组织模型中葡萄糖的近红外光谱特性 
下载： 2005次
1 引言
糖尿病是一种威胁人类健康的慢性、代谢性疾病,其发病率呈逐年上升的趋势。由国际糖尿病联盟的报告[1]指出,糖尿病患者人数从2000年的1.51亿增加到2017年的4.51亿,频繁监测血糖水平对预防和控制糖尿病具有重要作用。目前,常用的血糖浓度检测方法是利用化学方法分析刺破指尖所得到的血滴,这种方法是有创检测且不连续。为了解决这一问题,迫切需要找到能够连续、准确地监测血糖浓度的无创方法。
目前,已有许多无创血糖检测的光学方法[2-4]。其中包括一些生物医学光谱学的方法,如近红外光谱[5-6]、中红外光谱[7]和拉曼光谱[8];还有一些其他光学方法,如偏振法[9-10]、光学相干断层成像法[11-12]和光声法[13-14]。生物医学光谱学通过观察光与物质在一定波长范围内的相互作用,来获得物质的含量和结构等信息,再结合优秀的算法建立预测模型[15],从而实现无创血糖的检测。然而,目前仍未有无创血糖检测方法在临床上得以应用,这是因为上述光学检测方法在生理水平上仍存在较低的精度和灵敏度[12,16]。这个问题在一定程度上由人体生理环境中血糖浓度较低和背景干扰较大所导致,但更重要的是,组织的光学性质极其复杂,需要对其进行充分研究。
人体中血糖浓度的变化会引起真皮层中葡萄糖浓度的变化,进而影响皮肤组织的光学性质。光学性质的变化会影响光的传播与分布,最终引起接收的光谱信息发生变化。在先前的研究中,一些科研小组研究了葡萄糖浓度对光学参数的影响。Kohl等[17-18]从实验和理论上研究了葡萄糖浓度对组织仿体或高散射介质中光传输的影响,确定了在650~1050 nm的波长范围内,葡萄糖浓度对吸收系数的影响。Bruulsema等[19]利用光传输扩散模型拟合反射与距离的数据,来估计生物组织的吸收系数和约化散射系数,评估约化散射系数与血糖浓度间的相关性。Chen等[20]在7000~10000 cm-1的波数范围内,通过计算讨论了葡萄糖浓度对质量分数为2% Intralipid溶液吸收系数的影响。刘冰洁等[21]从测量的角度研究了浑浊介质中近红外漫反射光谱测量的灵敏度,并给出三个灵敏度的特殊位置,基于最佳光程长的波长选择原则,在测量灵敏度最大的条件下研究了葡萄糖的吸收光谱,结果显示在1000~1160 nm的波长范围内,光谱的信噪比最低且最佳光程长最长,皮肤的穿透深度最大[22]。
目前,光学无创血糖检测方法仍未在临床上得以应用,以往主要在光学窗口的局部波长范围内研究吸收和散射等光学参数,或从测量的角度进行研究。本文从源头上进行探索,研究光源随葡萄糖浓度变化的光谱特性,分析不同波长的光对葡萄糖浓度变化的响应,有助于研究组织特性,从复杂的组织背景干扰中获取微弱的血糖信息,从而提高血糖检测的准确性。
在600~1300 nm波长范围内的光具有低吸收和深穿透的特点,有助于无创光学成像[23-24]。因此在这一组织光学窗口内研究不同浓度的葡萄糖溶液的吸收光谱特性和不同葡萄糖浓度的2% Intralipid 组织模拟液的反射光谱特性,利用单调性、线性度和灵敏度对光谱特性进行描述,该方法为高精度、高灵敏度的血糖检测奠定基础。
2 材料与方法
2.1 材料
为了研究光源随葡萄糖浓度变化的光谱特性,利用质量分数为50%的葡萄糖溶液与纯水稀释得到50,100,300,500,1000,2000 mg/dL 6个质量浓度的葡萄糖溶液。再将质量分数为20% Intralipid溶液与纯水稀释得到质量分数为2% Intralipid溶液,利用分析纯葡萄糖粉末配置得到25,50,100,150,200,300,500,1000,2000 mg/dL 9个不同葡萄糖质量浓度的2% Intralipid组织模拟液。文献[ 25]表明,质量分数为2% Intralipid溶液的光学性质与皮肤组织最为接近。实验中使用了岛津公司的紫外-可见-近红外分光光度计(UV-3600Plus,Shimadzu,Berlin)及直径为60 mm的积分球反射附件。在600~1300 nm的波长范围内,使用光程长为10 mm的石英比色皿测量各溶液对不同波长光的吸光度及反射率。光谱采样间隔为0.5 nm。
2.2 方法
根据比尔-朗伯特(Beer-Lambert)定律[26-27]获取葡萄糖在组织中的吸收光谱特性。Beer-Lambert定律:当一束近红外光照射吸收物质时,一部分光被选择性的吸收,另一部分光透过吸收物质。含有n种物质的溶液中具有波长依赖性的吸光度,可表示为
式中:ε为物质与波长相关的摩尔吸收系数;c为物质的摩尔浓度;b为相应的光程长;λ为光的波长。当入射光强度、吸收物质的组分和光程长不变时,吸光度只与物质的摩尔浓度和摩尔吸收系数有关。
漫反射光谱负载了样品的结构和组成信息,因此可通过漫反射光谱获取葡萄糖在组织中的光谱特性。漫反射分析中,漫反射率是出射光强度与入射光强度的比率,其未与样品中的组分浓度呈线性关系,与组分浓度呈线性关系的漫反射函数有两种,即漫反射吸光度AR和K-M函数[28]。AR与透射光谱的吸光度相似,可表示为
式中:R为出射光I与入射光I0的比率。AR可表示漫反射光的衰减程度,与样品浓度呈线性关系。
3 分析与讨论
