DE60037437T2

DE60037437T2 - Optimierung einer lichtleitersonde für spektroskopische messungen

Info

Publication number: DE60037437T2
Application number: DE60037437T
Authority: DE
Inventors: Jeffrey J. Gilbert GARSIDE; Stephen L. Gilbert MONFRE; Barry C. Phoenix ELLIOTT; Timothy L. Gilbert RUCHTI; Glenn Aaron Chandler KEES; Frank S. Thorton GROCHOCKI
Original assignee: Sensys Medical Inc
Current assignee: Sensys Medical Inc
Priority date: 1999-10-08
Filing date: 2000-10-02
Publication date: 2008-12-04
Anticipated expiration: 2020-10-03
Also published as: WO2001027597A1; HK1046953B; EP1218725B1; NO20021626L; ATE381012T1; US6411373B1; CN100501379C; TW490555B; CA2385277A1; AU7747900A; NO20021626D0; HK1046953A1; CN1378646A; JP2003511693A; DE60037437D1; EP1218725A1

Description

Die Erfindung bezieht sich auf den Einsatz der Faseroptik zur Beleuchtung von Analytenproben und zur Bestimmung von Signalen, die bei diesen Analytenproben vorhanden sind. Die Erfindung bezieht sich insbesondere auf faseroptische Beleuchtung- und Detektionsstrukturen, Formen und Anordnungen für den Einsatz in der nicht invasiven Gesamtuntersuchung von Analyten, wie beispielsweise Blutzucker.
Wie dem Fachmann auf dem Gebiet bekannt ist, wird das empfangene Signal von der Größe, der Anordnung und der Anzahl der optischen Detektions- und Beleuchtungsfasern an dem Interface einer Sonde, mit der Licht von einer Gewebeprobe genommen und erfasst werden soll, deutlich beeinflusst.
In der Vergangenheit wurden verschiedene Versuche unternommen, um Geräte bereitzustellen, mit denen eine Gewebeprobe beleuchtet und Licht von dieser Gewebeprobe erfasst wird. Siehe beispielsweise K. Maruo, K. Shimizu, M. Oka, Device for Non-Invasive Determination of Glucose Concentration in Blood [Gerät zur nicht invasiven Bestimmung der Glukosekonzentration im Blut], Europäische Patentanmeldung Nr. EP 0 843 986 .
Doch diese Geräte haben bei weitem keine zufriedenstellenden Ergebnisse geliefert. Es wäre vorteilhaft, ein Verfahren und einen Apparat zur Optimierung von faseroptischen Beleuchtungs- und Detektionsstrukturen, Formen und Anordnungen für den Einsatz in der nicht invasiven Prognose von Analyten, wie beispielsweise Blutzucker, bereitzustellen.
US5953477 bezieht sich auf eine faseroptische Sondenanordnung für eine spektrographische Schwachlichtanalyse eines Analyten, wie beispielsweise eine Fluoreszenz abgebende Molekularprobe, bei der die Beleuchtungs- und Erfassungssichtfelder angepasst werden, um die Sondenempfindlichkeit zu optimieren. In diesem Dokument wird ein System in einer konfokalen Anordnung besprochen, bei dem eine Laserlichtquelle verwendet wird, die mit einem optischen Faserbündel und einem Erfassungsfaserbündel für Licht gekoppelt ist, das von der Probe aus gestreut ist, und es wird besprochen, wie der Lichtstrahl, der aus dieser Faser austritt, ausgedehnt wird, und dann wieder in das Probenmedium refokussiert wird. Die Erfassungsfaser wird in ähnlicher Weise wieder entlang derselben optischen Achse abgebildet, so dass ihr Sichtfeld im wesentlichen auf denselben Fokus oder Brennpunkt refokussiert wird wie das der Quellenfaser. In diesem Dokument wird auch die Verbesserung der Leistung durch Formen der Stirnfläche der Erfassungsfaser/des Faserbündels besprochen, indem durch einen flachen mittleren Abschnitt und umgebende Bereiche des Erfassungsfaserbündels lichtbrechende Flächen erzeugt werden. Der gewünschte Effekt von beispielsweise erhöhter Empfindlichkeit kann durch Strahlverfolgung (ray tracing) und/oder optische Designsoftware optimiert werden. Die Faserbündelanordnungen, wie beispielsweise ein Ring von einer Faser, zwei oder mehreren Fasern, der eine einzelne, mittlere Faser umgibt, und der die Ringfasern durch Abschrägung in einem lichtbrechenden Winkel formt, sowie die Positionierung der Fasern werden ebenfalls beschrieben.
Die Erfindung stellt ein Verfahren zur Optimierung von faseroptischen Beleuchtungs- und Detektionsstrukturen, Formen und Anordnungen für den Einsatz in der nicht invasiven Vorhersage von Analyten, wie beispielsweise Blutzucker, bereit. Wenn das optische System ordnungsgemäß modelliert ist, kann das empfangene Signal vorhergesagt werden. Durch systematische Untersuchung der Strukturen, Formen und Faseranordnungen ermöglicht es die hierin offengelegte Erfindung, den Aufbau des optischen Systems zu optimieren, indem wünschenswerte Eigenschaften in einem Systemmodell maximiert werden, beispielsweise das Signal-Rausch-Verhältnis (SNR).
In dem Beispiel des Signal-Rausch-Verhältnisses wird das Signal direkt zu der Photonenweglänge in der Dermis der Person in Beziehung gesetzt und das Rauschen ist ungefähr umgekehrt proportional zu der Intensität in Abhängigkeit von der Wellenlänge und dem Trennungsabstand von Detektor zu Beleuchtungsfaser. Außerdem kann die Anzahl von Fasern an einem Monochromator-Ausgangsschlitz und an dem Bündelende an einem Detektoroptikstapel bestimmt werden, so dass die Optimierung besonders beschränkt wird. Sobald sich diese Beschränkung an Ort und Stelle befindet, wird es wesentlich leichter, die Beleuchtungsstruktur und die Detektionsfasern zu untersuchen und zu optimieren. Schließlich wird die Form des Umfangs des Faseraufbaus durch einfache, geometrische Überlegungen diktiert.
Durch diesen ganzen Prozess hindurch sollten Beschränkungen ignoriert werden, wo immer dies möglich ist. Erst nachdem man zu einer optimalen Lösung gekommen ist, können Kompromisse hinsichtlich tolerierbarer Verluste um der Praktikabilität und der Zweckmäßigkeit willen richtig angegangen werden.
1 ist ein schematisches Diagramm, das einen kreisförmigen Aufbau mit neunzehn Fasern zeigt, wobei sich konzentrische Ringe von Fasern hinsichtlich Gesamtdurchmesser des Bündels im Vergleich zu einem Sechseck als vorteilhaft erweisen.
2 ist ein Diagramm des Abzugs im Zusammenhang mit einer größeren Anzahl von Fasern an einem Detektor.
3 ist ein Diagramm der Durchmessereffizienz, multipliziert mit der Anzahl von Fasern in Abhängigkeit von der Anzahl von Fasern, und es veranschaulicht die Kompromisse zwischen der Beleuchtungsverstärkung von erhöhten Detektoren und dem Verlust aus der damit verbundenen, geringeren Effizienz.
4 ist ein Diagramm einer Monochromator-Ausgangsschlitzintensität, die den Verlust im Zusammenhang mit Fasern veranschaulicht, die sich horizontal außerhalb der Mitte in dem Monochromator-Ausgangsschlitz befinden.
5 ist ein Diagramm des Abzugs im Zusammenhang mit einer erhöhten Anzahl von Fasern an dem Monochromator.
6 ist ein Diagramm eines zusätzlichen Abzugs, um zu verhindern, dass die Fasern an dem Monochromator angeordnet werden, ohne Licht zu empfangen.
7 ist ein Diagramm einer Schätzung eines Signals unter Verwendung von Monte-Carlo-Simulationen.
8 ist ein Diagramm der Funktion 1/Rausch mittels einer weitreichenden, radialen Fasersonde (WARF).
9 ist ein dreidimensionales Diagramm eines near-IR(NIR)-Glukose-Signal-Rausch-Verhältnisses in Abhängigkeit von der Wellenlänge und dem Trennungsabstand der Beleuchtungsquelle und dem Detektor.
10 ist ein Diagramm einer alternativen Sicht eines NIR-Glukose-Signal-Rausch-Verhältnisses, das die Höchstwerte nahe des geringsten Trennungsabstands veranschaulicht.
11 ist ein Diagramm, das die Vergrößerung eines NIR-Glucose-Signal-Rausch-Verhältnisses in dem Kombinationsband zeigt.
12 ist ein schematisches Diagramm, das ein sechseckiges faseroptisches Interface veranschaulicht.
13 ist ein schematisches Diagramm, das ein quadratisches faseroptisches Interface veranschaulicht.
14 ist ein schematisches Diagramm, das eine sechseckige Anordnung mit einem überlagerten Kreis veranschaulicht, und zeigt, wie nahe ein Sechseck bei einem Hex Pack einen Kreis repräsentiert.
15 ist ein schematisches Diagramm, das eine quadratische Anordnung mit einem überlagerten Kreis veranschaulicht, und geringfügige Verluste im Zusammenhang mit einer quadratischen Konfiguration gegenüber einer sechseckigen Konfiguration zeigt.
16 ist ein schematisches Diagramm, das ein sechseckiges Hautinterface mit einem Klassifizierungsdetektor zeigt.
17 ist ein schematisches Diagramm, das eine faseroptische Struktur mit 200/200 μm (Kern/Hülle) an einem Monochromator-Ausgangsschlitz veranschaulicht, an dem eine Konfiguration von 105 Fasern aufgezeigt ist (d. h. die exakte Menge).
18 ist ein schematisches Diagramm, das einen UltraSil-Faserbündelendpunkt an einem Detektoroptik-Endpunkt zeigt, an dem eine Konfiguration von 52 Fasern aufgezeigt ist.
19 ist ein schematisches Diagramm, das ein Klassifizierungsrechteck an dem Hautinterface veranschaulicht (um 90 Grad gedreht gezeigt).
20 ist ein schematisches Diagramm, das ein rechteckiges Hautinterface mit einem Klassifizierungsdetektor veranschaulicht.
21 ist ein Koordinatenschema für ein nicht invasives Gewebemodell.
22 ist ein Diagramm, das die Oberflächenreaktion des Alphaverhältnisses (α₁) gegenüber dem radialen Erfassungsabstand und der Wellenlänge zeigt.
23 ist ein Diagramm, das die Oberflächenreaktion des Alphaverhältnisses (α₂) gegenüber dem radialen Erfassungsabstand und der Wellenlänge zeigt.
24 ist ein Diagramm, das die Oberflächenreaktion des Alphaverhältnisses (α₃) gegenüber dem radialen Erfassungsabstand und der Wellenlänge zeigt.
25 ist ein schematisches Diagramm, das eine WARF-Sonde aufweist, die mit einer einzelnen Beleuchtungsfaser konstruiert ist, welche radial von Sätzen von sechs Detektionsfasern in den folgenden Abständen von Beleuchtung zu Detektion umgeben ist: 0,23, 0,77, 1,3, 2,08, 2,90, 3,71, 4,70, 6,70, 8,7, 10,7, 14,7 mm.
26 ist ein Diagramm, das die Intensität nicht invasiver Armspektren gegenüber der Wellenlänge für verschiedene Beleuchtungs-Detektions-Abstände zeigt.
27 ist ein Diagramm, das die Koeffizienten a_λ und b_λ von Daten zeigt, die mit einer WARF-Sonde erfasst wurden, sowie die resultierenden Werte.
28 ist ein Diagramm, das das Ausmaß der Wasserabsorbanz an jedem Detektionspunkt der WARF-Sonde (1–10) zeigt. Es veranschaulicht die Klassifizierung nach Geschlecht, die auftritt, wenn sich der Abstand zu den Beleuchtungsfasern erhöht.
29 ist ein Diagramm, das das voraussichtliche Messgeräusch (in Absorbanzeinheiten) für verschiedene Beleuchtungs-Detektions-Abstände bei drei separaten Wellenlängen zeigt und
30 ist ein Diagramm, das die Veränderung der Proben zueinander, innerhalb der Proben und der Gesamtproben gegenüber dem Beleuchtungs-Detektions-Abstand zeigt.
Die Erfindung bezieht sich auf die Entwicklung einer optimierten Fasersondengeometrie für den Einsatz in dem Bereich diffuser Reflexionsspektroskopie und diffuser Transmissionsspektroskopie. Während die bevorzugte Ausführungsart der Erfindung nicht invasive Messungen betrifft, umfassen andere Anwendungen der Erfindung Messungen der Feuchtigkeit, von Fett und Protein in landwirtschaftlichen Produkten, wie beispielsweise Zucker in Obst oder Protein in Getreide; Überwachung der Reaktion von Schlammlösungen; Textilherstellung; Polymerschmelzen, Kügelchen und Zusätze; Polymer-Zugfestigkeit; Wirkstoffe pharmazeutischer Tabletten und Wirkstoffe von gelatinebeschichteten Tabletten (Caplets), um nur einige wenige zu nennen. Diese Anwendungen können entweder während einer Qualitätskontroll/Qualitätssicherungsanalyse durchgeführt werden oder sie können auf die Echtzeitprozesskontrolle angewendet werden.
Die Erfindung stellt einen Prozess für den Aufbau von faseroptischen Bündeln in spezifischen Strukturen und Formen und Abständen (zwischen Beleuchtungs- und Detektionsfasern) bereit. Zu Beginn ist der Aufbau auf die Verwendung von spezifischen Faserarten und Detektorgrößen beschränkt, was den Optimierungsprozess deutlich vereinfacht (siehe Tabelle 1 unten). Die Erfindung liefert ein faseroptisches Bündel, das sowohl Beleuchtungsfasern als auch Detektionsfasern umfasst. In der bevorzugten Ausführungsart der Erfindung besitzen die Beleuchtungs- und Detektionsfasern dieselben Merkmale, wobei diese Fasermerkmale jede beliebige Art, Größe, Blendenzahl und jedes beliebige Kern-/Hüllenverhältnis umfassen. Tabelle 1. Bevorzugte Faserarten

