Jul 02, 2023
Mediciones portátiles de flujo sanguíneo de alta velocidad habilitadas por espectroscopía de correlación difusa interferométrica de longitud de onda larga (LW
Informes científicos volumen 13,
Scientific Reports volumen 13, Número de artículo: 8803 (2023) Citar este artículo
317 Accesos
Detalles de métricas
La espectroscopia de correlación difusa (DCS) es una técnica óptica que se puede utilizar para caracterizar el flujo sanguíneo en los tejidos. La medición de la hemodinámica cerebral ha surgido como un caso de uso prometedor para DCS, aunque las implementaciones tradicionales de DCS exhiben una relación señal-ruido (SNR) subóptima y sensibilidad cerebral para realizar mediciones sólidas del flujo sanguíneo cerebral en adultos. En este trabajo, presentamos DCS interferométrico de longitud de onda larga (LW-iDCS), que combina el uso de una longitud de onda de iluminación más larga (1064 nm), multi-moteado y detección interferométrica, para mejorar tanto la sensibilidad cerebral como la SNR. A través de la comparación directa con DCS de longitud de onda larga basado en detectores de fotones únicos de nanocables superconductores, demostramos una mejora aproximada de 5 veces en SNR sobre un solo canal de LW-DCS en las señales de flujo sanguíneo medidas en sujetos humanos. Mostramos la equivalencia del flujo sanguíneo extraído entre LW-DCS y LW-iDCS, y demostramos la viabilidad de LW-iDCS medido a 100 Hz con una separación fuente-detector de 3,5 cm. Esta mejora en el rendimiento tiene el potencial de permitir una medición robusta de la hemodinámica cerebral y desbloquear nuevos casos de uso para la espectroscopia de correlación difusa.
La espectroscopia de correlación difusa (DCS) es una técnica óptica establecida que permite la medición no invasiva del flujo sanguíneo tisular1. A través de la medición de la luz retrodispersada difusamente, DCS relaciona las fluctuaciones temporales de las señales recolectadas con el movimiento de las células sanguíneas a través de la vasculatura. La monitorización clínica del flujo sanguíneo junto a la cama2, especialmente la monitorización del flujo sanguíneo cerebral3, se ha disparado como un caso de uso para DCS, y la DCS se ha utilizado para estimar métricas de perfusión cerebral durante procedimientos quirúrgicos4,5,6,7,8, autorregulación cerebral9,10, cerebro vascular reactividad11, presión intracraneal12,13,14 y presión crítica de cierre15,16. Si bien se han demostrado varios estudios que incluyen el monitoreo de DCS en poblaciones adultas, debido a las limitaciones en la sensibilidad cerebral y la relación señal-ruido17, la técnica estándar de DCS es más adecuada para medir el flujo sanguíneo en recién nacidos y niños, donde el tejido extracerebral ( cuero cabelludo y cráneo) es significativamente más delgado que en los adultos18,19. Para mejorar el rendimiento de DCS en poblaciones adultas, muchos grupos han desarrollado modificaciones en DCS que proporcionan mejoras en la sensibilidad cerebral, la relación señal/ruido o ambas. Estos métodos incluyen detección interferométrica20,21,22,23,24,25, detección de puntos en paralelo26,27,28, modulación acústico-óptica29,30,31, métodos resueltos de longitud de trayectoria32,33,34,35,36,37, métodos de contraste de puntos38 ,39,40 y enfoques de longitud de onda larga41,42. El trabajo reciente de nuestro grupo ha demostrado la utilidad del uso de DCS de longitud de onda larga aplicado a 1064 nm, aunque en la práctica para mediciones clínicas, los detectores comerciales actualmente disponibles no tienen un rendimiento de ruido razonable para mediciones sensibles al flujo profundo (InGaAs/InP single -diodos de avalancha de fotones (SPAD))43 o son demasiado voluminosos para ser aplicados clínicamente (detectores de fotones únicos de nanocables superconductores (SNSPD)). Para abordar esta brecha en la tecnología de detectores, hemos desarrollado DCS interferométrico de longitud de onda larga (LW-iDCS), que aprovecha todos los beneficios de trabajar a 1064 nm y evita los aspectos negativos de las tecnologías de detectores sensibles a la luz a 1064 nm que utilizan interferométrico. detección junto con un sensor de cámara de exploración de líneas muy paralelas (inspirado en el trabajo realizado en longitudes de onda más cortas por Zhou et al.21,44). En este trabajo, comparamos directamente el rendimiento de LW-DCS y LW-iDCS en un estudio piloto con sujetos humanos para verificar la equivalencia de la estimación del flujo sanguíneo mediante la nueva técnica LW-iDCS y comparar la calidad de las señales medidas.
La espectroscopia de correlación difusa estima el flujo en el tejido a través del análisis de la función de autocorrelación de intensidad normalizada, \({g}_{2}\left(\tau \right)\). La autocorrelación de la señal detectada está conectada a la dinámica del tejido por la relación de Siegert45, expresada en la Eq. (1),
donde \({g}_{1}\left(\tau \right)\) es el campo eléctrico normalizado, función de autocorrelación temporal y β es el parámetro de coherencia46, que está relacionado con la longitud de coherencia de la fuente, la geometría de la medida, el número de modos detectados y el grado de contaminación lumínica ambiental. La relación de Siegert conecta las señales medidas con las fluctuaciones subyacentes del campo eléctrico debido a eventos de dispersión dinámica. La función de autocorrelación del campo eléctrico en la medición DCS se puede describir como una integral de las funciones de correlación específicas de la longitud de trayectoria individual sobre la distribución de longitud de trayectoria detectada. Esta forma, dada en la Ec. (2)47, permite la conexión entre la función de autocorrelación de intensidad medida y la dinámica en el tejido.
donde P(s) es la distribución de los caminos ópticos, s, tomada por los fotones en el tejido, k0 es el número de onda de la luz detectada en el vacío, n es el índice de refracción de la muestra, \(\langle \Delta {r }^{2}\left(\tau \right)\rangle\) es el desplazamiento cuadrático medio de las partículas que se dispersan, y l* es el camino libre medio reducido de los fotones en el tejido, que se describe como el inverso del coeficiente de dispersión reducido del tejido \(\left({l}^{*}=\frac{1}{{\mu }_{s}^{^{\prime}}}\right)\). Para las mediciones de DCS en tejido, se supone que el término de desplazamiento cuadrático medio refleja el movimiento de difusión48 \(\left(\langle \Delta {r}^{2}\left(\tau \right)\rangle =6\alpha {D} _ {b}\tau =6B{F}_{i}\tau \right)\), donde el índice de flujo sanguíneo (BFi) describe el coeficiente de difusión efectivo, que refleja el coeficiente de difusión real (Db) multiplicado por la probabilidad de eventos de dispersión que ocurren en dispersores en movimiento (α). Si bien esta descripción del flujo en los recipientes como un proceso de difusión es un poco desconcertante, múltiples estudios teóricos y de simulación han examinado la idoneidad del modelo para describir las señales detectadas, y encontraron que el proceso de difusión es una buena descripción en condiciones de medición DCS estándar48,49. 50,51, aunque se han propuesto algunas teorías contradictorias52. Al ajustar las curvas de correlación en este estudio, el modelo seleccionado para \({g}_{1}\left(\tau \right)\) es el que refleja una muestra semi-infinita medida en la geometría de reflectancia, dada en la ecuación. (3),
donde \(K\left(\tau \right)=\sqrt{3{\mu }_{a}{\mu }_{s}^{\mathrm{^{\prime}}}+6{k} _ {0}^{2}{n}^{2}{\mu }_{s}^{\mathrm{^{\prime}}2}B{F}_{i}\tau }\), μa es el coeficiente de absorción óptica, \({r}_{1}=\sqrt{{\rho }^{2}+{{l}^{*}}^{2}}\), ρ es la distancia entre la fuente y el detector, \({r}_{b}=\sqrt{{\rho }^{2}+{\left({l}^{*}+2{z}_{b}\right )}^{2}}\), \({z}_{b}=\frac{2}{3{\mu }_{s}^{\mathrm{^{\prime}}}}\frac {\left(1+{R}_{eff}\right)}{\left(1-{R}_{eff}\right)}\), y \({R}_{eff}\left( n\right)=-1.440{n}^{-2}+0.71{n}^{-1}+0.668+0.0636n\).
