近红外漫射光谱(NIRS)可以用于无创评估深层组织(最高达几厘米)的血液情况,同时,利用漫射相关光谱(DCS)可以从光场时间自相关函数中提取血流指数(BFI)。目前这种无创检测手段应用广泛,但一些非均匀生物组织如脑部血液信息测量,由于受表层组织的影响,实际测得脑皮层信号带有噪声。为了获得准确的血流值,课题组提出了N阶线性(NL)算法来提取具有任意几何形态的组织的血流值。但对于深层信号中携带的浅层干扰信息,该算法去除效果不明显。本文提出将计算血流信号的NL算法与最小二乘法相结合以实现去除深层组织血流中携带的浅层血流信号。该方法用于提升临床数据的准确性具有重要意义。本文的创新型工作有:(1)模型建立:近红外漫射光技术的应用具有该特点:利用不同距离的光源探测器测得的组织深度不同,获得的信号也不相同。就复杂的非均匀组织头部结构而言,对于脑皮层信息测量,将较远距离测得的光学信号分为头皮层与脑皮层两部分信号,有利于脑皮层信号测量的准确性。因此头部模型的建立,需要根据实际情况,大致分为头皮、颅骨、脑皮层,通过蒙特卡罗(MC)仿真建立相应的光学特性模型来进行研究。(2)算法研究:本文根据建立的头部模型,进行组织分层设计,引入最小二乘的思想与NL算法相结合,通过数据拟合去除深层信号中的浅层噪声信号,从而得到准确度较高的目标组织血流。(3)实验设计:在管道中利用仿体溶液的流动模拟脑部血流变化,此时仿体流速的设计并不能像仿真实验一样,可以设计出不同波形的流速信号。但在仿体实验过程中,可以搭建上下两层玻璃管模拟表层(头皮层)、深层组织(脑皮层),利用注射泵控制仿体溶液的流速,在玻璃管中分别形成幅值与周期不同的矩形脉冲信号。该方案的设计为算法的验证提供了良好的平台。为了更好的验证该算法的效果,本研究通过计算机仿真、仿体实验和人体实验进行了验证,并结合相关系数等参数进行了定量评测。计算机仿真中,用不同的波形分别代表两层组织信号,并结合光子的蒙特卡罗仿真等信息生成DCS数据;相应地,设计并搭建了仿体实验,由此获得DCS测量数据。此外,在10名健康志愿者的70°头上位倾斜实验中获取了DCS测量数据。数据分析结果表明,无论是计算机仿真,仿体实验还是人体实验,算法的结合对提取深层组织信息具有更好的效果。本文的研究成果很大程度提高了近红外漫射光技术对血流信息提取的准确性,同时对该技术在临床的应用也具有重要指导意义。