Faser Spezifischer Typ Blendenzahl (NA) Größe (Kern/Hülle

Beleuchtung UltraSil 200T* 0,22 200/240 μm

Detektion TCL-MA200H* 0,29 200/220 μm

*Erhältlich von SpecTran Specialty Optics of Avon, Connecticut. Es wird darauf hingewiesen, dass die Pufferschicht in der bevorzugten Ausführungsart der Erfindung von den Faserenden entfernt werden sollte.

Bei dem in der bevorzugten Ausführungsart verwendeten Monochromator handelt es sich um den Minichrome Monochromator, der von Optometric of Ayer, MA hergestellt wird. Die bevorzugte Detektorgröße wird mit 1 mm Durchmesser vorgeschrieben.
Diese Konstruktionsentscheidungen sollten vor Beginn von Modellierungsversuchen oder der Anwendung eines Optimierungsplans, wie er hierin beschrieben ist, getroffen werden.
Aus den obigen Konstruktionsentscheidungen können verschiedene Informationen abgeleitet werden. Dazu gehören zuallererst eine Kurve, mit der die Intensität am Ausgangsschlitz des Monochromators berechnet wird. Bei der zweiten Information handelt es sich um eine Funktion, die sich der Effizienz der Fokussierung der Lichtes von dem Detektorfaserbündel durch einen langen Weilenpassfilter, zwei Linsen und ein Fenster auf den Detektor selbst annähert.
Das Signal, das von Interesse ist (das in dem Ausführungsbeispiel der Erfindung die der Glukose zuzuordnende Absorbanz ist) wird als proportional zu dem Verhältnis der Weglänge des Durchschnittsphotons in der Dermis der Haut der Person zu seiner Gesamtweglänge, d. h. der Photonenverteilung entlang einem Durchschnittsweg, angesehen. Es wurde ein Gewebemodell entwickelt und eine Monte-Carlo-Simulation (siehe unten) durchgeführt, um die durchschnittliche Weglänge zu berechnen, die das Photon zurückgelegt hat, sowie welcher Bruchteil dieser Weglänge sich in der Dermis der Person befand.
Das Rauschen wird nach einigen mathematischen Vereinfachungen unter Verwendung eines Rauschmodells (siehe unten) der Intensität der Probe (z. B. des Arms der Person) angenähert. Diese Daten wurden aus einer (unten beschriebenen) weitreichenden, radialen Fasersonde (WARF) ermittelt. Eine Funktion wird dann empirisch an die Daten angepasst. Mit dieser Funktion wird die erforderliche Darstellung des Rauschens erzeugt.
Alle diese Informationen sind in ein einziges Programm integriert, das ein grafisches Benutzerinterface verwendet, um eine interaktive Konstruktion und Analyse eines willkürlichen Faseraufbaus zu ermöglichen. Die Konstruktionen werden gespeichert und als Eingangsdaten in einen genetischen Algorithmus verwendet, der die besten Konstruktionen und Versuche, sie zu verbessern, auswählt. Die beste Struktur wird dann leicht modifiziert (was normalerweise zu marginalen, inkrementellen Verbesserungen führt), um eine durchgehend regelmäßige Struktur zu ergeben und in die ausgewählte externe Geometrie zu passen (in diesem Fall ein Sechseck oder ein Rechteck).
Schließlich weist die Konstruktion ein drittes faseroptisches Feld für die Detektion auf, weil es die Subjekt-Klassifizierung verbessert (siehe beispielsweise S. Malm, T. Ruchti, Ein Intelligentes System für die nichtinvasive Blutanalytenvorhersage, U. S. Patentanwendung, Aktenzeichen 09/359, 191, eingereicht am 22. Juli 1999), von der angenommen wird, dass sie eine wichtige Vorstufe für die Algorithmusanwendung ist.
Detaillierte Beschreibung
Optimierung
Im allgemeinen ist es wünschenswert, die beste oder die optimale Lösung zu konstruieren, was darauf hinweist, dass die Verbesserung einer Konstruktion nicht mög lich ist. Doch angesichts von Konstruktionszwängen meint der Begriff optimale Lösung angesichts der Kompromisse und praktischen Überlegungen meistens die beste Lösung. Der Begriff Optimierung, wie er hierin verwendet wird, bedeutet die Maximierung einer Kosten- oder Evaluierungsfunktion, die in gewisser Art und Weise auf einem vordefinierten Satz mathematischer Operationen basiert. Hinsichtlich der hierin beschriebenen, bevorzugten Ausführungsart der Erfindung handelt es sich bei der Evaluierungsfunktion um eine Berechnung des modellierten Signal-Rausch-Verhältnisses. Das Optimierungskriterium maximiert die Summe dieser Evaluierungsfunktion in einem Teil des Kombinationsbandes (2100–2250 nm), das für die Absorption des Glukosemoleküls in diesem Bereich als repräsentativ erachtet wird.
Gewichte & Abzüge
Detektorabzug
Wie oben besprochen wurde, wird das Licht von dem Detektor mit Hilfe eines Zwei-Linsen-Systems auf den Detektor fokussiert. Das Detektorfaserbündel hat vorzugsweise dieselbe Form wie der Detektor (d. h. kreisförmig), um die Lichtmenge, die die Detektorfasern verlässt, und auf den Detektor trifft, zu maximieren. Folglich ist die optimale Anordnung der Detektorfasern an der Linse kreisförmig. Während sich die Anzahl von Detektorfasern erhöht, vergrößert sich sowohl der Raum, den diese Fasern einnehmen, als auch der Radius des Faserbündels. Die Fasern am Umfang des Faserbündels tragen weniger Licht zu dem Detektor bei als die Fasern in der Mitte des Bündels. Da die Abbildung des Faserbündels auf die Größe des Detektors beschränkt ist und die Vergrößerung endlich ist, wird die optische Strahlung bei höherer Bündelgröße außerdem weniger effizient erfasst. Dieser Effekt lässt sich mittels eines Zemax^TM Raytrace Modells (hergestellt von Focus Software, Inc., Tuscon, Arizona) quantifizieren, um eine Gesamteffizienz an Licht, das dem Detektor in Abhängigkeit von dem Faserbündelradius zugeführt wird, bereitzustellen, sobald der Standort und die Spezifikationen für die Linsen und alle anderen Elemente in den optischen Pfaden festgelegt sind. Die Effizienz kann dann als Detektorradiusabzug angesehen werden, der die Optimierung des Detektorfaserbündels erlaubt.
Um diese Informationen zu nutzen, muss der Detektorfaserbündelradius für eine vorgegebene Anzahl von Fasern bestimmt werden. Für die Zwecke der Simulation wird angenommen, dass die Fasern in einer Art und Weise platziert werden, die den Faserbündelradius minimiert. Die beste Alternative für diese Minimierung ist die Platzierung der Fasern in konzentrischen Ringen. Während es intuitiv so erscheinen mag als sei eine Hex Pack-Konfiguration effektiver als die Konfiguration eines konzentrischen Ringes, veranschaulicht eine theoretische Anordnung mit neunzehn Fasern, dass dies nicht der Fall ist (siehe 1).
Die tatsächliche Kostenfunktion im Zusammenhang mit dem Faserbündelradius besteht in der Festlegung der optimalen Anzahl von Detektorfasern. In 2 ist zu erkennen, dass die Lichteffizienz abnimmt, wenn die Anzahl von Fasern steigt. Diesem Effzienzverlust wirkt die höhere Lichtmenge entgegen, die durch die größere Anzahl von Fasern geliefert wird.
3 veranschaulicht den Bereich von Interesse, der dazu verwendet wird, den optimalen Kompromiss zwischen der Erhöhung der Anzahl von Fasern und der Effizienz des optischen Aufbaus des Detektors zu bestimmen. Anfangs nimmt die Gewichtsfunktion zu, während sich die Anzahl der Detektionsfasern erhöht. Doch an einem Punkt um 54 Fasern herum wird das zusätzliche Licht durch die Ergänzung weiterer Fasern durch den zunehmenden Verlust an Effizienz überschattet. Deshalb gewinnt man durch die Ergänzung weiterer Fasern nichts.
Aus 3 ist zu erkennen, dass die theoretische Kurve dieser Interaktion nicht gleichmäßig ist. Dies ergibt sich aus einer Änderung des Faserpackungteils an dem Detektorbündelende. Durch Ergänzung einer inkrementalen Anzahl von Fasern erhöht sich der Durchmesser des Faserbündels nicht linear. Wenn man von sechzig auf einundsechzig Fasern erhöht, erhöht sich der Bündeldurchmesser sogar überhaupt nicht. Da der theoretische beste Packungsteil bei der Herstellung nicht erreichbar ist, wird es für das Beste erachtet, die in 3 gezeigte, praktische Funktion zu verwenden.
Es wird darauf hingewiesen, dass Detektorfasern vorzugsweise derart positioniert werden, dass eine mittlere Faser des Bündels an dem Detektor ebenfalls am Faserbündel an der Dermis der Person zentriert wird, so dass sich die mittlere Faser an jedem Ende des Bündels in der Mitte befindet. Diese Anordnung wird vorzugsweise auf jede Faser in dem Bündel angewendet: so sind beispielsweise die äußersten Fasern an jedem Ende die äußersten.
Monochromator Abzüge
Der Ausgangsschlitz des Monochromators ist rechteckig, was zur besten, rechteckigen Form für das Monochromator-Faserbündel führt. Für den Fachmann wird damit der Einsatz einer sechseckigen Packungsanordnung nahegelegt, um den Packungsteil zu maximieren, was wiederum die Lichtmenge maximiert, die von dem Monochromator erfasst wird.
Die optischen Abmessungen des Monochromators helfen dabei, die optimale Größe für das Monochromator-Faserbündel zu bestimmen. Um die gewünschte Auflösung von dem Monochromator zu erhalten, sollte die Höhe für den Monochromatorschlitz kleiner als 1 mm sein. Wenn man dies berücksichtigt, ist die Anzahl von Reihen sofort eingestellt. Angesichts der Anzahl von Reihen in dem Faserbündel, lässt sich die optische Schlitzhöhe nach der folgenden Gleichung bestimmen:
Wenn die Gesamtanzahl an Beleuchtungsfasern schließlich bekannt ist, kann die Gesamtzahl von Fasern in jeder Reihe sowie die Breite des Faserbündels berechnet werden.
Es wird darauf hingewiesen, dass Beleuchtungsfasern vorzugsweise derart positioniert werden, dass eine mittlere Faser des Bündels an dem Monochromatorschlitz ebenfalls an dem Faserbündelinterface mit der Person zentriert ist (bei der Dermis der Person handelt es sich um einen Innenabschnitt des Hautgewebes, so dass das Faserbündelinterface nicht an der Dermis auftritt), so dass sich die mittlere Faser an jedem Bündelende in der Mitte befindet. Diese Anordnung wird vorzugsweise auf jede Faser in dem Bündel angewendet: so sind beispielsweise die äußersten Fasern an jedem Ende die äußersten.
Fasern in dem Bündel, die weiter von der Mitte entfernt sind, erfassen und verteilen weniger Licht auf die Hautoberfäche. Dieser Effekt kann durch die Verwendung eines Opticad^® Raytrace Modells (hergestellt durch Opticad Corp., Santa Fe, New Mexico) quantifiziert werden. 4 veranschaulicht die Ergebnisse von drei dieser Strahlverfolgungs-Simulationen und deren Durchschnitt, der in den Simulationen verwendet wurde. Wenn man aus Gründen der Einfachheit eine gleichmäßige Vertei lung der Fasern an dem Monochromatorausgangsschlitz annimmt, kann die durchschnittliche Intensität in jeder Beleuchtungsfaser berechnet werden. Der Wert der Strahlverfolgungsergebnisse wird (über der berechneten Monochromatorschlitzhöhe) gemittelt, um einen Einteilungsfaktor für das gesamte Monochromator-Faserbündel zu erhalten (siehe 5). Der Einteilungsfaktor ist eine Zahl zwischen und 0 und 1, die darstellt, welchen Bruchteil der maximalen Intensität (die mit 1,0 an der Mitte des Monochromatorausgangsschlitzes definiert wird) jede Beleuchtungsfaser voraussichtlich hat.
Aus 4 ist ersichtlich, dass ein Faserversatz von mehr als 2,4 mm horizontal von der Mitte des Monochromatorausgangsschlitzes kein Licht zuführt. Mit dem oben beschriebenen Verfahren wird dieses Szenario nicht hinreichend pönalisiert.
Mit der Verdoppelung der Anzahl von Fasern wird das Licht halbiert (es wird daran erinnert, dass dies alles getestete Durchschnittsfasern sind) und die Simulation liefert Licht an die Probe durch die Fasern, die kein Licht empfangen. Deshalb ist ein zusätzlicher Monochromatorgrößenabzug eingeschlossen, der die Szenarien weiter pönalisiert, bei denen die Größe der Monochromatorschlitzhöhe größer ist als 4,8 mm (siehe 6). Für die vorgeschlagene Fasergröße und Monochromatorgröße tritt der Breakpoint in der Abzugsfunktion (penalty function) bei 105 Fasern ein. Wenn weitere Fasern hinzugefügt werden, liefern sie kein Licht zur Probe.
Einteilungsfaktoren
Daten zur Berechnung des Rauschens erhält man mit der WARF-Sonde mit einer ersten Art von Fasern F1, beispielsweise 300/330/370 μm (d. h. Kern/Hülle/Puffer). Um diese Daten für die Simulation anderer Fasergrößen zu verwenden, müssen bestimmte Einteilungsfaktoren berücksichtigt werden. Die an die Haut gelieferte Lichtmenge ist proportional zu dem Bereich der Beleuchtungsfaser. In ähnlicher Weise ist die an der Haut erfasste Lichtmenge proportional zu dem Bereich der Detektorfaser. Der Einteilungsfaktor für den Faserbereich lautet sodann wie folgt:

(diameter = Durchmesser detector core = Detektorkern illumination core = Beleuchtungskern)

Die Blendenzahl (NA) aller F1-Fasern beträgt 0.22. Für die vorgeschlagenen Beleuchtungsfasern beträgt NA also 0,22. Ein Einteilungsfaktor ist nicht erforderlich. Für die Detektorfasern wird eine NA von 0,29 gewählt, um die erfasste Lichtmenge zu maximieren. Ein Einteilungsfaktor von gleich dem Quadrat der NA-Verhältnisse wird verwendet:

(detector fiber = Detektorfaser)

Die Daten, die mit der WARF-Sonde erfasst werden, berücksichtigen die Wirkung einer Faser, die in der Mitte eines Ringes von sechs Fasern platziert ist. Je nach dem, ob es sich bei der einen Faser in der Mitte um eine Erfassungsfaser oder eine Beleuchtungsfaser handelt (und ob die sechs Fasern Beleuchtungsfasern bzw. Erfassungsfasern sind), treten aufgrund von Ineffizienzen in der Detektoroptik Intensitätsschwankungen auf. Für die Simulationen ist es wünschenswert, festzustellen, welche Wirkung eine Beleuchtungsfaser auf eine Detektionsfaser hat, wenn sie vollständig auf den Detektor fokussiert ist. Dazu wird ein Vergleich zwischen den oben beschriebenen Fällen durchgeführt und ein Einteilungsfaktor von 1,475 wird als der entsprechende Einteilungsfaktor festgelegt.
Signal
Das Signal von Interesse – in diesem Fall die Absorbanz infolge Glukose – wird (nach Beers Gesetz) als proportional zur Weglänge des Lichtes angenommen, wenn es durch die Dermis verläuft, L_Dermis, genannt. Weil sich Glukose vornehmlich in dem vaskularisierten Teil der Dermis befindet, wird das Glukosesignal außerdem durch den Bruchteil der Weglänge in der Dermis besser repräsentiert, wenn es durch die Gesamtweglänge (L_Dermis/L_Total) geteilt ist. In einem Medium, in dem die Intensität mit dem Fasertrennungsabstand nicht abnimmt, ist das beste Szenario für die Erfassung des Glukosesignals das Szenario, das mit einem maximalen L_Dermis/L_Total-Term empfangen wird. In dem Fall wird jede faseroptische Struktur, die ein Maximum für diesen Term ergibt, gegenüber allen anderen bevorzugt, auch wenn andere Signaldefinitionen möglich sind.
Diese Informationen werden für den Wellenlängenbereich, der von Interesse ist, sowie für eine Vielzahl von Fasertrennungsabständen (Trennungsabstände Beleuchtungsfaser zu Detektionsfaser) festgelegt. Sie dienen als Signal für die Berechnung des Signal-Rausch-Verhältnisses (SNR). Die Daten wurden zusammengestellt und zur leichteren Darstellung und Berechnung in einer Kurve ermittelt (siehe 7).
Rauschen
Das Rauschen (in Absorbanzeinheiten) in dem System wird meistens dargestellt durch:

(noise = Rauschen)

_R

_S

_R

_S

_λ

Der Beitrag der WARF-Sondenergebnisse zu der Gesamtkostenfunktion besteht darin, dass der Rauschanteil des Signal-Rausch-Verhältnisses berechnet wird. Daten über die WARF-Sonde existieren über die Wellenlängenbereiche, die von Interesse sind, sowie bei verschiedenen Abständen (Trennung von Beleuchtungsfasern und Detekti onsfasern). Eine Beschreibung dieses Systems liegt außerhalb des Geltungsbereichs dieser Diskussion. Die Daten wurden zusammengestellt und zur leichteren Darstellung und Berechnung in einer Kurve ermittelt (siehe 8).
Algorithmus für die Berechnung
Um einen potentiellen Faseraufbau zu evaluieren, werden die oben beschriebenen Größen zu einer Evaluierungsfunktion vereinigt. Diese Evaluierungsfunktion berücksichtigt die Trennung in Faserabständen, das Signal-Rausch-Verhältnis (SNR) und die verschiedenen Aspekte des Monochromatorausgangsschlitres und des Detektoroptikstapels. In ihrer funktionalen Form wird die Evaluierungsfunktion, die wiederum eine Funktion der Wellenlänge ist, für den i^th Detektor wie folgt berechnet:
wobei EF_i die Evaluierungsfunktion für den i^th Detektor ist; das Signal S und das Rauschen N sind Funktionen der Wellenlänge λ und des Trennungsabstandes d zwischen Beleuchtungsfaser und Detektionsfaser; DP ist der Detektorabzug als Funktion der Anzahl von Detektionsfasern; MP ist der Monochromatorabzug als Funktion der Anzahl von Beleuchtungsfasern; MSP ist der Monochromatorgrößenabzug als Funktion der Anzahl von Beleuchtungsfasern und SF ist ein Einteilungsfaktor als Funktion von Fasergrößen und -arten.
Die tatsächliche Funktion ist schwer zu evaluieren, doch Rechenschritte lassen sich vermeiden, indem man folgendes tut:

1) Feststellen, dass das Signal-Rausch-Verhältnis für ähnliche Fasertrennungsabstände das gleiche ist. Somit kann das Signal-Rausch-Verhältnis für jeden einzelnen Abstand berechnet und dann mit der Anzahl der Detektor/Beleuchtungsfaserpaare in diesem Abstand multipliziert werden (siehe 9 und 10).
2) DP*MP*MSP*SF müssen innerhalb der Addition nicht berechnet werden.
3) Das Signal und das Rauschen müssen für jeden einzelnen Abstand nur einmal berechnet werden und können dann zur späteren Verwendung im Speicher abge speichert werden. Dadurch werden äußerst zeitaufwändige Neuberechnungen vermieden.
4) Vorberechnen der Abstände zwischen allen Fasern und Verwenden einer Nachschiagetabelle, um den Trennungsabstand zwischen zwei spezifischen Fasern zu bestimmen.