Para mejorar la relación señal-ruido de las estimaciones de flujo sanguíneo realizadas por DCS, nuestro grupo y otros implementaron un sistema DCS que utiliza detección interferométrica20,21,22,23,24. Estos enfoques son atractivos ya que permiten una mejora intrínseca de la relación señal-ruido de las señales de flujo sanguíneo derivadas de DCS53 y permiten el uso de detectores menos sensibles y más ruidosos. En este estudio, utilizamos un interferómetro Mach-Zehnder, que combina la luz difusamente dispersada de la muestra con una señal de referencia dividida del láser. Esto da como resultado una forma de \({g}_{2}\left(\tau \right)\) que es diferente del homodino \({g}_{2}\left(\tau \right)\) , y se da en la Ec. (4),
donde \(\langle {I}_{S}\rangle\) es la intensidad de luz promedio recolectada de la muestra, \(\langle {I}_{R}\rangle\) es la intensidad de luz promedio del brazo de referencia del interferómetro, y \(\langle {I}_{T}\rangle\) es la intensidad de luz total promedio que cae sobre el detector.
En la Fig. 1 se proporciona una representación gráfica de la instrumentación óptica. Para realizar comparaciones directas y coubicadas entre LW-DCS homodino y LW-iDCS heterodino, se construyó una sonda de fibra óptica personalizada, similar a la sonda informada anteriormente42, para suministrar luz desde el láser y la luz de retorno a los detectores. La sonda de fibra óptica contenía dos fibras fuente adyacentes (> 3,5 mm de distancia de centro a centro), 1 fibra monomodo para DCS de separación corta (5 mm) y varias fibras de detección co-localizadas de separación larga: 4 fibras monomodo ( LW-DCS), y 7 fibras de detección multimodo (LW-iDCS). Una fuente de láser de fibra (MFD 6,6 µm) de alta coherencia (lc > 10 km) que emite ~ 125 mW a 1064 nm (RFLM-125-0-1064, NP Photonics) se empalmó por fusión (S185HS Fusion Splicer, Fitel) a 90 :10, acoplador de fibra fusionada que mantiene la polarización (MFD 6,6 µm, PN1064R2A1, Thorlabs). El brazo del 10 % del acoplador se usó como entrada para un amplificador de fibra (MAKO-AMP1064, Cybel) y se conectó a través de un conector FC/APC. La fibra de salida del amplificador (MFD 10 µm) se empalmó por fusión a la entrada de un acoplador de fibra fusionada multimodo de 50:50, 105 µm (TW1064R5A1B, Thorlabs). Las dos salidas del acoplador de fibra se empalmaron a dos fibras fuente multimodo de 105 µm conectadas a la sonda. La luz se amplificó para permitir dos puntos MPE limitados54 (1 W/cm2 a 1064 nm, 3,6 mm de diámetro de tamaño de punto, 102 mW cada punto) para aumentar la relación señal/ruido alcanzable. El brazo de salida del 90 % del acoplador de mantenimiento de la polarización se conectó a la entrada del brazo de referencia del interferómetro LW-iDCS. El empalmador de fusión confirmó que todas las conexiones empalmadas tenían pérdidas inferiores a 0,03 dB.
Instrumentación óptica utilizada en este trabajo. Se acopló un láser de coherencia larga de 1064 nm a un acoplador de fibra fusionada al 90 %/10 % para dividir la luz en un brazo de referencia para el interferómetro (90 %) y la fuente semilla para el amplificador de fibra (10 %). La fuente de luz amplificada se dividió mediante un acoplador de fibra fusionada al 50 %/50 % para suministrar dos fuentes limitadas de MPE. Se colocaron fibras monomodo a 5 mm (1) ya 35 mm (4) para llevar la luz al detector SPAD y a los SNSPD, respectivamente. Los eventos de detección de fotones individuales se marcaron con tiempo a una resolución de 6,67 ns y se transfirieron a la computadora a través de USB 3.0. También se colocaron fibras multimodo a 35 mm (7), que alumbraron el brazo de muestra del interferómetro. La luz de los brazos de referencia y de muestra se modeló para que coincidiera con el tamaño de la matriz de cámaras de exploración lineal (12,5 µm × 25,6 mm), y las señales de intensidad de la cámara se digitalizaron a 300 kHz.
Para las mediciones LW-DCS homodinas, un sistema de detección LW-DCS personalizado basado en detectores de un solo fotón [un SPAD de silicio (SPCM-NIR-14, Excelitas) y cuatro SNSPD sintonizados a 1064 nm (Opus One, Quantum Opus)] y Se utilizó una placa correladora de software personalizada basada en FPGA con una resolución de tiempo de 6,67 ns55. Se utilizaron fibras detectoras monomodo para llevar la luz retrodispersada desde la sonda óptica a los detectores. El SPAD de silicio se usó para detectar la luz recolectada en una separación fuente-detector de 5 mm (es decir, una separación corta), y los cuatro SNSPD se usaron para detectar la luz recolectada en una separación fuente-detector de 35 mm (es decir, una separación larga). Para la señal de separación corta, las funciones de autocorrelación se calcularon a una tasa de 10 Hz debido a los recuentos de fotones limitados disponibles. Para señales de separación larga, las funciones de autocorrelación para cada canal se calcularon a una tasa de 100 Hz y luego se promediaron.
