用于监测绝对血流量的系统和方法与流程

相关-申请的交叉引用

本申请基于2015年4月9日提交的并且标题为“systemsandmethodsformeasuringtissuepressure(用于测量组织压力的系统和方法)”的美国临时专利申请序列号62/145,087，要求其权益并以其全文结合在此。

关于联邦政府赞助的研究的声明

本发明是在美国国家卫生研究院授予的授权号p41-eb015896、r01-hd042908和r01-eb001954下借助政府支持完成的。美国政府享有本发明的某些权利。

背景技术：

本公开总体上涉及用于测量组织特性的系统和方法。更具体地，本公开涉及用于使用生理测量值来无创地确定绝对血流量的系统和方法。

对器官的氧消耗以及通过血流递送的氧气进行生理监测对许多应用(包括医疗保健、康复、性能监测和运动训练)具有重大意义。例如，脑监测可以在对患有脑损伤的患者、具有脑损伤风险的患者以及经受改变脑氧供的常规全身麻醉和外科手术的患者进行管理方面提供显著改善。

近红外光谱学(nirs)已被使用长达超过二十年，以用来监测作为血流(bf)和氧供的替代的组织氧合(so2)。虽然nirs血氧计表明了so2与动脉血压之间的显著关联，但是氧合与血流量或新陈代谢不同。so2-bf关系受到以下各项的影响：氧消耗变化(即氧代谢率，mro2)、动脉氧合(sao2)变化、血液中血红蛋白(hgb)变化、以及动脉隔室和静脉隔室的相对容量变化。因此，非常期望的是单独地或者与氧合测量结合地测量组织中的血流量。而且，期望的是，以持续或连续的方式进行这些测量以便实现诸如在重症监护期间或者在现场进行监测等应用。还非常期望的是，例如利用身体外部的仪器探针(所述探针用于测量内部器官的血流量或者血流量和氧合，具有来自皮肤、肌肉和/或骨骼的覆盖层的最小影响)无创地或者例如利用腹腔镜或内窥镜微创地进行这些测量。

虽然已经使用了用于定量地测量血流量的各种方法，但是大多数是有创的和/或非连续的。用于测量人类脑血流的现代技术包括放射线清除方法、磁共振成像(mri)自旋标记、经颅多普勒超声(tcd)、热扩散和激光多普勒血流计(ldf)。

放射线清除方法是最古老的技术并且通常涉及对放射性同位素示踪剂的洗脱率进行测量。放射性方法具有定量地测量通过整个大脑(包括深层大脑结构)的绝对局部血流量的优点。然而，它们具有以下缺点：要求辐射、昂贵且缓慢、并且无法连续地或者在床边或在现场执行。mri动脉自旋标记(asl)是用于测量通过整个大脑的局部血流量的另一种无创方法。然而，所述方法的准确性和精度较差、定量困难、并且可测量流速的动态范围受到自旋标记寿命的限制。与放射性方法一样，asl无法部署在床边或现场。

经颅多普勒超声测量大脑动脉的脑血流速度以作为全局脑血流的替代。虽然tcd是无创的，但是其无法提供对微循环的局部测量并且受到血管口径变化的限制。tcd还要求大量的专业知识来恰当使用，并且难以在延长时间段内连续应用，因为超声探针必须与受声波作用的脑动脉维持在的恰当方向上。tcd还难以测量大脑前动脉中的流速，所述大脑前动脉将血液供应至大脑的临床上重要的前部区域。最后，由于正常的解剖变异，受测者的大约15％的颅骨厚度太厚以至于不允许通过tcd进行血流测量。

临床上最常用的有创脑血流(cbf)度量是热扩散血流计和激光多普勒血流仪。具体地，热扩散血流计对围绕装配有加热式热敏电阻器的热扩散探针定位的较小区域中的绝对血流量进行测量。为了测量cbf，所述探针被插入大脑中几厘米。由热敏电阻器耗散的功率则用于提供对cbf的测量。

激光多普勒血流仪类似地是有创的，从而需要钻透颅骨的孔以及直接放置在大脑自身表面上的探针。由于ldf检测容积较小(～1mm³)，因此ldf流量值是高变异性的，其值取决于探针下方的局部血管解剖的略微差异并且不必表示兴趣组织的微循环。ldf具有未被校准至绝对流的另一缺点。

通常，在ldf中，长相干长度的光源照亮标本，并且从与照明被引导到样本上的位置紧邻的位置处对反向散射光进行测量。例如，常用ldf构型使用多模光纤来向受测者传递光，并且使用第二多模光纤(从源光纤横向移位大约0.25mm)来接收从所述源发射穿过组织的光。其他构型使用自由空间或者单模光纤、或者光纤和自由空间的组合。无论递送和检测光的手段如何，光源和检测器的紧密靠近具有增大检测器处光通量的优点，因为散射光的强度随着远离照明源而大致上呈指数降低。而且，较短距离增大了检测器处的相干面积，从而允许使用更高效的多模检测器。因此，在lfd中，对相对大的光量进行检测，并且通常采用模拟检测方案。来自在标本中移动的颗粒的光散射将可检测流相关多普勒展宽引入到散射光中。虽然可直接测量散射光的光学谱，但是更常见的是对检测强度的波动进行测量。然后对时间功率谱或自相关进行计算以便量化动态散射。通常，ldf是在单个或几个散射方案中实现的，并且通常简单的矩分析用于对流量进行量化。

