Research on Blood Flow Separation Algorithm of Diffuse Light Correlation Spectrum Based on ICA
-
摘要: 血流是人体的一个重要生理参数，实时测量脑部、骨骼肌及乳腺等组织的血流对疾病诊断治疗及手术、重症监护有重要意义。近红外漫射光相关谱（DCS）是新兴的组织血流测量技术，利用DCS技术进行血流测量时，每个距离的光源-探测器（S-D）均含有不同程度的表层组织和深层组织的混合信号，其中表层信号对提取深层组织的血流有较大影响。本文结合N阶线性算法（NL算法）和独立成分分析算法（ICA）对DCS技术获取的近距离和远距离光学信号进行分离处理。计算机仿真表明，本文提出的算法可以较好地分离出表层和深层组织的血流信号，对今后DCS技术在临床的血流测量应用有重要潜力。Abstract: Blood flow is an important physiological parameter of the human body. Real-time measurement of blood flow in the brain, skeletal muscle, and breast tissue is of great significance for disease diagnosis, treatment, surgery, and intensive care. Near-Infrared Diffuse Correlation Spectroscopy (DCS) is a new-type tissue blood flow measurement technology. When using DCS technology for blood flow measurement, the light source-detector (S-D) at each distance contains different degrees of mixed signals of superficial and deep tissues, among which the superficial signals show greater impact on the extraction of blood flow in deep tissues. This paper combines the Nth order linear algorithm (NL algorithm) with the independent component analysis algorithm (Independent Component Analysis, ICA) to separate and process the short-range and long-range optical signals obtained by DCS technology. The computer simulation shows that the algorithm proposed in this paper can better separate the blood flow signals of the superficial and deep tissues, and demonstrates important potential for the application of DCS technology in clinical blood flow measurement in the future.
-
肺癌作为世界范围内常见的恶性肿瘤，也是癌症死亡的主要原因[1]。随着低剂量CT筛查的开展，越来越多肺部病变得以发现，但部分病灶新旧交替，影像学特征存在重叠，为良恶性鉴别带来困难，因此评估病灶性质、对患者的预后和生活质量有重要的意义。
CT引导下经皮穿刺活检（percutaneous transthoracic needle biopsy，PTNB）于1976年被初次描述，依据活检针类型不同，可分为细针抽吸活检（fifine needle aspiration，FNA）和切割针活检（core needle biopsy，CNB）两大类，是诊断肺部病变，尤其是周围型病变的微创方法，以诊断成功率高、并发症发生率低在临床广泛应用；但部分病灶取材不充分，存在假阴性的情况，为其带来一定局限性[2]。如何早期、快速地判断病变组织是否穿刺成功是一个亟待解决的问题。
快速现场评价（rapid on site evaluation，ROSE）技术于1981年被提出，可对检查过程中样本获得的充分性给予即时反馈，指导操作者修改取样技术，如取样的部位和深度，还可以进行快速诊断。但关于ROSE能否提高诊断准确率目前尚有争议，例如：Liu等[3]回顾研究认为C-ROSE有助于指导EBUS-TBNA操作进程，但并未提高TBNA的病理诊断率；Monaco等[4]研究认为，C-ROSE对EBUS-TNBA的诊断率无明显影响，但有助于保障标本的有效性和充足度，能为流式细胞、免疫染色和分子病理学等后继检测提供优选标本。
1. 研究目的
CT引导下穿刺活检联合快速现场评价对肺部病灶的诊断是否具有指导意义是未知的，因此本研究总结现有文章，通过定量系统评价的方法，主要目标是研究CT引导下穿刺活检联合ROSE对肺部病变的诊断价值，次要目标是研究此项操作的并发症，为临床选择合理的诊断方法提供依据。