Para las mediciones heterodinas LW-iDCS, se construyó un interferómetro Mach Zehnder de espacio libre para proyectar la luz de las fibras ópticas de muestra y de referencia en una cámara de exploración de líneas rápida de InGaAs (Manx 2048 SQ CXP 390, Xenics). El brazo del 90 % del acoplador de mantenimiento de la polarización se conectó a un atenuador óptico variable (VOA1064-APC, Thorlabs), que se conectó a un colimador de fibra (F220APC-1064, Thorlabs) colocado en una montura cinemática que proporcionaba traslación XY (CXY1A, Thorlabs ) así como de punta e inclinación (KAD11F, Thorlabs). Se usó una lente Powell (LGL130, Thorlabs) para homogeneizar la intensidad del brazo de referencia a lo largo de la dimensión de la matriz de píxeles de la cámara de exploración lineal. La salida divergente de la lente Powell fue colimada por una lente cilíndrica (LJ1765L1-C, Thorlabs). Para el brazo de muestra, las siete fibras multimodo de 200 µm en la sonda óptica colocadas con una separación fuente-detector de 35 mm se alinearon linealmente y se agruparon en un conector SMA (FG200LEA, BFL200LS02, Thorlabs) y se colimaron con un colimador de fibra. (F220SMA-1064, Thorlabs). Para corregir la divergencia angular restante en el brazo de muestra, se utilizó una lente esférica (LA1131-B-ML, Thorlabs). Tanto los haces de muestra como los de referencia se enviaron a un divisor de haz no polarizante 50:50 (CCM1-BS014, Thorlabs) y la salida combinada se enfocó en la matriz lineal de la cámara utilizando una lente cilíndrica (LJ1328L2-B, Thorlabs). Se estimó que la relación entre la intensidad del brazo de muestra y la intensidad del brazo de referencia durante las mediciones era de 1 a 5 × 107. Esto se estimó escalando la potencia promedio estimada por modo de fibra a 3,5 cm a 1064 nm (~ 1,2 × 10−12 mW por fibra fuente (~ 6 kcps)42) por el número de modos contenidos en las 7 fibras detectoras (~ 59 000) y dividiendo por la potencia total del brazo de referencia utilizada (~ 6 mW). El interferómetro se construyó en una placa de prueba óptica (MBH1224, Thorlabs) con pies aislantes de vibraciones (AV4, Thorlabs) y se colocó en un carro rodante (61 × 46 × 122 cm3) para movilidad. Las señales recopiladas se digitalizaron a una velocidad de línea de 300 kHz. Los datos sin procesar se capturaron con un capturador de fotogramas (Coaxlink Quad G3, Euresys) y se guardaron directamente en el disco a una velocidad de 1,2 GB/s y se procesaron posteriormente para estimar el BFi. Se completaron varios pasos de procesamiento de señales para maximizar la SNR de medición y eliminar las distorsiones inducidas por la cámara antes de convertir los datos de intensidad de píxeles registrados en funciones de autocorrelación. Estos pasos incluyeron el procesamiento para abordar las distorsiones inducidas por el hardware causadas por el modo de integración durante la lectura, eliminando la tendencia cuadrática de las señales durante el intervalo de análisis, promediando las señales de píxeles adyacentes y eliminando las señales de ruido comunes en la cámara. Estos pasos se detallan tanto gráficamente como en texto en el suplemento. Las funciones de correlación del instrumento LW-iDCS se calcularon a una frecuencia de 100 Hz. Para el tejido multicapa, en el proceso de evaluación del rendimiento simulado de las diferentes implementaciones de DCS, se descubrió que si se usa el modelo semi-infinito para ajustar los datos y si se usa el mismo porcentaje de decaimiento para el ajuste (es decir, la función de correlación decae al 5% del valor de la meseta), la sensibilidad de la medida a la señal cerebral difiere entre DCS, en base al ajuste de una función que es proporcional a \({\left|{g}_{1}\left( \tau \right)\right|}^{2}\), e iDCS, basado en el ajuste de una función que es proporcional a \(\left|{g}_{1}\left(\tau \right)\right |\). Para abordar esto, las funciones de correlación LW-iDCS, proporcionales a \({g}_{1}\left(\tau \right)\), se ajustan con un enfoque de ajuste ponderado para que coincida con la sensibilidad cerebral de la medición LW-DCS , que reflejan una función de correlación basada en \({\left|{g}_{1}\left(\tau \right)\right|}^{2}\). El enfoque de ponderación aplicado se optimizó utilizando una simulación de Monte Carlo de transporte de luz y transferencia de momento en una geometría de losa de múltiples capas, detallada en la Tabla S1, que pretende representar la geometría tisular típica de una medición realizada sobre la frente.
Para este estudio, inscribimos a cinco sujetos sanos (3 mujeres, 2 hombres, de 38 ± 19 años, incluidos participantes de ascendencia del Medio Oriente (1), Europa (2), Sudeste Asiático (1) y Asia Oriental (1), 2 con pigmentación de piel oscura) para comparar y validar el rendimiento del sistema LW-iDCS frente al sistema DCS estándar de 1064 nm en varias manipulaciones fisiológicas. Este estudio fue revisado y aprobado por la Junta de Revisión Institucional de Mass General Brigham (#2019P003074). Todos los participantes dieron su consentimiento informado por escrito antes de las mediciones. Todos los métodos se realizaron de acuerdo con las directrices y normativas pertinentes. El protocolo de medición incluía tres tareas: contención de la respiración, hiperventilación y modulación de la presión del torniquete.
Debido a la falta de cobertura de la cabeza en este estudio, se seleccionaron manipulaciones fisiológicas sistémicas para inducir cambios grandes y repetibles en el flujo sanguíneo medido. La retención de la respiración y la hiperventilación se realizaron para perturbar la frecuencia cardíaca56, la presión arterial57,58 y el estado vasoactivo59,60 para provocar cambios en el flujo sanguíneo tanto del cuero cabelludo como del cerebro. La técnica de modulación de la presión del torniquete se usa para reducir selectivamente el flujo sanguíneo en el cuero cabelludo para aumentar la especificidad de la señal del flujo sanguíneo al flujo sanguíneo cerebral61. Al comparar la reducción del flujo sanguíneo en el canal de separación corto y el canal de separación largo, este método también permite evaluar la sensibilidad del canal largo a la señal cerebral. A continuación, en la Tabla 1, se puede ver una lista de los tiempos de la actividad y los intervalos de recuperación. Además de la instrumentación óptica LW-DCS, se realizó un monitoreo fisiológico sistémico e incluyó electrocardiografía (ECG), oximetría de pulso (SpO2), continua, monitorización no invasiva de la presión arterial (Nova, Finapres), y monitorización respiratoria. Estas señales fueron digitalizadas a 1 kHz por un Powerlab ADC (ADInstruments). La recopilación de datos se sincronizó entre los dispositivos de medición mediante una caja de activación externa que se conectó a un canal de entrada analógica auxiliar del correlador LW-DCS FPGA y un canal en el Powerlab ADC. La sincronización aproximada para el instrumento LW-iDCS se logró proporcionando un disparador a los otros instrumentos cuando se inició la adquisición de LW-iDCS. El ajuste fino de la sincronización se logró determinando el desplazamiento de tiempo entre LW-DCS y LW-iDCS alrededor del disparador que maximiza la correlación cruzada entre las señales BFi.
Para comparar los cambios en el flujo sanguíneo durante las manipulaciones fisiológicas, primero eliminamos la pulsación cardíaca de las señales del flujo sanguíneo. Para eliminar la influencia de la pulsatilidad cardíaca, utilizando los intervalos RR previamente identificados del ECG, se calcularon los valores promedio del índice de flujo sanguíneo latido a latido62. Luego, los datos se volvieron a muestrear a la frecuencia de muestreo original (es decir, 100 Hz para señales de separación largas, 10 Hz para señales de separación cortas), y se identificaron y separaron los períodos de manipulación fisiológica. Para comparar entre ensayos y entre sujetos, los valores de BFi de ensayos individuales se escalaron a un índice de flujo sanguíneo relativo (rBFi) dividiéndolos por el BFi promedio en los 20 s anteriores a la actividad. Luego se promediaron los ensayos individuales para cada paradigma experimental entre los sujetos.
Para investigar la diferencia en el BFi medido entre funciones de correlación proporcionales a \(\left|{g}_{1}\left(\tau \right)\right|\) y \({\left|{g}_{1 }\left(\tau \right)\right|}^{2}\), se simulan una línea de base y una condición activada (+50% BFi cerebral)63. La diferencia observada en el BFi de referencia y la sensibilidad a los cambios en el flujo sanguíneo cerebral entre las simulaciones iDCS y DCS de la geometría de tres capas se puede ver en la Fig. 2A y B. Un método considerado para hacer que las dos mediciones sean equivalentes fue elevar al cuadrado el iDCS recopilado. función de correlación para tener una señal proporcional a \({\left|{g}_{1}\left(\tau \right)\right|}^{2}\). Mientras que en funciones de correlación sin ruido, este sería el método preferido, con funciones de correlación ruidosas, tomar el cuadrado de las curvas podría resultar en distorsiones en las propiedades de ruido de las curvas, lo que podría afectar aún más el ajuste. El enfoque alternativo que se tomó fue aumentar la ponderación otorgada a la parte anterior de la función de correlación utilizando un esquema de ponderación basado en datos. La función objetivo optimizada se da en la ecuación. (5), donde los coeficientes de ponderación se toman de la función de correlación promedio general de toda la medición.
donde \({\langle \rangle }_{T}\) es el promedio durante el intervalo de medición, y x es un factor que se optimizó para alcanzar el BFi equivalente de las simulaciones. Se investigó una variedad de factores, x, utilizando los datos simulados de la comparación del rendimiento de DCS e iDCS. Según la geometría del tejido simulada, se encontró que el valor óptimo era 2,5, y este valor se fijó y usó para ajustar los datos en el manuscrito. El flujo sanguíneo inicial corregido y los cambios resueltos se pueden ver en la figura 2A y B.
