用于组织分类的反射式多光谱时间分辨光学成像方法和装备与流程

相关申请的交叉引用本申请依照35u.s.c§119(e)要求以下专利申请的权益：2014年10月29日提交的美国临时专利申请号62/072,177，名称为“用于组织分类的反射式多光谱时间分辨光学成像方法和装备(reflectivemodemulti-spectraltime-resolvedopticalimagingmethodsandapparatusesfortissueclassification)”；2015年2月5日提交的美国临时专利申请号62/112,348，名称为“用于组织分类的反射式多光谱时间分辨光学成像方法和装备(reflectivemodemulti-spectraltime-resolvedopticalimagingmethodsandapparatusesfortissueclassification”；2015年2月9日提交的美国临时专利申请号62/114,027，名称为“用于组织分类的反射式多光谱时间分辨光学成像方法和装备(reflectivemodemulti-spectraltime-resolvedopticalimagingmethodsandapparatusesfortissueclassification”；2015年2月12日提交的美国临时专利申请号62/115,536，名称为“用于组织分类的反射式多光谱时间分辨光学成像方法和装备(reflectivemodemulti-spectraltime-resolvedopticalimagingmethodsandapparatusesfortissueclassification”；2015年3月20日提交的美国临时专利申请号62/136,398，名称为“用于组织分类的反射式多光谱时间分辨光学成像方法和设备(reflectivemodemulti-spectraltime-resolvedopticalimagingmethodsandapparatusesfortissueclassification”；和2015年9月4日提交的美国临时专利申请号62/214,885，名称为“用于组织分类的反射式多光谱时间分辨光学成像方法和装备(reflectivemodemulti-spectraltime-resolvedopticalimagingmethodsandapparatusesfortissueclassification”，由此将其各自的内容通过引用并入本文。关于联邦资助研发的声明本公开中描述的一些工作是在合同编号为hhso100201300022c的美国政府资助下完成的，该合同是在美国卫生与人类服务部(u.s.departmentofhealthandhumanservices)中的筹备与应对助理秘书长办公室(theofficeoftheassistantsecretaryforpreparednessandresponse)内由生物医学高级研究与发展管理局(barda)授予的。美国政府在本发明中可以具有一定的权利。本文公开的系统和方法涉及非侵入性临床成像，更具体地涉及皮下血流的非侵入性成像、漫反射分光光谱法和计算机辅助诊断。
背景技术：
：以下所列的参考文献包括可以被认为有助于理解本公开的各个方面的
背景技术：
：1.us6,353,7532.us6,352,5173.us6,889,0754.“burns:theneglectedbutsolvablehealthcrisis.(烧伤：不可忽视但可以解决的健康危机)”resurgeinternational.<http://www.resurge.org/transforming_lives/story_burns.cfm>accessedfeb9th,2015(2015年2月9日获得).5.2011nationalburnrepository:reportofdatafrom2001-2010(2011年全国烧伤档案：2001-2010年的数据报告).americanburnassociation(美国烧伤协会)2011.a.a.alianandk.h.shelley,“photoplethysmography(光电容积描记法)”bestpract.res.clin.anaesthesiol(最佳实践与研究的临床麻醉学),28(4),395–406,(2014).f.f.h.goetz,“multispectralandhyperspectralimagingtechnologiesinconservation:currentresearchandpotentialapplications(自然保护中的多光谱和超光谱成像技术：当前研究和潜在应用)”stud.conserv.(保护研究)7.3-16(2006).a.reisner,p.a.shaltis,d.mccombie,andh.h.asada,“utilityofthephotoplethysmogramincirculatorymonitoring(光电容积描记在循环监测中的用途)”anesthesiology(麻醉学),108,950–958,(2008).6.afromowitzma,callisjb,heimbachdm,etal.“multispectralimagingofburnwounds:anewclinicalinstrumentforevaluatingburndepth(烧伤创伤的多光谱成像：一种新的用于评估烧伤深度的临床仪器)”.ieeetransactionsonbio-medicalengineering(ieee生物医学工程汇刊).1988.35:842-850.7.afromowitzma,vanliewgs,heimbackdm.clinicalevaluationofburninjuriesusinganopticalreflectancetechnique(使用光反射技术临床评估烧伤损伤).ieeetransactionsonbiomedicalengineering(ieee生物医学工程汇刊).1987；34(2):114-27.8.anselmovj,zawackibe.“multispectralphotographicanalysis.anewquantitativetooltoassistintheearlydiagnosisofthermalburndepth(一种用于辅助热烧伤深度的早期诊断的新的定量工具)”annalsofbiomedicalengineering(生物医学工程年鉴).1977.5:179-193.9.arsenaultka,al-otaibia,devereauxdj,thorlundk,tittleyjg,whitlockrp.theuseoftranscutaneousoximetrytopredicthealingcomplicationsoflowerlimbamputations:asystematicreviewandmeta-analysis(经皮血氧定量法用于预测下肢截肢的愈合并发症的用途：系统综述和多元分析).eurjvascendovascsurg(欧洲血管与血管外科杂志)2012；43:329-36.10.bajwaa,wesolowskir,patela,sahap,ludwinskif,smitha,nagele,modaraib.assessmentoftissueperfusioninthelowerlimb:currentmethodsandtechniquesunderdevelopment(下肢中组织灌注的评估：在开发中的当前方法和技术).circcardiovascimaging(循环心血管成像)2014；7:836-43.11.bakz,sjobergf,erikssono,etal.“hemodynamicchangesduringresuscitationafterburnsusingtheparklandformula(使用parkland公式的烧伤后恢复期间的血液动力学变化)”.journaloftrauma-injuryinfection&criticalcare(外伤损伤感染与重症监护杂志)2009.66(2):329-336.12.beniteze,sumpiobj,chinj,sumpiobe.contemporaryassessmentoffootperfusioninpatientswithcriticallimbischemia(严重肢体缺血患者中足部灌注的当代评价).seminvascsurg(血管外科研讨会)2014；27:3-15.13.branski,lk,mittermayrr,herndondn,etal.“aporcinemodeloffull-thicknessburn,excisionandskinautografting(全深度烧伤、切除和皮肤自动移植的猪模型)”burns(烧伤).2008.34:1119-1127.14.burgessem,matsenfa,wysscr,simmonscw.segmentaltranscutaneousmeasurementsofpo2inpatientsrequiringbelow-the-kneeamputationforperipheralvascularinsufficiency(外周血管供血功能不全的膝下截肢患者中po2的经皮测量).jbonejtsurgam(美国骨与关节外科杂志)1982；64:378-82.15.centersfordiseasecontrolandprevention(疾病控制和预防中心).number(inthousands)ofhospitaldischargesfornon-traumaticlowerextremityamputationwithdiabetesasalisteddiagnosis(具有糖尿病作为诊断名单的非外伤下肢截肢的出院人数(以千计)),unitedstates(美国),1988-2006.availableat(可获自):http://www.cdc.gov/diabetes/statistics/lea/fig1.htm16.cheong,w.-f,prahl,s.a,welch,a.j,“areviewoftheopticalpropertiesofbiologicaltissues(生物组织的光学性质综述)”,quantumelectronics(量子电子学),ieeejournal(ieee杂志)ofvolume:26,issue:12,2002.17.cortes,c.；vapnik,v.“support-vectorsnetworks(支持向量网络)”.machinelearning(机器学习)20,273-297(1995).18.covertm,hartpe,”nearestneighborpatternclassification(最近邻模式分类)”,ieeetransactionsoninformationtheory(ieee信息理论汇刊),13(1):21-27(1967).19.deniscoursineau,“ouliersdetectionandtreatment:areview(离群值检测和处理综述)”,internationaljournalofpsychologicalresearch(国际心理研究杂志),vol.3.no.1(2010).20.desaimh,herndondn,broemelingld,etal.“earlyburnwoundexcisionsignificantlyreducesbloodloss(早期烧伤创伤切除大大降低失血量)”annsurg.(外科学年鉴)1990.211(6):753-762.21.dillinghamtr,pezzinle,shoread.reamputation,mortality,andhealthcarecostsamongpersonswithdysvascularlower-limbamputations(异常血管下肢截肢者的再次截肢、死亡率和医疗费用).archphysmedrehabil(物理医学与康复杂志)2005；86:480-6.22.dmm,jenkinsm,gdw.outpatientburnmanagement(门诊烧伤处置).nursingclinicsofnorthamerica(北美临床护理)1997；32:343.23.e.middelkoop,a.j.vandenbogaerdt,e.n.lamme,m.j.hoekstra,k.brandsma,andm.m.w.ulrich,“porcinewoundmodelsforskinsubstitutionandburntreatment(用于皮肤替换和烧伤治疗的猪烧伤模型)”biomaterials(生物材料).25(9),1559–1567,(2004).24.eisenbeissw,marotzj,schradejp.“reflection-opticalmultispectralimagingmethodforobjectivedeterminationofburndepth(用于客观测定烧伤深度的光反射式多光谱成像方法)”burns(烧伤).1999.25:697-704.25.enerothm.factorsaffectingwoundhealingaftermajoramputationofvasculardisease:areview(影响血管疾病大截肢后的创伤愈合的因素综述).prostheticsandorthoticsinternational(国际假肢矫形)1999；23:195-208.26.engravl,heimbachd,reusj,harnart,marvinj.“earlyexcisionandgraftingvs.nonoperativetreatmentofburnsofindeterminantdepth:arandomizedprospectivestudy(不确定深度烧伤的早期切除和移植与非手术治疗对比：随机前瞻性研究)”thejournaloftrauma(创伤杂志).1983.23(11):1001-4.27.franklinh,rajanm,tsengcl,pogachl,sinhaa.costoflower-limbamputationintheusveteranswithdiabetesusinghealthservicesdatainfiscalyears2004and2010(在2004-2010财年中使用健康服务数据的美国患糖尿病退伍军人的下肢截肢费用).jrehabilresdev(康复研究与发展杂志)2014；51:1325-30.28.g.antonutto,m.girardis,d.tuniz,andp.e.diprampero,“noninvasiveassessmentofcardiacoutputfromarterialpressureprofilesduringexercise(从手术中动脉血压曲线非侵入性评估心排血量)”eur.j.appl.physiol.occup.physiol.