2. 材料和方法
本次系统评价根据PRISMA（系统评价和荟萃分析的首选报告项目）的指南[5]进行，以评估CT引导下穿刺活检联合快速现场评价对肺部病变诊断价值。
2.1 纳入标准与排除标准
纳入标准。①研究类型：诊断性实验，以评价CT引导下联合ROSE对肺部病变诊断价值为目标，语种为英语，可以直接或间接计算出四格表值。②研究对象：CT引导下穿刺活检前已知有肺部病变的患者。③诊断标准：因ROSE是细胞涂片的快速染色，缺乏组织学形态，因此它在诊断中不能有效区分肺癌的病理类型，只能初步判断良恶性。所以CT引导下穿刺活检联合ROSE的最终结果与金标准，即外科手术、组织病理学检查结果进行比较判断。④评价指标：可以从原始研究中找到或计算出足够的数据，如TP（真阳性率）、TN（真阴性率）、FP（假阳性率）、FN（假阴性率）、并发症的数量及类型、取材充分性。
排除标准。①未经上述金标准确诊；②评论文章、信件、动物实验、案例报告。
2.2 检索策略
我们搜索了PubMed和EMBASE，截至2022年10月，在数据库中搜索了以下关键词及其相关MeSH术语：“Biopsy，Needle”、“Tomography”、“X-ray Computed”、“Rapid On-site Evaluation”、“Lung Neoplasms”、“sensitivity and specificity”，只考虑英文出版物，同时通过以下途径获取已发表、未发表和在研研究：
①通过Pubmed的“Related Articles”功能获取已纳入研究的相关研究；②通过Science Citation Index获取已纳入研究的引用的研究；③追查已纳入研究的参考文献。
2.3 数据提取与质量评价
两位独立作者首先审查所有标题与摘要，以确定潜在的相关文章。按设计好的资料提取表提取资料，并通过讨论解决分歧。提取以下数据：
①纳入研究基本特征：第一作者、发表日期、标题、刊名、国家等。②研究对象：研究设计、样本量、诊断方法、参考实验等。③评价指标：四格表数据（真阳性、假阳性、真阴性、假阴性）。采用更新的诊断准确性研究质量评价工具（QUADAS-2）[6]，对纳入的每个研究按“是”、“否”、“不清楚”评价，对应偏倚风险等级判定为“低”、“高”或“不确定”。
3. 统计分析
在诊断性试验Meta分析中，阈值效应是引起精确研究异质性的主要原因之一，对于阈值效应通过计算灵敏度（真阳性）与特异度（真阴性的）Spearman相关系数进行判断，若二者之间Spearman相关系数呈现强负相关，且P<0.05，提示存在阈值效应，则拟合SROC曲线和计算AUC。
当纳入研究间不存在阈值效应时，进一步采用
$\chi^2 $ 检验分析纳入研究结果间的统计学异质性，并结合$I^2 $ 定量判断异质性的大小。若$I^2 $ <50％，采用固定效应模型进行合并分析，反之则采用随机效应模型进行合并分析，并通过亚组分析确定异质性来源。最后计算合并的灵敏度、特异度、诊断优势比（diagnostic odds ratio，DOR）、综合受试者工作特征（summary receiver operating characteristics，SROC）曲线下面积（area under curve，AUC）和Q指数。Q指数越大，表示诊断试验的准确性越大。运用Deek漏斗图评价发表偏倚。使用Stata13、Rev Man（版本5.3）和Meta-disc（版本1.4）软件对本系统评价中的所有统计数据进行分析，P<0.05被认为具有统计学意义。
4. 结果
4.1 文献的筛查与纳入
通过Pubmed、Embase主题词相关检索共发现文献19篇，通过参考文献发现文献4篇，浏览题目及摘要后排除文献11篇。通篇阅读后排除文献6篇，最后6篇文章符合标准纳入Meta分析，文献流程图见图1。
4.2 研究特点归纳
6项研究[7-12]均以英文发表，共计1179例受试者被纳入，951例接受了最终病理学检查（Fassina 等[8]在311例受试者中最终86例接受了组织病理学检查，Santambrogio等[11]对3例患者活检后接受15～21个月的放射学随访，因病灶没有变化被包括在真阴性组中）。前瞻性研究4项、回顾性研究2项，4项研究设置了对照组。
取材方式5项为细针抽吸活检，1项为切割针活检，ROSE染色多样（3项采用迪夫试剂，1项为甲苯胺蓝试剂，1项为亚甲基蓝试剂，1项为姬姆萨试剂）。
快速现场判读人员均为细胞病理学家。原始数据汇总见表1。纳入研究的方法学质量评价见图2。
表 1 纳入研究文献的基本资料汇总Table 1. Study characteristics and demographicsAuthor-year Country Study design No. of
patientsNo. of biopsy Main sampling
sitesRose reagent Rose reporter Sampling
methodAnila et al, 2018 India PCS 50 50 masses toluidine blue pathologist FNA Fassina et al,