虽然热扩散血流计和ldf可提供连续测量，但是这些技术的有创性明显地限制了其对危重患者、或经受有创手术的患者的应用。

另一方面，漫射关联能谱(dcs)是无创光学测量技术。相较于ldf，dcs是在实现测量深度组织的多散射体制中实现的。在dcs中，源检测器间隔通常比ldf中所使用的间隔大百倍。进入到组织中的测量敏感度深度大约近似是源检测器间隔距离的一半，因此3cm间隔通常适合于对成人脑血流进行无创经颅测量。因此，dcs是对ldf的改进，因为dcs实现对脑灌注进行无创测量。dcs的另一优点是：其更大的敏感面积提供了比兴趣组织区域更大的空间平均，从而产生了相较于ldf的流量测量的经提高的稳健性。

为了使用dcs对兴趣组织中的血流量进行量化，通常基于从检测到的光强度获得的强度自相关函数来计算血流指数(bfi)。具体地，所生成的自相关函数拟合成从其中提取bfi的相关传送模型。然而，目前，难以获得与bfi相关的血流量的量化绝对测量值。因此，更常见的方法利用对相对于基线的血流量变化进行量化的相对血流量(rbf)。这样，就相对脑血流(rcbf)而言，通常对脑血流进行量化。

之前对测量绝对血流量(所述绝对血流量包括来自兴趣组织的流入血流量和流出血流量)的尝试旨在针对所获得的绝对流量的测量值对dcs测量值进行校准。具体地，针对总血红蛋白浓度的变化，bfi测量值已经被校准。所述总血红蛋白浓度提供了每单位时间以浓度为单位的血红蛋白流入量，所述血红蛋白流入量当除以血液血红蛋白浓度(即红细胞压积)时可给出每单位时间的血容量，所述血容量指示绝对流量。然而，这些方法要求完全阻塞静脉血液流出，这只能通过应用血压袖带或者修改或限制正常生理流条件的其他设备来获得。而且，如可以认识到的，这类方法还限于对身体四肢(诸如胳膊或腿)的测量，因为出于安全考虑而不建议使用阻挡血液流向大脑的设备。

因此，考虑到先前技术方法的限制，能够无创、连续且准确地测量绝对血流量(包括绝对脑血流量)的系统和方法是非常令人期望的。

技术实现要素：

本公开通过提供一种用于准确、无创且连续地监测患者的系统和方法而克服了前述缺陷。更具体地，本文中所描述的系统和方法利用光学测量(包括漫射关联能谱(dcs)测量)来估计绝对血流量及其他量。

在本公开的一个方面，提供了一种用于使用光学数据来无创地监测受测者血管区域的绝对血流量的系统。所述系统包括：光学耦合系统，被配置用于发射和接收来自围绕受测者的一个或多个位置的光信号；以及光学处理系统，被配置用于使用接收到的光信号来生成光学数据。所述系统还包括：计算机，被编程用于从所述光学处理系统接收与血管区域相关联的光学数据，并且使用所述光学数据来确定血流指数和血容量。所述计算机还被编程用于：使用所述血流指数和所述血容量来计算血液流入量和血液流出量，并且使用所述血液流入量和血液流出量来估计绝对血流量。所述计算机进一步被编程用于：生成指示所述血管区域的所述绝对血流量的报告。

在本公开的另一个方面，提供了一种用于使用光学数据来无创地估计受测者血管区域的绝对血流量的方法。在一些方面，所述方法包括：使用围绕所述受测者放置的一个或多个光学传感器从所述血管区域采集光学数据，并且使用所述光学数据来确定与所述血管区域相关联的血流指数和血容量。所述方法还包括：使用所述血流指数和所述血容量来计算血液流入量和血液流出量，并且使用所述血液流入量和血液流出量来估计绝对血流量。所述方法进一步包括：生成指示所述血管区域的所述绝对血流量的报告。

本发明的前述及其他方面和优点从以下说明书中将变得明显。在说明书中，参照在此构成其一部分的附图，并且在附图中通过图示的方式示出了可以本发明的特定实施例。然而，这种实施例并不一定表示本发明的全部范围，并且因此参考权利要求书并在此用于解释本发明的范围。

附图说明

图1是根据本公开各方面的示例监测系统的简图。

图2是图形展示，示出了根据本公开各方面对光子计数数据进行采集、门控和求平均。

图3是流程图，阐述了根据本公开各方面的过程步骤。

图4是图形展示，示出了对搏动漫射关联能谱(pdcs)数据进行采集、门控和求平均。

图5a是曲线图，示出了同步的心电图(ecg)数据、近红外光谱(nirs)数据和搏动dcs数据。

图5b是另一曲线图，示出了同步的ecg数据、nirs数据和pdcs数据。

图5c是曲线图，示出了异步心脏周期求平均。

图6a是曲线图，示出了对pdcs和nirs两者进行测量以用于估计血液流入量和血液流出量。

图6b是另一曲线图，示出了对pdcs和nirs两者进行测量以用于估计血液流入量和血液流出量。

具体实施方式

血流量或组织灌注监测对患有宽范围医疗症状和失调(包括创伤性脑损伤、脑内和蛛网膜下出血、脑积水、良性颅内高压、脑膜炎、中风、急性肝衰竭等)的患者进行诊断和治疗很重要。在一些情况下，非常期望的是，绝对地量化血流量，以便提供受测者之间的准确比较，例如，从而使得可对标准血流量水平进行限定并且针对临床干预确立阈值。