(欧洲应用生理学与职业生理学杂志)72(1–2),18–24,(1995).29.grahamjs,chilcottrp,ricep,milnersm,hurstcg,malinerbi.woundhealingofcutaneoussulfurmustardinjuries:strategiesforthedevelopmentofimprovedtherapies(皮肤硫芥子气损伤创伤愈合：改进治疗的开发策略).journalofburnsandwounds(烧伤与创伤杂志)2005；4:e1.30.grubbs,f.e,“proceduresfordetectionoutlyingobservationsinsamples(检测样品中外围观测的程序)”,technometrics(技术计量学)11(1).(1969).31.guos,dipietrola.factorsaffectingwoundhealing(创伤愈合的影响因素)jdentres(牙科研究杂志)2010；89:219-29.32.guolanlu,baoweifei,“medicalhyperspectralimaging:areview(医学超光谱成像综述)”,journalofbiomedicaloptics(生物医学光学杂志)19(1),0101901,(2014).33.gurfinkelr,rosenbergl,cohens,etal.“histologicalassessmentoftangentiallyexcisedburneschars(切向切除烧伤焦痂的组织学评估)”thecanadianjournalofplasticsurgery＝journalcanadiendechirurgieplastique(加拿大整形外科杂志).2010.18:e33-36.34.gurfinkelr,singeraj,cagnanoe,etal.“developmentofanovelanimalburnmodelusingradiantheatinratsandswine(在大鼠和猪中使用辐射热开发新的动物烧伤模型)”academicemergencymedicine:officialjournalofthesocietyforacademicemergencymedicine(急救医学学术：急救医学学术协会的官方杂志)2010.17:514-520.35.hanchuanpeng,fuhuilong,andchrisding,“featureselectionbasedonmutualinformation:criteriaofmax-dependency,max-relevance,andmin-redundancy(基于交互信息的特征选择：最大相关、最大相关和最小冗余准则)”ieeetransactionsonpatternanalysisandmachineintelligence(ieee模式分析与机器智能汇刊),vol.27,no.8,pp.1226-1238,2005.36.hcupnationwideinpatientsample(hcup全国住院样本)(nis).helathcarecostandutilizationproject(医疗费用与利用项目)(hcup).rockville,md:agencyforhealthcareresearchandquality(医疗研究与质量机构)；2009.37.heimbachd,engravl.surgicalmanagementoftheburnwound(烧伤创伤的手术治疗).newyork(纽约):ravenpress,1984.38.heimbachd.earlyburnexcisionandgrafting(早期烧伤切除与移植).surgicalclinicsofnorthamerica(北美外科诊所)1987；67:93-107.39.hus,perisva,echiadisa,etal.“developmentofeffectivephotoplethysmographicmeasurementtechniques:fromcontacttonon-contactandfrompointtoimaging(有效光电容积描记测量技术的开发：从接触到非接触、从点到成像)”ieeeembs.2009.6550-6553.40.isabelleguyon,andreelisseeffm,“anintroductiontovariableandfeatureselection(变量和特征选择的介绍)”,journalofmachinelearningresearch(机器学习研究杂志)3(2003)1157–1182.41.j.allen,“photoplethysmographyanditsapplicationinclinicalphysiologicalmeasurement(光电容积描记术及其在临床生理测量中的应用)”physiol.meas.(生理测量),28,r1–r39,(2007).42.j.e.thatcher,k.d.plant,d.r.king,k.l.block,w.fan,andj.m.dimaio,“dynamictissuephantomsandtheiruseinassessmentofanoninvasiveopticalplethysmographyimagingdevice(动态组织模型及其在非侵入性光电容积描记成像装置的评估中的应用)”inspiesensingtechnology+applications(spie传感技术与应用),910718,(2014).43.jacksond.“thediagnosisofthedepthofburning(烧伤深度诊断)”brjsurg.(英国外科杂志)1953.40:588.44.jacquess,1998.ps.absorptionspectraforbiologicaltissues(生物组织的吸收光谱)oregongraduateinstitute(俄勒冈研究生院).1998[cited2014(2014年引用)11/4/2014].availablefrom(可获自):http://omlc.org/education/ece532/class3/muaspectra.html.45.johnaldrich,“r.afisherandthemakingofmaximumlikelihood1912–1922(r.afisher与1912-1922年最大似然法的产生)”,statisticalscience(统计科学),1997,vol,12,no.3,162–176.46.kaiserm,yafia,cinatm,etal.“noninvasiveassessmentofburnwoundseverityusingopticaltechnology:areviewofcurrentandfuturemodalities(使用光学技术非侵入性评估烧伤创伤严重程度：当前和未来方式综述)”burns(烧伤).2011.37(3):377-86.47.kearnsrd,homesjht,alsonrl,cairnsba.disasterplanning:thepast,present,andfutureconceptsandprinciplesofmanagingasurgeofburninjuredpatientsforthoseinvolvedinhospitalfacilityplanningandpreparedness(灾难规划：医疗机构规划和准备中包括的烧伤损伤患者激增管理的过去、现在和未来概念和原理).jburncareres(烧伤护理与研究杂志)2014；35(1):e33-42.48.king,d.,li,w.,squiers,j.j.,mohan,r.,sellke,e.,mo,w.,zhang,x.,fan,w.,dimaio,j.m.,thatcher,j.e.surgicalwounddebridementsequentiallycharacterizedinaporcineburnmodelwithmultispectralimaging(利用多光谱成像序列表征猪烧伤模型的外科创伤清创).burns(烧伤).2015；s0305-4179(15)00138-2.49.konoy,muderrr.identifyingtheincidenceofandriskfactorsforreamputationamongpatientswhounderwentfootamputation(在接受了足部截肢的患者中再次截肢的事件和风险因子的识别).annvascsurg(血管外科年报)2012；26:1120-6.50.l.m.nilsson,“respirationsignalsfromphotoplethysmography(来自光电容积描记术的呼吸信号)”anesth.analg.(麻醉与镇痛),117(4),859–65,(2013).51.leejo,dibildoxm,jimenezcj,etal.“operativewoundmanagement(手术创伤管理)”2012.157-72e2.52.liq,hex,wangy,etal.“reviewofspectralimagingtechnologyinbiomedicalengineering:achievementsandchallenge(生物医学工程中的光学成像技术综述：成就与挑战)journalofbiomedicaloptics.(生物医学光学杂志)2013.18(10):100901.53.li,w.,mo,w.,zhang,x.,lu,y.,squiers,j.j.,sellke,e.w.,fan,w.,dimaio,j.m.,andthatcher,j.e.(2015).burninjurydiagnosticimagingdevice’saccuracyimprovedbyoutlierdetectionandremoval(通过离群值检测和去除提高烧伤损失诊断成像装置的精度).proc.spiedefense+security,algorithmsandtechnologiesformultispectral,hyperspectral,andultraspectralimageryxxi(第二十一届spie多光谱、高光谱和超光谱成像的国防安全、算法和技术会议).(2015年3月).54.lieberman,j.i.,collins,s.m.nationalpreparedness:countermeasuresforthermalburns(国家准备：热烧伤的对策).unitedstatesgovernmentaccountabilityoffice(美国政府责任署).gao-12-304r.february22,2012(2012年2月22日).55.liuh,yul.“towardintegratingfeatureselectionalgorithmsforclassificationandclustering(面向分类和聚类的集成特征选择算法)”ieeetransactionsonknowledgeanddataengineering(ieee知识与数据工程汇刊).2005.17(4):491–502.56.lug,feib.“medicalhyperspectralimaging:areview(医学高光谱成像综述)”journalofbiomedicaloptics(生物医学光学杂志)2014.19(1):1–23.57.macrilk,singeraj,tairabr,mcclainas,rosenbergl,clarkraf.immediateburnexcisionfailstoreduceinjuryprogression(立即烧伤切除不能降低损伤进展).jburncareres(烧伤护理与研究杂志)2013；34(3):153-60.58.marimont,r.b.；shapiro,m.b(1979(.“nearestneighborsearcherandthecurseofdimensioanlity(最近邻搜索器与维数曲线)”.imajapplemath(ima应用数学杂志)24(1):59–70,(1979).59.mo,w.,mohan,r.,li,w.,zhang,x.,sellke,e.,fan,w.,dimaio,j.m.,andthatcher,j.e.theimportanceofilluminationinanon-contactphotoplethysmographyimagingsystemforburnwoundassessment(非接触式光电容积描记成像系统中光照对烧伤损伤评估的重要性).proc.spie9303,photonictherapeuticsanddiagnosticsxi(第十一届spie9303，光子诊断和治疗会议),93030m.60.mookga,buursmaa,gerdinga,kwantg,zijlstrawg,“spectrophotometricdeterminationofoxygensaturationofbloodindependentofthepresenceofindocyaninegreen(与吲哚青绿的存在无关的血液氧饱和的分光光度测定法)”,cardiovasres(心血管研究),(1979).61.nationallimblossinformationcenter(国家肢体丧失信息中心).amputationstatisticsbycause:limblossintheunitedstates(截肢原因统计：美国的肢体丧失).factsheet.revised(情况说明书，修正版)2008.62.nehlermr,colljr,hiattwr,regensteinerjg,schnickelgt,klenkewa,streckerpk,andersonmw,jonesdn,whitehillta,moskowitzs,krupskiwc.functionaloutcomeinacontemporaryseriesofmajorlowerextremityamputations(当代系列高位下肢截肢中的功能结果).jvascsurg(血管外科杂志)2003；38:7-14.63.nguyenjq,crouzetc,mait,etal.