Wenn nur der Signalterm auf 1,0 eingestellt ist, weil das Rauschen proportional zu der Intensität einer Arm-Abtastung ist, sagt die Evaluierungsfunktion die Intensität von einer Arm-Abtastung vorher. Dies erlaubt eine Modellvalidierung an einer F1-Fasersonde oder an einem beliebigen, üblichen Bündel, das ausgeführt wird.
Optimierung
Die Evaluierungsfunktion wird zum Vergleich und zur Gegenüberstellung von Konstruktionen verwendet. Beispielsweise wird die Entscheidung getroffen, diese Konstruktion für das maximale Signal-Rausch-Verhältnis in dem Kombinationsband (siehe 11) zu optimieren. Im Ergebnis ergibt die Optimierung:
Das heißt, das best design (die beste Konstruktion) für eine bestimmte Detektionsfaser ist die Konstruktion, die die Evaluierungsfunktion für diesen Detektor über den Wellenlängenbereich, der von Interesse ist, – hier 2100 bis 2250 nm – maximiert.
Um festzustellen, welche Struktur die besten Resultate hervorbringt, wurden hunderte von Initialisierungsstrukturen untersucht. Jede dieser Strukturen wird als Eingabe für einen genetischen Algorithmus verwendet, der die besten Strukturen beibehält und diese zu verbessern versucht. Nach einem bestimmten Ausmaß von Bemühungen wird der genetische Algorithmus eingestellt und die besten Resultate werden untersucht. Meistens werden jene Resultate auf vernünftige Art und Weise modifiziert, um etwas bessere Ergebnisse zu erzielen.
Der genetische Algorithmus erzeugt ein Ergebnis ähnlich dem, das in 12 dargestellt ist. Die schwarzen Kreise B repräsentieren Beleuchtungsfasern und die grauen Kreise R und G sind Detektionsfasern mit 1,0 μm und 2,6 μm. Die Grundstruktur umfasst alternierende Spalten aus Beleuchtungsfasern und Detektionsfasern.
Bei dem gezeigten Umfang handelt es sich ungefähr um ein Quadrat (siehe 13). Doch wenn es machbar ist, ein Faserbündel mit einem sechseckigen Umfang herzustellen, kommt es zu einer Verstärkung im Nettosignal.
Idealerweise ist der Umfang ein Kreis. Die beste Annäherung an einen Kreis mit hexpacked Fasern ist ein Sechseck, wie in 14 gezeigt. Ein Quadrat ist ebenfalls machbar; es liegt innerhalb von ca. 5% der vorhergesagten Ergebnisse eines Sechsecks. Man vergleiche das Diagramm einer Sechseck-Konfiguration von 14 mit dem Diagramm von 15 mit einer quadratischen Konfiguration. Beide Diagramme wurden durch Kreise überlagert, um darzustellen, wie nahe dieser Umfang jeweils dem Idealfall kommt.
Endgültige Konstruktion
Die Optimierung der Evaluierungsfunktion ergibt eine optimale Struktur. Wenn der Umfang integriert wird, der eine ausreichende Anzahl von Fasern (beispielsweise größer oder gleich der optimalen Anzahl) umfasst und eine Klassifizierungs-Fasergruppe in einem angemessenen Abstand hinzugefügt wird, ist das Ergebnis in 16 zu sehen. Diese Konfiguration enthält 217 Fasern in der Hauptsechseckstruktur (109 Beleuchtungsfasern und 108 Detektionsfasern – 54 Faser jeden Typs) und eine Gruppe von 56 Fasern in der Klassifizierungsgruppe. Da nur 105 Beleuchtungsfasern erforderlich und wünschenswert sind, sind vier der Fasern B in schwarzer Farbe nicht mit dem Monochromator-Ausgangsschlitz-Bündelende verbunden (siehe 17). Es handelt sich dabei gewissermaßen um tote Fasern an dem Hautinterface. In ähnlicher Weise sind auch zwei jeder Detektionsfaser R, G, die in grauer Farbe dargestellt sind, nicht in dem Endpunkt an der Detektoroptik eingeschlossen (siehe 18). Vier Fasern in dem Klassifizierungsbündel sind nicht in diesem speziellen Endpunkt enthalten (siehe 19). Dies erlaubt eine gewisse Toleranz für gebrochene, gerissene oder tote Fasern, nachdem der Haut-Interface-Endpunkt des Faserbündels hergestellt ist.
Es folgen die Spezifikationen für das sechseckige Bündel (siehe Tabelle 2 unten). Diese Zahlen umfassen keine mechanischen Toleranzen. Bei den Abmessungen wird +5 μm am Außendurchmesser der Fasern angenommen, um Herstellungsabweichungen zu berücksichtigen.

• Anzahl der Beleuchtungsfasern: 109
• Anzahl der Detektionsfasern: 54 eines jeden Typs (56 an dem Klassifizierungsbündel)
• Größe des (mechanischen) Ausgangsschlitzes des Monochromators: 4,84 × 1 mm
• Größe des (mechanischen) Durchmessers an der Detektoroptik: 2,0443 mm
• Größe des Klassifizierungsfaser-Rechteckes: 3,5525 × 0,88153 mm
• Anzahl der Reihen: 4
• Anzahl der Spalten: 14
• Abstand von dem Beleuchtungs-Sechseck zu dem Klassifizierungs-Rechteck (Mitte zu Mitte): 4,75 mm
• Die Abmessungen des Sechsecks lauten wie folgt:
• Kantenlange: Faserdurchmesser·(9 – (1 – 1/sqrt(3)) = 0,235 mm·8,57735 = 2,0157 mm;
• Maximale Breite: Faserdurchmesser (2·9 – 2·(1 – 1sqrt(3))) = 0,235 mm·17,1547 = 4,0314 mm; und
• Mindestbreite: Kantenbreite·sqrt(3) = 2,0157·1,732 = 3,4913 mm.
• Anzahl der Reihen: 17
• Anzahl der Spalten: 17
• R, G Faserdetektion Faserstruktur: Alternierende Reihen mit einziger mittlerer Reihe alternierender Detektionsfasern.

Faserart oder Verwendung	Anzahl an dem Haut-Interface	Anzahl an dem Detektor- oder Monochromator-Interface	Anzahl toter Fasern an dem Haut-Interface	Faser NA und Größe ohne Puffer (Kern/Hülle) in μm & Fasername
Beleuchtungsfasern	109	105	4 (wenn möglich nicht benutzte Fasern an den Ecken auswählen)	0,22 NA & 200/225* TCL-MA200H
Detektionsfasern 1,9 μm (Hauptfasern)	54	>= 52	<= 2	0,29 NA & 200/245* UltraSil
Detektionsfasern 2,6 μm (Hauptfasern)	54	>= 52	<= 2	0,29 NA & 200/245* UltraSil
Detektionsfasern 1,9 μm (zusätzlich)	56	>= 52	<= 4	0,29 NA & 200/245* UltraSil

* +5 μm für Toleranzen

Alternative Konstruktion
Es wird nun eine alternative Konstruktion mit derselben Grundstruktur besprochen, die lediglich einen rechteckigen Umfang besitzt (siehe 20). Die Struktur bleibt erhalten, doch die Form des Umfangs ist ein Rechteck und kein Sechseck. Das Seitenverhältnis des Rechtecks ist dergestalt, dass es einem Quadrat so nahe wie möglich kommt. Diese Konstruktion stellt eine 5%ige Reduzierung der berechneten Ergebnissen dar. Doch sie ist weitaus einfacher herzustellen, da jede Reihe gleich ist (alle Reihen sind vierzehn Fasern breit und besitzen eine alternierende Struktur von Detektionsfasern und Beleuchtungsfasern).
Es folgen die Spezifikationen für das rechteckige Bündel (siehe Tabelle 3). Diese Zahlen umfassen keine mechanischen Toleranzen. Auch hier werden bei den Abmessungen wieder +5 μm am Außendurchmesser der Fasern angenommen, um Herstellungsabweichungen zu berücksichtigen.

• Anzahl der Beleuchtungsfasern: 112
• Anzahl der Detektionsfasern: 56 eines jeden Typs (168 insgesamt)
• Größe des (mechanischen) Ausgangsschlitzes des Monochromators: 4,84 × 1 mm
• Größe des (mechanischen) Durchmessers an der Detektoroptik: 2,0443 mm
• Größe des Klassifizierungsfaser-Rechteckes: 3,5525 × 0,88153 mm
• Anzahl der Reihen: 4
• Anzahl der Spalten: 14 Abstand von dem Beleuchtungs-Sechseck zu dem Klassifizierungs-Rechteck (Mitte zu Mitte): 4,75 mm
• Größe des Hauptdetektions-/Beleuchtungs-Rechtecks: 3,4075 × 3,29 mm
• Anzahl der Reihen: 16
• Anzahl der Spalten: 14
• R, G Faserdetektion Faserstruktur: alternierende Reihen mit einziger mittlerer Reihe alternierender Detektionsfasern.

Faserart oder VerWendung	Anzahl an dem HautInterface	Anzahl an dem Detektor- oder Monochromator-Interface	Anzahl toter Fasern an dem Haut-Interface	Faser NA und Größe ohne Puffer (Kern/Hülle) in μm & Fasername
Beleuchtungsfasern	112	105	7 (wenn möglich nicht benutzte Fasern an den Ecken auswählen)	0,22 NA & 200/225* TCL-MA200H
Detektionsfasern 1,9 μm (Hauptfasern)	56	>= 52	<= 4	0,29 NA & 200/245* UltraSil
Detektionsfasern 2,6 μm (Hauptfasern)	56	>= 52	<= 4	0,29 NA & 200/245* UltraSil
Detektionsfasern 1,9 μm (zusätzlich)	56	>= 52	<= 4	0,29 NA & 200/245* UltraSil

* +5 μm für Toleranzen

Es wird darauf hingewiesen, dass sämtliche Reihen dahingehend identisch sind, dass sie an einem Ende eine Beleuchtungsfaser und am anderen Ende eine Detektionsfaser aufweisen. Als solche muss nur eine Art von Reihe hergestellt werden.
Diskussion der Annahmen
Es folgt eine Liste der wichtigsten Annahmen (die bekannt sind), die in dieser Konstruktion eingeschlossen sind. Jede wird begleitet von einer kurzen Begründung der Annahme, dem Grund, warum sie ignoriert wird, oder einer Stellungnahme dazu, warum die Annahme gemacht wird.