实验中,在600~1300 nm的波长范围内测量纯水(w0)和6个质量浓度的葡萄糖溶液的吸收光谱、10个不同葡萄糖质量浓度的2% Intralipid组织模拟液的反射光谱及由反射率计算得到的反射吸光度,结果如
图 1. 不同葡萄糖质量浓度的溶液在600~1300 nm波长范围内的光谱曲线及局部放大图。(a)纯水和不同质量浓度的葡萄糖溶液的吸收光谱;(b)不同葡萄糖质量浓度的2% Intralipid组织模拟液的反射光谱;(c)不同葡萄糖质量浓度的2% Intralipid组织模拟液的反射吸光度
Fig. 1. Spectra curves and partial enlarged views of solutions with different glucose mass concentrations in wavelength range of 600-1300 nm. (a) Absorption spectra of pure water and glucose solutions of different mass concentrations; (b) reflectance spectra of 2% Intralipid solutions with different glucose mass concentrations; (c) reflection absorbance of 2% Intralipid solutions ith different glucose mass concentrations
实验中使用一个固定的比色皿对不同波长光的吸光度及反射率进行测量,逐渐提高比色皿中溶液的葡萄糖质量浓度,以保证在相同测量条件下研究不同质量浓度溶液的光谱。不同葡萄糖质量浓度的溶液的吸光度变化不明显,因此采用差分法:不同葡萄糖质量浓度的溶液的吸光度分别减去不含葡萄糖的溶液的吸光度,以凸显溶液的吸光度的变化情况,结果如
图 2. 吸光度的差值结果。(a)不同质量浓度的葡萄糖溶液与纯水;(b)不同葡萄糖质量浓度的组织模拟液与不含葡萄糖的组织模拟液
Fig. 2. Difference results of absorbance. (a) Glucose solutions of different mass concentrations and pure water; (b) Intralipid with different glucose mass concentrations and Intralipid without glucose
由Beer-Lambert定律可知,溶液的总吸光度是各成分吸光度的总和。因此葡萄糖溶液中,总吸光度可表示为
式中:εw为水的摩尔吸收系数;cw为水的摩尔浓度;εg为葡萄糖的摩尔吸收系数;cg为葡萄糖的摩尔浓度。增加葡萄糖溶液的质量浓度对吸收特性有两个方面的影响[17]。某种程度上,随着葡萄糖分子的加入,葡萄糖的摩尔浓度也在增加,则会引起葡萄糖的固有吸收率增强。另一方面,葡萄糖分子的加入将取代溶液中的水分子,导致水的固有吸收率减弱。总之,溶液的整体吸收特性的变化最终取决于葡萄糖吸收特性和水吸收特性的变化。当溶液中葡萄糖质量浓度变化时,ΔA(λ)为
式中:fgw为葡萄糖对水的替换因子。因此,葡萄糖质量浓度的变化会引起吸光度的变化,表达式为
在600~1300 nm的波长范围内,以0.5 nm为间隔采集不同质量浓度的吸光度数据,从单调性、线性度和灵敏度方面分析不同质量浓度的葡萄糖引起的光谱特性变化,在版本为R2018b的MATLAB环境中编程并分析数据。
3.1 单调性
当溶液中葡萄糖的质量浓度增加(减小)时,吸光度不断增加(减小),则认为该波长下的吸光度与溶液的葡萄糖质量浓度呈单调相关。如果吸光度变化为不单调,则认为其不能为血糖检测提供可靠信息。为了描述吸光度与葡萄糖质量浓度之间的单调关系,利用MATLAB中的程序分析不同葡萄糖质量浓度的溶液的吸光度。对于葡萄糖溶液的吸收光谱,在940~1000 nm、1120~1210 nm和1250~1300 nm三个光谱范围内,吸光度变化与溶液的葡萄糖质量浓度变化呈单调相关;对于组织模拟液的反射光谱,在600~710 nm、1010~1120 nm和1160~1300 nm三个光谱范围内,吸光度变化与溶液的葡萄糖质量浓度变化呈单调相关。
3.2 线性度
理论上,溶液中由葡萄糖分子引起的吸光度变化与溶液的葡萄糖质量浓度变化呈线性关系,这种线性关系有助于检测葡萄糖溶液的质量浓度。因此分析了不同波长下的吸光度与溶液的葡萄糖质量浓度之间的线性度。不同波长下的线性度L可表示为
式中:AE为实验中测得的吸光度;AC为利用端基法线性拟合得到的吸光度;
图 3. 不同波长下的线性度曲线。(a)不同质量浓度的葡萄糖溶液的吸收光谱;(b)不同葡萄糖质量浓度的组织模拟液的反射光谱
Fig. 3. Linearity curves at different wavelengths. (a) Absorption spectra of glucose solutions with different mass concentrations; (b) reflection spectra of Intralipid with different glucose mass concentrations