因此，根据本公开的方面，在此描述了一种用于对血流量(包括脑血流量)进行准确、无创监测的系统和方法。具体地，所提供的系统和方法利用光学测量值(包括漫射关联能谱(dcs)测量值)来估计绝对血流量。在一些方面，可以有利地以大于心动周期的搏动频率的时间分辨率来生成光学数据。因此，可获得搏动血流量测量值以便确定绝对血流量。

此处，血流还可以指灌注、组织灌注等。因此，绝对血流可以指绝对灌注或绝对组织灌注。同样，虽然本公开参考了脑血流，但是本领域普通技术人员将容易认识到以下讨论不限于脑组织中的血流，并且的确可应用于其他器官和组织，包括与颈部、胳膊、手、手指、躯干、胸部、腿、脚、脚趾及其他处相关联的器官和组织。

如将描述的，本方法不仅可以连续地提供有价值的血流信息以用于在患者床边或在救护车上实施急症护理，而且还可提供信息用于分析复杂病理生理、标识新的治疗时机并总体上基本改善了神经重症护理管理。在一些应用中，本方法可以用于诊断、监测和治疗创伤性脑损伤或脑震荡以及其他心血管病症。同样，除了人类监测之外，本系统和方法还可以与动物受测者一起用于研究目的、商业目的和兽医目的。

转向图1，示出了根据本公开的方面的用于无创监测受测者的示例性系统100的框图。如所示出的，系统100大体上包括放置在围绕受测者身体各位置处的多个传感器，包括光学耦合系统102和生理传感器104。系统100还包括光学处理系统106以及与生理传感器104进行通信的一个或多个传感器系统108。光学处理系统106和(多个)传感器系统108与控制器110进行通信，所述控制器被配置用于控制系统100及其中的系统的操作，包括数据采集和处理。

系统100可以自主或半自主地、或者结合其他设备或硬件进行操作。系统600还可以从非瞬态计算机可读介质(诸如硬盘驱动器、cd-rom、闪速存储器等)中读取可执行软件指令，并且还可以从用户或逻辑地连接至其的任何其他源(诸如另一联网计算机或服务器、数据库、互联网、云等)接收指令。

光学耦合系统102可以包括形成一个或多个光学传感器(包括dcs传感器以及近红外光谱(nirs)传感器)的多个源探针103和检测器探针105。具体地，源探针103被配置用于向受测者发射光信号，而检测器探针105被配置用于从受测者接收光信号。源探针103和检测器探针105可包括单模光钎和/或多模光纤。所述光纤可以是直光纤、90°弯曲光纤或侧面发光型光纤。源探针103和检测器探针105可以被安排成各种构型并且分离开的距离高达几厘米。在一些实现方式中，光学耦合系统102被配置用于测量大脑中的血流以及可选地皮肤、头皮、颅骨和/或体表中的血流。

由(多个)传感器系统108控制的生理传感器104可以包括被配置用于测量生理参数(包括但不限于：血红蛋白浓度、血红蛋白浓度变化、氧饱和度、cmro2、有创血压、无创血压、颅内压、大脑活动、心电图、心脏输出、心博量及其组合)的脑电图(eeg)传感器、心电图(ecg)传感器、血压(bp)传感器、icp传感器、脉搏血氧饱和度传感器和其他传感器。在一些实现方式中，生理传感器104和对应的(多个)传感器系统608可以来自不同制造商的单独设备。

参考光学耦合系统102和生理传感器104所描述的各传感器可以并入到一个或多个项或单元中或者属于其一部分，所述一个或多个项或单元被设计用于以任何数量的几何构型在任何数量的位置处与受测者接合或耦合至所述受测者。例如，各传感器可以集成到可固定到受测者的硅酮组件、绷带、头带和任何其他组件。同样，各传感器可以是可穿戴的或者被设计用于使用粘合剂直接附接至受测者。

尽管图1示出了围绕受测者头部放置的光学耦合系统102以及围绕受测者躯干放置的生理传感器104，但是根据诱导或感测到的信号可以易于认识到所述传感器的位置可以不同。例如，各生理传感器104可以围绕受测者头部、手臂、腿等放置。类似地，光学传感器可以围绕受测者手臂、腿、躯干等放置。这样，不同的传感器可以并列或者单独地放置在围绕受测者的各位置处。

与光学耦合系统102进行通信的光学处理系统106包括被配置用于使用一个或多个光源来生成光的源模块112。源模块112可以被配置用于在连续波、频域和时域中进行操作。为此，源模块112可被施以脉冲、正弦调制、步长调制、三角调制和/或任意调制。

举例来说，源模块112可以包括变换或近变换有限皮秒脉冲源或非变换有限皮秒脉冲源。如在此使用的，对“皮秒”脉冲或脉冲源的引用指的是脉冲宽度在1ps与10ns之间的脉冲。源模块112还可以包括布拉格(bragg)反射器激光器、分布式布拉格反馈激光器、增益开关型分布式布拉格反射器激光器、外部空腔激光器、增益开关型激光器、电流脉冲激光器、锁模激光器、q开关型激光器、其组合等。源模块112还可以包括二极管激光器、固态激光器、光纤激光器、垂直腔表面发射激光器(vcsel)、法布里-珀罗(fabry-perot)激光器、脊型激光器、脊型波导激光器、锥形激光器、主振荡器功率放大器(mopa)激光器、或其他类型的激光器。在某些方面，源模块112还可以包括扫频源光源。