– Sämtliche Fasern werden als Durchschnittsfasern behandelt (das ist an dem Monochromator-Austrittsschlitz insbesondere nicht zutreffend). Wegen rechnerischer Überlegungen ist es nicht möglich, jede Faser von dem Monochromator-Austrittsschlitz zu dem Haut-Interface und zurück zu den Detektoren abzubilden. Selbst wenn eine solche Umsetzung oder Abbildung existieren würde, ist es nicht machbar, das Bündel in dieser Konfiguration herzustellen. Dies führt sowohl zu Unterbewertungen als auch zu Überbewertungen des Lichts, das durch eine Faser verläuft. Schließlich lassen sich Veränderungen in den Ergebnissen aufgrund dieser Tatsache sehr wahrscheinlich durch Veränderungen in anderen Teilen des Systems überwinden.
– Die Extrapolation von WARF-Sonden-Daten ist zuverlässig. Die nächsten Trennungsabstände (von Mitte zu Mitte), die von der WARF-Sonde erkannt wurden, lagen bei etwas über 0,5 mm. Die Mehrheit der Signale in der konzipierten Sonde befindet sich in Fasern, die 0,25 und 0,4 mm voneinander entfernt sind. Als solches stellt dies eine Extrapolation der Daten aus der WARF-Sonde dar. Das empirische Modell repräsentiert die festgestellte Lichtintensität gegenüber dem Abstand Beleuchtung zu Detektion bei dem Licht, das von einer einzelnen Faser an die Probe geliefert wird. Bei einem geringen Abstand (< 3–4 mm), bei dem das erfasste Signal am größten ist, ist der Fehler in dem Modell gering. Doch die Koeffizienten des Modelles sind absichtlich beeinflusst, um Abstandskonfigurationen zu repräsentieren, bei denen das abgetastete Gewebevolumen vorwiegend die Hautschicht ist. In größeren Abständen verursacht die Heterogenität der Probe und insbesondere die aus mehreren Schichten bestehende Haut eine Abnahme der Modellgenauigkeit. Folglich repräsentiert das Modell offensichtlich die empirischen Daten, wenn die Absorbanz durch die Dermis beherrscht wird, aber es repräsentiert die Absorbanz aufgrund des subkutanen Gewebes nicht richtig.
– Bestimmte nicht modellierte Veränderungen stellen eine Verstärkung dar, mit der die Konstruktion nicht verändert wird. Es gibt Einteilungsfaktoren, die bei diesen Konstruktionen nicht berücksichtigt werden, und Simulationen, die multiplikativer Natur sind. Wegen der Art dieses Problems (es ist linear) verändern diese Einteilungsfaktoren das Ergebnis der Optimierungen nicht und können deshalb weggelassen werden.
– Unterschiedlich große Fasern fallen in ein hex pack, wenn sie gemischt werden. Die Mischung von Fasern mit einem Durchmesser von 225 μm und Fasern mit einem Durchmesser von 245 μm in einer einzigen Sonde würde theoretisch dazu führen, dass sie nicht bequem in ein hex pack passen. Bei Sonden, die hergestellt wurden, hat sich dies nicht als ein Problem gezeigt. Vielmehr ergeben Schwankungen in den Fasertrennungen aufgrund des verwendeten Epoxids und des Herstellungs- und Montageverfahrens höhere Toleranzen. Dies ist kein Herstellungsproblem.
– Eine 235 μm Trennung von Mitte zu Mitte ist repräsentativ für ein gemischtes Bündel von Fasern mit einem Durchmesser von 225 μm und 245 μm. Aus Gründen der Einfachheit wird der Durchschnitt der beiden Faserdurchmesser verwendet, um die Abstände herauszufinden, die wiederum verwendet werden, um die Signal- und Rauschfunktion für ein bestimmtes Beleuchtungs- und Detektionsfaserpaar zu berechnen.
– Die WARF-Sondenergebnisse können linear skaliert werden, um Fasern mit kleineren Kerndurchmessern zu repräsentieren. Die WARF-Sonden verwendeten Fasern mit einem Durchmesser von 375 μm und die aktuelle Konzeption liegt bei Fasern mit einem Kern von 225 und 245 μm. Es wird angenommen, dass das Verhältnis der Flächen (235²/375²) der beiden Fasern genau die Gesamtsignaldämpfung je Faser repräsentiert. Der Durchmesser des Faserkerns (200 μm in diesem Fall) ist auch ein wichtiger Abstand im Hinblick darauf, wie rasch Licht in der Haut schwächer wird. Eine neue WARF-Sonde mit Fasern mit 200 μm Kernen, die radial in einem Abstand von 235 und 440 μm verteilt sind, ist erforderlich, um ein genaueres Rauschmodell zu erzeugen.
– Das Monochromator-Intensitätsprofil ist über der Mitte nicht gleichmäßig. Dies ergibt sich aus der Verwendung eines Strahlverfolgungsprogrammes, um das Intensitätsprofil zu modellieren. Die hierin offengelegte Konstruktion ist unempfindlich gegenüber diesen Schwankungen. Ein viel wichtigerer Aspekt dieses Intensitätsprofils sind vielmehr die Kanten, die an den raytraces sehr gut definiert sind. Diese Kanten bestimmen den Gesamtbereich, in dem das Licht von dem Monochromator erfasst werden kann, und somit die maximale Anzahl von Beleuchtungsfasern, die potentiell Licht an die Haut liefern könnten.
– Die theoretische Faserpackung ist nicht ähnlich wie die Simulation an der Detektoroptik. Selbst unter der Annahme, dass der durchschnittliche Packungsteil dazu verwendet wird, um die Effizienz der Detektoroptik zu bestimmen, ist die Art und Weise, wie die Fasern in diesen Endpunkt platziert werden, willkürlich. Doch die Schwankung ist in etwa ein linearer Einteilungsfaktor, den diese Optimierungen tolerieren können, wie bereits besprochen wurde.
– Die Entscheidung zur Optimierung des Kombinationsbandes ist korrekt. Andere Optionen bestehen darin, den ersten oder zweiten Oberton zu optimieren. Wegen der Form der Signal-Rausch-Funktion ist die Konstruktion identisch, wenn eine Optimierung für den ersten Oberton oder eine Kombination des ersten Obertons mit dem Kombinationsband durchgeführt wird. Doch der zweite Oberton bringt etwas anderes hervor. Derzeit ist man der Meinung, dass die Glukoseablesung entweder in dem Kombinationsband oder in dem ersten Oberton erfolgt. Wenn dies stimmt, hat die Entscheidung zur Optimierung keine kritische Bedeutung.
– Die Absorption von Fasern wird in diesen Simulationen ignoriert. Diese Dämpfung repräsentiert einen linearen Einteilungsfaktor, der – wie bereits besprochen – ignoriert werden kann. Außerdem beträgt die Dämpfung aufgrund der Faseroptik über dem gesamten Bereich, der von Interesse ist, normalerweise weniger als 1–2% und sie ist für alle Konstruktionen gleichermaßen von Vorteil oder von Nachteil.