表 1. 葡萄糖溶液吸收光谱中L的平均值和标准差
Table 1. Average values and standard deviations of L in absorption spectra of glucose solutions
|
表 2. 组织模拟液反射光谱中L的平均值和标准差
Table 2. Average values and standard deviations of L in reflection spectra of Intralipid
|
3.3 灵敏度
随后,分析不同波长下溶液中葡萄糖质量浓度变化和吸光度变化之间的灵敏度。采用端基法对同一波长下不同葡萄糖质量浓度的溶液的吸光度进行线性拟合。灵敏度S由葡萄糖引起的吸光度变化与葡萄糖浓度变化的绝对值来表示,表达式为
式中:Δc为葡萄糖溶液中最大和最小质量浓度之间的浓度差;ΔA为葡萄糖溶液中最大质量浓度和最小质量浓度对应的吸光度之间的差值。较高的灵敏度表明此波段范围内的光波对溶液中葡萄糖质量浓度变化更为敏感。由(7)式计算不同波长处的灵敏度S,结果如
图 4. 不同波长下的灵敏度曲线。(a)不同质量浓度的葡萄糖溶液的吸收光谱;(b)不同葡萄糖质量浓度的组织模拟液的反射光谱
Fig. 4. Sensitivity curves at different wavelengths. (a) Absorption spectra of glucose solutions with different mass concentrations; (b) reflection spectra of Intralipid with different glucose mass concentrations
表 3. 葡萄糖溶液吸收光谱中S的平均值
Table 3. Average values of
|
表 4. 组织模拟液反射光谱中S的平均值
Table 4. Average values of
|
4 结论
从源头上研究不同波长处下,不同葡萄糖质量浓度的溶液中的光吸收特性和组织模拟液中的光反射特性,并从单调性、线性度和灵敏度三个方面分析光谱特性。实验结果表明,对于吸收特性,在1140~1210 nm和1130~1200 nm两个波长范围内,光谱特性表现为单调性、优异的线性度和较高的灵敏度;对于反射特性,在1010~1130 nm和1150~1300 nm两个波长范围内,光谱特性表现为单调性、优异的线性度和较高的灵敏度。这为后续系统性地进行光学无创血糖检测提供优化的光源选择,有益于提高血糖检测的精度,推动光学无创血糖检测的方法进入临床应用。
[1] Cho N H, Shaw J E, Karuranga S, et al. IDF Diabetes Atlas: global estimates of diabetes prevalence for 2017 and projections for 2045[J]. Diabetes Research and Clinical Practice, 2018, 138: 271-281.
[2] Villena Gonzales W, Mobashsher A T, Abbosh A. The progress of glucose monitoring-a review of invasive to minimally and non-invasive techniques, devices and sensors[J]. Sensors, 2019, 19(4): 800.
[3] Zhang R C, Liu S Y, Jin H R, et al. Noninvasive electromagnetic wave sensing of glucose[J]. Sensors, 2019, 19(5): 1151.
[4] 孙凯, 周华, 杨膺琨, 等. 血糖监测系统的研究进展[J]. 中国激光, 2018, 45(2): 0207003.
[6] Maruo K, Tsurugi M, Tamura M, et al. In vivo noninvasive measurement of blood glucose by near-infrared diffuse-reflectance spectroscopy[J]. Applied Spectroscopy, 2003, 57(10): 1236-1244.
[9] Pirnstill C W, Malik B H, Gresham V C, et al. In vivo glucose monitoring using dual-wavelength polarimetry to overcome corneal birefringence in the presence of motion[J]. Diabetes Technology & Therapeutics, 2012, 14(9): 819-827.