源模块112可以被配置用于使用400nm与1500nm之间的波长(包括但不限于600nm与1000nm之间的波长或者690nm与900nm之间的波长)将光发射到目标介质中。源模块112还可以被配置用于使用10μw与10w之间的平均功率(包括但不限于100μw与1w之间的平均功率、1mw与500mw之间的平均功率、或10mw与200mw之间的平均功率)将光发射到目标介质中。源模块112可以被配置用于使用1ps与10ns之间的脉冲宽度(包括但不限于10ps与1ns之间的脉冲宽度或者50ps与500ps之间的脉冲宽度)将光脉冲发射到目标介质中。在此描述的脉冲宽度指半峰全宽的脉冲宽度。

光学处理系统106还包括与光学耦合系统102进行通信的检测器模块114，所述检测器模块被配置用于从受测者接收光信号并且向相关器618提供指示所接收到的信号的输出。例如，检测器模块114可以包括被配置用于基于所检测到的光来提供光子计数的一个或多个光子计数雪崩光电二极管(apd)。如图1所示，光学处理系统106可以可选地包括插置在光学耦合系统102、源模块112与检测器模块114之间的多个光学元件116。具体地，光学元件116可以被配置用于对发射至受测者并从所述受测者接收到的光信号进行操纵。示例光学元件116包括镜头、棱镜、全息图或衍射光学元件、漫射器、衰减器、滤波器、光纤等。

总体上，控制器110可以是计算机(如图1所示)，所述计算机被编程用于根据本公开的方面实施步骤，如将描述的。控制器110还可以是工作站、膝上型计算机、移动设备、平板计算机、个人数字助理(pda)、多媒体设备、网络服务器、主机或任何其他通用或专用计算设备。控制器110的其他示例还可以包括片上系统(soc)、现场可编程门阵列(fpga)、复杂可编程逻辑器件(cpld)、专用集成电路(asic)、raspberrypi控制器等。

在一些方面，控制器110可以被配置用于引导对从血管区域和受测者的其他组织获得的光学数据、生理数据和其他信号数据进行采集和处理。在一些应用中，可以同时或同步地执行对各种信号的数据采集。例如，可以与ecg数据并行地或者以大致相同的采样率来采集dcs数据。然而，情况并不一定如此。例如，可以以100hz来采集dcs数据，而以高得多的频率来采集ecg数据。同样，可以一次性地、间歇地、周期性地、或连续地进行各种测量。

在一些方面，与控制器110协作的光学处理器系统106以及本公开的操作方法每秒可以能够采集并处理多个测量值以便由此达到某个速度或时间分辨率，从而确定搏动信息并且产生之前在无创系统中未达到或认识到的准确测量值。在一些方面，可以以大于受测者的脑血流和其他血流的搏动频率的时间分辨率来采集数据。作为示例，可以以高达500hz的频率对dcs数据进行采样，虽然更高的频率可以是可能的。相较于传统dcs系统和方法，这种搏动dcs(pdcs)数据代表例如具有用于dcs测量的大约1.5秒或更长的采样时间。还可以以与提供搏动信息一致的频率或采样率来采集其他数据。

控制器110可以被配置用于利用测量信号来构建各时序波形。例如，图2示出了采集作为时间的函数的ecg数据202和dcs数据204。控制器110还可以被配置用于将采集到的信号集群成频率表示，如功率谱。这样，控制器110可以被配置用于例如向采集到的信号应用快速傅里叶变换(fft)。也可以由控制器110生成其他信号表示，包括信号导数、微分、差值等。控制器110还可以确定信号振幅、定时、相位、相关性等。可以由控制器110实时地、近实时地或者通过后处理在时域或频域或两者中对信号进行处理。此外，控制器110可以被配置用于对各种测量信号进行上采样、下采样、区分、积分、求平均、比例变换、放大、滤波等。

在一些方面，控制器110可以组合在多个周期上采集到的dcs数据，所述dcs数据是在心动周期中在特定时间点或在时间点范围上采集到的。单独测量值可以或者可以不具有用于分析的充足信噪比(snr)。这样，可以将从一个心动周期获得的测量值与从不同的心动周期获得的测量值进行求平均，同时确保对信号进行恰当的门控。也就是说，可以对单独的测量进行定时以便正好与心动周期的相同部分一致，或者所述测量可以与所述周期不同步，从而产生等价的时间平均值。等价的时间求平均具有对所述周期的上位采样，但是可以使用任一种方法。除了周期平均值之外，可在更长的时间上对相同的数据进行求平均。以此方式，搏动血流量、平均血流量和绝对血流量都可以被计算。可替代地或者另外，控制器110可以对在整个心动周期上采集到的数据进行集成或组合。

在一些方面，图1的控制器110可以被配置用于使用采集到的dcs数据以及更具体地pdcs数据借助于相关器118来生成相关性曲线。以此方式，可以确定各期望参数(血流量、以及更具体地绝对血流量)，如将描述的。具体地，相关器118可以从检测器模块114接收光子计数数据并且使用所述光子计数数据来计算各时间尺度处的强度自相关函数。虽然相关器118在图1中被示出为与控制器110分离，但是可以易于认识到的是这些可以集成到一个系统中。例如，控制器110可以包括用于直接计算强度自相关函数的各硬件和软件。

