基于超快拉曼光谱的关节软组织损伤与修复的评估方法

摘要: 本发明涉及生物医学检测与运动医学康复,特别涉及一种基于超快拉曼光谱的关节软组织损伤与修复的评估方法。背景技术:1、关节软组织损伤(包括韧带、半月板、软骨、肌肉损...
基于超快拉曼光谱的关节软组织损伤与修复的评估方法

本发明涉及生物医学检测与运动医学康复,特别涉及一种基于超快拉曼光谱的关节软组织损伤与修复的评估方法。

背景技术:

1、关节软组织损伤(包括韧带、半月板、软骨、肌肉损伤)是运动医学和骨科临床的常见疾病,占运动损伤总数的70%以上。损伤程度的准确评估及术后愈合状态的动态监测,对于制定个性化康复方案、缩短康复周期、降低再损伤风险具有重要意义。

2、目前临床常用的关节软组织检测技术主要包括核磁共振成像(mri)和超声检查。mri对软组织分辨率较高,但设备体积庞大、价格昂贵、单例检测时间≥30分钟,无法实现床边或训练场的即时检测,且对体内有金属植入物的患者存在禁忌;超声检查虽然便携、实时,但检测结果高度依赖操作者经验,对深层组织如软骨、半月板的检测精度≤75%,且难以提供量化的组织成分与结构信息。

3、拉曼光谱技术作为一种基于分子振动的无损检测技术,能够精准解析生物组织的分子结构与化学组成,已被应用于生物医学领域的组织成分分析。现有技术中,西北大学公开的cn121453669a号专利提出了一种多模式显微拉曼系统,集成了白光成像与反射、透射式拉曼模块,可实现生物组织表层及深层成分的无损分析;cn120381348a号专利公开了一种基于空间偏移拉曼光谱的牙槽骨无创检测方法,采用多波长激发与声光调制技术采集深层牙槽骨信号。

4、然而,上述现有技术存在以下核心缺陷:

5、设备便携性差:均采用实验室级大型设备,光路复杂、体积≥0.5,重量≥50kg,无法实现便携式设计,难以适配床边、训练场等康复场景的即时检测需求;

6、检测方式受限:未实现真正的经皮无创检测,易受皮肤、皮下脂肪等表层组织的信号干扰,干扰信号占比可达40%-60%,无法直接应用于康复期受试者的动态监测;

7、检测范围局限:仅针对单一组织或部位进行检测,未同时覆盖关节软组织的所有类型(韧带、半月板、软骨、肌肉),无法满足多种运动损伤的一体化检测需求;

8、评价体系缺失:仅能实现组织成分的定性或半定量分析,未建立针对损伤程度与愈合阶段的量化评价标准,无法为康复方案调整提供客观、精准的依据;

9、未适配康复监测需求:未针对康复期组织修复的动态变化优化检测参数与流程,无法实现康复全程的闭环监测与管理。

10、因此,亟需开发一种便携式、经皮无创、检测范围广、具备量化评价能力且适配康复监测需求的关节软组织损伤与修复评估方法。

技术实现思路

1、本发明提供一种基于超快拉曼光谱的关节软组织损伤与修复的评估方法,用以解决上述提出的技术问题。

2、本发明提供一种基于超快拉曼光谱的关节软组织损伤与修复的评估方法,包括:

3、s1:调试便携式超快拉曼检测仪器在安全参数范围内工作,确保信号采集的灵敏度和生物安全性;

4、s2:预处理测试部位,清除检测部位皮肤表面的污垢与毛发,基于目标关节软组织的解剖学位置结合临床体表定位标志,确定目标组织的体表投影位置;

5、s3:将便携式超快拉曼检测仪器的柔性光纤探头贴合于所述体表投影位置,连续采集5组拉曼光谱信号,取5组数据的平均值作为有效光谱信号;

6、s4:对所述有效光谱信号依次进行基线校正、噪声过滤,基于预先建立的无关组织信号特征库,对预处理后的光谱信号进行特征匹配,剔除皮肤及皮下脂肪的干扰信号,再进行归一化处理,提取目标组织的特征拉曼峰;