Comparación del ajuste BFi a partir de mediciones DCS multicapa simuladas. (A) Se puede ver el ajuste BFi de las simulaciones de referencia con diferentes funciones de ajuste. La discrepancia entre los ajustes de \({g}_{1}\left(\tau \right)\) y \({g}_{1}{\left(\tau \right)}^{2}\ ) se observarían como discrepancias entre los ajustes de iDCS y DCS, respectivamente. (B) Se muestra el cambio en BFi medido en respuesta a un aumento del 50 % en el cerebro BFi. Sin el ajuste ponderado, la medición de iDCS resuelve ~ 50% de los cambios que hace DCS, reduciendo la sensibilidad a la señal cerebral. Con el ajuste ponderado, el ajuste basado en \({g}_{1}\left(\tau \right)\) se considera equivalente al ajuste basado en \({g}_{1}{\left( \tau \right)}^{2}\).
Para evaluar la equivalencia de las medidas tomadas por el instrumento LW-iDCS, se comparan las trazas de flujo sanguíneo entre los instrumentos LW-DCS y LW-iDCS. Para evaluar tanto el rendimiento del ruido como la equivalencia del BFi medido para la señal pulsátil, se realizó un promedio sincronizado cardíaco utilizando datos de los períodos de referencia en los que se puede suponer que la variabilidad en la forma de la pulsación cardíaca y la modificación de la frecuencia cardíaca son mínimas. . Los intervalos RR se identificaron en los trazos de ECG alineados en el tiempo, y los valores LW-DCS y LW-iDCS BFi se promediaron en sincronía con el ciclo cardíaco, como se hizo anteriormente15. En la Fig. 3A, se muestra la traza de flujo sanguíneo alineada con el tiempo medida por cada instrumento para tres ciclos cardíacos (n = 20 trazas promediadas de tres ciclos) en un sujeto de ejemplo con la desviación estándar de las estimaciones de flujo sanguíneo mostradas también. La equivalencia del índice de flujo sanguíneo medido también se confirma en todas las condiciones y sujetos experimentales. Los valores promedio de BFi se calcularon para cada pulso cardíaco identificado en todas las trazas de tiempo de BFi del sujeto en todas las tareas, y los valores de BFi de cada instrumento se representan entre sí en la Fig. 3C, lo que muestra una excelente concordancia en el rango de BFi medido. En la Fig. 3D, un gráfico de Bland-Altman que compara la concordancia del BFi medido entre los dos instrumentos muestra un sesgo (4,27 × 10−10 cm2/s) para que el instrumento LW-iDCS mida un flujo sanguíneo más rápido con una desviación estándar de la diferencia igual a 8,39 × 10−10 cm2/s. El sesgo y la dispersión de la diferencia son relativamente pequeños en comparación con el rango de valores medidos típicamente con DCS (Fig. 3C), y este resultado indica una buena concordancia entre los dos instrumentos. Para evaluar el rendimiento del ruido entre sujetos, se calcula para cada instrumento el coeficiente de variación del BFi pulsátil medido en cada punto del ciclo cardíaco. Estos valores se comparan como gráficos de violín en la Fig. 3B y muestran una reducción promedio en el coeficiente de variación dado por LW-iDCS de ~ 2,25 ×. Esto coincide bastante bien con la mejora estimada en la relación contraste-ruido (CNR) estimada a partir de la simulación de Monte Carlo, que se muestra en el suplemento.
Comparación de las características de las trazas de tiempo BFi medidas a 100 Hz de los instrumentos LW-iDCS y LW-DCS. (A) Se muestra un ejemplo de una señal cardíaca pulsátil de un solo sujeto para ambos instrumentos, lo que demuestra la equivalencia en el índice de flujo sanguíneo medido, así como el ruido reducido del trazo de flujo sanguíneo medido por el instrumento LW-iDCS. (B) Se calculó el coeficiente de variación \(\left({\sigma }_{B{F}_{i}}/{\mu }_{B{F}_{i}}\right)\) para cada punto del ciclo cardíaco, y los resultados para cada sujeto para cada modalidad de medición se muestran en gráficos de violín. En promedio, la reducción en el coeficiente de variación proporcionada por el instrumento LW-iDCS es ~ 2,25 veces en comparación con el instrumento LW-DCS de 4 canales. La equivalencia de los valores de BFi medidos más allá de las señales pulsátiles entre los dos instrumentos también se muestra entre los sujetos y las tareas que utilizan las señales de BFi filtradas por el corazón. (C) Los valores de BFi medidos se trazan uno contra el otro y se agrupan muy bien alrededor de la línea de unidad. (D) El gráfico de Bland-Altman muestra una distribución estrecha de las diferencias en el BFi medido, caracterizada por una diferencia media de 4,27 × 10-10 cm2/s y una desviación estándar de 8,39 × 10-10 cm2/s, lo que demuestra una buena concordancia entre las dos mediciones del flujo sanguíneo.
En respuesta a una contención de la respiración al final de la espiración, las respuestas fisiológicas típicas incluyen un aumento de la presión arterial57,58 y un estado hipercápnico64,65. En la Fig. 4, mostramos la respuesta promedio del sujeto a una prueba de contención de la respiración de 30 s. Se observa que la presión arterial media (PAM) aumenta un 25 % ± 9 % al final de la contención de la respiración, mientras que la frecuencia cardíaca permanece relativamente constante. Los aumentos de BFi medidos en la separación larga coinciden bien entre LW-DCS y LW-iDCS (32 % ± 17 % al final de la contención de la respiración) y se observa que son distintos del aumento medido en la separación corta (51 % ± 17 % al final de la contención de la respiración). Los aumentos observados en el flujo sanguíneo son consistentes con la expectativa dado un aumento en la presión arterial y el estado hipercápnico leve.
Respuestas promediadas del sujeto a la contención de la respiración. (A) Comparación de las respuestas del flujo sanguíneo medido con la retención de la respiración de 30 s. Se ve que el cambio relativo en el flujo en las mediciones de separación larga es ligeramente menor que el cambio observado en la separación corta, que se ha observado anteriormente42. (B) Comparación de los cambios relativos en la presión arterial y la frecuencia cardíaca, respectivamente, en respuesta a la retención de la respiración de 30 s. Se observó un aumento progresivo de la presión arterial a lo largo del período de contención de la respiración, mientras que la frecuencia cardíaca se mantuvo relativamente constante.
Para la tarea de hiperventilación, los sujetos realizaron un minuto de respiración controlada a setenta respiraciones por minuto. Se espera que la hipocapnia esperada debido a la respiración excesiva provoque vasoconstricción y una disminución del flujo sanguíneo. Debido a que el metabolismo del tejido cerebral y del cuero cabelludo se mantiene durante este período, el flujo sanguíneo reducido da como resultado una disminución en la saturación de hemoglobina tisular (SO2), lo que induce una reacción vasoactiva para devolver el flujo sanguíneo al nivel inicial59. Esta respuesta bifásica se observó en las mediciones de canal largo y corto, como se ve en la Fig. 5A. La respuesta fisiológica sistémica observada al episodio de hiperventilación fue un aumento significativo en la frecuencia cardíaca (38 % ± 15 %) y una disminución significativa en la presión arterial media (−18 % ± 10 %), como se ve en la figura 5B. La latencia del retorno a la línea base de estos parámetros fisiológicos fue mayor en comparación con la latencia del retorno a la línea base del flujo sanguíneo medido. Se observó que las respuestas de la señal del flujo sanguíneo de separación prolongada a la hiperventilación eran consistentes y, además, coincidían bien con las respuestas observadas en las mediciones del flujo sanguíneo de separación prolongada informadas previamente en nuestro grupo42.