Bestimmung einer optimalen Blutglukose-Signaldarstellung unter Verwendung von Systemparametern, die aus einem nicht invasiven Gewebemodell entwickelt wurden (Monte Carlo Simulation)
Zusammenfassung
Eine Reihe von Optimierungsstrategien wurde untersucht, um den besten Systemparameter oder die besten Systemparameter zu bestimmen, die verwendet werden könnten, um verschiedene optische Konstruktionsanordnungen für die Erfassung nicht invasiv gemessenen, diffusen Reflexionslichtes quantitativ zu beurteilen. Es wurde festgestellt, dass das Verhältnis der durchschnittlichen dermalen Weglänge zu der durchschnittlichen Gesamtweglänge für die Anforderungen an ein optisches Kon struktionsschema am geeignetsten war. Andere Systemparameter wurden berücksichtigt, wie beispielsweise das Verhältnis der dermalen Reflexion zu der Gesamtreflexion für einen bestimmten radialen Erfassungsabstand und die Wellenlänge. Doch die Optimierungsfläche hing nicht unbedingt von dem Nettoanalytensignal ab und tendierte dazu, optische Konstruktionsschemata zu bevorzugen, die zu minimaler Lichtdämpfung führten. Geringfügige Verbesserungen wurden beobachtet, wenn das Verhältnis der durchschnittlichen dermalen Weglänge und der durchschnittlichen Gesamtweglänge kombiniert wurde, doch die Ergebnisse zeigten immer noch an, dass die Systemparameter immer noch eine minimale Lichtdämpfung gegenüber einer Nettoanalytensignalstärke favorisierten.
Einleitung
Dieser Ansatz geht einher mit der Entwicklung einer Strategie zur Beurteilung der Abtastleistung von diffusem Reflexionslicht auf der Grundlage einer bestimmten optischen Interface-Konstruktion. Systemparameter wie beispielsweise die Gesamtweglänge, die Weglänge durch einen Gewebebereich, die Eindringtiefe oder diffuse Reflexionsbeiträge von einem bestimmten Gewebebereich können verwendet werden, um eine mathematische Darstellung der gewünschten Reaktion (beispielsweise das Blutglukose-Absorptionssignal) für einen bestimmten Satz von Eingangsdaten zu erhalten. Zu diesen Eingangsdaten können gehören: der radiale Erfassungsabstand von einer Anordnung Quelle zu Detektion oder sogar die Tiefe der Photonenpropagation in dem Gewebe. Ziel ist es, ein Bewertungskriterium zu erhalten, so dass hinsichtlich des Messsystems und seiner Beziehung zu den Blutglukosewerten quantitative Bewertungen durchgeführt werden können.
Methodologie
Die Messung, die von Interesse ist, kann so direkt sein wie ein Absorptionssignal von einem chemischen Bestandteil wie Blutglukose oder ein Intensitätssignal, das eine optimale Konfiguration für die Lichtwiedergewinnung und schließlich ein verbessertes Nettoanalytensignal hervorbringt. Unabhängig davon, welches die Messung ist, die von Interesse ist, wird ein ähnliches Verfahren befolgt, um das mathematische Modell zu erhalten. Außerdem muss jedes Verfahren aus einem Satz Kriterien bestehen, die den Entscheidungsfindungsprozess bestimmen, und bestimmen, wie die Messung interpretiert wird. Verschiedene Ansätze zur Beurteilung der optimalen Werte für ein bestimmtes optisches System wurden entwickelt und untersucht.
Ergebnisse/Diskussion
Die ursprüngliche Optimierungsstrategie bestand darin, den Anteil der Reflexion zu nutzen, der in die Hautschicht des Gewebemodelles eingedrungen war, und diesen durch die Gesamtreflexionsmenge zu dividieren, die für einen bestimmten radialen Erfassungsabstand gemessen worden war. Dieses Verfahren wurde sodann bei jeder Wellenlänge ausgeführt. Das Verhältnis ist auf Werte zwischen 0 und 1 beschränkt. Die Berechnung dieses Parameters wurde durch Auswertung der Reflexionsergebnisse aus einer Monte Carlo Simulation erreicht; anschließend wurde die Summe des dermalen Reflexionsbeitrages von einem nicht invasiven Gewebemodell genommen und sie wurde mit dem diffusen Reflexionsbeitrag (R_D) in einem bestimmten radialen Erfassungsabstand und einer Wellenlänge standardisiert. Dies wurde wie folgt berechnet und ergab den Optimierungsparameter α_I:
wobei m das erste Element der Hautschicht und N das letzte Element der Hautschicht ist, wie in 21 dargestellt ist.
Die Begründung für diese Wahl basierte auf der Annahme, dass der größte Teil der Vaskularisierung innerhalb des Gewebes in den Hautschichten enthalten ist. Somit wäre die Mehrheit der Glukosedaten auch in diesen Hautschichten enthalten. Die Reaktionsfläche wurde aneasst an eine Exonentialfunktion der Form
und ein Diagramm dieser Funktion ist in 22 dargestellt.
Was bei der Untersuchung der Reaktionsfläche aus dem ersten Ansatz erkannt wurde, war die Tatsache, dass der Parameter α_I immer optische Konstruktionen favorisieren würde, bei denen der radiale Erfassungsabstand zwischen der Quelle und dem Detektor so nahe wie möglich wäre. Dies wurde auf die Tatsache zurückgeführt, dass die Intensität des Lichts abnimmt, während es sich durch das Gewebe ausbreitet, und somit würde auch seine Reflexion abnehmen. Außerdem besteht keine direkte Beziehung zwischen dem gewünschten Nettoanalyten-(Glukose-)Signal und dem α_I-Verhältnis.
Was vorgeschlagen wurde, um dieses Problem zu kompensieren, war die Multiplikation des (α_I) dermalen Reflexionsverhältnisses mit dem Verhältnis der durchschnittlichen dermalen Weglänge mit der durchschnittlichen Gesamtweglänge an jedem radialen Erfassungsabstand und jeder Wellenlänge. Die durchschnittliche dermale Weglänge <l_Dermis(r, λ)> ist das arithmetische Mittel jeder Weglänge, die in der Hautschicht für einen bestimmten radialen Erfassungsabstand und Wellenlänge erreicht wurde, während die durchschnittliche Gesamtweglänge <l_Total(r, λ)> das arithmetische Mittel sämtlicher Weglängen ist, die an demselben radialen Erfassungsabstand und der Wellenlänge gemessen wurden. Das Verhältnis wird wie folgt berechnet:
Dieses Verhältnis wurde ausgewählt, weil es einen Ausgleich für den Rückgang schafft, der in den gemessenen Probenintensitäten beobachtet wurde, während sich das Licht in dem Gewebe weiter ausbreitet. Dieser Ausgleichsfaktor ist angemessen, weil die durchschnittliche Weglänge proportional zu der Menge ist, die von dem System nach dem Verhältnis laut Beers Gesetz <l ∞ A> aufgenommen wird. Außerdem wurde dieses Verhältnis so gewählt, dass α₂ immer noch auf Werte zwischen 0 und 1 beschränkt wäre. In ähnlicher Weise wurde die Oberflächenreaktion für rechnerische Zwecke an das folgende Modell angepasst
und ist in 23 dargestellt. Die Reaktionsfläche ist ähnlich der in 22 gezeigten, außer dass der Rückgang in Abhängigkeit von dem radialen Erfassungsabstand nicht ganz so dramatisch ist. Dies wird auf die Ergänzung des Weglängen-Terms zurückgeführt. Der model fit ist auch bei radialen Erfassungsabständen von größer 1,0 cm nicht realistisch. Außerdem favorisieren die Merkmale der Reaktion immer noch eine optische Konfiguration, die die Lichtintensität, die von dem System zurückkehrt, maximiert. Dies ist unabhängig von dem gewünschten Signale von Interesse, so dass dies nicht der wünschenswerteste Ansatz ist.
Ein geeigneteres Verhältnis, das zur Verbesserung der Korrelation zu dem Nettoanalytesignal vorgeschlagen wurde, war die Nutzung lediglich des Verhältnisses der durchschnittlichen dermalen Weglänge zu der durchschnittlichen Gesamtweglänge. Dieses hat die Form:
Wie schon zuvor geschehen, wurde die Oberfächenreaktion für rechnerische Zwecke an ein Modell angepasst. Dieses Modell hatte die Form α ^₃(r) = α + br + cr² und ist in 24 gezeigt.
In ähnlicher Art und Weise wird die dermale Weglänge berechnet, indem man das arithmetische Mittel der einzelnen Beiträge der Hautschicht nimmt, während die durchschnittliche Gesamtweglänge berechnet wird, indem das arithmetische Mittel aller Schichtbeiträge genommen wird.
Die Funktion, die in Gleichung (10) präsentiert wird, ist ein wünschenswerteres Verhältnis, da es einen Höchstwert ergibt, der mit dem Nettoanalytensignal (beispielsweise Blutglukosesignal) bei einer bestimmten optischen Konstruktion korreliert. Die Begründung für diese Aussage besteht darin, dass das Nettoanalytensignal aufgrund der Glukose als die Absorbanz angesehen werden kann. Es wird angenommen, dass dies dem Verhältnis nach Beers Gesetz folgt. Dieses Verhältnis sagt in mathematischer Hinsicht aus, dass die Absorbanz eines Systems proportional zu der Weglänge der Photonenpropagation durch das System ist. Da die Absorbanz des Systems aus dem Nettoanalytensignal und den zusätzlichen Beiträgen besteht, ist die durchschnittliche Weglänge dann proportional zu dem Nettoanalytensignal.
Dies ergibt eine geeignetere Optimierungsfläche, die bei der Bestimmung bevorzugter optischer Konstruktionen verwendet werden kann. Ein weiterer Vorteil der Verwendung von Gleichung (3) besteht darin, dass die Ergebnisse tatsächlich optische Konstruktionen favorisieren, die eine kleinere durchschnittliche Weglänge durch das System ergeben. Dies wiederum begünstigt etwas die Wege, die auch eine höhere Lichtintensität erzielen, da bei kürzeren Weglängen eine geringere Lichtdämpfung beobachtet wird. Die physikalische Interpretation dafür ist, dass Licht im allgemeinen weniger tief eindringt, da das Zielsystem als die Hautschichten definiert worden ist. Diese Konsequenz wird zu einem zusätzlichen Vorteil.
Empfehlungen
Nachdem die verschiedenen Strategien, die hier vorgestellt wurden, überprüft worden sind, scheint es so, dass der effektivste Systemparameter zur Verwendung bei der Optimierung verschiedener optischer Konstruktionsschemata darin besteht, das Verhältnis der durchschnittlichen dermalen Weglänge zu der durchschnittlichen Gesamtweglänge (α₃) zu benutzen. Dies geht die Notwendigkeit nach einem Systemparameter, der proportional zu dem Nettoanalytensignal ist, am direktesten an, und schließt zusätzliche Merkmale ein, die für eine Gesamtreflexionsmessung wünschenswert sind. Die übrigen Systemparameter, die präsentiert wurden, standen nicht in direktem Zusammenhang mit dem Signal, das von Interesse ist, in diesem Fall einem Blutglukosesignal. Doch sie können dennoch für andere optische Konstruktionsanwendungen von Nutzen sein, bei denen die Lichtintensität, die von dem System zurückkommt, kritisch ist.
