频域灵敏度近红外光谱用于生物组织中神经血管结构检测体积:数值建模结果

科学领域:

• 生物医学光学 生物医学光学
• 医疗成像医学成像
• 神经科学是一个神经科学.

背景情况:

• 神经血管结构的检测对于手术指导至关重要.
• 超声波等现有方法在某些应用中存在局限性.
• 近红外光谱学 (NIRS) 显示出对非侵入性成像的前景.

研究的目的:

• 评估频域近红外光谱学 (FD-NIRS) 检测神经血管结构的能力.
• 确定最佳的机器学习方法和探头配置,以提高检测灵敏度.
• 评估FD-NIRS与超声波等当前诊断工具竞争的潜力.

主要方法:

• 使用数值建模来模拟FD-NIRS对神经血管结构的检测.
• 我们比较了五种经典的机器学习方法,其中二次差异分析被认为是最有效的.
• 该研究调查了探头配置 (十字形) 和信号组件 (振幅和相) 对灵敏度的影响.

主要成果:

• 在5-8毫米的源探测器距离下,FD-NIRS可以检测直径小于0.5毫米的神经血管结构.
• 二次差异分析在检测任务中表现出了卓越的性能.
• 使用光倍增管并记录振幅和相位信号,最大限度地提高了灵敏度.
• 一个十字形探头配置和不同波长的减少散射系数的比率被证明是用于检测充满血液的血管的信息.

结论:

• FD-NIRS,特别是频域分析和先进的机器学习,是检测小神经血管结构的可行技术.
• 该方法显示,它有可能成为一种有价值的手术内诊断工具,与超声波相提并论.
• 这些发现支持并扩展了先前的实验研究,为增强的神经外科手术程序铺平了道路.