基于近红外光谱的三波长脑组织氧监测系统的研制

近20年来,近红外光谱技术因具有无创、实时等特点,被广泛用于人体监测。氧作为人体主要新陈代谢物质,在脑组织中消耗量最大,为防止患者治疗时出现脑组织氧降低而出现并发症,需要实时监测患者的脑组织血氧饱和度。目前临床使用的脑血氧无创检测设备大多采用双波长,在探测路径上其他物质会对测量结果产生误差,为此该研究基于近红外光谱无创监测脑血氧的基本原理,提出一种三波长探测光源的脑组织氧饱和度监测方法,并通过所搭建的系统进行初步验证,为后续的系统工程化奠定基础。

基于CEEMDAN的脑组织氧信号处理算法及其应用

目的提出一种基于三波长的脑组织氧监测数学模型。方法结合完全集合经验模态分解与自适应噪声(Complete Ensemble Empirical Mode Decomposition with Adaptive Noise,CEEMDAN)和排列熵(Permutation Entropy,PE),对脑氧信号进行处理,同时用信噪比矫正PE值区间的选择,以自适应滤波提高脑血氧降噪。结果本文采集了3例志愿者数据并将其和现有市场设备进行对比,结果表明,与经验模态分解算法、集合经验模态分解算法相比,本文提出的CEEMDAN算法与对比设备的均方根误差均小于1.7,3组数据的皮尔逊相关系数分别为0.885、0.899、0.883,整体相关性较高(P<0.01);在降氧实验中,该算法可有效监测脑氧值变化趋势,具有较好的实用价值。结论该算法可有效去除基线漂移、低频噪声以及高频噪声,解决模态混叠和残余噪声问题,并提高滤波的准确性,进一步提高重构信号的信噪比,提升系统的有效性和稳定性。