2011Italy PCS 311 86 - Giemsa pathologist FNA Liu et al, 2022 China RCT 108 108 nodules Diff-quik pathologist FNA Peng et al, 2020 China RCS 205 205 nodules/masses Diff-quik pathologist FNA Santambrogio et al, 1997 Italy RCT 220 207 nodules Giemsa pathologist FNA Yiminniyaze et al, 2022 China RCS 285 285 nodules/masses Diff-quik pathologist CNB Author-year No. of patients Adequacy Complication(n) Tp Fp Fn Tn R NR R NR R NR Anila et al, 2018 50 － 39 － Pneumothorax(3) － 31 0 3 16 Fassina et al,
2011311 － 305 － Pneumothorax(13)
haemoptysis (4)
Chest pain(3)－ 77 0 3 6 Liu et al, 2022 56 52 52 41 Pneumothorax(6)
haemoptysis (10)Pneumothorax(7)
haemoptysis (11)28 2 4 22 Peng et al, 2020 132 102 － － Pneumothorax(9)
haemoptysis (2)Pneumothorax(15)
haemoptysis (2)57 4 7 64 Santambrogio et al, 1997 110 110 110 97 Pneumothorax(29) Pneumothorax(23) 63 1 7 26 Yiminniyaze et al, 2022 163 122 160 105 Pneumothorax(34)
haemoptysis (21)Pneumothorax(16)
haemoptysis (11)150 0 3 6 注：RCT为随机对照试验；RCS为回顾性研究；PCS为前瞻性研究；ROSE为快速现场评价；NR为未进行快速现场评价。 ![]()
图 2 QUADAS-2质量评价表Figure 2. Assessment of reporting quality by the QUADAS-2 scoring system4.3 阈值效应
观察ROC曲线图发现其不呈“肩臂状”分布，计算灵敏度对数与1-特异度对数Spearman相关系数，其结果为0.83（P>0.05），表明本研究不存在阈值效应。
4.4 Meta分析结果
异质性检验显示各研究间灵敏度之间存在轻度异质性（
$\chi^2 $ =12.90，P=0.02，$I^2 $ =61.20），采用随机效应模型进行效应量合并；特异度（$\chi^2 $ =3.54，P=0.62，$I^2 $ =0）、诊断比值比（$\chi^2 $ =1.81，P=0.88，$I^2 $ =0）间不存在异质性，采用固定效应模型进行效应量合并，最后得到95％ 置信区间的敏感度、特异度、DOR分别为0.94（95％ CI：0.91～0.96）、0.95（95％ CI：0.90～0.98）、159.05（95％ CI：69.59～363.49）。SROC AUC为0.98，Q指数为 0.93，具体数据见图3。![]()
图 3 CT引导下穿刺活检联合ROSE的汇总灵敏度、特异度、诊断比值比及SRCOC曲线的森林图Figure 3. Forest plot showing the sensitivity (SEN), specificity (SPE), diagnostic odds ratio (DOR), and summary receiver operating characteristic curve (SROC) of the six studies and the pooled estimates4.5 亚组分析
以研究类型：前瞻性研究与回顾性研究。发表国家：中国与非中国。发表年限：2010年之前与2010年之后为亚组进行分析。分析显示灵敏度研究间异质性来源与研究类型有关，回顾性研究灵敏度高于前瞻性研究，差异有统计学意义，具体数据分析见图4。
4.6 取材充分性、诊断准确率与并发症
共有4项研究设立了对照[9-12]，1项研究未提及取材充分性与诊断准确率[10]。图5显示了满足条件的3组研究中，R0SE组与非ROSE取材充分性与诊断准确性的结果，应用ROSE后，Meta分析显示取材充分性提高了12％（95％ CI：0.08～0.16，
$I^2 $ =0），诊断准确性提高了13％（95％ CI：0.06～0.19，$I^2 $ =41）。ROSE与非ROSE组并发症没有统计学意义。![]()