“spatialfrequencydomainimagingofburnwoundsinapreclinicalmodelofgradedburnseverity(临床前烧伤严重程度分级模型中对烧伤创伤的空间频率域成像)”journalofbiomedicaloptics(生物医学光学杂志)2013.18(6):66010.64.norgrenl,hiattwr,dormandyja,nehlermr<harriska,fowkesfg,tasciiworkinggroup.inter-societyconsensusforthemanagementofperipheralarterialdisease(pad)(治疗外周动脉疾病(pad)的国际社会共识).jvascsurb(血管外科杂志)2007；45:s-67.65.opticalpropertiesofbiologicaltissues:areview(生物组织的光学性质综述).physicsinmedicineandbiology(医学和生物学中的物理学),2013,58(12),r37-61.66.orgilld.excisionandskingraftingofthermalburns(热烧伤的切除和植皮).newengjmed(新英格兰医学杂志)2011；360:893-901.67.ortiz-pujolssm,thompsonk,sheldongf,etal.“burncare:aretheresufficientprovidersandfacilities？(烧伤护理：存在足够的提供者和机构吗？)”chapelhill(教堂山),northcarolina(北卡罗莱纳州).americancollegeofsurgeonshealthpolicyresearchinstitute(美国外科卫生政策研究所学院),november2011(2011年11月).68.p.j.rousseeuw.“leastmedianofsquaresregression(平方回归的最小中值)”.j.amstatass(美国统计协会杂志),79:871(1984).69.p.king,“designofpulseoximeters(脉搏血氧计的设计)”ieeeeng.med.biol.mag.(ieee医学与生物工程杂志),17,(1998).70.papes,skourasc,byrnep.anauditoftheuseoflaserdopplerimaging(ldi)intheassessmentofburnsofintermediatedepth(激光多普勒成像(led)在中等深度烧伤评估中的应用的audit).burns(烧伤)2000；27:233-9.71.pixelteqi.multispectralsensingandimaging(多光谱传感和成像)；spectrocamvis-nir2013[cited(引用)20147/18/14].72.r.moza,j.m.dimaio,andj.melendez,“deep-tissuedynamicmonitoringofdecubitusulcers:woundcareandassessment(褥疮溃疡的深度组织动态监测：烧伤护理与评估)”ieeeeng.med.biol.mag.(ieee医学与生物工程杂志),29,71–77,(2010).73.reschtr,drakerm,helmersd,etal.“estimationofburndepthatburncentersintheunitedstates:asurvey(美国烧伤中心烧伤深度评估调查)”jburncareres.(烧伤护理与研究杂志)2014.35:491-7.74.rogerslc,laveryla,armstrongdg.therighttobearlegs-anamendmenttohealthcare:howpreventingamputationscansavebillionsfortheushealth-caresystem(拥有腿的权利——对卫生保健的修正：防止截肢如何能够为美国卫生保健系统节省数十亿美元).jampodiatrmedassoc(美国足病医学协会杂志)2008；98:166-8.75.s.b.usman,m.a.b.m.ali,m.m.b.i.reaz,andk.chellapan,“secondderivativeofphotoplethysmograminestimatingvascularagingamongdiabeticpatients(预估糖尿病患者中的血管老化的光电容积描记法的二阶导数)”ininternationalconferencefortechnicalpostgraduates2009(2009年国家技术研究生会议),techpos2009,(2009).76.severinghaus,jw,honda,y.“historyofbloodgasanalysis.vii.pulseoximetry(血液气体分析历史vii脉搏血氧测定法)”journalofclinicalmonitoring(临床监测杂志).1987.3(2):135–138.77.singeraj,mcclainsa.aporcineburnmodel(猪烧伤模型).methodsinmolecularmedicine(分子医学方法)2003；78:107-19.78.sokolova,m.,&lapalme,g.“asystematicanalysisofperformancemeasuresforclassificationtasks(用于分类任务的性能测量系统分析)”informationprocessingandmanagement(信息处理和管理).2009.45:427-437.79.80.v.tvalery,“light-tissueinterations(光-组织相互作用)”,chapter3inbiomedicalphotonicshandbook(生物医学光子学手册第三章),pp.1-27(第1-27页),crcpress(crc出版社),bocaraton,florida(2003).81.vemulapallis,greinerma,jonesws,patelmr,hernandezaf,curtislh.peripheralarterialtestingbeforelowerextremityamputationamongmedicarebeneficiaries,2000to2010(2000-2010年医疗保险受益者中下肢截肢前的外周动脉测试).circcardiovascqualoutcomes(循环心血管质量与结果)2014；7:142-50.82.w.mo,r.mohan,w.li,x.zhang,e.sellke,w.fan,m.dimaio,j.thatcher,“theimportanceofilluminationinanon-contactphotoplethysmographyimagingsystemforburnwoundassessment非接触式光电容积描记成像系统中光照对烧伤损伤评估的重要性).inspie9303,photonictherapeuticsanddiagnosticsxi(第十一届spie9303，光子诊断和治疗会议),93030m,(2015).83.watersrl,perryj,antonellid,hisloph.energycostofwalkingofamputees:theinfluenceoflevelofamputation(截肢者步行能量成本：截肢高度的影响).jbonejointsurgam(美国骨与关节手术杂志)1976；58:42-6.84.wattsami,tylermph,perryme,robertsahn,mcgroutherda.burndepthanditshistologicalmeasurement(烧伤深度及其组织学测量).burns(烧伤)2001；27:154-60.85.webbs.thephysicsofmedicalimaging(医学成像物理学).crcpress(crc出版社),1988.86.webster,jg.[designofpulseoximeters,medicalscienceseries(脉搏血氧仪的设计，医学科学系列)],instituteofphysicspublishing(物理出版社),newyork&bristol,(1997).87.worsleyp,voegelid.backtobasics:biophysicalmethodsinitsueviabilityresearch(问题可行性研究中的生物物理方法).jwoundcare(创伤护理杂志)2013；22:434-9.88.wutshcertr,bounameauxh.determinationofamputationlevelinischemiclimbs(缺血性肢体截肢高度的确定).diabetescare(糖尿病护理)1997；20:1315-8.89.ziegler-grahamk,mackenzieej,ephraimpl,travisontg,brookmeyerr.estimatingtheprevalenceoflimblossintheunitedstates:2005to2050(2005-2050年美国肢体丧失患病率的估计).archphysmedrehabil(物理医学与康复档案)2008；89:422-9.技术实现要素：用于烧伤评估的组织分类本文所述的本发明的方面涉及能够用于使用光学成像对组织进行分类的设备和方法。对于能够分类创伤组织的非侵入性成像技术存在长期的需求，尤其是能够有助于对创伤的严重程度进行快速验伤分类和评估的技术存在长期的需求，以便在开始治疗过程之前、期间和/或之后监测愈合过程的进展。这种需求的一种实例是需要更好的成像技术，能够用于治疗验伤分类和评估烧伤的严重程度，例如在常规烧伤护理和/或重大灾难烧伤护理中。为了阐明在例如重大灾难烧伤护理方面对更好的成像技术的需求，进行如下说明。目前在美国仅有250名烧伤专业医师，在美国全境仅有1800张烧伤床位。这些烧伤机构目前以95％的负荷运行。任何突发的烧伤患者数量增加将需要立即识别出需要烧伤专业医师关注的患者并对其进行优先对待。此外，如果发生灾难性事件，非烧伤专业医师的医师们将需要处置患者的需求。例如，在发生核紧急事件、森林大火或大规模烟火事故时，需要烧伤治疗的患者数量可能会突然迅速增加。由于对烧伤的评估甚至对烧伤专业医师而言也很困难，而且这种评估的主观性，这也是目前现有的状况，因此显然需要设备，使得能够使烧伤专业医师和非烧伤专业医师的医师们能够快速识别或分类出需要立即紧急程序和/或需要烧伤专业医师护理的患者。在重大灾难情况下，可能多达10,000名患者需要热烧伤护理。在美国专业外科医师和烧伤中心的数量有限情况下，存在公共卫生需要，用于在这种事件发生之后非专业的医护人员能够快速并广泛地实施烧伤伤口治疗。除烧伤之外，在该领域中还存在很多对能够快速分类和区分受损和未受损组织的方法和设备的其他需求。确定烧伤的护理标准首先要使用视觉和触觉线索来评估烧伤深度。在根据烧伤深度对烧伤进行分类之后，能够设计有效的治疗计划。通常，浅度烧伤和深度烧伤(superficialandfullthicknessburns)能够依靠外观进行分类，但是将二度烧伤(partialthicknessburns)分类为“浅二度”或“深二度”烧伤通常会被推迟。这种推迟的发生是因为在二度烧伤(partialburn)进一步进展之前无法目测皮肤损伤的完整程度。由于以下几个原因，快速准确分类二度烧伤的深度是重要的。首先，对于浅二度和深二度烧伤之间，治疗方案存在很大的不同。浅二度烧伤仅需要局部涂抹药膏，在7-21天内自发愈合，而深二度烧伤必须实施手术切除并从供体皮肤部位进行自动植皮。第二，尽可能早地评估烧伤是否需要手术干预以使创伤的疤痕和细菌定殖最小化也是很重要的。与对二度烧伤的分类相关的延迟干预已经显示出提高感染、代谢紊乱和器官衰竭的风险。而且，最近已经证实烧伤的进展不会随着延迟切除时间而增加。最后，多区域烧伤是常见的，通常将包含烧伤深度的集合。复杂烧伤的切除和移植需要专业的规划和细致的差别切除，以确保整个烧伤区域得到最佳的治疗。美国医院仅有250名烧伤专业医师和1,800个指定的烧伤床位(以95％负荷运行)，烧伤护理资源是不足的。因此，对烧伤患者护理的第一线通常是非专业医师，其缺乏烧伤治疗经验，这会导致治疗的延迟和非最优化，提高了并发症的几率。目前，专家对临床烧伤深度诊断的准确度估计为70-80％，而非专业医师的准确度仅为60％。用于改善烧伤深度评估的最常见的潜在方案包括荧光染料、高频超声、核成像(mri)、拍照、热成像和激光多普勒成像(ldi)。激光多普勒成像是唯一获得usfda许可的技术，包括诊断烧伤创伤床。其是非侵入性的，在创伤评估方面被认为是有效的，而且也是烧伤专业医师目前可以采用的。尽管其可以被采用，但其很少使用，且主要用于大的烧伤中心。最被人提及的缺点(需要完全裸露的创伤、患者静止不动以及烧伤后要延迟48小时)导致在临床环境中可用性很低。获取时间也相当缓慢。热成像与ldi类似，也是非侵入性的和非接触性的，但需要患者在恒温室内经过15分钟的温度平衡，目前也不适于分类烧伤深度。在烧伤评估中使用彩色拍照通常是困难的，因为其仅能提供人眼已经能够察觉的信息，而且将会需要烧伤外科医师解释图像。血管内染料(例如靛青绿)提供有关血液在组织中流动的信息。这种技术已经被开发用于烧伤中，且能够用于识别在烧伤中的高或低血液灌注区域。这种技术是侵入性的，每次图像获取尝试都需要注射染料，一些外科手术根据所需图像的数量需要多次注射，这是昂贵且耗时的。显然，另一种潜在的方案(多光谱成像(msi))测定选定波长的可见光和近红外光从烧伤表面的反射率。各种组织类型是由与光发生不同相互作用的组织组分的独特组合而构成的。这些光与组织的相互作用产生独特的反射特征(signature)，msi捕捉到这种独特的反射特征，其能够用于分类烧伤严重程度。msi也能通过局部创伤涂抹药膏和包扎来评估组织，以及能容忍轻微的患者移动。这些特征使msi成为有吸引力的方案。msi之前已经在临床环境中进行了测试，最早的结果是由anselmo等在1977年以及afromitz等在1988年得到的。