Rauschmodell
Das Rauschmodell ist der Nenner des Signal-Rausch-Verhältnisses, der zur Berechnung und Optimierung von Fasergeometrien verwendet wird. Die Anforderung an das Modell besteht darin, eine Schätzung für das Rauschen in Absorbanzeinheiten bei angegebenen Wellenlängen und für einen bestimmten Beleuchtungs- zu Detektionsfaser-Abstand zu liefern. Die Form des entwickelten Modelles ist gegeben mit NA = f(λ, d) = f(•) (11)wobei N_A das RMS-Rauschen in Absorbanzeinheiten, λ die Wellenlänge, d der Abstand zwischen den Beleuchtungs- und Detektionsfasern (bei einem bestimmten Faserdurchmesser) und f(.) eine nichtlineare Funktion ist. Die Struktur und die Parameter für f(.) werden für jede Zielanwendung und jeden Messansatz empirisch bestimmt, so wie beispielsweise die nicht invasive Messung von Blutglukose. Im Falle einer diffusen Reflexionsmessung von Absorbanz umfasst die Bestimmung von f(.) die Propagation des Rauschens der Intensitätsmessung durch die Gleichung zur Berechnung der Absorbanz, A, die gegeben ist mit A = log10(IS/IR) (12)wobei I_S die gemessene Intensität ist, die von einer einzelnen Faser an der Probe festgestellt wurde, und I_R die Lichtintensität ist, die auf die Probe fällt (gemessen mit einem Referenzstandard). Aus der Gleichung ist ersichtlich, dass das RMS-Rauschen bei einer bestimmten Wellenlänge, N_A, eine nichtlineare Funktion von I_S und I_R ist und das RMS-Rauschen, das mit I_S und I_R gemessen wird, mit N_R bzw. N_S bezeichnet wird. Den Ausdruck für f(.) findet man durch Propagation von N_R und N_S durch das Modell für A und es handelt sich dabei im allgemeinen um eine komplexe, nichtlineare Funktion, die diese Kovarianz des Rauschens bei verschiedenen Wellenlängen umfasst. In der bevorzugten Ausführungsart des Modelles ist das Rauschen in dem Intensitätsbereich unabhängig in Bezug auf die Wellenlänge und ist normal verteilt. In diesem Fall führt die Propagation des Rauschens in Intensitätseinheiten durch Gleichung 12 zu
Mit dieser Gleichung wird ein Modell für jede der Variablen über sämtliche Wellenlängen und die verschiedenen Abstände Beleuchtungsfaser zu Detektionsfaser durch Bestimmen der einzelnen Modelle für N_R, N_S, I_R und I_S für unabhängige Variable λ und d konstruiert. Während Gleichung 13 speziell für eine diffuse Reflexionsmessung angewendet wird, lässt sich der Ansatz auf jede beliebige spektroskopische Messung durch Propagation des Rauschens anwenden, und zwar durch die Gleichung, die zur Berechnung des analytischen Signals verwendet wurde.
In Gleichung 13 werden die Modelle für N_S und N_R für das jeweilige Messgerät, das für die Durchführung der Messungen verwendet wird, empirisch bestimmt. Außerdem wird I_f einfach durch eine einzelne Messung des Lichtes, das auf die Probe fällt, bestimmt. Doch in der bevorzugten Ausführungsart ist das Rauschen (in Intensitätseinheiten) in Bezug auf λ und d, N_R = N_S und I_S << I_R konstant. Angesichts dieser Annahmen wird Gleichung 13 angenähert durch
Das Rauschen des Messsystems ist umgekehrt proportional zu der Intensität, die von der Probe diffus reflektiert und erfasst wird. Deshalb muss ein Modell konstruiert werden, das I für eine willkürliche Beabstandung Beleuchtungsfaser zu Detektionsfaser, d, und für jede Wellenlänge λ, die von Interesse ist, zurückführt. Dieses Modell lässt sich durch Monte-Carlo-Simulationen (wie oben besprochen) oder Streumodelle mit konzentrierten Parametern, die Streueigenschaften der Zielprobe, wie beispielsweise das Gewebe, besitzen, bestimmen. Doch das bevorzugte Modell besteht darin, das Modell I_S empirisch durch Verwendung einer radialen, faseroptischen Weitwinkelsonde (WARF-Sonde), wie unten beschrieben, zu bestimmen.
WARF-Sonde
Eine radiale, faseroptische Weitwinkelsonde (WARF-Sonde) wurde konstruiert, um ein empirisches Messverfahren zur Bestimmung des Modelles IS = g(λ, d) (16)bereitzustellen, wobei I_S die Lichtintensität ist, die von einer einzelnen Faser in einem Abstand d von der einzelnen Beleuchtungsfaser erfasst wird, und λ ist die Wellenlänge. Außerdem wird die WARF-Sonde verwendet, um den optimalen Abstand für ein separates Klassifizierungsbündel, wie unten beschrieben, zu bestimmen.
Die in 25 dargestellte WARF-Sonde wurde mit einer einzelnen Beleuchtungsfaser konstruiert, die radial durch Sätze von sechs Detektionsfasern in den folgenden Abständen von Beleuchtung zu Detektion umgeben ist: 0,23, 0,77, 1,3, 2,08, 2,90, 3,71, 4,70, 6,70, 8,7, 10,7, 14,7 mm. Während die vorliegende Konfiguration für die spektroskopische Messung von Hautgewebe optimiert ist, lässt sich die Erfindung mit alternierenden Proben leicht auf alternative Abstände Beleuchtung zu Detektion ver allgemeinern. Außerdem kann die Anzahl von Detektionsfasern modifiziert werden, um die Anforderungen weiterer Proben zu berücksichtigen, oder um einen Spektrometer anzuschließen.
In der bevorzugten Implementierung wird jeder Satz von sechs Fasern an einen Detektor eines anwendungsspezifischen Spektrometers angeschlossen, der aus einer Quarz-Halogenlampe, einem Abtast-Monochromator und InGAs und erweiterten InGAs-Detektoren besteht. Deshalb liefert die WARF-Sonde sieben verschiedene Abstände Beleuchtung zu Detektion. Doch der Fachmann auf dem Gebiet wird verstehen, dass die Sonde an jeden kommerziell erhältlichen NIR-Spektrometer, wie beispielsweise ein Foss-NIR Systems Modell 5000 Spektrometer oder ein Nicolet Magna-IR 760 Spektrometer angeschlossen werden kann.
Ein Experiment wurde mit der WARF-Sonde durchgeführt, um einen Datensatz zur Herstellung empirischer Modelle und zur Optimierung einer Fasersonde bereitzustellen. Drei nachgebildete Proben an jedem Abstand Beleuchtung zu Detektion der WARF-Sonde wurden an 10 Personen unterschiedlichen Geschlechts, Alters und körperlicher Konstitution über einen Wellenlängenbereich von 1050 bis 2450 nm erfasst. Um mehr Informationen in höheren Lichtstufen bereitzustellen, wurde der zweite Ring von Fasern, der in der WARF-Sonde festgestellt wurde, ebenfalls benutzt, um die Probe zu beleuchten, und die restlichen Fasersätze wurden zur Erfassung verwendet.
Spezielle Abstände wurden für die Analyse ausgewählt und Spektren wurden über alle Personen und Probenreproduktionen hinweg gemittelt und standardisiert, und sind in 26 dargestellt.
Ein empirisches Modell (Gleichung 16) wurde entwickelt, das die erfasste Intensität über sämtliche Wellenlängen und Beleuchtungs- zu Detektionsabstände hinweg repräsentiert, und wird vorgegeben durch
Parameter a_λ repräsentiert einen Grundlinienversatz, b_λ ist analog der Summe sämtlicher Extinktionskoeffizienten und c_λ stellt ein allgemeines Verfahren zur Berücksichtigung verschiedener Probenarten bereit. In der bevorzugten Ausführungsart ist das
Modell vereinfacht zu
Die gewichtete least squares-Optimierung wurde angewendet, um die Koeffizienten a_λ und b_λ aus Daten, die mit der WARF-Sonde erfasst wurden, zu bestimmen, und die resultierenden Wert sind in 27 bereitgestellt. Durch dieses Modell erhöhen sich die Absorbanz (und die durchschnittliche Weglänge) gemäß der Quadratwurzel des Abstandes zwischen Beleuchtung und Erfassung.
Das empirische Modell repräsentiert die erfasste Lichtintensität gegenüber dem Abstand Beleuchtung zu Detektion mit dem Licht, das durch eine einzelne Faser an die Probe geliefert wird. Bei geringen Abständen (< 3 bis 4 mm) ist der Fehler in dem Modell gering. Doch die Koeffizienten des Modells wurden absichtlich durch die gewichteten least squares-Berechnungen beeinflusst, um Abstandskonfigurationen zu repräsentieren, bei denen das abgetastete Gewebevolumen vorwiegend die Hautschicht ist. Deshalb verursachen die Heterogenität der Probe und insbesondere die mehrschichtige Zusammensetzung der Haut bei größeren Abständen eine Abnahme in der Modellgenauigkeit. Folglich repräsentiert das Modell offensichtlich die empirischen Daten, wenn die Absorbanz von der Dermis beherrscht wird, aber es repräsentiert die Absorbanz aufgrund des subkutanen Gewebes nicht exakt. In alternierenden Konfigurationen wird das gewichtete least squares-Verfahren zur Bestimmung der Parameter durchgeführt, um die Genauigkeit der Zielpenetrationstiefe zu optimieren.
Klassifizierungsbündel
Das Fasergeometrie-Optimierungsverfahren wird durchgeführt, um die Abtastung des Zielanalytensignals zu optimieren, das sich in einem spezifischen Volumen der Probe befindet. Doch es ist oft erforderlich, weitere Merkmale oder Eigenschaften der Probe zu messen, die nicht in dem gezielten Probenvolumen repräsentiert sind, um die Konzentration des Zielanalyten zu bestimmen. Die Notwendigkeit für eine Subjektklassifizierung wurde beispielsweise von S. Malin et al., in An Intelligent System for Noninvasive Blood Analyte Prediction [Ein Intelligentes System für die nichtinvasive Blutanalytenvorhersage], siehe oben, demonstriert. Es kann sein, dass eine solche Klassifizierung durch eine optimale Abtastung der Dermis nicht möglich ist. Die Klassifizierung nach dem Geschlecht der Person, die von T. Ruchti, S. Malm, J. Rennert in Classification of Individuals Based an Features Related to Sex (Klassifizierung von Personen auf der Grundlage von Merkmalen im Zusammenhang mit dem Geschlecht), U.S. vorläufige Patentanmeldung, Aktenzeichen 60/116,883, eingereicht am 22. Januar 1999 nutzt die vollständige Dermis und die subkutane Schicht. Deshalb ist ein separates Bündel für die Klassifizierung oder Messung einer Eigenschaft der Probe erforderlich und muss durch ein separates Verfahren konzipiert werden. Diese Optimierung kann durch das offenbarte Verfahren durchgeführt werden. Doch es ist wünschenswert, die Beleuchtungsfasern aus dem Hauptfaserbündel zu nutzen und nur die Detektion mit dem separaten Klassifizierungsbündel durchzuführen. Unter diesen Umständen liefern wir ein alternatives Verfahren zur Bestimmung des optimalen, durchschnittlichen Abstandes zwischen den Beleuchtungsfasern und den Detektionsfasern des Klassifizierungsbündels.
Das Verfahren umfasst die Verwendung der folgenden Kriterien:

1. Klassifizierungsleistung – die Beabstandung, die die Klassifizierungsleistung gemäß dem Merkmal oder der Eigenschaft der Zielprobe liefert.
2. Rauschen – innerhalb der gewünschten Klassifizierungsleistung der Abstand, der bei der Absorbanz den niedrigsten Rauschpegel liefert.
3. Präzision bezüglich der Proben zueinander – innerhalb der gewünschten Klassifizierungsleistung der Abstand, der durch die Schwankung oder Veränderung der Zielprobe am wenigsten beeinflusst wird.
4. Präzision innerhalb der Probe – innerhalb der gewünschten Klassifizierungsleistung der Abstand, der die am besten reproduzierbare Messung der Zielprobe liefert.

Bei der Anwendung der nicht invasiven Messung von Blutanalyten wird die WARF-Sonde verwendet, um einen Datensatz, wie oben beschrieben, zu erstellen, um die Analyse im Zusammenhang mit jedem Kriterium zu erfüllen. Als erstes wurde die Wasserabsorbanz jeder Probe bestimmt, wie von Ruchti et al, Classification of Individuals Based an Features Related to Sex [Klassifizierung von Personen auf der Grundlage von Merkmalen im Zusammenhang mit dem Geschlecht), siehe oben, beschrieben. Diagramme der Ergebnisse sind in 28 gezeigt und demonstrieren, dass das Wasserabsorbanzmerkmal für die Abstände Beleuchtung zu Detektion, die größer als 3 mm sind, adäquat bestimmt ist.
29 zeigt das Rauschen in Absorbanzeinheiten gegenüber den Abständen Beleuchtung zu Detektion, gemittelt über alle Personen bzw. Subjekte. Aus 29 geht hervor, dass das Rauschen bei geringeren Abständen am niedrigsten ist und deshalb wird ein Abstand von 3 mm bevorzugt.
30 ist ein Diagramm der Schwankungen zwischen Proben, innerhalb von Proben und der gesamten Spektralschwankungen gegenüber dem Abstand Beleuchtung zu Detektion über alle Subjekte bzw. Personen. Das Diagramm zeigt die zusammengefasste Varianz zwischen Proben und die Gesamtvarianz. Aus dem Diagramm der Gesamtvariation wird 3 mm hinsichtlich Messpräzision als optimal angesehen.
Deshalb wird geschlussfolgert, dass ein durchschnittlicher Abstand Beleuchtung zu Detektion von 3 mm für das Klassifizierungsbündel optimal ist.
Ein Fachmann kann erkennen, dass dieses Verfahren leicht auf andere Zielproben anwendbar ist, wobei das Kriterium für den Abstand Beleuchtung zu Detektion in erster Linie auf der Klassifizierung der Probe gemäß den Zielmerkmalen oder Zieleigenschaften beruht.
Optimierung
Das Optimierungsverfahren umfasst die Konfiguration der Kostenfunktion, die Implementierung eines Satzes von Randbedingungen und die Suche nach einem Satz von Parametern, die die beste Leistung bieten. Wir haben zuvor die Auswahl der Kostenfunktion und ihre Konfiguration beschrieben. Außerdem wurde die Implementierung von Randbedingungen auf der Grundlage mechanischer Überlegungen und verfügbarer Materialien besprochen. Die resultierenden unbekannten Variablen sind Parameter, die gemäß der Leistung bestimmt werden müssen, wie sie von der Kostenfunktion reflektiert wird. Unbekannte Variable können beispielsweise den Faserdurchmesser, die Menge an Fasern und den Standort oder die Position der Fasern umfassen.
Die Auswahl der Parameter erfolgt durch Optimierungsverfahren wie die dynamische Programmierung (siehe R. Bellmann, Dynamic Programming, Princeton University Press, Princeton, New Jersey, USA (1957)), gradiente Suchtechniken (siehe P. Gill, W. Murray, Mr. Wright, Practical Optimization (Praktische Optimierung), Academic Press (1981)), willkürliche Suchtechniken, genetische Algorithmen (siehe D. Goldberg, Genetic Algorithm in Search, Optimization and Machine Learning (Genetischer Algorithmus bei der Suche, Optimierung und beim Maschinenlernen), Addison Wesley Publishing Company (1989)), oder evolutionäre Programmierung (siehe D. Fogel, An Introduction to Simulated Evolutionary Optimization (Eine Einführung in simulierte, evolutionäre Optimierung), IEEE Trans. On Neural Networks, Band 5, Nr. 1 (Janaur 1994)). Mit einer Kostenfunktion und einem Satz von Parametern versteht der Fachmann, dass jedes dieser Verfahren angewendet werden kann, um eine optimale oder fast optimale Lösung zu bestimmen.
In der bevorzugten Ausführungsart wird ein genetischer Algorithmus angewendet, um aus einem gegebenen Lösungssatz von Fasern eine Auswahl zu treffen, die für die Beleuchtung, Detektion verwendet werden und die nicht verwendet werden. Das Verfahren erfordert die Verschlüsselung von Chromosomen, die aus Genen bestehen. Die Gene können die folgenden Werte annehmen: 0 – nicht verwendet, 1 – Beleuchtungsfaser, 2 – Detektionsfaser unterer Wellenlängenbereich, 3 – Detektionsfaser oberer Wellenlängenbereich.
Wie von Goldberg diskutiert (siehe D. Goldberg, Genetic Algorithm in Search, Optimization and Machine Learning (Genetischer Algorithmus bei der Suche, Optimierung und beim Maschinenlernen), oben), wird der genetische Algorithmus mit einer Population möglicher Lösungen initialisiert, wobei jede Lösung ein anderes Fasergeometriesystem repräsentiert. Jede Lösung wird durch die Kostenfunktion evaluiert und ihr wird ein Leistungsmaß zugeordnet. Die Lösungen werden (durch Reproduktionsoperationen) mit einer Rate kombiniert, die durch ihre jeweilige Leistung bestimmt wird. Folglich wird eine Lösung mit schlechter Leistung nicht zur weiteren Verwendung ausgewählt, während bessere Konfigurationen kombiniert und willkürlich modifiziert werden. Durch viele Iterationen dieses Verfahrens wird aus einem globalen Satz möglicher Lösungen eine fast optimale Lösung bereitgestellt.
Ergebnis
Die hier geführte Diskussion offenbart das Konstruktionsverfahren, das zur Bestimmung der Beleuchtungs- und Detektionsstruktur optischer Faserbündel für die Abtastung des NIR-Spektrums auf der Haut einer Person verwendet wird. Informationen über das System, insbesondere den Monochromator-Ausgangsschlitz (zur Bestimmung der optimalen Anzahl an Beleuchtungsfasern) und den Bündelendpunkt an dem Detektoroptikstapel (zur Bestimmung der optimalen Anzahl an Detektionsfasern) sind beide für die Konstruktion von kritischer Bedeutung. Diese Zahlen bestimmen das Verhältnis und die Anzahl von Beleuchtungsfasern zu Detektionsfasern und begrenzen und beschränken damit den Lösungsraum erheblich. Außerdem sind Informationen über das berechnete Signal und das berechnete Rauschen in der Haut wesentlich, um das Signal-Rausch-Verhältnis in dem Wellenlängenbereich, der von Interesse ist, zu maximieren.
Die Ergebnisse zeigen, dass die Beschränkung der Fasern auf einen sechseckigen Umfang und das Vorschreiben einer Struktur mit hex pack – so dass alternierende Spalten Beleuchtungsfasern und Detektionsfasern enthalten – optimale Ergebnisse erzielen. Zwei Detektoren besitzen gemeinsam die Gesamtheit der Detektionsfasern an dem Abtastinterface. Eine dritte Gruppe von Detektionsfasern wird für Klassifizierungszwecke verwendet. Im Falle einer Reihe von Herstellungsproblemen im Zusammenhang mit der Produktion dieser sechseckigen Bündel wird zur Implementierung der Sechseckkonstruktion vor Ort eine rechteckige Konstruktion offenbart.
Auch wenn die Erfindung hier in Bezug auf die bevorzugte Ausführungsart beschrieben worden ist, wird der Fachmann leicht erkennen, dass andere Anwendungen gegen die hierin genannten ausgetauscht werden können, ohne dass man sich dadurch aus dem Geltungsbereich der vorliegenden Erfindung entfernt. Demzufolge sollte die Erfindung nur durch die Patentansprüche, die nachstehend eingeschlossen sind, begrenzt werden

Claims

Verfahren zum Optimieren von Strukturen und Anordnungen von Fasern sowie der Bündelform in einem faseroptischen Beleuchtungs- und Nachweisbündel zur Verwendung bei der Untersuchung von Analyten, die folgenden Schritte aufweisend: Bereitstellen einer Evaluierungsfunktion, welche eine Funktion der Wellenlänge ist und Trennungsabstände zwischen Beleuchtungsfasern und Detektionsfasern, ein Signal/Rausch-Verhältnis, und Eigenschaften der Lichtquelle sowie der Detektoroptik berücksichtigt; und systematisches Untersuchen von Strukturen von Beleuchtungs- und Detektorfasern in dem genannten Bündel, sowie der Form der Beleuchtungs- und Detektorfaserbündel und Orte der Beleuchtungs- und Detektorfasern in Bezug auf eine Oberfläche, welche das genannte Analyt begrenzt, um den Aufbau des optischen Systems zu optimieren, welches das genannte Bündel aufweist, und zwar durch Maximierung gewünschter Eigenschaften, wie das Signal/Rausch-Verhältnisses, unter Verwendung der genannten Evaluierungsfunktion in einem Modell des genannten optischen Systems.
Verfahren nach Anspruch 1, wobei das genannte Modell ein Signal/Rausch-Verhältnis umfasst.
Verfahren nach Anspruch 2, wobei ein empfangenes Signal proportional ist zum Verhältnis einer Weglänge eines mittleren Photons in einer Probe zu seine Gesamtweglänge; und wobei das genannte Rauschen angenähert proportional ist zur Intensität der genannten Probe als Funktion der Weglänge und des Abstandes des Detektors zur Beleuchtungsfaser.
Verfahren nach einem der vorhergehenden Ansprüche, weiterhin folgende Schritte aufweisend: Bestimmen der Anzahl von Fasern an einem Lichtquellenausgang und an einem Faserbündelendpunkt bei einem Eingang eines Detektoroptikblocks; wobei die genannte Optimierung beschränkt ist durch den Lichtquellenausgang und das genannte Faserbündelende, um zum ermöglichen, dass eine bestimmte Struktur der Beleuchtung und von Nachweisfasern untersucht und optimiert wird; und Bestimmen der Form eines Umfangs einer Faseranordnung aufgrund der genannten Optimierung.
Verfahren gemäß einem der vorhergehenden Ansprüche, weiterhin folgenden Schritt aufweisend: Bereitstellen eines Computerprogramms für eine interaktive Konstruktion und Analyse eines willkürlichen Faserschichtaufbaus; Einsparen von dadurch erzeugten Konstruktionen; und Verwenden der genannten Konstruktionen als Eingangsdaten in einen genetischen Algorithmus, der die besten Konstruktionen auswählt und diese zu verbessern sucht.
Verfahren nach Anspruch 5, wobei ein optimiertes Muster wie erforderlich modifiziert wird, um ein durchgehend reguläres Muster zu gewinnen und dieses Muster an eine ausgewählte externe Geometrie anzupassen.
Verfahren nach Anspruch 6, wobei die genannte externe Geometrie entweder ein Hexagon oder eine rechtwinklige Struktur ist.
Verfahren nach Anspruch 1, weiterhin folgenden Schritt aufweisend: Bereitstellen eines separaten faseroptischen Detektionsfeldes zur Verbesserung der Gegenstandsklassifikation.
Verfahren nach Anspruch 8, wobei die Vorsehung des genannten getrennten faseroptischen Detektionsfeldes weggelassen und/oder bestimmt ist durch eine gesichtete Kombination der Klassifikationsleistung, oder des Rauschens, oder der Präzision bezüglich der Proben zueinander, oder der Präzision innerhalb der Probe.
Verfahren nach Anspruch 1, wobei Licht von den Detektorfasern mittels eines Zwei-Linsen-Systems auf einen Detektor fokussiert wird.
Verfahren nach Anspruch 10, wobei das genannte Detektorfaserbündel im Wesentlichen die gleiche Form hat wie der Detektor, um die die Detektorfasern verlassende Lichtmenge, welche auf den Detektor trifft, zu maximieren.
Verfahren nach Anspruch 1, wobei Licht mittels eines Monochromators bereitgestellt wird, und wobei die optische Schlitzhöhe des genannten Monochromators gemäß folgender Formel bestimmt wird:
Verfahren nach einem der Ansprüche 2 bis 12, wobei das Rauschen als Probenintensität modelliert ist, welche eine Funktion der Distanz und der Wellenlänge ist, und zwar wie folgt ausgedrückt:
wobei a_λ und b_λ die empirisch abgeleiteten Parameter für jede Wellenlänge und d der Trennungsabstand der Fasern sind.
Verfahren nach Anspruch 1, wobei ...
wobei Ef_i die Evaluierungsfunktion für den i-Detektor; das Signal S und das Rauschen N Funktionen der Wellenlänge λ sowie des Trennungsabstandes d zwischen Beleuchtungs- und Detektorfasern sind; DP ein Detektorabzug als Funktion der Anzahl der Detektorfasern ist; MP ein Lichtquellenabzug als Funktion der Anzahl der Beleuchtungsfasern ist; MSP ein Lichtquellengrößenabzug als Funktion der Anzahl der Beleuchtungsfasern ist; und SF ein Skalierungsfaktor ist als Funktion der Faserformen und Typen.
Verfahren nach Anspruch 1, weiterhin folgende Schritte aufweisend: Bestimmen eines Signal/Rausch-Verhältnisses für jede besondere Faserdistanz; Multiplizieren des genannten Signal/Rausch-Verhältnisses mit einer Zahl die gleich ist der Anzahl von Detektor-/Beleuchtungsfaserpaaren mit dem genannten Abstand; Bestimmen von Signal und Rauschen für jede der besonderen Faserdistanzen, und zwar ein für allemal; Aufbewahren eines dadurch bestimmten Wertes für eine spätere Verwendung; Vorbestimmen der Distanzen zwischen allen Fasern; und Verwenden einer Suchtabelle zur Bestimmung eines Trennabstandes zwischen beliebigen zwei spezifischen Fasern.
Verfahren nach einem der vorhergehenden Ansprüche, wobei die genannte Evaluierungsfunktion den Aufbau für ein maximales Signal/Rausch-Verhältnis bei einer ausgewählten Wellenlänge optimiert.
Verfahren nach Anspruch 16, wobei die genannte Evaluierungsfunktion gegeben ist durch:
(BestDesign_i = bester Aufbau).
Computer-lesbares Medium mit einem darauf gespeicherten Computerprogramm, wobei das Computerprogramm in der Lage ist, einen Computer zu veranlassen, ein Verfahren gemäß Anspruch 1 auszuführen.