[10] 余振芳, 邱琪, 张天航, 等. 双调制多波长旋光法检测人工前房内葡萄糖的浓度[J]. 光学学报, 2016, 36(11): 1117003.
[11] Esenaliev R O, Larin K V, Larina I V, et al. Noninvasive monitoring of glucose concentration with optical coherence tomography[J]. Optics Letters, 2001, 26(13): 992-994.
[12] Larin K V, Motamedi M, Ashitkov T V, et al. Specificity of noninvasive blood glucose sensing using optical coherence tomography technique: a pilot study[J]. Physics in Medicine and Biology, 2003, 48(10): 1371-1390.
[13] El-Busaidy S, Baumann B, Wolff M, et al. Experimental and numerical investigation of a photoacoustic resonator for solid samples: towards a non-invasive glucose sensor[J]. Sensors, 2019, 19(13): 2889.
[14] 丁宇, 姚清凯, 邓丽军, 等. 基于光声技术的血糖无损检测[J]. 激光与光电子学进展, 2018, 55(3): 030009.
[15] 王晓飞, 张欣怡, 徐馨荷. 考虑多种因素的近红外光谱血糖预测模型对比[J]. 激光与光电子学进展, 2019, 56(4): 041701.
[16] Lan Y, Kuang Y, Zhou L, et al. Noninvasive monitoring of blood glucose concentration in diabetic patients with optical coherence tomography[J]. Laser Physics Letters, 2017, 14(3): 035603.
[17] Kohl M, Essenpreis M, Cope M. The influence of glucose concentration upon the transport of light in tissue-simulating phantoms[J]. Physics in Medicine and Biology, 1995, 40(7): 1267-1287.
[18] Kohl M, Cope M, Essenpreis M, et al. Influence of glucose concentration on light scattering in tissue-simulating phantoms[J]. Optics Letters, 1994, 19(24): 2170-2172.
[19] Bruulsema J T, Hayward J E, Farrell T J, et al. Correlation between blood glucose concentration in diabetics and noninvasively measured tissue optical scattering coefficient[J]. Optics Letters, 1997, 22(3): 190-192.
[20] Chen W L, Liu R, Luo Y H, et al. Preliminary study of mechanism of non-invasive blood glucose measurement based on near-infrared diffuse reflectance spectroscopy[J]. Proceedings of SPIE, 2005, 5696: 91-100.
[21] 刘冰洁, 韩同帅, 郭超, 等. 浑浊介质中近红外漫反射光谱测量灵敏度解析[J]. 光学学报, 2017, 37(2): 0230005.
[22] 张紫杨, 孙迪, 刘冰洁, 等. 1000~2500 nm宽波段的葡萄糖吸收光谱的测量波长优选[J]. 纳米技术与精密工程, 2017, 15(3): 199-204.
Zhang Z Y, Sun D, Liu B J, et al. Reasonable selection of wavelengths for glucose absorption spectrum from a wide waveband of 1000-2500 nm[J]. Nanotechnology and Precision Engineering, 2017, 15(3): 199-204.
[23] Sordillo L A, Pu Y, Pratavieira S, et al. Deep optical imaging of tissue using the second and third near-infrared spectral windows[J]. Journal of Biomedical Optics, 2014, 19(5): 056004.
[24] Parrish J A. New concepts in therapeutic photomedicine; photochemistry, optical targeting and the therapeutic window[J]. Journal of Investigative Dermatology, 1981, 77(1): 45-50.
[25] Troy T L, Thennadil S N. Optical properties of human skin in the near infrared wavelength range of 1000 to 2200 nm[J]. Journal of Biomedical Optics, 2001, 6(2): 167-176.
[26] Swinehart D F. The Beer-Lambert law[J]. Journal of Chemical Education, 1962, 39(7): 333.
[27] Amerov A K, Chen J, Arnold M A. Molar absorptivities of glucose and other biological molecules in aqueous solutions over the first overtone and combination regions of the near-infrared spectrum[J]. Applied Spectroscopy, 2004, 58(10): 1195-1204.
[28] 张洪艳. 近红外光谱技术在人体血糖无创检测中的应用研究[D]. 北京: 中国科学院大学, 2005.
Zhang HY. Study on NIR spectroscopy application in human blood glucose noninvasive measure[D]. Beijing: University of Chinese Academy of Sciences, 2005.
黄珊, 朱书缘, 赵蒙蒙, 冯继宏. 组织模型中葡萄糖的近红外光谱特性[J]. 激光与光电子学进展, 2020, 57(15): 153006. Shan Huang, Shuyuan Zhu, Mengmeng Zhao, Jihong Feng. Near-Infrared Spectroscopy Characteristics of Glucose in Tissue Phantom[J]. Laser & Optoelectronics Progress, 2020, 57(15): 153006.
PDF全文