这些试验成功地分类了不同的烧伤深度，但完成每次信息获取必要的时间约为几天到几个星期。随着近几十年来成像技术和计算机处理能力的提高，我们能够更好地常规实施msi技术作为患者检查或手术的一部分。msi技术的准确度依赖于对在临床设备中使用的有价值的波长的确认。此处，我们使用了猪烧伤模型来测试msi使用不同波长来研究在初始损伤部位以及在手术清创(也称作烧伤切除)期间的二度烧伤的能力。选择的波长要考虑皮肤组织的主要组分(血液、黑色素、水、脂肪和细胞外基质(“ecm”))的吸收峰，而且已经被之前的临床研究建议能够分类烧伤，如本公开理论部分中所讨论的那样。由相同的样本的组织病理学评估验证波长的临床有效性。光学成像技术提供了用于在组织表面处或其附近评估的非接触性快速方法。组织血液灌注的研究能够使用光学方法实现，因为血液中的血红蛋白是组织中光学吸收的显著来源。皮下组织和浅表组织中存在的这些血源发色团具有与周围组织形成对比的光学参数(主要是吸光性)。与血液组织灌注相关的随时间改变的信号，光电容积描记(photoplethysmography，ppg)信号，是由组织中血液流动的特定特征产生的。在组织中通过血管流动的包含携带血红蛋白的细胞的血液证实了随每个心动周期的周期性体积变化。使用由此产生的血液体积的动态变化来评估组织健康，包括相对血液灌注量、心脏功能和外周血管健康。这种光谱光学成像技术(ppg成像)提供了监测通过组织的浅表表面的血液灌注的能力。通过分析来自灌注组织的反向散射光实现了非接触性的反射式ppg成像。当光入射到组织上时，光的一部分在组织内散射，然后与血液中的发色团相互作用，最终通过组织表面散射回去。当随着时间观测时，这种光-组织相互作用与弱ac调制相叠加，所述弱ac调制与从组织反射的光的总量相比约为1-2％。能够对这种反向散射光的小ac信号进行分析，得到与动脉循环的位置、相对血液体积和相对血液浓度相关的信息。由这种信息产生的图像提供了评估病理学的方法，包括组织血液流动和脉冲速率的变化，包括：组织灌注；心血管健康；创伤，例如溃疡；外周动脉疾病和呼吸健康。提供组织血液灌注的可靠的低成本的便携式测量的光学成像技术对医疗界将会具有高的价值。ppg成像是一种在烧伤和慢性创伤护理中具有应用的技术。我们对烧伤特别有兴趣，因为这种技术预期能在不需要一次性或无菌身体接触设备的情况下提供烧伤患者评估。非接触式ppg成像通常使用近红外(nir)波长作为照射源，以利用该波长处较多的光子渗透到组织中。常规设置包括将光源定位在待成像的目标组织附近。由于光以香蕉状的路径通过组织，能够在该图像的暗区域中收集ppg信号。这通常需要高动态范围和低光敏性的传感器(通常是科学cmos或ccd摄像机)来检测由图像的非照射区域发射的ppg信号。在本公开中，我们探究了变量照射形状和强度对接收到的ppg信号的影响，并猜测通过对成像者整个视界(fov)的更强且更均匀的照射能够增强ppg信号的强度。例如，在本公开中描述的实验中，我们开发了一种光学ppg样机系统，其使用空间均匀的dc调制照射光源。我们描述了均匀照射的基础理论，评价了ppg成像性能，并将其性能与其他类型的光源进行比较。我们通过台式组织模型用与组织相似的光学性质校正了一种评估成像系统，并进行了动物模型实验。我们证实了ppg成像使用均匀照射提高了在动物烧伤模型中浅表血管成像的性能。在本公开中描述的一些替代方案中，我们呈现了非接触式反射光电容积描记(photoplethysmogram，ppg)成像方法和系统，其可以用于在烧伤清创手术期间识别真皮烧伤创伤的存在。这些方法和系统可以在真皮创伤管理(例如烧伤切除)和创伤治疗类选决定的过程中为临床医师和外科医师提供辅助。在一些实验中，我们研究了不同照射均匀度和强度的系统，展现了我们的发现。对于我们的ppg成像设备，研究了led阵列、钨光源和最终高功率led发射器作为照射方法。在受控组织仿真模型和动物烧伤模型中，测试了这三种不同的照射光源。我们发现使用高功率led发射器的低热量的均匀照射方式对于在我们的动物烧伤模型中收集到的ppg信号提供了很大的改进。这些改进可使得来自不同像素的ppg信号在时间域和频率域中都是相当的，这简化了照射子系统的复杂性，并且消除了使用高动态范围摄像机的需求。通过烧伤模型输出对比(例如动物烧伤数据和受控组织仿真模型中的血液体积)，我们的光学改进导致产生在临床上实用性更好的图像来辅助烧伤评估。本文所述的方案能够用于识别和/或分类褥疮溃疡、充血、肢体损坏、雷诺氏现象、慢性创伤、擦伤、撕裂伤、出血、破裂损伤、刺伤、穿透伤、癌症或任何类型的其中组织的性质和质量与正常状态不同的组织变化的严重程度。本文中描述的设备也可以用于监测健康组织，帮助和改进创伤治疗过程，例如可以使得确定用于清创术的边缘的方法更快速且更准确，以及评估从创伤或疾病中恢复的过程，尤其是在已经实施了治疗之后。在本文所述的一些替代方案中，提供了这样的设备，其可以识别创伤组织附近的健康组织、确定切除边缘、在植入假肢(例如左心室辅助设备)之后监测恢复过程、评估组织移植物或再生细胞移植物的存活性、或者监测手术恢复(尤其是在重建术过程之后)。而且，本文描述的替代方案可以用于评估创伤之后(尤其是在引入治疗剂(例如类固醇、肝细胞生长因子、成纤细胞生长因子、抗生素或再生细胞，例如包括干细胞、内皮细胞和/或内皮前驱细胞的分离或浓缩细胞群体)之后)创伤的变化或健康组织的产生。本公开中的替代方案呈现了两种光学成像技术，其能够用同样的系统硬件实现：ppg成像和msi。这两种模式在其评估的组织性质类型方面是彼此互补的。例如，ppg成像测定在皮肤表面正下方的动脉血液流动的强度以区分能存活的和不能存活的组织。msi分析被组织吸收和反射的光的各种波长并通过对比其研究的反射光谱与建立的已知反射光谱的库对组织进行分类。ppg成像可以使用与脉冲血氧测定中类似的技术来捕捉生命体征，包括：心率、呼吸速率和spo2。ppg信号可以通过测定随着血管化的组织的动态变化的光的相互作用而产生。随着以心脏周期频率的各进入的收缩压波动，血管化的组织的体积膨胀和收缩约1-2％。这种血液的注入不仅增大了该组织的体积，而且其还产生了额外的血红蛋白，其会强烈吸收光。因此，光在该组织内的吸收会随着每次心跳而振荡。由此通过分析通过记录随着光移动通过组织而被吸收的程度而产生的体积描记图能够识别组织血液流动的变化。然后将该信息转变为由脉冲血氧测定计报道的生命体征。在一些情况下，为了由体积描记图产生图案，我们利用光通过该组织的路径。入射在组织表面上的少部分光散射到该组织中。该散射的光的一部分从其最初进入的表面离开该组织。使用灵敏数码摄像机，在组织的区域上收集反向散射的光，使得在该成像器中的各像素包含独特的ppg波形，该ppg波形是由散射光的强度变化决定的。为了产生相对组织血液流动的二维地图，测定各独特波形的振幅。为了提高准确度，我们能够在很多心跳样品上测定平均振幅。msi可以测定选定波长的可见光和近红外光从表面的反射率。msi适用于烧伤，因为各种组织类型(包括能存活的和坏死的组织)可以由与光相互作用不同的组织组分的独特组合构成。这些不同的光-组织相互作用产生了独特的反射特征，其被msi捕获。光谱特征能够从患者的烧伤收集并与已知光谱特征的数据库进行比较以表征患者的烧伤。尽管与较新的超光谱成像器相比，msi在一些情况中可能具有较少数量的独特波长以描述组织，但考虑了msi的使用在空间分辨率、光谱范围、图像获取速度和成本考虑中可能具有优点。早在1970年代就已经提出了对烧伤严重程度的光谱识别作为在初始患者评估过程中补充临床观察的手段。在1977年使用nasa开发的配备有可互换的滤光器的摄像机验证了通过研究不同深度烧伤的独特光学反射性质识别烧伤严重程度的可行性。其他研究组还在将该技术应用于表征烧伤组织中实现了一些成功。其显示msi与临床判断相比能够改善对烧伤深度的测定，而且报道的msi由于技术困难(例如过滤从皮肤表面上的水分的越来越亮的光谱反射)而在临床应用中受限。最重要的是，在该技术最初开发时，由于工程师不再面对今天的特定的现代计算技术的数据处理方面的严苛限制，msi需要几天的数据获取时间。用于截肢的组织分类美国每年会进行约185,000例下肢截肢，超过200万美国成年人是受过截肢手术的人。截肢术最显著的风险因子是具有或不具有糖尿病(dm)的外周动脉疾病(pas)，其占所有截肢术的超过一半，称作异常血管截肢。患有dm的患者对于下肢截肢手术具有比普通人群增大10倍的风险，每年对于糖尿病下肢溃疡发生超过6万例截肢。每10万个体中有30个人每年需要截肢术，仅次于异常血管疾病，并且由于美国的人口变老，这种发生率预期在下一个十年会升高50％。在美国医疗卫生系统上每年截肢的成本、国家收入等非常高。在仅退役军人事务(va)系统的一项研究中，与糖尿病相关的肢体缺损相关的费用负担在一年中(fy2010)就超过2亿美元(60,647美元/患者)。在fy2009，与医院相关的所有下肢截肢在美国费用中的花费总计83亿美元，主要截肢的寿命成本(包括复原和假肢费用)大约50万美元/患者。截肢除了昂贵的财政负担之外，由于患者被截肢，患者还经受了显著的发病率和生活质量的降低。最重要的是，这些患者的功能状态受到挑战，主要下肢异常血管切除术患者中只有25％能够在家庭之外使用假肢走动。随着截肢高度越来越接近身体中心，由于与组织损失的增加相关的能量消耗的提高，走动状态的成功康复可能性也随之降低。尽管在截肢过程中显然优选挽救尽可能多的肢体组织，但外科医师必须平衡在给定截肢高度(loa)时原发性创伤愈合的可能性，loa随着更末端的截肢而降低。选择适合的loa主要是由外科医师的临床判断(利用患者的病史和身体检查，包括颜色、温度、外周脉搏和在手术过程中的创伤出血，结合例如糖尿病、吸烟、营养状况等临床因素的知识)决定的，也可能结合多种被设计用来定量组织血液流动和/或氧合的非侵入性测试(踝臂指数(abi)、经皮血氧测量(tcom)或皮肤灌注压(spp))。然而，经历下肢截肢的患者中只有一半经过最常用的测试(abi)的评估，尽管现有规章推荐该操作。而且，一种研究表明在以任何方式经过原发性前足截肢之后在足背动脉有明显脉搏的患者中高达50％以及具有正常abi的患者中有30％需要再次截肢。在同一项研究中，接受过并行血管再造的患者中接近50％的患者也需要再次截肢，尽管进行了额外的努力来再造末梢端的血管。尽管tcom最初显示出能识别截肢后原发性创伤愈合的可能性的前景，但因为没有完成足够大的有力的研究来定义tcom在临床实践中的作用，因此在其应用方面仍保持争论。而且，tcom测量受到生理状态(例如体温)的影响，tcom电极仅能分析小面积的皮肤。因此，tcom尚未用在常规临床实践中，尽管该技术已经存在了几十年。尽管在最大化保留组织和最小化非愈合原发性创伤风险之间的平衡是困难的，以及确定适合的loa主要依赖临床判断，但报道的再次截肢的比例绝不是最优的。再次截肢率根据初始截肢高度而变化，从膝盖以上(aka)截肢的约10％到足部截肢的35％，需要将其最终修改到更接近身体中心的高度。目前可以得到有限的捕获再次截肢的直接费用的数据，但很显然，与截肢修正、重新入院和在食指手术(indexprocedure)和修正之间基本浪费的创伤护理努力相关的费用在每年与血管异常截肢相关的每年数十亿美元的护理花费中占了很大的部分。原发性愈合的延迟和失败使患者暴露于发病和死亡的风险(包括感染)提高。而且，在食指截肢过程之后原发性创伤愈合的延迟和失败严重影响患者的生活质量。需要截肢修正的患者的身体复原延迟，且需要假肢使其返回可走动的状态。这些患者还具有更多的与医疗护理系统的接触，通常在修正之前要经过额外的创伤护理治疗，能够通过最初正确选择loa而避免这些努力。最后，尽管再次截肢率被大量报道，但还没有研究公布关于通常医师对再次截肢风险的认识会导致loa的过度侵略性选择到何等更接近身体中心的高度。事实上，某些患者可能接受比需要截肢的高度更接近身体中心的截肢高度是可行的，因为其外科医师不能有信心地预测在更远离身体中心的高度具有较高的愈合可能性。因此指导关于loa做出决定的测试可能会降低再次截肢率并为面临大截肢的患者节省组织。然而，目前对于患有异常血管疾病的患者在截肢后原发性创伤的愈合能力的测定还没有黄金标准测试。很多人尝试仅通过局部评估组织微循环来寻找这种黄金标准。在该背景下测试了已知能准确测定皮肤组织的灌注和氧合的几种仪器，包括tcom、spp和激光多普勒。然而，仅微循环评估在选择loa时不能代替临床判断得到组织愈合能力的充分准确的评估。因此，表征皮肤的局部灌注和氧合显然不能提供足够定量该组织的愈合可能性的信息。这些技术全都没能包括在其预后中的是并发症的系统作用，并发症也会影响创伤愈合的潜力。事实上，在接近20年前，一名作者在对大的异常血管截肢之后影响创伤愈合的因素的综述中关于选择适当的截至高度时，总结出“预测大截肢之后的愈合可能性没有“黄金标准测试”，因为不仅是与创伤愈合有关的组织血液流动。在该综述中提及的所有其他因素(吸烟、营养、糖尿病和感染)也都是重要的。因此临床判断和各种测试的结合将是最普通的方法”。尽管该作者的预测，但spectralmd还是开发了一种成像装置，该成像装置能够将从表征组织血液流动的生理学的客观测试中发现的信息与重要的患者健康度量进行整合。在一些实施方案中通过本公开的机器学习算法解决了尤其是前述的问题，该算法将光学微循环评估与患者整体健康度量相结合产生预后信息。使用该方法，我们的设备能够提供创伤愈合可能性的定量评估，而现有的临床实践标准仅能定性评估。因此，一个方面涉及一种成像系统，其包括：一个或多个光源，其被配置为照射第一组织区域；一个或多个图像获取设备，其被配置为接收从第二组织区域反射的光；一个或多个控制器，其被配置为控制该一个或多个光源和该一个或多个图像获取设备以获取对应于不同时间和不同频率带的多个图像；和处理器，其被配置为至少部分根据该多个图像依照一种或多种临床状态分析该第二组织区域的区。另一方面涉及一种方法，其包括：用一个或多个光源照射第一组织区域；用一个或多个图像获取设备接收从第二组织区域反射的光；获取第二组织区域的对应于不同时间和不同频率带的多个图像；和至少部分根据该多个图像，对该第二组织区域的区进行分类。另一方面涉及一种成像系统，其包括：一个或多个光源，其被配置为照射第一组织区域；一个或多个图像获取设备，其被配置为接收从第二组织区域反射的光；用于获取第二组织区域的对应于不同时间和不同频率带的多个图像的装置；和用于根据该多个图像对该第二组织区域的区进行分类的装置。另一方面涉及一种诱导创伤愈合或改善创伤修复的方法，其包括：(a)获取对应于不同时间和不同频率带的第一和第二组织区域的多个图像，例如通过使用本文公开的任何系统，其中该第二组织区域包括至少一部分创伤，第一组织区域包括健康组织；(b)根据(a)中获取的多个图像分类第二组织区域的区；和(c)为该创伤的至少一部分提供治疗剂和治疗技术中的一种或两种以促进创伤愈合。