Respuesta promediada del sujeto a la maniobra de hiperventilación. (A) Respuesta hemodinámica medida a 60 s de hiperventilación. Al igual que en la tarea de contener la respiración, la medición de separación corta muestra una respuesta más exagerada a la manipulación fisiológica, exhibiendo una disminución del 30% en BFi después del inicio de la hiperventilación. Las respuestas de separación larga coincidentes muestran un grado menor de reducción de BFi, y se puede ver que todo el flujo sanguíneo vuelve a la línea de base antes del final de la prueba de hiperventilación. (B) Para esta maniobra, la frecuencia cardíaca aumentó significativamente después del inicio de la prueba, mientras que se observó que la presión arterial se reducía.
El ajuste del torniquete provoca una reducción selectiva del flujo sanguíneo en el cuero cabelludo, dejando inalterado el flujo sanguíneo cerebral61. Al comparar la respuesta diferencial entre un canal de separación corto, sensible casi exclusivamente al flujo sanguíneo en el cuero cabelludo, y un canal de separación largo, que muestra sensibilidad tanto al cuero cabelludo como a la hemodinámica cerebral, se pueden obtener estimaciones de la sensibilidad del canal de separación largo para cada compartimento. estimado. Los trazos de flujo sanguíneo promedio del grupo de los ensayos de modulación de presión se pueden ver en la Fig. 6A. En este grupo de sujetos, la reducción media de BFi medida fue del 85,3 % y del 39,2 % para los canales corto y largo, respectivamente. Este par de medidas corresponde a un canal de separación largo con una sensibilidad del 46% a la señal del flujo sanguíneo superficial, lo que implica una sensibilidad cerebral superior al 50%, según un reciente estudio de simulación66. Como era de esperar para esta maniobra, la fisiología sistémica no respondió al cambio en la presión del torniquete, como se ve en la Fig. 6B.
Respuesta promediada del sujeto a la maniobra de modulación de presión. (A) Respuesta hemodinámica medida a 30 s de apriete del torniquete. Utilizando la relación de la disminución relativa entre el canal largo (39,2 %) y el canal corto (85,3 %), la sensibilidad del canal largo al flujo sanguíneo del cuero cabelludo se puede estimar en un 46 %. Para mediciones DCS de separación larga, se ha demostrado que la sensibilidad cerebral es inversamente proporcional a la sensibilidad del cuero cabelludo66, y podemos estimar que la medición de separación de 35 mm tiene una sensibilidad cerebral > 50 %. (B) Para esta maniobra, como era de esperar, la fisiología sistémica no se vio significativamente afectada por el ajuste del torniquete en la frente.
En este trabajo hemos demostrado el desarrollo de espectroscopía de correlación difusa interferométrica de longitud de onda larga. Usando una sonda de fibra óptica con fibras de detección colocadas, pudimos comparar directamente el flujo sanguíneo medido y la relación señal-ruido entre los instrumentos LW-DCS y LW-iDCS. Tanto para la detección de un solo fotón como para la detección interferométrica, la disponibilidad de amplificadores de fibra óptica rentables y de alta potencia, un beneficio de ingeniería de realizar mediciones a 1064 nm, permite una mayor SNR más allá de los beneficios intrínsecos de usar luz a 1064 nm. Al sacrificar la resolución espacial, se podrían usar múltiples fuentes separadas > 3,5 mm, lo que permite una SNR aún más alta para mediciones de flujo sanguíneo pulsátil de alta calidad. La SNR de la medición LW-iDCS observada en las mediciones pulsátiles de alta velocidad fue 4,5 veces la SNR de la medición SNSPD LW-DCS al realizar comparaciones de un solo canal, lo que representa una mejora en la calidad del flujo sanguíneo medido. En el contexto de los sistemas DCS que se utilizan actualmente para la investigación traslacional, esta mejora es especialmente significativa si se tiene en cuenta que incluso el SNSPD LW-DCS de iluminación única tiene una ganancia de SNR de 16× sobre el DCS42 convencional, y que las mediciones a 3,5 cm no son factibles con los sistemas convencionales. DCS NIR. El uso de una cámara que es sensible a la luz a 1064 nm aprovecha tanto el mayor número de fotones por modo en comparación con las longitudes de onda NIR tradicionales como el decaimiento más lento de la función de autocorrelación. Para las mediciones del flujo sanguíneo cerebral realizadas con largas separaciones entre la fuente y el detector, el decaimiento de autocorrelación para NIR DCS tradicional puede ocurrir en 1 a 10 s de microsegundos, y una parte significativa del decaimiento podría perderse si no se toma una muestra lo suficientemente rápido. El uso de detección heterodina, midiendo el decaimiento más lento \({g}_{1}\left(\tau \right)\) en oposición a \({g}_{2}\left(\tau \right) \), y 1064 nm relaja la tasa de muestreo necesaria para muestrear efectivamente la función de correlación. La separación fuente-detector más larga que se puede lograr con estos sistemas DCS avanzados permite realizar mediciones con una sensibilidad reducida en las capas superiores del tejido en relación con la sensibilidad de los sistemas DCS aplicados actualmente en el rango de longitud de onda NIR tradicional (explorado en el suplemento). La disminución de la sensibilidad a las señales extracerebrales es muy beneficiosa para las mediciones de DCS, especialmente en aplicaciones clínicas donde es más probable que ocurran fluctuaciones fisiológicas sistémicas y el momento de los cambios hemodinámicos cerebrales relevantes no está tan bien definido. También vemos una buena concordancia con el rendimiento de ruido estimado proporcionado por la simulación de Monte Carlo (Figura S3). Además, el costo del sistema se reduce considerablemente en comparación con LW-DCS basado en SNSPD. Para esta implementación del sistema LW-iDCS, el detector utilizado es ~ 7 veces menos costoso (~ $ 25 mil en total, cámara + captura de fotogramas: ~ $ 20 mil, lentes variados, optomecánica y fibras: ~ $ 5 mil) en comparación a los SNSPD (~ $ 180 k en total, criostato: ~ $ 100 k, detectores de nanocables individuales: ~ $ 20 k cada uno). El sistema basado en carro LW-iDCS también es más móvil que el sistema LW-DCS basado en SNSPD. Estas mejoras en el costo, SNR y movilidad son prometedoras para la utilidad clínica de las mediciones LW-iDCS de CBF en adultos. Sin embargo, el enfoque de procesamiento de señales utilizado para extraer la función de correlación del flujo de datos sin procesar apunta a posibles dificultades en el desarrollo de instrumentos iDCS que utilizan fibra multimodo e interferómetros de espacio libre. El movimiento de las fibras y las vibraciones en el entorno tienen el potencial de corromper las señales de iDCS; sin embargo, estos desafíos son manejables y el uso de la canalización de análisis de datos personalizada, descrita en la información complementaria, logró eliminar los artefactos de los datos. El uso de un enfoque de ajuste ponderado permitió ajustar índices de flujo sanguíneo equivalentes de las funciones de correlación LW-DCS y LW-iDCS, como lo demuestran los resultados que se muestran en las Fig. 3C y D. Si bien los resultados presentados coincidieron bien, la investigación de la generalización del factor de ponderación seleccionado en este estudio está garantizada dada la influencia que se sabe que tienen los espesores de la capa de tejido, las propiedades ópticas y las proporciones del flujo sanguíneo del cuero cabelludo y el cerebro en el ajuste de las funciones de autocorrelación67,68. Otro desafío planteado por la implementación de la detección masivamente paralela de motas múltiples es la tasa de datos sin procesar de los instrumentos. Publicaciones recientes sobre detección masivamente paralelizada citan velocidades de datos sin procesar entre 0,24 GB/s (0,864 TB/hr) y 9,0 GB/s (32,4 TB/hr)22,25,26,27,28,44,69. Para las mediciones clínicas del flujo sanguíneo, estas tasas de datos podrían generar archivos de datos insosteniblemente grandes, aunque se ha explorado el procesamiento en tiempo real utilizando GPU o FPGA como una solución para abordar este desafío28,69. La mayor SNR proporcionada por el instrumento LW-iDCS presentado aquí permitió una alta sensibilidad a la señal del flujo sanguíneo cerebral, así como una alta tasa de cálculo de BFi. Estos factores serán muy favorables para la traducción clínica de DCS como un monitor de flujo sanguíneo cerebral no invasivo.