再次参考图2，示出了使用dcs数据在不同时间尺度处获得的相关性曲线204。这种相关性曲线可以与其他采集到的测量值(诸如ecg及其他生理参数)同步地或者异步地生成。例如，可以在使用例如ecg数据测量到的心动周期内的多个时间点处采集dcs测量值。

控制器110可以进一步被配置用于分析采集到的数据(包括光学数据和生理数据)，以便提供对量(诸如搏动血流量、血液流入量、血液流出量、绝对血流等)的估计，如将要描述的。例如，控制器110可以被配置用于分析在各时间尺度处生成的自相关曲线以便确定与心动周期内的一个或多个点相关联的搏动血流。

根据本公开，控制器110可以被配置用于将血流测量值与nirs或血氧定量测量值一起使用以便确定绝对血流量，诸如绝对脑血流量。这样，控制器110可以被编程用于根据采集到的dcs数据来估计总血红蛋白浓度的变化，并且使用所述总血红蛋白浓度变化来确定血容量。使用血流量和血容量，可以确定血液流入量和血液流出量，根据所述血液流入量和血液流出量来计算绝对血流量。在一些方面，控制器110可以被配置用于对所述血液流出量的第一导数或第二导数的绝对值进行积分。控制器110还可以被编程用于确定所确定的血液流入量与血液流出量之间的相位或相位差。

在一些方面，控制器110可以被编程用于确定各计算量(包括血流指数、血容量、血液流入量、血液流出量、血容量的导数、血容量积分、血流指数的导数、血流指数的积分、或其组合)之间的相位差。例如，控制器110可以被编程用于确定脑血流(cbv)与脑血流指数(cbfi)之间、或者dcbv/dt、或cbv的导数与cbfi之间、或者cbv与积分cbfi之间及其他组合之间的相位差。

控制器110可以进一步被配置用于基于所确定的量(诸如绝对血流量等)来确定受测者的状况。例如，控制器110可以被配置用于确定脑缺血的风险、血凝块、或者自动调节和/或调节储备的丢失等。此外，控制器110还可以被配置用于使用所确定的(包括绝对血流量)来确定所施用治疗的有效性。

在一些实施例中，系统100还可以包括使用超声标记光来生成光学数据的能力。具体地，系统100可以包括一个或多个超声探针或超声传感器(图1中未示出)，所述一个或多个超声探针或超声传感器被配置用于使用各超声频率对使用源模块112或另一源产生的光波进行调制。这类超声探针或传感器可以包括在光学处理系统106中或者可以是单独的系统。这样，光学处理系统106和控制器110可以被配置用于根据所应用的超声频率通过检测超声标记光来生成光学数据。

控制器110可以进一步被配置用于生成报告并将其提供给用户。所述报告可以包括各种各样的信息，所述信息包括实时或间歇性生理信号或测量量，诸如绝对血流量、血液流入量、血液流出量以及其他临床上相关的参数，包括脑灌注压(cpp)、脑血管阻力(cvr)、血管壁紧张度、脑血流-脑脊液搏动耦合和脑顺应性、动态自动调节、脑灌注储备以及从其中生成的其他参数或量。所提供的信号可以在时域作为时间序列，以及在频域作为功率谱。

所述报告还可以指示正被监测的受测者的病状、以及与受测者相关联的其他信息。例如，所述报告可以指示脑缺血的风险、血凝块、或者自动调节或调节储备的丢失。所述报告可以进一步包括用于指示急性病状的音频警报和/或视频警报，诸如在一个或多个估计量超过安全阈值或者并发症风险增加的情况下。例如，可以在绝对脑血流量超过阈值或降至阈值以下时提供警报。

根据本公开的方面，可以将pdcs测量值与nirs或脑血氧定量测量值进行组合或相关以便获得绝对血流量。具体地，nirs或脑血氧定量测量值可提供关于脑血红蛋白浓度变化和脑血容量(cbv)变化的有价值的信息。cbv的变化通常与总血红蛋白浓度([hbt])的变化成比例，总血红蛋白浓度可以是cbv的代理度量。其他nirs度量(诸如δ[hbt],[hbo])等也可用作具有可变准确度的cbv代理。

绝对脑血流量(下文中被称为cbf)和cbv通过互补方式与血管网络或血管脑区的血液流入量和血液流出量相关。在此上下文中，血液流入通常是动脉血，而血液流出通常是静脉回流。如所描述的，以下讨论不限于脑血流，并且可以容易地推广到受测者解剖中的其他器官或组织。

在一个示例中，可以将cbf写成与血液流入量和血液流出量之和成比例，如下：

然而，更一般地，可以通过血流量入和血流量出的任何加权和来描述cbf。

cbv的导数、或其代理与流入量和流出量之差成比例：

假定cbf和cbv的测量值，等式1和等式2可用于估计血流量入和血流量出以及因此绝对脑血流量，如以下详细描述的。

如提及的，dcs测量脑血流指数(cbfi)，所述脑血流指数例如根据以下等式可被描述为与绝对脑血流量成比例：

cbf＝acbfi，(3)