另一方面涉及一种监测创伤愈合或创伤修复的方法，其包括：(a)获取对应于不同时间和不同频率带的第一和第二组织区域的多个图像，例如通过使用本文公开的任何系统，其中该第二组织区域包括至少一部分创伤，第一组织区域包括健康组织；(b)根据(a)中获取的多个图像分类第二组织区域的区；(c)为该创伤的至少一部分提供治疗剂以诱导创伤愈合；和(d)在实施(c)之后至少重复(a)和(b)。另一方面涉及一种分类创伤的方法，其包括：(a)获取对应于不同时间和不同频率带的第一和第二组织区域的多个图像，例如通过使用本文公开的任何系统，其中该第二组织区域包括至少一部分创伤，第一组织区域包括健康组织；和(b)根据(a)中获取的多个图像分类第二组织区域的区。另一方面涉及一种创伤清创的方法，其包括：(a)获取对应于不同时间和不同频率带的第一和第二组织区域的多个图像，例如通过使用本文公开的任何系统，其中该第二组织区域包括至少一部分创伤，第一组织区域包括健康组织；(b)根据(a)中获取的多个图像确定清创的边界，例如与该创伤的健康组织和坏死组织的交接面邻近的区域；和(c)在该清创边界内对该创伤清创。另一方面涉及一种识别慢性创伤的方法，其包括：(a)获取对应于不同时间和不同频率带的第一和第二组织区域的多个图像，例如通过使用本文公开的任何系统，其中该第二组织区域包括至少一部分创伤，第一组织区域包括健康组织；和(b)根据(a)中获取的多个图像将第二组织区域的区分类为代表慢性创伤的区。另一方面涉及一种评估烧伤严重程度的方法，其包括：将受试者布置在光源和图像获取设备的附近；使用该光源照射该受试者的第一组织区域；使用该图像获取设备获取第二组织区域的多个图像；至少部分根据用该图像获取设备获取的该多个图像分类第二组织区域的区的烧伤状态；和至少部分根据该分类计算该受试者的总烧伤体表面积的百分比估算值。另一方面涉及一种用于评估受试者的烧伤严重程度的装备，其包括：一个或多个光源，其被配置为照射第一组织区域；一个或多个图像获取设备，其被配置为接收从第二组织区域反射的光；一个或多个控制器，其被配置为控制该一个或多个光源和该一个或多个图像获取设备以获取第二组织区域的多个图像；和处理器，其被配置为根据该多个图像分类该第二组织区域的区的烧伤状态并根据该烧伤状态的分类计算该受试者的总烧伤体表面积的百分比估算值。另一方面涉及一种用于储存和升级数据的方法，该方法包括：在包括多个数据中心的程序执行服务(pes)的控制下，各数据中心包括一个或多个物理计算系统，该物理计算系统可被配置为执行一个或多个虚拟桌面实例，各虚拟桌面实例与计算环境相关，该计算环境包括操作系统，该操作系统可被配置为执行一个或多个应用，各虚拟桌面实例可由pes的用户的计算设备通过网络访问；在pes和用户的第一计算设备之间形成双向连接；从该第一计算设备接收同步在pes上的包含关于组织状态的数据的动态库的指令；访问文件元数据，该元数据指示该动态库是否要与一个或多个计算设备同步；至少部分根据该文件元数据，确定该动态库是否要与该第一计算设备同步；和响应于该动态库要与第一计算设备同步的决定，使用该双向连接将该动态库与该第一计算设备同步，其中将该经过同步的动态库局部地存储在该第一计算设备，在pes和第一计算设备之间没有双向连接的情况下也可访问。附图说明下面将结合附图和附件描述本公开的方面，其提供用于例示而非限制本公开的方面，其中类似的标记指代类似的元件。该专利或申请文件包含至少一幅彩色附图。一旦要求并支付了所需的费用，具有彩色附图的本专利或专利申请公开文件的副本将由office提供。图1a例示了对受试者成像的成像器的组件实例。图1b例示了成像探测器实例的运动实例。图2例示了用于获取图像的用户界面的实例。图3是显示受试者的多个表面的图像的图示实例。图4是显示用于治疗类选的镶嵌技术的图解实例，其与本文所述的某些替代方案一起使用。图5是描述在本文描述的一些替代方案中用于计算总体表面积的百分比的九分律和land-bowler表的图示实例。图6是显示美国烧伤协会制作的不同年龄组和烧伤尺寸的死亡率的图表实例。图7是在本文所述的一些替代方案中使用的高分辨率多光谱摄影机及其能够获得的数据的图示实例。图8是显示在本文所述的某些替代方案中用于组织分类的步骤的流程图实例。图9a、9b、9c和9d是从成年小型猪的组织样品拍摄的图像实例，其中对比了msi、ppg和本公开的替代方案的性能。图10是烧伤和清创过程的图示实例。图11显示了由本文所述的一些替代方案拍摄的图像实例，显示了成功和失败的组织移植。图12显示了对褥疮溃疡拍摄的图像实例，其中使用本文所述的替代方案在早期对褥疮溃疡拍摄，使用标准摄像机在其在皮肤表面上可见之后拍摄褥疮溃疡。图13是显示本文所述的某些替代方案与数据云相互作用的方式的图解实例。图14a-14c例示了以反射方式运行的台式系统。图15例示了皮氏培养皿和模拟人脉动血液流动的仿真(phantom)装备中的组织仿真。图16例示了在圆形的动物皮肤上的体内热烧伤创伤和清创模型。图17例示了时间分辨的ppg信号提取。图18a-18c例示了使用均匀反射板作为成像目标的led聚光(图18a)、钨灯(图18b)和led发射器(改进的，图18c)之间的空间照射强度对比。图19例示了三种照射图案之间的强度曲线的对比。图20a-20c例示了使用led聚光(图20a)、钨灯(图20b)和led发射器(图20c)的组织仿真和下方的脉动仿真血管的成像结果。图21例示了组织状仿真的脉动区域中ppg信号的功率谱密度与来自在成像器的饱和点以下的led发射器模块(辐照度0.004w/m2)的最大光强度百分比之间的关系。图22例示了基于ppg信号强度对健康猪皮肤区域内的像素的分类。图23a-23f例示了照射图案的各种图像和在该照射图案下拍摄的猪皮肤烧伤损伤图像。图24例示了烧伤损伤在猪的背部的位置。图25例示了第i区(左)和第ii区(右)的组织尺寸。图26例示了清创过程实例的示意图。图27a-27e例示了各种组织组分的吸收光谱。图28例示了切向切除(逐层切除)的烧伤组织结构。图29例示了在动物研究中从每次清创的连续切向切除得到的组织切片。图30例示了在烧伤后立即得到的msi数据曲线图，表明各烧伤类型的反射光谱在最初就是不同的。其显示了从所有烧伤部位和健康对照得到的四种反射光谱。图31描绘了在烧伤后立即和在损伤后1小时的各烧伤类型的光谱。图32显示了各切除层处所有波长的反射光谱。其描绘了健康对照、清创一次的健康对照、各切口处烧伤组织光谱的平均值和各切口处创伤床光谱的平均值的吸收光谱。图33显示了创伤清创过程。在创伤清创过程中，可以通过除去坏死组织(b)而暴露出用于移植的能存活的创伤床(a)。ppg成像设备检测这两种组织之间的相对血液流动的差异并将其彼此区分。同时，msi技术能够使用由创伤床(a)和坏死烧伤组织(b)之间的分子和结构差异确定的反射光谱来区分该组织。图34显示了反射式的2-dppg成像系统的组件(左)。单色光入射在组织表面上，随着其与分子结构的相互作用，在该组织内散射。少部分的光返回摄像机。在随时间测定时，该反向散射光的强度改变产生了ppg波形。原始数据立方体中的各个像素都包含独特的ppg波形，其能够被分析以产生该组织的单一血液流动图像(右)。图35例示了多光谱成像器的组件，包括宽光谱发光光源、数码摄像机和配备有各种用于分离从目标表面反射的光的预设波长的滤光器的旋转滤光轮(左)。该系统快速收集滤光轮中各位置处的图像，产生光谱数据立方体(右)。该数据立方体中的各像素表示该组织的低光谱分辨反射光谱。图36例示了深二度猪烧伤清创模型中包括的步骤。显示了五个时间点、彩色照片和从各时间点收集的数据。图37例示了为切除猪烧伤而进行的每次切皮刀切除的平均厚度(左)。而且，烧伤损伤的平均深度分隔开重度烧伤和一些轻微烧伤效果。误差棒显示了标准偏差。(右)二度烧伤的h&e染色显示了组织学家在组织上的标记。图38例示了从深二度烧伤的切向切除组织样本的组织结构。数字表示从表皮到真皮层的切除顺序，箭头表示各切皮刀样本的最浅层方面。烧伤最严重的组织可能位于黄色线的表层。具有轻度烧伤效果的组织位于黑线和黄线之间。深到黑线的组织被认为是没有烧伤效果。图39例示了来自深二度烧伤的连续切向切除的ppg成像结果。随着除去第一层1.0mm的皮肤，如较低的相对ppg信号所示，在创伤床中烧伤组织仍明显。在约2-3mm的深度(在第二次切除之后)，ppg信号返回到创伤床的区域。图40例示了来自深二度烧伤的连续切向切除的多光谱图像。随着更多的皮肤层被切除，存在的重度烧伤逐渐减少。在第二次清创时，烧伤几乎完全被切除，在第三次清创时完全烧伤除去。在第一次清创中显然存在一些错误，在第一次清创中中健康创伤床被分类为健康皮肤。通过算法和硬件改进或者选择更有效的波长，能够减少误差。图41例示了在非均匀烧伤中msi技术的功效。提供时，外科医师必须确定需要手术的组织(上)。在手术过程中，外科医师会遭遇不均匀深度的烧伤。这些图案能够提示外科医师何处必须除去更多的烧伤损伤，以及何处已经实现了能存活的创伤床(下)。图42例示了被之前经过训练的二次判别分析算法分类并与其实际分类标签比较以产生含混淆矩阵的测试集。该矩阵显示了在该矩阵中心的对角线上正确分类的数量。错误的分类在非对角线元素中。图43a-43c例示了硬件系统组(图43a)、动物烧伤(图43b)和烧伤组织中的第一次切除(图43c)的实例。图44例示了烧伤损伤皮肤的实例。图45例示了用于修订用于训练组织分类算法的数据集的步骤实例。图46a-46f例示了训练集的实例。图47a-47b例示了箱线图的实例：在离群值(outlier)去除之前的不同谱带上的六个种类(图47a)和在离群值去除之后的不同谱带上的六个种类(图47b)。图48a-48b例示了在具有离群值(图48a)和没有离群值(图48b)的2-d特征空间中的六个种类的实例。图49例示了以下的实例：(a1)健康病例；(a2)离群值去除前的结果；(a3)在离群值去除后的结果；(b1)烧伤病例；(b2)离群值去除前的结果；(b3)在离群值去除后的结果。图50例示了两种光学成像技术(光电容积描记成像(ppg成像)和多光谱成像(msi))的高水平图示概述，依照本公开，这两种光学成像技术能够与患者的健康度量相结合以产生预后信息。图51例示了被设计来融合光电容积描记成像(ppg成像)和多光谱成像(msi)的光学成像技术的装备的视图实例。图52例示了deepviewgen1ppg成像器、msi摄像机和目标患者健康度量输入的组合实例。图53例示了烧伤组织和通过清创露出的健康创伤床的信号之间的差异。图54例示了在公开的msi评估中实施的六种生理学种类的实例。图55以图示例示了ppg数据、msi数据和ppg与msi数据的组合的结果实例。图56例示了在手部、大腿部和足部区域中存在的ppg信号实例。图57例示了用于训练机器学习诊断算法的方法实例。图58例示了临床研究流程图的实例。图59例示了传统截肢过程中涉及的组织的图解实例图示。图60例示了产生用于截肢程度的分类器模型的步骤实例。图61例示了临床研究流程图的实例。图62例示了统计样本大小分析结果的实例。图63a例示了图63b-63f的结果实例的色键。图63b-63f例示了各种不同分类技术的参照图像、地面真值图像、分类结果和误差图像的实例。图64a和64b例示了在不同分类技术中特征组成的对比。具体实施方式引言本公开的替代方案涉及用于对患者的组织进行识别、评估和/或分类的系统和技术。一些替代方案涉及用于分类组织的装备和方法，其中该装置包括光学成像组件。本文描述的一些替代方案包括反射式多光谱时间分辨光学成像软件和硬件，其在实施时可以实现本文提供的几种组织分类方法。对能够分类组织的非侵入性医学成像技术存在长期可感知的需求。分类可以包括创伤和组织状态，例如褥疮溃疡、慢性创伤、烧伤、健康组织、组织移植、组织瓣、血管病理生理和充血。特别需要能够评估创伤或组织状态的严重程度并且评价受害的总体表面积百分比(tbsa％)的技术。受害的tbsa％定义为受害的组织区域的表面积除以总体表面积，表示为百分比(例如40％)、小于1的小数(例如0.4)或者也可以表示为分数(例如2/5)。表达的这些形式中的每一种为与本文所用的该术语相同的“tbsa％”如为相等或近似数值(例如其换算形式、分子和分母的单独输出等)。本文所述的替代方案可以以自动或半自动的方式评估和分类与紧急需要较少的那些截然相反的需要立即紧急程序的创伤受试者，也可以提供治疗建议。尽管浅表烧伤和浅二度烧伤(例如一度和二度烧伤)通常采取非手术程序会痊愈，但深二度和全深度烧伤(例如三度和四度烧伤)需要手术切除以防止功能丧失以及美容外观的过度恶化。事实上，早期切除伴随着死亡率和住院时间的降低。本文描述的一些替代方案特别适合烧伤管理，因为其可以使医师快速评估烧伤的严重程度，以便甚至非烧伤专业医师也能快速准确做出治疗类选决定(例如需要紧急手术的结论)。一些替代方案还可以辅助外科医师以仔细和更准确的方式执行切除的顺序(例如确定切除和/或清创过程的适当边界)。本文描述的其他替代方案特别适合使医师做出治疗决定，例如用于复苏的液体施用量。而且，在烧伤领域中，在收到创伤之后几天内评估组织损伤的整个程度通常是困难的。这些创伤类型的延迟性使得治疗过程变得更为复杂，因为烧伤医学专业外科医师通常难以可靠确定坏死或即将坏死的组织与在无需手术干预或清创术就能愈合的健康组织相互作用面的边界。烧伤评估通常取决于专业人员对皮肤的主观检查，要考虑皮肤的敏感性、一致性和颜色的其他变化性。然而，确定是否需要手术需要准确评估烧伤，特别是烧伤深度。除了确定是否需要手术之外，为了避免感染和败血症而对烧伤的早期检测和适当治疗以及因此不准确的烧伤分类和评估能够使患者的恢复变得更为复杂。进一步地，需要手术干预保持最小程度，以有利于愈合过程并限制受试者的外伤。然而，即使在需要手术时，外科医师面临的最大挑战之一是分辨至关重要的健康组织与不太重要的坏死或即将坏死的组织。即使对于有经验的外科医师，典型的切开深度端点也存在点状出血。然而，在使用这种度量时存在显著的缺点，包括在手术过程中对活体组织的多余去除。进一步地，在烧伤切除过程中控制出血是困难的，需要大量的临床判断、准确度和经验。在烧伤手术中，组织切除的过多或过少都可能具有威胁生命的后果。烧伤切除过少能够导致将移植物放置在无生命力的组织上，最终导致移植吸收较差。烧伤切除过少还会导致感染风险的增加和/或愈合时间的延长。另一方面，过度切除可能导致过量的失血，或者切除表面的出血，这也可能降低移植吸收。对于在较大组织表面上快速和定量评估烧伤严重程度的方法和装备存在很大的仍未满足的需求。本文描述的方法和装备可用于提供快速和准确的烧伤评估，其可以使烧伤专业医师聚焦于重度烧伤患者，而使非烧伤专业人员来处理烧伤不严重的患者的需求。