7、s5:基于所述特征拉曼峰,分别提取对应于韧带、半月板、软骨、肌肉的核心修复参数;

8、s6:将提取的所述核心修复参数与预设的量化评价标准进行逐一比对,综合判定目标组织的损伤程度及愈合阶段,生成包含各参数数值及偏差的定量评价报告;

9、s7:对比本次与上一次检测的定量评价报告,判断目标组织的愈合速度与康复效果,根据康复效果的不同分类,对应调整康复训练方案及仪器检测参数。

10、优选的,所述无关组织信号特征库预先存储皮肤的、特征峰数据及皮下脂肪的、特征峰数据,同时,存储各特征峰的峰形函数与半高宽参数。

11、优选的,所述核心修复参数为:

12、韧带:胶原主链振动峰强度、酰胺i带与酰胺iii带的强度比、胶原主链振动峰半高宽、胶原交联度相关峰强度;

13、半月板:胶原主链振动峰强度、、胶原交联度相关峰强度、胶原纤维排列有序度相关峰半高宽;

14、软骨:胶原主链振动峰强度、、胶原交联度相关峰强度、蛋白多糖特征峰强度;

15、肌肉:肌红蛋白特征峰强度、肌动蛋白特征峰与肌球蛋白特征峰的强度比、肌纤维完整性相关峰半高宽、肌纤维排列有序度参数。

16、优选的,所述预设的量化评价标准包括针对胶原类组织和肌肉组织的差异化损伤程度分级标准,以及针对胶原类组织和肌肉组织的差异化愈合阶段划分标准。

17、优选的,提取目标组织的特征拉曼峰,包括:

18、s41:在将柔性光纤探头贴合于体表投影位置之前,实时采集当前检测场景下受试者表层组织的背景光谱,测算得到光谱动态偏移系数,利用所述偏移系数对无关组织信号特征库内各干扰特征峰的基准强度进行逐峰动态修正;

19、s42:计算经修正后的光谱信号与特征库内干扰特征峰的匹配置信度,将该置信度定义为匹配权重;

20、s43:按照预设量化计算公式计算单处干扰峰的有效干扰扣除幅值,其中,为特征库原始存储的干扰特征峰基准强度;

21、s44:依据计算得到的有效干扰扣除幅值对光谱信号执行干扰扣除操作,设定迭代收敛阈值,实时检测扣除后光谱的干扰残留度;

22、若干扰残留度,则更新偏移系数并循环执行s42至s44,直至干扰残留度,终止迭代;

23、对迭代收敛后的纯净光谱信号进行定向筛选,分离并提取韧带、半月板、软骨、肌肉对应的目标组织特征拉曼峰。

24、优选的,对无关组织信号特征库内各干扰特征峰的基准强度进行逐峰动态修正,包括:

25、将无关组织信号特征库中的干扰特征峰按组织来源划分为皮肤特征峰组、皮下脂肪特征峰组两个独立分组;

26、分别测算皮肤特征峰组对应的第一修正系数、皮下脂肪特征峰组对应的第二修正系数;采用逐峰修正公式对各组内每一个干扰特征峰的基准强度进行动态修正,得到修正后基准强度,其中,为第n个干扰特征峰的原始基准强度,根据特征峰所属分组选取或。

27、优选的,确定目标组织的体表投影位置,包括:

28、选取至少三个不共线的临床体表基准点,采集全部基准点对应的原始坐标集合,并对每个基准点逐一标定基准点可信度系数,其中,i为基准点序号,且;

29、检测目标区域肢体围度与局部体脂厚度,计算体型修正系数;

30、根据目标组织属于浅层或深层关节软组织,匹配对应的组织深度补偿系数;

31、采集关节实时屈伸姿态角并换算得到姿态修正系数,其中,参数取值约束为:,浅层组织对应,深层组织对应,;

32、建立局部解剖坐标系,其中,以可信度最高的骨性基准点为坐标原点o,沿肢体纵轴向上为y轴正方向,垂直肢体纵轴指向关节内侧为x轴正方向,1个标准空间单位对应1mm实际长度;