图 5 （A）ROSE组与非ROSE组取材充分性的森林图；（B）ROSE组与非ROSE组诊断准确性的森林图；（C）ROSE组与非ROSE组的并发症发生率；RD，风险差异；ROSE，快速现场评价Figure 5. (A) Forest plot comparing the adequacy rate with or without ROSE in the included studies; (B) Forest plot comparing the accuracy with or without ROSE in the included studies; (C) Forest plot comparing the incidence of complication with or without in the included studies. RD, risk difference; ROSE, rapid on-site evaluation4.7 发表偏移
应用Deeks'漏斗图进行分析，P>0.1，表示不存在发表偏移（图6）。
![]()
图 6 针对6项研究的发表偏倚检测Figure 6. Deeks' funnel plot asymmetry test for publication bias of the six studies included in the Meta-analysis5. 讨论
ROSE在肺穿刺活检中的诊断价值：CT引导下穿刺活检是肺部病灶取材常见的方法，由于其侵入性低和可接受的并发症率，临床上经常使用，但受操作者的熟练程度、病灶位置和大小的影响，仍有一些肺癌患者无法获得足够的合格样本进行准确诊断[13]，从而导致漏诊和有效治疗的延迟。在诊断性介入肺脏病学操作中，ROSE是一项实时伴随于取材过程的快速细胞学判读技术，获取满意靶标本后，操作适可而止，不仅可节省操作时间和资源，还可减少患者痛苦及并发症。
在设立对照组的3项研究中，ROSE组中329例患者中有322例取得满意标本，316例完成了准确诊断，非ROSE组中284例患者中有243例取得满意标本，237例完成了准确诊断，应用ROSE在肺部病灶取材充分性、诊断准确率分别提高12％ 和13％。
随着精准治疗时代的到来，获得足够多的样本来评估患者的病理类型、分子分型、基因状态和免疫状态，是医学上迫切需要解决的问题。Trisolini等[14]对肺癌样本多基因分析中发现，ROSE组中有更多患者获得完整的基因分型（ROSE组为90.8％，非ROSE组为80.3％），表明ROSE可以增加肿瘤细胞比例较高的样本数量，从而提高免疫组化和基因分型的成功率，避免二次手术创伤和检查的费用。
在满足纳入条件的6项研究中，应用ROSE诊断肺部病灶特异度的异质性不显著，灵敏度存在轻度异质性，通过亚组分析，发现异质性来源与研究类型有关。因回顾性研究存在选择偏移和时间偏倚，对灵敏度产生一定影响，故应用随机效应模型进行分析，合并灵敏度、特异度、AUC分别为94％、95％、0.97，表明CT引导下穿刺活检结合快速现场评价，对肺部病灶良恶性有较高的诊断准确性。CT引导下穿刺活检常见的并发症包括气胸、出血和胸膜反应等。少量气胸、出血不需特殊处理，可以自行吸收。纳入分析的6项研究中ROSE组的不良反应发生率为30.3％，非ROSE组不良反应发生率为23.9％，差异无统计学意义，表明CT引导下穿刺活检联合快速现场评价对肺部病灶的诊断具有较高的安全性。
本研究遵循诊断性试验Meta分析推荐的报告规范。虽然在进行本篇Meta分析时我们进行了细致地文献检索和数据提取，然而，仍存在一定的局限性。首先，目前国内外关于ROSE在CT引导下经皮穿刺肺活检应用的研究很少，研究结论也不尽相同；其次本研究没有将CT引导下经皮穿刺肺活检与其他影像引导方式结果进行直接比较。希望在未来的研究中收集更多的样本后继续研究这个问题。
6. 结论
总之，CT引导下穿刺活检联合快速现场评价是一种安全、实用的辅助检查手段，在肺部病变中具有较高的高诊断准确性、敏感性和特异性，可作为诊断肺部病灶的重要方法之一。
-
[1] 张玲. 缺血性卒中急性期中医治疗研究进展[J]. 中国实用医药, 2014,(2): 247−249. doi: 10.14163/j.cnki.11-5547/r.2014.02.203 ZHANG L. Research progress of traditional Chinese medicine treatment in acute ischemic stroke[J]. China Practical Medicine, 2014, (2): 247−249. (in Chinese). doi: 10.14163/j.cnki.11-5547/r.2014.02.203
[2] 刘菊华, 吕江华, 苏小钢, 等. 脑血流监测对缺血性脑卒中血管内治疗术后预后的临床研究[J]. 首都食品与医药, 2021,28(12): 49−50. DOI: 10.3969/j.issn.1005-8257.2021.12.025. LIU J H, LV J H, SU X G, et al. Clinical study of cerebral blood flow monitoring on postoperative prognosis of ischemic stroke after endovascular treatment[J]. Capital Food and Medicine, 2021, 28(12): 49−50. DOI: 10.3969/j.issn.1005-8257.2021.12.025. (in Chinese).