对快速和定量评估其他创伤和组织状态的方法和装备也存在类似的仍未满足的需求，本文描述的设备和方法可用于对褥疮溃疡、慢性创伤、亚急性和裂开性创伤、外伤创伤、撕裂伤、擦伤、挫伤、糖尿病溃疡、压迫性溃疡、手术创伤、外伤和静脉溃疡等提供快速准确的评估，并且对健康组织与坏死或即将坏死的组织的接触位置、实施组织移植或组织瓣的准确位置、血管病理生理和充血进行快速准确的评估。在整个说明书中都提及了创伤(一种或多种)。应当理解该术语“创伤”取广义的解释，包括开放或封闭的创伤，其中皮肤被撕裂、切开、刺破或患病，或者其中外伤造成挫伤、浅表损伤，或者受试者(例如人或动物，特别是哺乳动物)皮肤上的病症或缺陷。“创伤”还意于包括组织的任何受伤区域，其中由于伤害或疾病的原因可能产生或不产生流体。这种创伤的实例包括但不限于：急性创伤、慢性创伤、手术切口和其他切口、亚急性和裂开性创伤、外伤创伤、瓣和皮肤移植、撕裂伤、擦伤、挫伤、烧伤、糖尿病溃疡、压迫性溃疡、气门、手术创伤、外伤和静脉溃疡等。为举例说明的目的，下面将结合附图描述各种替代方案。应认识到所公开的构思的很多其他实施方式都是可行的，用所公开的实施方式能够实现各个优点。所有可能的组合和次级组织都意于落入本公开的范围内。本文公开的很多替代方案包括类似的组成要素，因此这些类似的组成要素能够在本发明的不同方面中进行互换。本文包括的标题用于参考并辅助定位各个部分。这些标题并不意于限制关于其描述的构思的范围。这些构思在整个说明书全文中都适用。与烧伤评估相关的替代方案实例的概述图1a和图1b例示了本发明的一种替代方案的实例。这些附图中所示的装备特别适于对烧伤受试者的全身评估。该装备尤其适于烧伤治疗类选功能，其中做出涉及短期治疗需求的临床决定。在该实例中，探测器100包括一个或多个光源，在这种情况下是四个光源101、104、118和120，和图像获取设备102。光源101、104、118和120照射组织区域，在这种情况下为组织103，其有利地包括面向探测器100的受试者的整个身体表面。在一些替代方案中，该一个或多个光源可以是发光二极管(led)、卤素灯、钨灯或任何其他照明技术。该一个或多个光源可以发射白光或落入使用者根据需要能够选择的一个或多个光谱带内的光。很多led会发射窄带宽(例如半最大带宽为50nm或更小的全带宽)的光，其中能够选择特定的led以特定的带宽照射。通常，考虑到与所寻求的数据的类型和/或临床应用最相关的光测量，可以选择一个或多个光谱带。该一个或多个光源也可以与一个或多个驱动器连接，以为光源提供电力并进行控制。这些驱动器可以是光源自身的一部分，或者是单独的。多个窄带宽光源或具有可选滤光器(例如滤光轮)的宽带光源都可以按顺序或同时使用，以多个光谱带的光照射组织103。所选择的光谱带的中心波长通常位于可见和近红外波长之内，例如约400nm-约1100nm(例如小于、至少为或等于400、500、600、700、800、900、1000或1100nm，或者由前述波长中任意两者之间的任何波长限定的范围)。在一些替代方案中，光源以基本均匀的强度照射组织区域。例如，基本均匀的强度能够通过使用作为光源101、104、118和120的一部分提供的光漫射器实现，其产生施加到组织103上的光强度的近似均匀分布。光漫射器还具有降低不希望的镜面光反射的其他优点。在一些实例中，通过用高功率led利用宽光谱的空间均匀照射模式，能够实现由图像获取设备102获得的信号的信噪比的显著提高。在一些情况下，也可以使用模式化光系统，例如棋盘模式化照射。在某些这样的替代方案中，图像获取设备的视场指向未被光源直接照射但与照射区域相邻的组织区域。例如，在使用基本均匀强度的光的情况下，图像获取设备(例如图像获取设备102)可以从照射区域之外读取光。类似地，例如，在使用棋盘模式化照射的情况下，该获取设备102可以从该棋盘的非照射部分读取光。而且，即使在本文描述的一些替代方案中基本均匀强度的光是有效的，其他替代方案也可以使用非均匀光，其中该一个或多个光布置为使得穿过表面的光强度的差异最小化。在一些情况下，可以在数据获取过程中或者通过后端软件或硬件逻辑考虑这些差异。例如，可以使用顶帽(top-hat)变换或其他图像处理技术来补偿不均匀的背景照射。在某些替代方案中，该光源可以期望地极化。在一些情况下，使用反射、选择吸收、折射、散射和/或本领域已知的光极化任何方法对光进行极化。例如，该极化可以使用棱镜(例如尼科耳棱镜)、反射镜和/或反射表面、滤光器(例如偏振滤光镜)、透镜和/或晶体。该光也可以被交叉极化或共极化。在一些替代方案中，在光照射受试者之前，将来自该一种或多种光源的光进行极化。例如，可以提供极化滤光器作为光源101、104、118和120的一部分。在一些替代方案中，在来自组织的反射光被组织反射之后，将其进行极化。例如，可以提供极化滤光器作为获取设备102的一部分。在其他替代方案中，在光照射受试者之前以及在光反射之后都将光极化。例如，可以提供极化滤光器作为光源101、104、118和120的一部分以及作为数据获取设备102的一部分。所用的极化技术的类型可以取决于如下因素，例如照射角度、接收角度、所用照射源的类型、所希望的数据的类型(例如对散射、吸收、反射、透射和/或荧光的光的测量)以及成像组织的深度。例如，在照射组织时，一些光可能被皮肤表层作为表面闪光和反射而反射掉。这种反射光通常与漫射到真皮组织中的光具有不同的极性，其中漫射到真皮组织中的光可能被散射(例如反射)并改变方向和极性。可以使用交叉极性技术以使被获取设备读取的闪光和反射的量最小化，同时使读取的反向散射光的量最大化。例如，极化滤光器可以提供作为光源101、104、118和120的一部分以及作为数据获取设备102的一部分。在这种设置中，光首先被极化，然后照射目标103。在光被目标103反射之后，则该反射光可以以与第一极化方向正交的方向极化以测定反向散射光，同时使读取的被目标103的表面反射掉的入射光的量最小化。在一些情况下，也可能希望在特定的深度对组织成像。例如，在特定深度对组织成像能够用于评估特定深度的特定创伤、定位和/或识别是否存在癌性肿瘤、或者确定肿瘤的阶段或癌症的进展、或本公开中提及的任何其他治疗应用。可以使用本领域中已知的某些极化技术来根据光学性质和/或平均自由行程长度在特定深度对组织进行选择性成像。在某些替代方案中，可以使用其他用于控制成像深度的技术。例如，组织的光散射性质随温度而改变，而光在皮肤中的透射深度随冷却而增大。以这种方式，可以通过控制成像组织区域的温度来控制成像的深度。而且，例如，可以通过以各种频率脉冲(或闪烁)光源控制成像的深度。脉冲光比非脉冲光更深地透射到皮肤中：脉冲带宽越长，光透射越深。作为另一实例，也可以通过调节光的强度改变成像深度，其中强度较高的光的透射度大于强度较低的光。如图1a中进一步例示，图像获取设备102被配置为接收来自组织103的反射光。该图像获取设备102能够检测来自照射区域、照射区域的子区域或非照射区域的光。如下面进一步例示，该图像获取设备102的视场可以包括面向探测器100的受试者的整个身体表面。当照射面向探测器的受试者整体且面向探测器的受试者整体都处于图像获取设备的视场中时，提高了分类的速度和容易性。图像获取设备102可以是二维电荷耦合设备(ccd)或互补金属氧化物半导体(cmos)图像获取设备，具有适当的光学元件用于对照射组织103的全部或一部分进行成像。模块112是在一些替代方案中可以与探测器100连接的控制器、分类器和处理器。模块112控制探测器，其可以包括设定这样的参数，例如物理位置、光强度、分辨率、滤光器颜色或本公开中描述的摄像机和/或光源的任何参数。模块112也接收和处理由探测器得到的数据，如本公开中后面将描述的那样。在一些替代方案中，模块112可以进一步与模块114连接，其中模块114是显示器和用户界面(“ui”)。该显示器和ui向使用者显示信息和/或数据，其在某些替代方案中包括组织状态的存在、组织状态的严重程度和/或与患者相关的其他信息，包括本说明书中提及的任何信息。模块114接收用户输入，其在某些替代方案中包括与患者相关的信息，例如年龄、体重、身高、性别、种族、皮肤色调或肤色和/或血压。模块114也可以接收用户输入及校正信息、扫描位置的用户选择、组织状态的用户选择和/或其他诊断信息，包括本公开中提及的任何信息。在某些替代方案中，一些或任何的前述用户输入可以自动送到模块112，而不需要用户使用模块114输入信息。如图1b中例示，在一些替代方案中，探测器100可以以任何方向或方向组合(例如上、下、左、右、对角右上、对角左上、对角右下、对角坐下或这些方向的任意组合)移动。在一些替代方案中，该探测器可以以与受试者法线方向移动，其中探测器接近或远离受试者。例如，该探测器可以与轨道或用控制器112手动或自动控制位置的关节臂或其组合连接。在一些替代方案中，可以将光源或图像获取设备固定，在其他替代方案中，其中之一可以单独移动。某些替代方案将图像获取设备与电动机连接以使图像获取设备的移动自动化，以便于使摄像机可以对受试者的各个部分进行成像。摄像机也能够与轨道、铁轨、导轨和/或驱动臂连接。在图像获取设备移动时，光源可以照射整个组织区域103，或者在扫描过程中可以控制光源以仅照射摄像机正在成像的所希望的组织部分。在图1a中所示的替代方案中，在获取受试者或其一部分的图像(例如受试者的整个身体或所希望的组织位置)时，受试者以竖直方向背对背景幕110站立。在一些替代方案中，该背景幕110是一种支撑结构，在获取图像时，受试者以水平和成一定角度的方向在背景幕110上或背对背景幕110平躺。在获取图像时，可以提供测量器(scale)106和108为受试者称重。除测量器之外或作为其的替代，可以提供其他测量心率、体温、身体组成、体重指数、体型、血压和其他生理数据的生物计量读数器。图2显示了呈现在显示器/ui114上用于用该装备获取图像的ui200的实例。在该替代方案中，在用光源照射组织103时，该用户界面显示图像获取设备的视场。在某些替代方案中，用户可以定位图像获取设备102的视场，以包括受试者整体202。用户可以使用缩放组件208调节图像获取设备102，以使受试者几乎充满视场。在一些替代方案中，用户可以使用用户界面获得关于受试者202的其他信息。例如，用户可以选择位置204和位置206，以测定受试者的高度。在一些情况下，用户使用用户界面指示该图像获取设备获取受试者的图像，如通过推动获取图像按钮210。在获取受试者的图像以使用这些图像进行组织分类时，控制光源(如果提供的话，以及结合的滤光器)和图像获取设备以获取受试者的多个图像，分别的图像与反射光的不同光谱带相关和/或随时间分开。可以依照msi技术处理在不同光谱带处获取的图像以分类组织区域，随时间分开的图像可以依照ppg技术处理以分类组织。在一些替代方案中，获取两种类型的图像集，并将结果合并以进行更准确的分类，如下面进一步描述。对于烧伤患者，可以对受试者以多个方向(例如正面、后面、左侧面和右侧面)进行图像获取。患者可以以这些各种方向背对背景幕110站立，或者如果背景幕110是水平方向的支撑结构，患者可以以各种方向平躺在背景幕110上。然后使用来自获取图像的数据来分类患者的不同皮肤区域为烧伤或未烧伤的皮肤区域，并且也可以对那些被烧伤的区域分类烧伤程度。在以不同方向进行图像获取之后，控制器/分类器/处理器112可以处理各受试者取向的图像数据。当背景幕110是与皮肤组织不同的特征色时，控制器/分类器/处理器可以将受试者与背景分开，在各获取的图像中为背景或受试者分配各像素。作为另一种替代方案，能够使用ui在最初图像(例如图2中所示)中追踪受试者的轮廓(用例如触摸屏上的触针或鼠标和指针)以将背景与受试者区分开。在识别出涉及受试者的图像的像素时，这些可以使用msi和/或ppg技术分析以根据烧伤状况分类受试者的皮肤区域。图3中例示了在该过程之后显示器/ui114的输出实例。在本替代方案中，输出图像212显示受试者250的前视图，其中使用获取的受试者前方的多个图像来分类受试者前方皮肤的不同部分。输出图像212可以用例如输出图像中不同的颜色显示不同的分类。例如，控制器/分类器/处理器可以识别区域222为三度烧伤、区域224为一度烧伤、区域226为二度烧伤。处理器也可以识别健康组织，例如区域228。图像214是受试者250的后视图的实例，显示的区域230被分类为三度烧伤、区域232被分类为一度烧伤、区域234被分类为二度烧伤。其也可以识别其他组织区域为健康组织。图像216和图像218分别显示受试者250的左视图和右视图，其中区域236被分类为三度烧伤、区域238被分类为二度烧伤、区域242被分类为一度烧伤。其也可以识别其他组织区域为健康组织。从图像212、214、216和218中显示的该分类数据，某些替代方案可以计算烧伤％tbsa，并将该结果输出给ui上的用户，如图3的框220中所示。在进行了依照烧伤程度的分类时，该装备可以进一步输出一种或多种烧伤分类的％tbsa，如图3的框220中所示。尽管已经使用了光学成像方法评估了烧伤组织，之前并未开发产生烧伤的％tbsa估算的装备。使用患者的所有或部分成像数据产生烧伤的％tbsa包括之前并未解决的复杂因素。在一种替代方案中，已经发现使用图3中的四个图像212、214、216和218的简单计算能够产生对治疗类选目的足够准确的估算。在该替代方案中，可以通过以下估算烧伤％tbsa：产生第一数值，其是在所有图像中被分类为烧伤的所有像素之和；产生第二数值，其是在所有图像中受试者的所有像素之和；和将第一数值除以第二数值。例如，为了计算三度烧伤的％tbsa，该系统可以计算区域222、230和236的像素，并将该总数除以通过将图像212、214、216和218的各自中发现的受试者250的总像素计算并相加得到的该受试者250的所有表面的像素总数。在某些替代方案中，可以使用面积的调节相加来改进烧伤％tbsa的估算。例如，不是将区域简单相加在一起，而是可以用处理器(例如模块112)分析图像以识别出在多于一个图像中出现的那些区域。以这种方式，由多个图像捕捉到的区域将不会计数多于一次。例如，图像212的区域222和图像216的区域236二者都捕捉到了受试者250的胸部区域的一部分。如果区域236和区域222的区域简单相加，那么将会把胸部的一部分计数超过一次。在某些替代方案中，处理器将会分析区域222和区域236(或图像212和图像216作为整体分析)，仅计算胸部区域一次。在一些替代方案中，还能使用图像处理技术(例如边缘检测和分割)、参考标记和/或预示分析和计算机学习来计算区域的重叠和/或类似性，以估算由于标准化体型导致的重叠。在某些替换方案中，可以为受试者构造三维身体模型。该身体模型可以基于用例如身高、体重、身体组成(例如体脂百分比)、体重指数、对身体整体或部分进行的特定测量或身体尺寸或形状的任何度量等参数产生的标准化的身体模型和/或构造的身体模型。