其中，‘a’为校准常数。在其他方面，更一般的关系式可将cbfi与cbf进行相关。假定例如血液的血红蛋白含量或红细胞压积，可根据nirs血红蛋白测量值来估计cbv。因此，针对以上具体示例获得以下等式

等式4和等式5可用于估计心动周期期间的血流量入和血流量出。对血流量入和血流量出的估计取决于cbfi校准常数‘a’。

各约束可以用于获得‘a’的合理估计值，这种约束旨在模拟生理条件。例如，可以将血流量出和血流量入约束为在心动周期期间不变为负。同样，可以将流量出约束为是平整的，即：

其对‘a’的值施加下限。可以通过对非搏动血流幅值的限制来进一步约束‘a’的值。具体地，可以通过不准许cbf变得大于生理合理值来获得‘a’的上限。注意的是，在非搏动流出的情况下，流出量完全等于：

血流量出＝(血流量入)心动周期(7)

心动周期内流入量的时间平均值可能加上平凡项(解释平均cbv的任何稳态变化)。

在假设非搏动流出的情况下，则可用代数方法从cbf和cbfi的观察值中来确定‘a’。

血流量出＝(血流量入)心动周期(8)

还可能通过借助于其他cbf测量模式(诸如荧光指示剂的造影剂跟踪术、动脉自旋标记、xe清除等)进行的测量来独立地确定‘a’。

当出现cbf变化时，实际上很重要的问题是cbf是否由于动脉供应变化或由于静脉回流的限制而发生变化。流入量和流出量具有诊断效用，因为其表示对脑血管网络的不同部分的血流的阻力。流入量和流入阻力由脑阻力血管的血管紧张度、机能充血和自动调节来主导。流出量和流出阻力由静脉阻力来主导并且对压缩敏感。通常入(t)≠f出(t)，而：

如果cbv不存在净变化，则δcbv＝0和一阶矩是相等的：

(血流量出)心动周期＝(血流量入)心动周期(10)

如果δcbv≠0，则仅增加平凡项来解释所述净变化。因此，流入量和流出量的变化与其曲线的形状变化相关。具体地，由于cbv的脉冲振幅由动脉流入阻力来主导，因此动脉流入阻力的变化将改变流入脉冲振幅。静脉阻力的变化将影响搏动峰值流入量与流出量之间的相位。

无论‘a’值如何，都可维持血流量入与血流量出之间的相位。因此，在不对‘a’进行估计的情况下，可完全确定相位差。相位监测在脑积水和静脉回流病理学中尤其有利。如果‘a’未被估计、或者被测量为是绝对的(如果‘a’由以上均值之一来确定)，则可以监测流量振幅趋势。

如从以上认识到的，本公开通过提供一种用于无创监测绝对血压的新型方式提供了对先前技术的实质性改进。在先前的大脑监测技术中，仅测量了流入量，并且仅可对用于供给许多大脑区域的大动脉执行测量。相较而言，本方法利用pdcs来测量局部区域组织的微脉管系统中的流入量和流出量两者。而且，pdcs可与其他血液动力学度量(例如cbv的光谱法测量)进行组合，所述血液动力学度量还与同一局部区域的微脉管系统中的流入量和流出量相关。

此外，在本公开之前，大脑中的动态静脉流出量非常难以测量，因为最容易进入的采血静脉是蛛网膜下的静脉。这些静脉非常靠近硬脑膜窦的入口，所述硬脑膜窦是对血流进行缓冲并且使流出量分布衰减的大静脉贮血器。如在本文中所描述的，pdcs单独和/或与nirs或其他模式组合地实现对局部组织水平处的流入量和流出量进行无创确定，在所述局部组织水平处流入量和流出量未衰减并且接近地反映了局部生理。

现在参考图3，描述了根据本公开的方面的过程300的步骤。过程300可以在任何系统或装置上实施，诸如参考图1所描述的系统或装置。如图3所示，过程300可以在过程框302处通过使用围绕受测者放置的各传感器来采集与一个或多个血管区域或组织相关联的光学数据而开始。在一些方面，在过程框302处采集与受测者大脑相关联的光学数据。

通常，本文中所描述的光学数据可以指使用光学传感器获得的、采用光子数据(诸如光子计数数据、光子定时数据、光子强度数据等)形式的原始数据。此外，光学数据还可以指经处理的数据，诸如相关数据。示例光学数据通常可以包括dcs数据和nirs数据。在一些方面，光学数据还可以包括超声标记光数据。

还可以在过程框302处采集其他数据，包括生理数据。示例生理信号数据可以包括ecg数据、eeg数据、血压数据、呼吸数据、血红蛋白数据、脉搏血氧数据及其他数据。如所描述的，为了采集数据，一个或多个传感器可以放置在围绕受测者的各位置处，包括颅骨、前额、颈部、胳膊、手、手指、躯干、胸部、腿、脚、脚趾等。

可以以任何数量的方式(如所描述的，包括间歇性地、连续地、同步地或异步地)来采集在过程框302处获得的数据。在一些方面，可以使用大于心动周期的搏动频率的时间分辨率对dcs数据和其他数据进行采集或采样。以此方式，例如，可以采集pdcs。还可以在多个心动周期上采集数据。