Los datos que respaldan los hallazgos de este estudio están disponibles de los autores correspondientes previa solicitud razonable.
Boas, DA & Yodh, AG Propiedades dinámicas que varían espacialmente de medios turbios sondeados con correlación de luz temporal difusa. J. Opt. Soc. Soy. A 14, 192 (1997).
Artículo ANUNCIOS Google Académico
Shang, Y., Li, T. y Yu, G. Aplicaciones clínicas de la tomografía y la espectroscopia de correlación difusa del infrarrojo cercano para la monitorización y la obtención de imágenes del flujo sanguíneo tisular. Fisiol. medida 38, R1-R1 (2017).
Artículo ADS PubMed PubMed Central Google Scholar
Buckley, EM, Parthasarathy, AB, Grant, PE, Yodh, AG y Franceschini, MA Espectroscopia de correlación difusa para la medición del flujo sanguíneo cerebral: perspectivas futuras. Neurofotónica 1, 11009 (2014).
Artículo Google Académico
Kaya, K. et al. Monitoreo hemodinámico cerebral intraoperatorio durante la endarterectomía carotídea mediante espectroscopia de correlación difusa y espectroscopia de infrarrojo cercano. Ciencia del cerebro. 12, 1025 (2022).
Artículo PubMed PubMed Central Google Académico
Zavriev, AI et al. El papel de la espectroscopia de correlación difusa y la espectroscopia de infrarrojo cercano de dominio de frecuencia en el control de la hemodinámica cerebral durante paros circulatorios hipotérmicos. Tecnología JTCVS. 7, 161–177 (2021).
Artículo PubMed PubMed Central Google Académico
Shang, Y. et al. Monitoreo cerebral durante la endarterectomía carotídea usando espectroscopias ópticas difusas de infrarrojo cercano y electroencefalograma. física Medicina. Biol 56, 3015–3032 (2011).
Artículo PubMed Google Académico
Rajaram, A. et al. Perfusión cerebral y neuromonitorización metabólica durante el bypass cardiopulmonar. En Tomografía óptica y espectroscopia de tejido (Vol. 11639, págs. 39). https://doi.org/10.1117/12.2578986 (2021).
Busch, DR et al. Medición hemodinámica cerebral continua durante el paro circulatorio hipotérmico profundo. biomedicina Optar. Expreso 7, 3461 (2016).
Artículo PubMed PubMed Central Google Académico
Selb, J. et al. Monitorización prolongada del flujo sanguíneo cerebral y la autorregulación con espectroscopia de correlación difusa en pacientes en cuidados neurocríticos. Neurofotónica 5, 1 (2018).
Artículo Google Académico
Busch, DR et al. Detección de hipoxia cerebral basada en la monitorización óptica no invasiva del flujo sanguíneo cerebral con espectroscopia de correlación difusa. neurocrito. Atención 30, 72–80 (2019).
Artículo CAS PubMed PubMed Central Google Scholar
Milej, D. et al. Caracterización de la reactividad vascular cerebral dinámica utilizando un sistema híbrido que combina espectroscopia de correlación difusa y de infrarrojo cercano resuelta en el tiempo. biomedicina Optar. Expreso 11, 4571–4585 (2020).
Artículo CAS PubMed PubMed Central Google Scholar
Ruesch, A. et al. Estimación de la presión intracraneal utilizando el flujo sanguíneo cerebral pulsátil medido con espectroscopia de correlación difusa. biomedicina Optar. Expreso 11, 1462 (2020).
Artículo PubMed PubMed Central Google Académico
Flandes, TM et al. Detección óptica de la presión intracraneal y cambios de perfusión en recién nacidos con hidrocefalia. J. Pediatría. 236, 54-61.e1 (2021).
Artículo PubMed PubMed Central Google Académico
Tabassum, SM et al. Traducción clínica de detección de presión intracraneal con espectroscopia de correlación difusa. J. Neurocirugía. 1, 20 (2022).
Google Académico
Wu, K.-C. et al. Validación de las medidas de espectroscopia de correlación difusa de la presión de cierre crítica frente a la ecografía Doppler transcraneal en pacientes con accidente cerebrovascular. J. Biomédica. Optar. 26, 36008–36009 (2021).
Artículo Google Académico
Baker, WB et al. Supervisión óptica no invasiva de la presión de cierre crítica y la distensibilidad de las arteriolas en sujetos humanos. J. Cereb. Metab. del flujo sanguíneo. 37, 2691–2705 (2017).
Artículo PubMed PubMed Central Google Académico
Selb, J. et al. Sensibilidad de la espectroscopia de infrarrojo cercano y la espectroscopia de correlación difusa a la hemodinámica cerebral: simulaciones y hallazgos experimentales durante la hipercapnia. Neurofotónica 1, 15005 (2014).
Artículo Google Académico
Beauchamp, MS et al. La trayectoria de desarrollo de la distancia cerebro-cuero cabelludo desde el nacimiento hasta la infancia: Implicaciones para la neuroimagen funcional. PLoS ONE 6, e24981–e24981 (2011).
Artículo ADS CAS PubMed PubMed Central Google Scholar
Davis, NJ Variación en la profundidad cortical a través de la superficie del cerebro: Implicaciones para la estimulación transcraneal del cerebro. EUR. J. Neurosci. https://doi.org/10.1111/ejn.14957 (2020).
Artículo PubMed Google Académico
Xu, J., Jahromi, AK, Brake, J., Robinson, JE y Yang, C. Espectroscopía de visibilidad de motas interferométrica (ISVS) para el monitoreo del flujo sanguíneo cerebral humano. Fotónica APL 5, 126102 (2020).
Artículo ADS CAS Google Académico
Zhou, W. et al. Espectroscopía de ondas de difusión interferométrica funcional del cerebro humano. ciencia Adv. 7, eabe0150–eabe0150 (2021).
Artículo ADS CAS PubMed PubMed Central Google Scholar
Zhou, W. et al. Espectroscopía de ondas de difusión interferométrica multiexposición. Optar. Letón. 46, 4498–4501 (2021).
Artículo ADS PubMed PubMed Central Google Scholar
Robinson, MB, Boas, DA, Sakadzic, S., Franceschini, MA y Carp, SA La espectroscopia de correlación difusa interferométrica mejora las mediciones con una separación larga entre la fuente y el detector y una tasa de recuento de fotones baja. J. Biomédica. Optar. 25, 97004 (2020).
Artículo CAS Google Académico
James, E., Powell, S. y Munro, P. Optimización del rendimiento de un instrumento de espectroscopia de correlación difusa de dominio holográfico de Fourier. biomedicina Optar. Expreso 13, 3836 (2022).
Artículo PubMed PubMed Central Google Académico
Samaei, S., Nowacka, K., Gerega, A., Pastuszak, Ż & Borycki, D. Espectroscopía de infrarrojo cercano interferométrica paralela de onda continua (CW πNIRS) con una cámara bidimensional rápida. biomedicina Optar. Expreso 13, 5753 (2022).