这些参数可以使用ui(例如模块114)由用户输入、和/或是由探测器100、生物计量读数器106和/或108测量或计算的参数或由处理器/分类器(例如模块112)接收或计算的任何度量。一旦产生了三维身体模型，能够将分类的组织区域投射到该三维身体模型的区域上。在重叠的情况下，处理器会解决差异使得重叠区域不会计数多次。能够使用落入一个或多个分类(比如一度烧伤、二度烧伤、三度烧伤或健康组织)的面积总和除以总体表面积来估算烧伤％tbsa。在一些替代方案中，处理器(例如模块112)可以由多个二维图像(例如图像212、214、216和218)重构三维模型。在一些替代方案中，这种重构可以使用投影(例如欧几里得重构(euclideanreconstruction))、线性成层(linearstratification)或任何其他已知的将多个二位图像变换为三维重构的方法而实现。在某些替代方案中，从二位图像转变为三维重构可以考虑已知的参数，例如摄影机的角度、摄影机与受试者之间的距离、对受试者的测量和/或任何参考测量或目标。一旦使用二维图像产生三维模型，通过使用落入一个或多个分类(例如一度烧伤、二度烧伤、三度烧伤或健康组织)的面积总和来估算烧伤％tbsa。一旦处理器计算了烧伤％tbsa，可以将结果输出给用户。例如，输出220显示了一种实例，其中烧伤％tbsa计算为40％，三度烧伤％tbsa计算为12％。可以使用显示器(例如模块114)将该信息显示给用户。显示器(例如模块114)也可以显示其他信息，例如死亡率估算值或对受试者的治疗有关的其他信息。在死亡率估算值的实例中，可以将数据(例如图6的表中的数据)存储在处理器112中，并根据％tbsa和/或可能是已知的或者由用户估计并输入到系统中的受试者的年龄，使用该数据来估算死亡率。图4例示了本文所述的一些装置能够计算烧伤％tbsa的方式的另一种实例。该图显示了镶嵌技术，其中将几个图片加在一起来计算烧伤％tbsa。在一些情况中，可以使用自动程序产生镶嵌，其中探测器(例如探测器100)对各图像自动定位。该自动化可以使用驱动臂、电动机、轨道或任何其他用于移动探测器的方法或装备。在一些情况中，最终的结果是探测器可以以特定方式获取图像，例如图4中所示的网格图案。可替代地，可以由用户定位探测器(例如探测器100)来产生镶嵌。然后用户能够在受试者的任何数量的位置拍摄任何数量的图片。在任何情况中，使用镶嵌技术的一些替代方案，镶嵌部分201可以是头部表面的一个图像。镶嵌部分207可以是手部图像的单独图像，也可以捕获躯干部的一部分。可以对受试者或其一部分拍摄形成其他镶嵌部分的任意数量的其他图像(包括不同表面的图像)。这些图像中的一些可以是重复的，其他图像可以是不同的。通过重复该图像和/或对相同特征、部位、位置或组织部分产生多个图像(例如从不同的视角)并使用重叠或掩蔽技术，能够得到所希望组织的更大分辨率和/或三维呈现。这些各种图像也能够接合或者合并在一起来计算或估算总体表面积。在一些情况中，在将图像接合在一起之前，使用图像处理技术去除背景，仅留下受试者的身体。也可以使用边缘检测技术得到身体部分的轮廓，以便于将图像接合在一起。在对身体的一部分的图像捕捉中重叠的图像的情况下，能够实施组织的相互关联来确定应当如何将这些部分正确连接、合并或接合在一起。在一些情况中，可以由多个图像将组织分类的整个表面区域接合在一起。例如，镶嵌部分211和212可以是用于估算患有组织病症(例如烧伤)的表面积的图像的一部分。再次，组合的一些图像可以是不同的或重复的，或者取自同一组织部位或位置的不同视图。将图像接合在一起的过程取出被分类为该组织状态的组织的多个图像并将其结合来估算该分类区域的表面积。在一些替代方案中，可以使用插值技术估算面积，来考虑未成像的区域。例如，在一些实例中，受试者的一部分可能意外地被忽略未成像或者因为明显未烧伤或遭受评估的病症而被省去。在一些其他情况中，受试者的某些区域可能由于其位置而难以成像(例如在受试者的臂下)或受试者的身体限制(例如受试者受伤以致不能移动)。这种插值可以使用身体的对称性来估算未成像的区域，或者可以包括在一个区域和另一个区域之间划出直线。例如，如果缺少小腿图像205，直线将会从上部腿图像213中所示的腿部边界划到下部腿图像203和/或215中的踝部和足部的边界。这种划线能够给出适合的腿形，这将能估算未成像的腿表面。有其他公式能够用于估算受试者的各个部分的表面积。例如，图5显示了九分率和伦德-布劳德表。例如，图示500显示了九分率，其中头颈部和臂部各自估算为总身体表面积的9％。例如，在九分率下，臂部501的总表面积能够估算为所示人的总体表面积的9％。在九分率下，每条腿和躯干的前表面和后表面中的每一个估算为总体表面积的18％。例如，在九分率下，腿502的总表面积能够估算为所示人的总体表面积的18％。图示503是一种实例，其显示了用于估算各身体部分的表面积的其他公式。伦德-布劳德表504显示了根据受试者的年龄估算表面积的一种方式。该表显示了对于0、1、5、10和15岁的儿童，体表面积的相对百分比的各种估值为1/2的头部、1/2大腿和1/2的小腿。九分率和伦德-布劳德表都仅是能够用于计算总体表面积(tbsa)的估算实例。这些估算也能够用于对前述技术进行补充，其中部分身体未成像。例如，通过假设其占tbsa的18％，能够考虑未成像的腿部的表面积。在一些患者中，九分率、伦德-布劳德表和其他估算方式都将不适用。例如，超重的患者或者在其身体的某些区域中具有过量的身体组织的患者可以具有不同相对表面积的身体部分。因此，本文描述的成像技术能够提供比常规进行的仅依赖这些图表更准确的烧伤％tbsa计算。进一步地，在本文描述的任何％tbsa计算中，可以使用输入到模块114中的任何数据或者自动送入模块112的任何数据。例如，受试者的年龄可以有效地用于使用伦德-布劳德表估算体表面积的相对百分比。在可替代地实例中，为了计算％tbsa，也可以输入或获取其他数据，包括成像身体的性别、体重、身高、体型、体形、皮肤颜色、种族、取向和/或本公开中提及的任何相关数据。找到组织分类的％tbsa对于正确的治疗选择能够是重要的。例如，在烧伤中，随着烧伤％tbsa的提高，死亡率随之提高。图6是由美国烧伤协会整理的汇编。其显示了年龄组和烧伤尺寸(％tbsa)的死亡率。显然，随着受试者烧伤％tbsa的增大，平均死亡率也随之增高。因此，尽可能快速地识别具有较高烧伤％tbsa的那些患者以进行紧急治疗过程能够是重要的。而且，随着烧伤％tbsa的增大，死亡率的斜率也随之增大。因此，在较高的烧伤％tbsa方面具有比常规方法更高的准确度对于区分与其他受试者相比具有大得多的死亡风险的那些受试者是重要的。进行这种区分的能力在资源有限的紧急情况(例如重大灾难情况)中可能会变得尤其重要。因此，本发明的替代方案计算烧伤％tbsa的能力解决了这一长期感受到的需求。所希望的一种治疗决定例如是确定用于复苏的液体的量。流体的损失通常是具有重大烧伤伤害的人群所面临的最大问题之一。因此，对烧伤患者施用的液体量的适当管理对于恢复能够是一个重要的方面。在很多情况中，液体过少能够导致烧伤水肿、烧伤休克、脱水、死亡和/或其他并发症。液体过多也会与并发症风险的增加相关，例如感染、水肿、急性呼吸窘迫综合征、腹腔间隔室综合征、水分过多和/或死亡。补充复苏所需的流体量与烧伤％tbsa是相关的。例如，轻度烧伤损伤通常能够用口服水化而复苏。然而，随着烧伤％tbsa接近15-20％(例如15、16、17、18、19或20％或者由前述百分比中任意两种之间的范围限定的任何百分比)，在受试者中可能会有大量的液体转移，使液体管理对避免烧伤水肿和烧伤休克甚至更加重要。在％tbsa超过约20％(例如20、30、40、50、60、70、80、90、或100％或在前述百分比中任意两种之间内的范围限定的任何百分比)时，目前的推荐方案首先是规范的血管内液体复苏。在某些替代方案中，处理器(例如处理器112)可以使用计算的烧伤％tbsa来确定应该给予患者的液体量。例如，可以使用parkland公式来根据％tbsa估算在治疗的第一个24小时期间的复苏体积。parkland公式表示为v＝4*m*(a*100)，其中v是复苏体积，单位为毫升；m是受试者的质量，单位为千克；a是作为分数表示的％tbsa(例如对于具有50％的烧伤身体表面的受试者为0.5)。在第一个8小时内给予计算体积的第一半，在接下来的16小时给予剩余的另一半。液体施用程序可以在ui上输出给系统的用户，例如图3中例示的输出220的一部分。例如，对于具有50％烧伤表面积的100kg受试者，根据上述parkland公式，系统可以输出24小时液体复苏程序为：接下来的8小时给予1250ml/hr，随后的16小时给予625ml/hr。也可以调节parkland公式来匹配特定患者的需求。例如，对年老患者施用的液体量可能需要降低，因为水肿和由于水分过多的其他并发症的感染性更高。另一方面，较年轻的患者(例如婴儿)呈现出对液体过多的并发症的风险更低。也可以使用其他因素来调节施用液体的量，例如状态(例如烧伤严重程度)、脉搏、血压、呼吸速率和其他生理参数。在某些替代方案中，处理器(例如处理器112)使用这些因素来调节施用液体的量。这些因素可以通过用户界面(例如显示器/ui114)输入、由探测器100或生物计量读数器106和/或108测定、和/或由处理器112输入、计算、估算或得到。这些因素也可以包括来自患者病史的其他数据或来自其他患者的数据。该处理器也可以得到来自动态库的其他信息(如本申请中随后将讨论的那样)，以得到其他数据代入计算，例如其他患者数据、校正信息和来自其他患者的数据。在一些替代方案中，可以考虑的另一因素是患者的总血液体积和/或总血液体积的变化。较低的血液体积表示患者需要更多的液体用于复苏。有很多种方式可以测定和/或估算血液体积。例如，当患者具有较高的血液体积时，患者的组织会吸收更多的光。这种效应能够更容易地在红光或近红外光范围内(例如840-880nm附近或周围，包括840、850、860、870或880nm波长或由在这些波长中任意两种之间的任何波长限定的范围)测定，因为这些光的波长更容易通过组织。本公开中描述的替代方案能够用于测定反射的红光或近红外光的量随时间的变化，以估算总血液体积和/或总血液体积的变化。例如，在一些替代方案中，随着时间反射的红光或近红外光的量能够用于测定心博波形的心脏收缩和心脏舒张活动的周期变换。这些变换能够用于发现心脏收缩压和心脏舒张压，这在一些情况中能够用于估算左右心室的脉搏压力。也可以使用外部护腕测定心脏收缩压和心脏舒张压作为补充或替代。然后可以使用该脉搏压力来估算左右心室的每搏输出量(每次心跳从心脏的心室泵送的血液体积)。使用每搏输出量，能够通过心率(其也能够由本公开的替代方案测定)乘以每搏输出量来计算心室的心脏输出量。该心脏输出量可以用于估算血液体积和/或血液体积的变化。本领域中已知的其他替代方案也可以用于测定或估算血液体积和/或血液体积的变化，例如ppg、导管、体积描记器(plethysmograph)、其他成像技术和/或血管扩张性的其他测量法。例如，患者可以佩戴脉搏血氧定量计以测定氧饱和度和脉搏。然而，脉搏血氧定量计也可以用作ppg设备，测定血管床(例如手指、耳朵或前额)中的血液体积或血液体积的变化。、在一些替代方案中，总血液体积和/或血液体积数据的总体变化是由用户输入的，例如通过使用ui114或沿数据路径输入到处理器中(例如使用电线插入或无线传输)。该总血液体积和/或血液体积的总体变化可以自身或与％tbsa或本公开中提及的任何其他因素相结合，用于计算施用给患者的液体量。这些其他因素和改变能够自动加入显示的液体复苏计划中。此外，其他替代方案施用其他方式来根据％tbsa计算施用给烧伤患者的液体的量。这些包括brooke公式、改进brooke公式、改进parkland公式和本领域中已知的任何其他关系式。替代方案可以根本不使用标准公式。例如，能够通过机器学习计算或从可以从包括患者医疗记录或其他患者的医疗记录的历史数据中预测出要施用的液体的量。现在转向可以用于照射组织、获取图像和分析图像数据的特定装备和方法，将认识到已经进行了多种尝试来开发评估烧伤和其他创伤的装备和方法。一些方法包括热成像、核磁共振、光谱法、激光多普勒流量测定(laserdopplerflowmetry)和超声。此外，光电容积描记法(ppg)已经用于检测组织的微血管床中的血液体积变化。在一些情况中，仅ppg不完全分类组织，因为其仅进行体积测定。而且，已经使用多光谱成像(msi)来辨别皮肤组织的差别，但这一技术也不完全分类组织。考虑到由于皮肤类型的变化、不同身体区域的皮肤差异以及对创伤可能的预处理使用目前的msi技术通常具有挑战性。仅msi也不能给出皮肤状态的整体评估，因为其仅测定皮肤外观或皮肤的组成，并不测定对皮肤分类重要的动态变量，例如营养素和氧对组织的可用性。本文描述的一些替代方案将msi和ppg相结合来提高皮肤分类的速度、可靠性和准确度。本文描述的替代方案例如能够使用成像数据来测定血液、水、胶原、黑色素和其他标记在正常状态下与遭受外伤的皮肤相比对开发皮肤结构更优美的外观和发挥适当功能的能力的贡献。此外，本文描述的替代方案还检测随时间从皮肤反射的光的变化，其可使人获得显著的生理学信息，使得临床医师能快速评估组织的生命力和在组织部位的特征(例如血液灌注和氧合)。图7例示了在一些替代方案中能够(但不必须)用作探测器100、控制器/分类器/处理器112和显示器/ui114的系统。下面描述的图7的系统以及其与msi和ppg技术的组合，也能够用于以比之前可以获得的更高的准确度分析和分类较小面积的组织区域，且不需要仅与上面所述的全身分析系统和方法结合使用。在图7的系统中，探测器(probe)408包括一个或多个光源和一个或多个高分辨率多光谱摄像机，该高分辨率多光谱摄像机用多个图像记录目标组织区域409，同时保持时间、光谱和空间分辨率以进行高度准确的组织分类。探测器408能够包括多个摄像机和成像器、棱镜、分束器、光检测器和滤光器以及多个光谱带的光源。该摄像机能够测定来自组织区域的不同波长的光随时间的散射、吸收、反射、透射和/或荧光。该系统还包括显示器/ui414、和控制探测器408的操作、接收来自用户的输入、控制显示器输出和进行图像像素的分析和分类的控制器/分类器/处理器412。数据集410是探测器408的输出实例，其包含成像空间位置的不同波长和不同时间的反射光的数据。与成像空间位置的不同波长的光相关的数据的实例显示在数据子集404中。数据子集404可以包括组织区域的多个图像，各自测定在选择的不同频率带中从组织区域反射的光。该数据子集404的多个图像可以同时或基本同时获取，其中基本同时表示彼此在1秒内。数据子集402中显示了成像空间位置在不同时间从组织区域反射的光有关的数据的实例。