还可以在过程框302处对采集到的数据进行处理。例如，取决于必要的信噪比(snr)，可以对在多个心动周期上采集到的数据进行组合，例如通过求平均或求积分。例如，可针对周期和事件对光子数据(无论是每个时间区间的简单计数数量还是光子检测之间的时间区间数)进行处理和求平均。例如，在心动周期内的短周期上获得的光子计数数据可用于计算相关性曲线并且执行周期求平均。相同的光子计数数据可以与更长时间上的其他数据一起使用以便计算不同时间尺度或兴趣周期上的相关性曲线(例如，稳态平均、呼吸等)。此方法也可以用于非周期性事件。例如，与不同eeg事件(诸如突发或发作)之前和之后的时间段相关联的血流。在一些方面，可前瞻性地和/或回顾式地执行门控和求平均。

然后，在过程框304处，采集到的光学数据可以用于确定血流指数。有利地，搏动数据(诸如pdcs)用于确定血流指数。这样，每个所确定的血流指数表示心动周期内的时间点。可替代地，所确定的血流指数与心动周期内的时间段、或者来自多个心动周期的时间点或时间段相关联。如所描述的，确定血流指数包括：根据各时间尺度利用光子数据以便生成自相关函数，所述自相关函数然后拟合成相关传送模型以用于提取血流指数。

如由过程框304指示的，还可以确定血容量以及更具体地血容量的变化。具体地，使用利用dcs或nirs传感器测量到的光子强度变化，可以估计心动周期期间的总血红蛋白浓度变化。对血液血红蛋白浓度的测量然后可以用于将心动周期期间的血红蛋白浓度变化转换为心动周期期间的血容量变化。

然后，可以使用所确定的血流指数和血流容量来计算血液流入量和血液流出量。如所描述的，可以对等式4和等式5进行求解以便确定血液流入量和血液流出量。可以使用各约束(诸如关于血液流出平整度的假设或者关于血流值的假设)来确定以上等式中的校准常数‘a’的值。具体地，可以通过仅考虑血液流出量的最大值与最小值之差并且使此差最小化来量化血液流出的平整度。流出量的第一或第二导数的绝对值还可以被积分并且使所述值最小化。然而，无需假设血液流出的平整度。例如，血液流出可以更具搏动性，但是可以对总流量或绝对血流量施加约束。例如，绝对血流量可以小于阈值或生理相关的最大血流值。

如由过程框308指示的，所确定的血液流入量和血液流出量然后可以用于根据等式1来估计绝对血流量。在一些方面，所确定的绝对血流量可能与原始生理数据或经处理的生理数据(诸如ecg数据、eeg数据、血压数据、呼吸数据、血红蛋白数据、脉搏血氧数据及其他数据)相关。这样，还可以在过程框310处使用采集到的光学数据和生理数据来估计其他参数。例如，脑灌注压、血管壁紧张度、脑血流-脑脊液搏动耦合、脑顺应性、动态自动调节、脑灌注储备、脑血管阻力、氧饱和度、血红蛋白浓度、心脏输出、心博量、大脑活动、心脏活动及其各种组合或变化可以在过程框308处被确定并且与绝对血流量相关。

在一些方面，可以在处理框308处基于所确定参数(诸如绝对血流量及其他)来确定受测者的病状。例如，可以确定脑缺血的风险、或者自动调节和/或调节储备的丢失。在其他方面，可以使用所确定的生理参数(包括绝对血流量)来确定所施用治疗的有效性。可以通过将计算的参数与基线、基准或数据库进行比较来做出此类判定。

然后，在过程框310处，可以生成任何形式的报告并将其提供给用户。所述报告可以包括各种各样的信息，所述信息包括所测量的生理参数或量的实时或间歇性值，诸如绝对血流量、血液流入、血液流出以及其他临床上相关的参数，包括eeg、ecg、血红蛋白浓度、其变化、以及从其中生成的其他参数或量。所述报告还可以标识正被监测的受测者的病状、以及与受测者相关联的其他信息。例如，所述报告可以指示脑缺血的风险、或者自动调节和/或调节储备的丢失。所述报告可以进一步包括用于指示急性病状的音频警报和/或视频警报，诸如在一个或多个估计量超过安全阈值或者并发症风险增加的情况下。例如，可以在绝对脑血流量超过阈值或降至阈值以下时提供警报。

可以一次性实施、或者间歇地或连续地重复过程框302至310，如期望的。

如所描述的，图2示出了参照一个或多个时间尺度处的另一信号或事件可如何对光子计数进行关联的示例。具体地，图2示出了作为时间函数的ecg数据202和dcs数据204。具体地，可以针对另一生理信号(诸如ecg数据202)用同步的、部分同步的或异步的方式对采用光子计数流形式的dcs数据204进行解析以便生成一个或多个相关性函数206。这种解析可以参考其他生理信号(包括ecg、eeg、nirs或其他生理信号)来实现。因此，针对多个事件，相同的数据可与每个信号的适当时间和持续时间相组合。例如，针对来自记录在eeg中的发作事件之前和之后的ecg和流量的心动周期，相同的信号可处理血流。可在不同信号之间或者在相同信号内使用不同的时间尺度，包括但不限于确定搏动流量和稳定流量两者。