Artículo PubMed PubMed Central Google Académico
Liu, W. et al. Espectroscopia de correlación difusa rápida y sensible con detección de fotón único altamente paralelizado. Fotónica APL 6, 26106 (2021).
Artículo Google Académico
Sie, EJ et al. Espectroscopía de correlación difusa multimoteada de alta sensibilidad. Neurofotónica 7, 35010 (2020).
Artículo CAS Google Académico
Wayne, MA et al. Espectroscopía de correlación difusa masivamente paralela y en tiempo real con múltiples puntos utilizando una cámara SPAD de 500 × 500. biomedicina Optar. Expreso 14, 703 (2023).
Artículo PubMed PubMed Central Google Académico
Ling, H., Gui, Z., Hao, H. y Shang, Y. Mejora de la medición del flujo sanguíneo tisular por espectroscopia de correlación difusa mediante la fuerza de radiación acústica. biomedicina Optar. Expreso 11, 301 (2020).
Artículo CAS PubMed Google Académico
Robinson, MB et al. Caracterización de ultrasonidos de onda continua para espectroscopía de correlación difusa modulada acústico-óptica (AOM-DCS). biomedicina Optar. Expreso 11, 3071 (2020).
Artículo PubMed PubMed Central Google Académico
Tsalach, A. et al. Medida de caudal acústico-óptica selectiva en profundidad. biomedicina Optar. Express 6, 4871–4886 (2015).
Artículo PubMed PubMed Central Google Académico
Sutin, J. et al. Espectroscopía de correlación difusa en el dominio del tiempo. Óptica 3, 1006 (2016).
Artículo ADS CAS PubMed PubMed Central Google Scholar
Ozana, N. et al. Espectroscopía de correlación difusa funcional en el dominio del tiempo. Frente. Neurosci. 16, 1123 (2022).
Artículo Google Académico
Zhao, M., Zhou, W., Aparanji, S., Mazumder, D. y Srinivasan, V. Imágenes de espectroscopia de onda de difusión interferométrica con un filtro de tiempo de vuelo variable electrónicamente. Óptica 10, 42–52 (2022).
Artículo ADS CAS Google Académico
Borycki, D., Kholiqov, O. & Srinivasan, VJ La espectroscopia interferométrica de infrarrojo cercano cuantifica directamente la dinámica del campo óptico en medios turbios. Óptica 3, 1471 (2016).
Artículo ADS PubMed PubMed Central Google Scholar
Pagliazzi, M. et al. Espectroscopia óptica de contraste moteado de resolución temporal con una separación fuente-detector casi nula para la medición no invasiva del flujo sanguíneo microvascular. biomedicina Optar. Expreso 12, 1499 (2021).
Artículo PubMed PubMed Central Google Académico
Poon, C.-S. et al. Primera aplicación clínica de un sistema de espectroscopia de correlación difusa con control de tiempo a 1064 nm que utiliza detectores de fotones individuales de nanocables superconductores en una unidad de cuidados intensivos neurológicos. biomedicina Optar. Expreso 13, 1344 (2022).
Artículo CAS PubMed PubMed Central Google Scholar
Zilpelwar, S. et al. Un modelo de evolución de moteado dinámico para evaluar las mediciones de contraste de moteado con láser de la dinámica tisular. biomedicina Optar. Expreso 13, 6533–6549 (2022).
Artículo PubMed PubMed Central Google Académico
Dragojevic, T. et al. Dispositivo compacto de espectroscopía óptica de contraste moteado (SCOS) de exposición múltiple para medir el flujo sanguíneo de tejido profundo. biomedicina Optar. Expreso 9, 322 (2018).
Artículo PubMed Google Académico
Valdés, CP et al. Espectroscopia óptica de contraste moteado, un método óptico difuso no invasivo para medir el flujo sanguíneo microvascular en el tejido. biomedicina Optar. Expreso 5, 2769 (2014).
Artículo PubMed PubMed Central Google Académico
Carpa, SA et al. Mediciones de espectroscopia de correlación difusa del flujo sanguíneo utilizando luz de 1064 nm. J. Biomédica. Optar. 25, 97003–97004 (2020).
Artículo CAS Google Académico
Ozana, N. et al. Detección de un solo fotón de nanocables superconductores del flujo sanguíneo cerebral. Neurofotónica 8, 35006 (2021).
Artículo CAS Google Académico
Robinson, MB et al. Espectroscopia de correlación difusa más allá del pico de agua habilitada por la correlación cruzada de las señales de los detectores de fotones individuales InGaAs/InP. Trans. IEEE. biomedicina Ing. 69, 1943-1953 (2022).
Artículo PubMed PubMed Central Google Académico
Zhou, W., Kholiqov, O., Chong, SP y Srinivasan, VJ Espectroscopía de onda de difusión interferométrica altamente paralela para monitorear la dinámica del flujo sanguíneo cerebral. Óptica 5, 518 (2018).
Artículo ADS CAS PubMed PubMed Central Google Scholar
Siegert, AJF Sobre las fluctuaciones en las señales devueltas por muchos dispersores que se mueven independientemente. (Laboratorio de Radiación, Instituto Tecnológico de Massachusetts, 1943).
Bellini, T., Glaser, MA, Clark, NA y Degiorgio, V. Efectos de la coherencia láser finita en la dispersión múltiple cuasielástica. física Rev. A (Coll Park) 44, 5215 (1991).
Artículo ADS CAS Google Académico
Pine, DJ, Weitz, DA, Chaikin, PM y Herbolzheimer, E. Espectroscopía de ondas de difusión. física Rev. Lett. 60, 1134–1137 (1988).
Artículo ADS CAS PubMed Google Scholar
Boas, DA et al. Establecimiento de la relación de la señal de espectroscopia de correlación difusa con el flujo sanguíneo. Neurofotónica 3, 31412 (2016).
Artículo Google Académico
Verdecchia, K., Diop, M., Morrison, LB, Lee, T.-Y. & Lawrence, KS Evaluación del mejor modelo de flujo para caracterizar los datos de espectroscopia de correlación difusa adquiridos directamente en el cerebro. biomedicina Optar. Expreso 6, 4288 (2015).
Artículo PubMed PubMed Central Google Académico
Sakadžic, S. et al. Modelo teórico de medida del flujo sanguíneo por espectroscopia de correlación difusa. J. Biomédica. Optar. 22, 27006 (2017).
Artículo PubMed Google Académico
Carpa, SA et al. Debido a la dispersión secuencial múltiple intravascular, la espectroscopia de correlación difusa del tejido mide principalmente el movimiento relativo de los glóbulos rojos dentro de los vasos. biomedicina Optar. Expreso 2, 2047 (2011).
Artículo PubMed PubMed Central Google Académico
Du Le, VN & Srinivasan, VJ Más allá de las correlaciones difusas: Descifrando el flujo aleatorio en la dinámica de la luz resuelta en el tiempo de vuelo. Optar. Expreso 28, 11191 (2020).
Artículo ADS CAS PubMed PubMed Central Google Scholar
Koppel, D. Precisión estadística en FCS. física Rev. A (Coll Park) 10, 1938–1945 (1974).
Artículo ANUNCIOS Google Académico
Estándar Nacional Estadounidense para el Uso Seguro de Láseres. ANSI Z136.1-2007. (2007).
Farzam, P. et al. Espectroscopia de correlación difusa rápida (DCS) para la medición no invasiva de la presión intracraneal (ICP) (Presentación de la conferencia). En Neurofotónica Clínica y Traslacional (eds. Madsen, SJ & Yang, VXD) vol. 10050 100500U-100500U (Sociedad Internacional de Óptica y Fotónica, 2017).