[3] 汪涛, 苏浩波, 顾建平. 评估下肢骨骼肌血流灌注的方法及研究进展[J]. 山西医药杂志, 2019,48(8): 904−907. DOI: 10.3969/j.issn.0253-9926.2019.08.008. WANG T, SU H B, GU J P. Methods and research progress of assessing blood perfusion of lower extremity skeletal muscle[J]. Shanxi Medical Journal, 2019, 48(8): 904−907. DOI: 10.3969/j.issn.0253-9926.2019.08.008. (in Chinese).
[4] 杨扬, 李功杰. 乳腺肿瘤CT灌注成像及其临床应用研究进展[J]. 军事医学科学院院刊, 2007,31(3): 290−293. DOI: 10.3969/j.issn.1674-9960.2007.03.026. YANG Y, LI G J. Research progress of breast tumor CT perfusion imaging and its clinical application[J]. Journal of the Academy of Military Medical Sciences, 2007, 31(3): 290−293. DOI: 10.3969/j.issn.1674-9960.2007.03.026. (in Chinese).
[5] 尚禹, 刘祎, 王冠军, 等. 结合生物体形态学信息实现功能血流成像的近红外漫射光新技术[J]. 中国医学物理学杂志, 2016,33(12): 1212−1216. DOI: 10.3969/j.issn.1005-202X.2016.12.006. SHANG Y, LIU Y, WANG G J, et al. Near-infrared diffuse optical technology for functional blood flow imaging through integrating the morphological information of biological tissues[J]. Chinese Journal of Medical Physics, 2016, 33(12): 1212−1216. DOI: 10.3969/j.issn.1005-202X.2016.12.006. (in Chinese).
[6] DURDURAN T, YODH A G. Diffuse correlation spectroscopy for non-invasive, micro-vascular cerebral blood flow measurement[J]. Neuroimage, 2014, 85: 51−63. doi: 10.1016/j.neuroimage.2013.06.017
[7] SHANG Y, GURLEY K, YU G. Diffuse correlation spectroscopy (DCS) for assessment of tissue blood flow in skeletal muscle: Recent progress[J]. Anatomy & Physiology: Current Research, 2013, 3(2): 128. DOI: 10.4172/2161-0940.1000128.
[8] SHANG Y, LI T, YU G Q. Clinical applications of near-infrared diffuse correlation spectroscopy and tomography for tissue blood flow monitoring and imaging[J]. Physiological Measurement, 2017, 38(4): R1−R26. doi: 10.1088/1361-6579/aa60b7
[9] 乐恺, 罗运晖, 张欣欣. 考虑脑脊液层的局部脑冷却传热分析[J]. 应用基础与工程科学学报, 2010,18(3): 484−492. DOI: 10.3969/j.issn.1005-0930.2010.03013. LE K, LUO Y H, ZHANG X X. Heat transfer analysis of local brain cooling considering cerebrospinal fluid layer[J]. Chinese Journal of Applied Basic and Engineering Sciences, 2010, 18(3): 484−492. DOI: 10.3969/j.issn.1005-0930.2010.03013. (in Chinese).
[10] 李俊来, 赵晓慧. 正常乳腺组织结构与超声表现[J]. 中华医学超声杂志(电子版), 2017,14(8): 561−566. DOI: 10.3877/cma.j.issn.1672-6448.2017.08.001. LI J L, ZHAO X H. Normal breast tissue structure and ultrasound appearance[J]. Chinese Journal of Medical Ultrasound (Electronic Edition), 2017, 14(8): 561−566. DOI: 10.3877/cma.j.issn.1672-6448.2017.08.001. (in Chinese).