在一些方面，可以在ecg内在两个不同时间尺度处计算由适当心脏信号和呼吸信号门控的心内周期流量和呼吸内周期流量。在其他方面，可根据血压传感器或光学信号自身来确定心动周期定时。所述定时和持续时间可以是以固定或者动态地和/或以算术方式确定的(实时地、近实时地或者后处理地)。例如，在心律的自发变化之后，可以逐周期地对dcs数据204进行解析。所述处理可以包括其他变换，例如，用于解释ecg信号与cbf信号之间的相位差从而解释血液从心脏到大脑的过渡时间的时间偏移。可以通过软件(例如，使用fft等)、硬件(例如，多tau算法、fft等)或其任何组合来执行所述处理。

举例来说，图4示出了根据本公开的方面从人类受测者获得的搏动血流测量值。在此示例中，利用硬件相关器在小于心动循环周期的积分时间内采集流量测量值，如参考图1所描述的。如所描述的，在一些方面，流量测量值可以与等价的周期内测量值进行周期间组合、处理和/或求平均。以此方式，可以增大信噪比和/或周期内时间分辨率。组合量可以通过预定量(诸如时间、样本数量等)来设定，或者以动态和/或算术方式来确定，诸如(snr、周期内点数等)。测量值也可以关于或者不关于周期而被组合、处理和/或求平均，以用于确定一个或多个基准稳定等流。

通过又另一示例的方式，图5a和图5b展示了搏动dcs与ecg和连续波(cw)nirs的同步测量。如可见的，脑血流指数(cbfi)信号具有每秒4至5个样本的分辨率。从放置在前额上的集成光学探针来采集nirs和dcs数据以便对皮质中的相同组织进行采样。从放置在受测者胸部上的两条引线来记录ecg。虽然异步地采集了数据点，但是搏动血流、血红蛋白浓度变化和心脏电活动在生理上均是同步的。然而，由于心跳与皮质中的血液到达之间的过渡时间差，在ecg/nirs信号与ecg活动之间存在相位差。通常，可通过校准和/或处理引起这种相位差。

通过又另一示例，图5c示出了周期求平均的结果。可执行进一步处理以便执行校准和/或从所述数据中提取相关参数。具体地，在等价的时间平均值中的心脏周期上对来自图5a和图5b的信号的一部分进行求平均。

作为进一步示例，图6a和图6b展示了根据本公开的方面对pdcs和nirs两者进行测量，并且分别计算血液流入量和血液流出量。具体地，图6a示出了从pdcs数据获得的脑血流指数的时间序列、总血红蛋白浓度的变化的时间序列以及从nirs数据获得的总血红蛋白浓度变化的导数的时间序列。使用采集到的数据确定绝对血流量，包括血液流入量和血液流出量，如图6b中所示。具体地，血红蛋白浓度nirs测量值是流入量与流出量之差的积分。对nirs测量值进行区分导致流入量与流出量之差。如所描述的，针对流入量和流出量对这些进行求解。预期地，流入量展现了心动周期期间的强大搏动成分，而流出量在幅值上更低并且更广泛。

如从图6a和图6b认识到的，示出的以cm/s²为单位的脑血流指数用于获得绝对血流量，所述绝对血流量以ml/分钟/100g为单位。这种经校准的脑血流更直观并且因此在临床上更相关，从而允许与例如群体数据进行直接比较。例如，图6b中示出的绝对血流量的均值为51ml/分钟/100g组织，这与使用更多有创技术测量到的脑血流的成人值的典型值一致。

总之，本公开通过提供一种用于准确且无创地连续监测患者(包括监测不同血管区域的绝对血流量)的系统和方法而克服了先前技术的缺陷。更具体地，本文中所描述的系统和方法利用光学和生理数据以确定在对患者进行诊断和管理中有用的参数。

如根据本文中的描述可以认识到的，本公开提供宽范围的应用性。例如，所描述的系统和方法可用于监测血流变化以及利用药物或麻醉剂的自动调节能力，并且提供利用药理操纵(包括丸剂测试)进行的监测和/或诊断。此外，本系统和方法可以应用于监测血管痉挛或者血管痉挛或血管神经麻痹的效果，并且监测皮质扩散抑制或皮质扩散抑制的效果。本系统和方法还可以应用于监测出血(包括蛛网膜下出血)并且进行出血后监测(肿瘤、血肿、脑积水、水肿、血管充血、血碳酸过多症、低氧、休克、败血症)。而且，本方法可以用于研究慢性疾病和病状，诸如高血压、睡眠和其他呼吸暂停等(对血管紧张度的病理慢性变化进行测量)以及脑积水。

本系统和方法可以应用于监测充血性心力衰竭、非脑器官的血流、周围性血管疾病。此外，所提供的系统和方法可以用于围术期护理、重症和危重护理、以及对患有临界颈动脉狭窄的患者的目标导向的血压支持。而且，本系统和方法可以应用于对经历颈动脉内膜切除手术的患者进行围术期管理并用于患有心肺转流术的患者，并且用于对经历神经外科手术或非神经外科手术的具有创伤性脑损伤的患者的血压管理进行优化。

本系统和方法可以进一步用于提供在许多临床情况下有助于对患者进行诊断和管理的生理参数和信息，包括但不限于危重护理(诸如婴儿、小儿科或神经重症监护病房、麻醉和/或手术室)、急诊室和急症室、恢复室、后重症监护、战场、航天器、极端环境、在运动期间或在边线上、灾难现场或者事故现场等。

已经根据一个或多个优选实施例对本发明进行了描述，并且应当理解的是，除明确陈述的以外，许多等价物、备选方案、变化和修改都是可能的并且在本发明的范围之内。