33、计算各基准点之间的邻域偏差系数,结合关节实时姿态动态分配权重,权重满足;

34、当时执行坐标校正运算,在坐标校正过程中,若则动态更新权重并迭代;

35、若,判定基准点采集异常,提示重新采集基准点坐标,计算一次校正坐标集合,具体包括:

36、计算加权平移向量:,;

37、基于基准点间理论夹角与实测夹角的差值,采用最小二乘法求解最优旋转角度,生成旋转矩阵r1:

38、;

39、计算第i个基准点对应的多参数修正向量:

40、;

41、;

42、一次校正坐标计算结果为:

43、预设邻域偏差迭代阈值、迭代步长阈值;

44、若连续两次迭代所得邻域偏差的变化量小于,则启动权重梯度自适应的迭代收敛加速策略,直至满足,输出迭代收敛后的最终校正坐标集合q,其中,系统预设、

45、对最终校正坐标集合q执行轮廓分段融合处理,按照空间连续性划分为若干独立轮廓段,结合系统预设的空间位置阈值、轮廓夹角阈值、轮廓长度阈值筛选有效轮廓段并拼接为连续基础轮廓;

46、识别连续基础轮廓中的锐角拐点,以拐点及相邻轮廓端点构建三角形,求解三角形内切圆;

47、若内切圆圆心与拐点的距离大于预设误差阈值,则以切点重构三角形并重复求解内切圆,直至圆心与拐点的距离小于误差阈值;

48、采用两切点间的圆弧替换原折线拐点,得到平滑轮廓,其中,误差阈值优选1个标准空间单位;

49、提取平滑轮廓的曲率变异系数、边缘梯度分布系数、节点离散度nd,通过加权融合公式计算轮廓可信度向量v,公式如下:,式中,、、为系统预设权重系数,满足且0,、、分别为预设最大允许值;

50、引入目标组织属性参数t、关节实时姿态参数p,将轮廓可信度向量v与t、p加权聚合得到全局轮廓修正因子k,公式如下:,式中,、、r为系统预设聚合权重,满足p+q+r=1且0;

51、利用全局轮廓修正因子k对平滑轮廓执行二次拟合,依据拟合完成的最终体表投影轮廓划定目标组织的体表投影位置。

52、优选的,利用全局轮廓修正因子k对平滑轮廓执行二次拟合,包括:

53、依据平滑轮廓各位置的曲率数值,将整体轮廓自动划分为刚性轮廓区、柔性轮廓区、边缘过渡区三类独立区域;

54、对三类轮廓区域分别配置差异化区域拟合基系数、、,同时读取便携式柔性光纤探头的物理参数,换算得到探头适配修正参量s;

55、计算各区域的二次拟合系数:

56、;

57、分区域执行加权二次拟合,拟合模型为:

58、0,其中,为标准二次拟合曲线,0为原始轮廓点纵坐标,为区域拟合系数,为原始轮廓权重系数,、、为各区域的二次拟合系数,、、为各区域的轮廓权重系数;

59、逐区域计算拟合残差r,预设残差合格阈值;

60、若单一区域拟合残差r>,则更新该区域拟合基系数并重新执行对应区域的二次拟合,直至所有区域满足r≤;

61、整合全部拟合合格的轮廓区域,生成最终体表投影轮廓,并依据该轮廓划定目标关节软组织的体表投影位置。

62、与现有技术相比,本技术的有益效果如下:

63、实现了设备小型化便携化,可在床边、训练场等场景开展经皮无创、无金属禁忌的重复检测,又通过动态迭代干扰剔除算法和多参数精准体表定位技术,将皮肤及皮下脂肪干扰信号剔除率提升至89.7%,同时首次实现韧带、半月板、软骨、肌肉四类组织的一体化定量检测;依托经大样本临床验证的差异化损伤分级与愈合阶段划分标准,其评估结果与mri诊断一致性达92.3%,并能通过动态监测核心修复参数形成检测-评价-方案优化的康复闭环,临床验证可使患者平均康复周期缩短15%-20%,再损伤风险降低25%以上。

64、本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

65、下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。