[11] LI J, DIETSCHE G, IFTIME D, et al. Noninvasive detection of functional brain activity with near-infrared diffusing-wave spectroscopy[J]. Journal of Biomedical Optics, 2005, 10(4): 044002. doi: 10.1117/1.2007987
[12] JAILLON F, SKIPETROV S E, LI J, et al. Diffusing-wave spectroscopy from head-like tissue phantoms: Influence of a non-scattering layer[J]. Optics Express, 2006, 14(22): 10181−10194. doi: 10.1364/OE.14.010181
[13] BAKER W B, PARTHASARATHY A B, BUSCH D R, et al. Modified Beer-Lambert law for blood flow[J]. Biomedical Optics Express, 2014, 5(11): 4053−4075. doi: 10.1364/BOE.5.004053
[14] BAKER W B, PARTHASARATHY A B, KO T S, et al. Pressure modulation algorithm to separate cerebral hemodynamic signals from extracerebral artifacts[J]. Neurophotonics, 2015, 2(3): 035004. doi: 10.1117/1.NPh.2.3.035004
[15] SUTIN J, ZIMMERMAN B, TYULMANKOV D, et al. Time-domain diffuse correlation spectroscopy[J]. Optica, 2016, 3(9): 1006−1013. doi: 10.1364/OPTICA.3.001006
[16] PAGLIAZZI M, SEKAR S K V, COLOMBO L, et al. Time domain diffuse correlation spectroscopy with a high coherence pulsed source: In vivo and phantom results[J]. Biomedical Optics Express, 2017, 8(11): 5311−5325. doi: 10.1364/BOE.8.005311
[17] HYVARINEN A, OJA E. Independent component analysis: Algorithms and applications[J]. Neural Networks, 2000, 13(4/5): 411−430. doi: 10.1016/S0893-6080(00)00026-5
[18] 梁佳明, 王晶, 梅建生, 等. 基于扩散相关光谱的血流检测方法研究[J]. 光谱学与光谱分析, 2012,32(10): 2749−2752. DOI: 10.3964/j.issn.1000-0593(2012)10-2749-04. LIANG J M, WANG J, MEI J S, et al. Research on blood flow detection method based on diffusion correlation spectroscopy[J]. Spectroscopy and Spectral Analysis, 2012, 32(10): 2749−2752. DOI: 10.3964/j.issn.1000-0593(2012)10-2749-04. (in Chinese).
[19] 刘彩彩, 凌浩, 冯士杰, 等. 诱发生理状态下的脑血流动力学的无创光学评估[J]. 中国医疗设备, 2020,35(2): 36−39. DOI: 10.3969/j.issn.1674-1633.2020.02.009. LIU C C, LING H, FENG S J, et al. Noninvasive optical evaluation of cerebral hemodynamics under induced-physiological status[J]. China Medical Equipment, 2020, 35(2): 36−39. DOI: 10.3969/j.issn.1674-1633.2020.02.009. (in Chinese).
[20] 冯士杰, 桂志国, 张晓娟, 等. 基于3D打印技术的血流成像光纤探头设计[J]. 中国医疗设备, 2022,37(2): 24−28. DOI: 10.3969/j.issn.1674-1633.2022.02.006. FENG S J, GUI Z G, ZHANG X J, et al. Design of optical fiber probe for blood flow imaging based on 3D printing technology[J]. China Medical Equipment, 2022, 37(2): 24−28. DOI: 10.3969/j.issn.1674-1633.2022.02.006. (in Chinese).
[21] SHANG Y, YU G. A Nth-order linear algorithm for extracting diffuse correlation spectroscopy blood flow indices in heterogeneous tissues[J]. Applied Physics Letters, 2014, 105(13): 133702. doi: 10.1063/1.4896992
[22] SHANG Y, LI T, CHEN L, et al. Extraction of diffuse correlation spectroscopy flow index by integration of Nth-order linear model with Monte Carlo simulation[J]. Applied Physics Letters, 2014, 104(19): 193703. doi: 10.1063/1.4876216
[23] HYVARINEN A, Karhunen J, Oja E. 独立成分分析[M]. 周宗潭, 董国华, 徐昕, 等, 译. 北京: 电子工业出版社. 2007. [24] 吴小培. 独立分量分析及其在脑电信号处理中的应用[D]. 合肥: 中国科学技术大学, 2002: 73-102. DOI: 10.7666/d.y480061. WU X P. Independent component analysis and its application in EEG signal processing[D]. Hefei: University of Science and Technology of China, 2002: 73-102. DOI:10.7666/d.y480061. (in Chinese).
