准确性，分别比较了BPNN-MCML与Monte Carlo在不同反照率范围内计算结果(Rmodel，Rmc)。

用于验证的数据集反照率分别为：验证集1: 0.30～0.94; 验证集2: 0.57～0.98; 验证集3: 0.67～0.99。

结果对比如图4所示。

图4 不同反照率下正向模型建模精度比较

实验结果表明，不同反照率下，BPNN-MCML与Monte Carlo建模结果基本一致，平均偏差小于0.3%，并且随波长变化不明显，而BPNN-MCML方法计算速度大幅提高，每条光谱(350个波长点)的建模时间小于0.1 ms。

2.2 逆向算法研究

在正向模型基础上，利用一定的逆向算法，就可由测量到的漫反射光谱计算出待测组织光学参数。在光学参数反构中采用的漫反射光谱包含几百个波长点，如将全部光谱数据作为建模变量进行光学参数反构，容易造成过拟合。主成分分析(principal component analysis，PCA)是一种在光谱分析领域应用较为广泛的数据降维及特征提取方法，选定的主成分分量可以最大限度保留光谱信息。在本研究采用的逆向反构算法中，利用PCA对光谱数据进行处理，还可以在一定程度上降低光谱测量噪声影响。

图5为漫反射光谱主成分得分矩阵负载结果，从图中可以看出，利用5个主成分基本可以包含整条光谱信息。

反构算法流程如图6所示，首先将建模光谱集进行PCA处理； 然后，分别将光谱主成分分量及光学参数作为拟合算法训练数据集的输入及输出，训练拟合反构算法。在光学参数测量中，将测量到的漫反射光谱进行同样的PCA预处理，得到的主成分分量输入逆向非线性拟合算法，就可以得到待测样品光学参数。

图5 主成分贡献率累加图

图6 漫反射光谱测量组织光学参数反构算法流程图

3 实验验证

3.1 模拟验证

为验证反构算法准确性，首先设定一组光学参数，反照率范围0.34～0.98，覆盖测量波长范围内人体组织反照率，利用Monte Carlo方法模拟得到该光学参数下的漫反射光谱，将其作为测量光谱，分别采用三种数据降维与反构方法：方法1：原始光谱+BPNN拟合； 方法2：离散余弦变换discrete cosine transform (DCT)处理后光谱+BPNN； 方法3：PCA处理后光谱+BPNN，分析比较本反构算法准确性与鲁棒性。为模拟实际测量系统情况，又分别在原始光谱中加入2%的随机噪声，三种方法得到反构结果均方根误差如表1所示。

结果表明，采用PCA-BPNN方法，反构准确性最高，特别是在反照率较低的情况下，大大高于其他两种方法。PCA方法在一定程度上起到了抑制噪声的作用，加入2%随机噪声后，反构结果基本不受影响。

3.2 模拟组织液测量验证

进行了组织仿体溶液光学参数测量实验，对系统测量准确性进行了验证。组织仿体溶液由不同浓度散射标准溶液与吸收标准溶液混合得到，散射标准溶液采用Intralipid-20%(华瑞制药有限公司)，其主要成分散射粒子直径接近于人体中散射成分，约化散射系数与溶液浓度成线性相关，吸收系数近似为0。吸收母液采用生物染色剂伊文思蓝(Evans Blue)，取0.1 mg伊文思蓝与纯净水100 mL配置为吸收标准溶液，其吸收系数μa(λ)采用分光光度计(UV-2550)测量得到，约化散射系数近似为0。两种标准溶液吸收系数以及约化散射系数如图7所示。

表1 反构算法结果比较

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

无噪声加入2%随机噪声方法1方法2方法3方法1方法2方法3样本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%样本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%样本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%

图7 仿体溶液吸收系数以及约化散射系数

将两种标准溶液根据一定比例混合，得到具有不同光学参数的组织仿体溶液。利用单一源探距离下漫反射光谱测量系统测量其漫反射光谱，结合光学参数反构算法，反构得到其约化散射系数与吸收系数，结果图8所示。

从实验结果可以得到，测量得到的吸收系数以及约化散射系数结果与真实值比较吻合，其相关系数分别为0.988以及0.976，均方根误差为4.58%以及7.92%。此外，吸收系数反构准确性优于约化散射系数，主要由于溶液中散射粒子分布比较复杂，散射粒子粒径不同，粒子形状与球体假设有差距，因此造成了散射模型不够准确，反构参数误差较大。

在此基础上，还分别比较了测量波长范围对于反构结果准确性的影响，结果如表2所示。

测量光谱波长范围不同，对于光学参数反构精度有一定影响。当测量光谱范围没有覆盖特征吸收峰时，吸收系数反构均方根误差较大，约化散射系数反构均方根误差基本不受测量光谱范围的影响。因此在光谱测量中为保证吸收系数测量精度，光谱测量范围应尽量覆盖样品所包含物质吸收峰。

图8 仿体光学参数反构结果与真实值比较

表2 不同测量波长范围反构精度比较

4 结 论

利用漫反射光谱进行在体组织光学参数测量的系统与反构算法，测量系统基于宽谱光源、单一源探距离光纤探头及高分辨光谱仪。研究了BP-MCML正向模型与非线性拟合反构算法，采用PCA对光谱数据进行降维处理与特征提取，提高了光学参数反构精度及速度。组织仿体溶液光学参数测量实验结果表明，本方法可以较为准确地反构吸收系数以及约化散射系数，测量均方根误差分别达到4.58%以及7.92%。与其他测量方法相比，具有结构简单、测量方便、探头体积小、易于集成等优点，为在体组织光学参数动态测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，Foster 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

国家(863)高技术研究发展计划项目(2012AA022602)，国家自然科学基金项目(81401454, 81471698)，中国博士后科学基金项目(2013M541174)，中国博士后国际交流计划(20140066)资助

李晨曦，1983年生，天津大学精密仪器与光电子工程学院博士后 e-mail: lichenxi@tju.edu.cn *通讯联系人 e-mail: huijuanzhao@tju.edu.cn

Q63

A

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