Fischer, K., Guensch, DP & Friedrich, MG Respuesta de la oxigenación miocárdica a las maniobras respiratorias e infusión de adenosina. EUR. Corazón J. Cardiovasc. Imágenes 16, 395–401 (2015).
Artículo PubMed Google Académico
Parkes, MJ, Green, S., Stevens, AM y Clutton-Brock, TH Evaluación y garantía de la seguridad del paciente durante la contención de la respiración para radioterapia. Hermano J. Radiol. 87, 20140454 (2014).
Artículo CAS PubMed PubMed Central Google Scholar
Perini, R. et al. Cursos temporales de la frecuencia cardíaca y la presión arterial durante la apnea seca prolongada en buceadores que aguantan la respiración. EUR. Aplicación J. Fisiol. 104, 1–7 (2008).
Artículo ADS PubMed Google Scholar
Wilson, DF et al. Efecto de la hiperventilación sobre la oxigenación de la corteza cerebral de lechones recién nacidos. Aplicación J. Fisiol. 70, 2691–2696 (1991).
Artículo CAS PubMed Google Académico
Meyer, JS, Gotoh, F., Takagi, Y. & Kakimi, R. Hemodinámica cerebral, gases en sangre y electrolitos durante la contención de la respiración y la maniobra de Valsalva. Circulación 33, II–35 (1966).
Artículo CAS Google Académico
Baker, WB et al. Algoritmo de modulación de presión para separar señales hemodinámicas cerebrales de artefactos extracerebrales. Neurofotónica 2, 35004 (2015).
Artículo Google Académico
Skytioti, M., Søvik, S. & Elstad, M. La variabilidad del flujo sanguíneo cerebral relacionada con la respiración aumenta durante la ventilación no invasiva en modo de control en normovolemia e hipovolemia. EUR. Aplicación J. Fisiol. 117, 2237–2249 (2017).
Artículo PubMed Google Académico
Fang, Q. & Boas, DA Simulación Monte Carlo de migración de fotones en medios turbios 3D acelerada por unidades de procesamiento de gráficos. Optar. Expreso 17, 20178–20190 (2009).
Artículo ADS CAS PubMed Google Scholar
Larsen, J. et al. Contener la respiración durante 20 s después de una espiración prolongada es un estándar práctico, eficaz y sólido para medir la reactividad cerebrovascular en adultos sanos mediante BOLD fMRI a 3 T. Neuroimage Rep. 1, 100021 (2021).
Artículo Google Académico
Zerweck, L., Hauser, T.-K., Roder, C. & Klose, U. Investigación del curso temporal de la señal de resonancia magnética basada en BOLD durante períodos cortos de contención de la respiración para la estimación de la reactividad cerebrovascular. SN compr. clin. Medicina. 2, 1551–1562 (2020).
Artículo CAS Google Académico
Wu, MM et al. Mapeo completo de la sensibilidad cerebral de la cabeza para espectroscopía de correlación difusa utilizando modelos de imágenes de resonancia magnética específicos del sujeto. biomedicina Optar. Expreso 13, 1131 (2022).
Artículo PubMed PubMed Central Google Académico
Wu, MM et al. Precisión mejorada de la cuantificación del flujo sanguíneo cerebral en presencia de diafonía de fisiología sistémica mediante el modelado de Monte Carlo multicapa. Neurofotónica 8, 15001 (2021).
Artículo Google Académico
Zhao, H., Sathialingam, E. & Buckley, EM Precisión de las mediciones de espectroscopia de correlación difusa del flujo sanguíneo cerebral cuando se utiliza un modelo analítico de tres capas. biomedicina Optar. Expreso 12, 7149–7161 (2021).
Artículo PubMed PubMed Central Google Académico
James, E. & Powell, S. Espectroscopía de correlación difusa de dominio de Fourier con detección holográfica heterodina. biomedicina Optar. Expreso 11, 6755 (2020).
Artículo PubMed PubMed Central Google Académico
Descargar referencias
La financiación fue proporcionada por el Instituto Nacional de Imágenes Biomédicas y Bioingeniería (Grant Nos. T32EB001680, R01EB033202, U01EB028660, R21EB028626 (NIBIB), F31NS118753 (NINDS)).
Centro Athinoula A. Martinos de Imágenes Biomédicas, Hospital General de Massachusetts, Facultad de Medicina de Harvard, Charlestown, MA, EE. UU.
Mitchell B. Robinson, Marco Renna, Nisan Ozana, Alyssa N. Martin, Nikola Otic, Stefan A. Carp y Maria Angela Franceschini
Universidad Bar-Ilan, Distrito de Tel Aviv, Ramat Gan, Israel
Nisán Ozaña
Departamento de Ingeniería Biomédica, Universidad de Boston, Boston, MA, EE. UU.
Nicolás Otic
También puede buscar este autor en PubMed Google Scholar
También puede buscar este autor en PubMed Google Scholar
También puede buscar este autor en PubMed Google Scholar
También puede buscar este autor en PubMed Google Scholar
También puede buscar este autor en PubMed Google Scholar
También puede buscar este autor en PubMed Google Scholar
También puede buscar este autor en PubMed Google Scholar
MBR, SAC y MAF conceptualizaron el estudio, MBR, MR, NNO y MAF planificaron los experimentos, MBR, MR, ANM y NO llevaron a cabo los experimentos, MBR analizó los datos, todos los autores interpretaron y discutieron los datos, MBR, MR, SAC y MAF prepararon el manuscrito, y todos los autores revisaron el manuscrito.
Correspondencia a Mitchell B. Robinson.
MAF tenía un interés financiero en 149 Medical, Inc., una empresa que desarrolla tecnología DCS para evaluar y controlar el flujo sanguíneo cerebral en recién nacidos. Los intereses de MAF son administrados por Mass General Hospital y Mass General Brigham de acuerdo con sus políticas de conflicto de intereses. MBR, MR, NNO, ANM, NO y SAC no tienen nada que informar.
Springer Nature se mantiene neutral con respecto a los reclamos jurisdiccionales en mapas publicados y afiliaciones institucionales.
Acceso abierto Este artículo tiene una licencia internacional Creative Commons Attribution 4.0, que permite el uso, el intercambio, la adaptación, la distribución y la reproducción en cualquier medio o formato, siempre que se otorgue el crédito correspondiente al autor o autores originales y a la fuente. proporcionar un enlace a la licencia Creative Commons e indicar si se realizaron cambios. Las imágenes u otro material de terceros en este artículo están incluidos en la licencia Creative Commons del artículo, a menos que se indique lo contrario en una línea de crédito al material. Si el material no está incluido en la licencia Creative Commons del artículo y su uso previsto no está permitido por la regulación legal o excede el uso permitido, deberá obtener el permiso directamente del titular de los derechos de autor. Para ver una copia de esta licencia, visite http://creativecommons.org/licenses/by/4.0/.
Reimpresiones y permisos
Robinson, MB, Renna, M., Ozana, N. et al. Mediciones portátiles de flujo sanguíneo de alta velocidad habilitadas por espectroscopía de correlación difusa interferométrica de longitud de onda larga (LW-iDCS). Informe científico 13, 8803 (2023). https://doi.org/10.1038/s41598-023-36074-8
Descargar cita
Recibido: 26 febrero 2023
Aceptado: 29 de mayo de 2023
Publicado: 31 mayo 2023
DOI: https://doi.org/10.1038/s41598-023-36074-8
Cualquier persona con la que compartas el siguiente enlace podrá leer este contenido:
Lo sentimos, un enlace para compartir no está disponible actualmente para este artículo.
Proporcionado por la iniciativa de intercambio de contenido Springer Nature SharedIt
Al enviar un comentario, acepta cumplir con nuestros Términos y Pautas de la comunidad. Si encuentra algo abusivo o que no cumple con nuestros términos o pautas, márquelo como inapropiado.