[25] 杨竹青, 李勇, 胡德文. 独立成分分析方法综述[J]. 自动化学报, 2002,28(5): 762−772. doi: 10.16383/j.aas.2002.05.012 YANG Z Q, LI Y, HU D W. Review of independent component analysis methods[J]. Chinese Journal of Automation, 2002, 28(5): 762−772. (in Chinese). doi: 10.16383/j.aas.2002.05.012
[26] 杨金成, 张南. 独立成分分析技术综述[J]. 舰船科学技术, 2007,29(2): 83−86. YANG J C, ZHANG N. Review of independent component analysis technology[J]. Ship Science and Technology, 2007, 29(2): 83−86. (in Chinese).
[27] 李云霞. 盲信号分离算法及其应用[D]. 成都: 电子科技大学, 2008: 13-31. DOI: 10.7666/d.Y1450260. LI Y X. Blind signal separation algorithm and its application[D]. Chengdu: University of Electronic Science and Technology of China, 2008: 13-31. DOI:10.7666/d.Y1450260. (in Chinese).
[28] HYVARINEN A, OJA E. A fast fixed-point algorithm for independent component analysis[J]. Neural Computation, 1997, 9(7): 1483−1492. doi: 10.1162/neco.1997.9.7.1483
[29] 田甲略, 朱玉莲, 陈飞玥, 等. 基于局部特征的二维白化重构[J]. 数据采集与处理, 2022,37(2): 308−320. DOI: 10.16337/j.1004-9037.2022.02.005. TIAN J L, ZHU Y L, CHEN F Y, et al. Local-feature-based two-dimensional whitening reconstruction[J]. Journal of Data Acquisition and Processing, 2022, 37(2): 308−320. DOI: 10.16337/j.1004-9037.2022.02.005. (in Chinese).
[30] 江涌, 章林柯, 何琳, 等. 两次去相关用于振动信号盲分离[J]. 振动、测试与诊断, 2011,31(2): 241−245. DOI: 10.3969/j.issn.1004-6801.2011.02.022. JIANG Y, ZHANG L K, HE L, et al. Double decorrelation for blind separation of vibration signals[J]. Vibration, Testing and Diagnosis, 2011, 31(2): 241−245. DOI: 10.3969/j.issn.1004-6801.2011.02.022. (in Chinese).
[31] LI T, GONG H, LUO Q. Visualization of light propagation in visible Chinese human head for functional near-infrared spectroscopy[J]. Journal of Biomedical Optics, 2011, 16(4): 045001. doi: 10.1117/1.3567085
[32] LI T, XUE C, WANG P, et al. Photon penetration depth in human brain for light stimulation and treatment: A realistic Monte Carlo simulation study[J]. Journal of Innovative Optical Health Sciences, 2017, 10(5): 1743002. doi: 10.1142/S1793545817430027
[33] LI T, LIN Y, SHANG Y, et al. Simultaneous measurement of deep tissue blood flow and oxygenation using noncontact diffuse correlation spectroscopy flow-oximeter[J]. Scientific Reports, 2013, 3(1): 1−10.
[34] MENG L, WANG Y, ZHANG L, et al. Heterogeneity and variability in pressure autoregulation of organ blood flow: Lessons learned over 100+ years[J]. Critical Care Medicine, 2019, 47(3): 436−448. doi: 10.1097/CCM.0000000000003569
[35] CHENG R, SHANG Y, HAYES J D, et al. Noninvasive optical evaluation of spontaneous low frequency oscillations in cerebral hemodynamics[J]. Neuroimage, 2012, 62(3): 1445−1454. doi: 10.1016/j.neuroimage.2012.05.069
[36] DIEHL R R, LINDEN D, LUCKE D, et al. Phase relationship between cerebral blood flow velocity and blood pressure: A clinical test of autoregulation[J]. Stroke, 1995, 26(10): 1801−1804. doi: 10.1161/01.STR.26.10.1801
-
期刊类型引用(1)
1. 徐舒宁，桂志国，尚禹. 漫射相关光谱在脑血流自动调节中的研究. 中国医疗设备. 2025(04): 44-49 . 
百度学术
其他类型引用(1)
下载:
计量
- 文章访问数: 510
- HTML全文浏览量: 170
- PDF下载量: 205
- 被引次数: 2
