基于512x512 SPAD阵列深度学习实现的脑血流监测
医学物理
2025-10-20 v3 生物物理
摘要
漫射相关光谱(DCS)分析红血球散射光子的自相关函数，实现对深部组织血流的无创、连续测量。多层DCS模型(两层和三层)增强脑血流指数(CBFi)灵敏度并减轻髓外组织的干扰。然而，这些模型需要多个预定义参数且计算密集，难以用于实时床旁监测。为此，我们将单光子雪崩二极管(SPAD)阵列与基于深度学习(DL)的方法集成，该方法在由两层解析模型生成的数据上进行训练。这一方法绕过传统模型拟合，实现实时CBFi监测，同时最小化浅层组织污染。我们首先使用蒙特卡洛模拟测试数据集验证了该方法，显示出对相对CBFi估计的准确性优于传统拟合方法(5.8%误差 vs 19.1%)，并提升了CBFi灵敏度(87.1% vs 55.4%)。此外，我们的方法有效地隔离了浅层血流变化，并在真实场景下比单指数拟合快750倍。我们进一步在健康成年人身上进行了评估，实现了实时CBFi监测，并在使用512x512 SPAD阵列传感器进行脑活动测试期间恢复了脉动波形。这些结果凸显了该方法在实时脑活动监测方面的潜力。
引用
@article{arxiv.2504.06997,
title = {Cerebral blood flow monitoring using a deep learning implementation of the two-layer DCS analytical model with a 512x512 SPAD array},
author = {Mingliang Pan and Chenxu Li and Yuanzhe Zhang and Alan Mollins and Quan Wang and Ahmet T. Erdogan and Yuanyuan Hua and Zhenya Zang and Neil Finlayson and Robert K. Henderson and David Day-Uei Li},
journal= {arXiv preprint arXiv:2504.06997},
year = {2025}
}
备注
23 pages, 11 figures