关于成像空间位置的不同时间的来自组织区域的反射光的数据实例显示于数据子集402中。数据子集402包括在长于1秒(通常长于2秒)的时间内在不同时间拍摄的多个图像。数据子集402的多个图像可以在单一选择的频率带获取。在一些情况中，数据子集404的多个图像可以在长于1秒的时间内获取，数据子集402的多个图像可以在多个频率带拍摄。然而，包括子集404和子集402的组合数据集包括对应于不同时间和不同频率带两者拍摄的图像。为了收集数据子集404的图像，在一些替代方案中，该一个或多个摄像机与具有不同通带的多个滤光器的滤光轮连接。随着一个或多个摄像机获取该受试者的组织区域的图像，滤光器的轮旋转，使该一个或多个摄像机通过获取在其转动时与滤光轮的滤光器位置同步的图像以不同光谱带记录受试者。以这种方式，摄像机在不同频率带接收在该组织区域的各像素处反射的光。事实上，在很多情况中，该滤光器可使本文描述的设备能够分析光谱中人眼将不能分辨的光。在很多情况中，在这些各种光谱中反射和/或吸收的光的量能够给出关于受试者组织或组织的特定区域的化学和物理组成的信息。在一些情况中，使用滤光器得到的数据形成三维数据阵列，其中该数据阵列具有一个光谱和两个空间维度。两个空间维度中的各像素能够由在各获取的光谱带中由反射的光强度限定的光谱特征来表征。各波长处光的强度提供了关于目标组成的信息，因为不同的组成对光的不同频率的散射、吸收、反射、投射和/或荧光不同。通过在这些不同波长测定光，探测器408在相当于各图像像素的各空间位置处捕捉该组成信息。在用于在多个光谱带处获取图像用于数据集404的某些替代方案中，该一个或多个摄像机包括超光谱行扫描成像器。超光谱行扫描成像器具有连续光谱带而不是在滤光轮中各滤光器的分离的带。超光谱行扫描器的滤光器能够与cmos图像感应器集成。在一些情况中，该滤光器是单块集成光干涉滤光器，其中多个滤光器组织在阶梯线中。在一些情况中，该滤光器形成楔状和/或楼梯状。在一些情况中，可以有几十到几百个光谱带，相当于400-1100nm的波长，例如400、500、600、700、800、900、1000或1100nm或由前述波长中任意两个之间的任何波长限定的范围。成像器使用各滤光器线扫描组织并感应通过各个这些滤光器从该组织反射的光。在仍然其他替代方案中，存在其他滤光器系统也能够实施用于过滤不同光谱带的光。例如，在一些方案中使用fabry-perot滤光器，以及其他滤光组织方法，例如通过将滤光器放在瓦片结构中，或者将滤光器以例如bayer阵列或多传感器阵列的模式直接沉积到成像传感器(cmos、ccd等)上。在任何情况中，滤光器的通带是基于所寻求信息的类型而选择的。例如，烧伤部位可以用400-1100nm的波长(例如400、500、600、700、800、900、1000或1100nm或由前述波长中任意两个之间的任何波长限定的范围)在各清创阶段成像，以捕捉来自烧伤部位和周围组织的血液、水、胶原和黑色素的贡献。在使用猪烧伤模型研究不同严重程度的二度烧伤的某些实验中，需要约为515nm、750nm和972nm波长的吸收光谱来引导清创过程，同时需要约为542nm、669nm和960nm波长的吸收波长来分辨深度-中度二度和深二度烧伤。在另一实验中，对具有二度烧伤的成年小种猪拍摄照片。使用健康皮肤、烧伤损伤和烧伤损伤的切除的样品将组织分类为健康皮肤、充血的、可移植的、血液的、较不严重的烧伤和严重烧伤。在该实验中，健康皮肤包括未受与烧伤相关的损伤的皮肤区域。充血对应于高灌注区域，通常是预期不经治疗就能愈合的一度烧伤。可移植类型对应于通常具有点状出血的浅粉色皮肤。该组织通常对于移植是希望的。血液的类型对应于应当去除并再次成像的较大区域淤血，因为血液覆盖着待分类的组织。“较不严重的烧伤”类型对应于具有灌注减少但可能可抢救的组织的郁积区。严重烧伤的类型对应于蛋白质凝结的区域，产生需要切除的不可逆的组织损伤。本公开的替代方案用于在400nm-1100nm范围内(例如400、500、600、700、800、900、1000或1100nm或由前述波长中任意两个之间的任何波长限定的范围)的各个波长测定从组织样品反射的光，以测定哪组波长在不同组织类型的组织反射的光之间提供更大的变化量。该变化性能够用于有效分类组织，至少通过健康皮肤、充血、可移植、血液的、较不严重烧伤和严重烧伤的种类来分类。最优的组有时确定为包含最大相关波长和最小的冗余量的波长组。在本文中，最大相关性有时是在波长能够将一个特定的组织类别与另一类别有效分开时发现的。最小冗余量有时是通过仅包括测定相同信息的多个波长中的一种而发现的。在使用波长组分类组织样品之后，实践者可以比较该分类以准确评估组织样品。使用在不同实验中的数据分割来测试分类的准确度。在第一组实验中，测定了波长475、515、532、560、578、860、601和940nm。在第二组实验中，测定了波长420、542、581、726、800、860、972和1064nm。在第三组实验中，测定了波长420、542、581、601、726、800、972和860nm。在第四组实验中，测定了波长620、669、680、780、820、839、900和860nm。使用来自第一和第二实验组的提供最佳组织分类变化的波长以用83％的准确度分类组织。这些波长为(以相对重量的顺序)726、420、515、560、800、1064、972和581nm。类似地，使用来自第三和第四实验的提供最佳组织分类变化的波长以用74％的准确度分类组织。这些波长为(以相对重量的顺序)581、420、620、860、601、680、669和972nm。这两组的准确度都高于目前临床判断的护理标准(其在测定烧伤深度中的准确度为67-71％)。而且，显然，860nm的波长对msi和ppg算法以及因此对于该组合设备是特别有效的。这些实验组显示在400nm-1100nm范围(例如400、500、600、700、800、900、1000或1100nm或由前述波长中任意两个之间的任何波长限定的范围)内的波长能够用于有效组织分类。如前所述，其他波长组也可能是有效的。例如，在实验中的有效波长组使冗余度最小化。同样，可以使用其他波长来有效分类组织的一些方面。而且，使用上述实验，可以发现其他能有效分类烧伤和/或本公开中描述的任何其他组织状态的波长。总体而言，上述实验发现在400nm-900nm范围(例如400、500、600、700、800或900nm或由前述波长中任意两个之间的任何波长限定的范围)内的波长对于烧伤成像是特别有效的。更特别地，在该范围内，能够构造波长组以成像烧伤，其中：至少一个波长小于500nm；至少两个波长在500-650nm之间；至少三个波长在700-900nm之间。这组能有效成像烧伤并将成像的烧伤组织分类。而且基于该实验，以下顺序列出了以其外观显著性的顺序分类的各测试波长：排序波长142025603860462057266800758185429578106011197212532134751451515940166801790018106419669207802183922820表1为了收集数据子集402的图像，该一个或多个摄像机还被配置为获取选择数量的图像，各图像之间的时间间隔足够短以测定对应于患者生理事件或状态的由于组织区域的移动导致的反射光强度的瞬时变化。在一些情况中，由多个时间分开的图像得到的数据形成三维数据阵列，其中该数据阵列具有一个时间和两个空间维度。三维数据阵列中的各像素能够由时域的反射光强度变化来表征。该时域信号在与血压、心率、血管阻力、神经刺激、心血管健康、呼吸、温度和/或血液体积的不同频率组分处具有不同的能量。在某些替代方案中，可以使用滤光器过滤出噪声。例如，可以使用860nm带通滤光器过滤出对应于室内环境光的主波长光谱的光波长，使得所需的图像对应于用探测器408中的光源产生的反射光。这能够降低和/或防止环境照明波动的混淆，例如由于ac电源线频率的环境照明中存在的60hz波动。参照图8描述关于有利的图像获取和信号处理过程的其他细节，其例示了可以由图7的装备实施的方法。图8显示了一些替代方案用于分类组织的方法的示例性流程图600。框602和603显示了一些替代方案使用例如探测器408拍摄多光谱图像和多个时间分开的图像(例如视频)。对于时间分开的图像，例如数据子集402，为了获得具有较低总体噪音和较高信噪比的信号，发现较长的曝光时间是希望的。在某些情况中，使用27秒的捕捉时间，其长于常规ppg成像方法的7秒捕捉时间。因此，在一些替代方案中至少、长于8、9、10、11、12、13、14、15、16、17、18、19、20、21、22、23、24、25、26、27、28、29、30、31、32、33、34、35、36、37、38、39、40、41、42、43、44、45、46、47、48、49、50、51、52、53、54、55、56、57、58、59或60秒或其间的任何数值的捕捉时间或由前述数值中任意两个之间的捕捉时间限定的范围。在这些捕捉时间期间，可以设定成像器每秒捕捉的帧数。在一些情况中，30帧/秒(fps)或60fps可以有效成像组织。以30fps的27秒内，成像器拍摄约810张图像。以60fps的27秒内，成像器拍摄约1620张图像。在一些替代方案中，拍摄图像的数量可以根据所需数据的分辨率变化(例如捕捉人的心跳)。例如，对于cmos摄像机，可以使用20-120fps。这包括20、30、40、50、60、70、80、90、100、110或120fps的样品速率或由前述速率中的任意两者之间的样品速率限定的速率范围。而且，在某些替代方案中，由于照射点，光源的位置是重要的，照射点是使信号饱和并掩饰脉冲波形的光高强度的位置。在一些替代方案中，该问题是通过使用漫射器和其他前端硬件技术解决的。然而，在其中照射点不能通过前端技术消除的情况中，在一些替代方案中使用信号处理来消除照射点。事实上，为了产生组织病理学的可靠图像，该信号被期望地保存并显示，同时将噪声放弃。该方法包括除去与照射点相关的噪声和其他无关信号。在框604，将该时间分辨的图像顺序(例如数据集402)送往控制器/分类器/处理器412进行处理，然后其使用ppg算法来计算该组织区域中的血流灌注。该方法能够包括放大、线性化、信号平均、关联和/或一个或多个滤光器(例如带通、高通或低通)以消除噪声，分离感兴趣的信号部分，并增大信噪比。滤光器的选择是重要的，因为过多的滤光能够切除基本数据，而过少的滤光能够使信号更难分析。也能够使用交叉相关或自动相关来消除噪声。在一些替代方案中，也能够使用样品信号消除噪声，如下所述。然后将该信号转变成频率域。例如，在一些替代方案中，使用快速傅里叶变换(fft)。在进行fft之后，该信号可以通过频率分析。在多个时间分开的图像的过程中在各像素处的反射光强度的时间域变化在各个频率具有信号能量。这些频率以及其对应的生理事件提供了在这些用该像素成像的组织位置处这些生理事件的发生和强度的影响的指示。例如，能够使用在带宽约1.0hz的像素处的信号强度(其近似为休息的人心跳频率)来评价在图像中该像素位置处流向该组织的血液以及在该组织周围的血液流动。在一些替代方案中，可以通过查看局部最大值来识别相关信号。例如，通过查看在最高峰处的频率周围的带中的信号能量并假设该峰部分是由于心跳所致的血压改变来发现心率。然而，此方法不能识别具有比实际心率的信号更高的峰的噪声。在这种情况中，其他替代方案使用信号处理，该信号处理利用基于实例或基于噪声信号、白噪声信号和其他实例信号的参考数据库的计算机学习和训练。计算机分析相关信号和噪声的实例来学习识别信号与噪声。例如，在识别与血流相关的信号的情况中，具有与心跳相同的频率含量的信号可能是相关的。计算机学习使用实例心率信号或参考心率信号的数据库作为参照来识别心率与噪声。该计算机学习方法也能够使用这种参照点和数据库分析白噪声、错误心率信号和具有比心率信号更高的峰值的噪声信号。计算机学习能够基于信号的特征(例如频率、振幅、信噪比、零交叉、典型形状或任何其他特征)识别该信号。在一些情况中，使用其他对比来识别信号。例如，在一些替代方案中，产生精选的临床阶段信号汇编。然后将该精选的临床阶段信号与测得的信号进行对比，将测得的信号分类为感兴趣信号或噪声。实施的另一种技术进步是消除边缘效应。在一些替代方案中，图像在边缘周围显示出颗粒状噪声，在一些情况中，感兴趣区域的显著性也比所希望的更弱。在消除边缘效应时，感兴趣区域显示出更高的信号强度。在一些替代方案中，通过使用图像处理(包括平均化、扩大和侵蚀)和边缘检测和增强来实现边缘消除。另一技术进步是自动消除运动伪像。运动伪像包括与患者的呼吸、患者的运动或在摄像机或患者周围的任何可能扭曲图像的一般震动相关的运动。为了消除这些运动伪像，将信号用“开窗”处理，其识别比周围部分强度更大和噪声更大的时域区域并将这些区域识别为“运动”。然后将这些部分修剪到时域之外，使改进的信号没有运动伪像。其他滤光器和选择方法也可以使用以消除噪声和其他不希望的信号部分。在该处理之后，能够将组织区域(例如对于每个二维像素位置)以所希望的频率(例如通常为约1hz)的经计算的信号能量分类为限定该像素位置处的血液灌注的类别。在与框602和604执行的基本上相同的时间，一些替代方案还进行框603和605。框603获取图像，形成多光谱数据立方体(例如图7的数据子集404)。该数据立方体包括在每个msi光谱带处的二维图像。在框605，这些替代方案然后使用msi算法来分析该数据，在框614，该系统为各组织区域(例如对于各二维像素位置)分配组织组成类别。然后，框616将来自框603和604的血液灌注和msi数据相结合，根据msi和ppg数据产生组织分类。例如，为例示目的，可以使用八个带通滤光器对成像的各个像素产生八个反射率值，每一个对应于所选择的光谱带。而且，使用中心波长在红外或远红外波长(例如接近840-880nm或其周围，包括840、850、860、870或880nm波长，或由这些波长中任意两个之间的任何波长限定的范围)的滤光器以30帧/秒拍摄，在27秒内可以获取810个图像。这810个图像能够如上所述在频率域中进行分析以产生表征各成像空间位置处的血液灌注的ppg数据，对各成像像素产生灌注值。因此，成像组织区域的各像素将会具有对应于用这八个带通滤光器中的每一个所测定的测量值的测量值以及对应于局部血液流动的值。在各像素处总共九个测量值。使用这九个测量值，能够将像素分割(例如分类)为不同的种类。如本领域普通技术人员将认识到的那样，对于各像素，可以取任意数量的测量值(例如2、10、20个，或者由这些测量值中的任意两个之间的任何测量值数量限定的范围或大于这些测量值中的任意一个)，可以用这些测量值分割该像素。可以使用各种分割/分类方法。通常，使用其中测量参数以及适合的分类都是已知的的“训练”数据集来训练分类器。然后将该经过训练的分类器在“测试”数据集上进行测试，在“测试”数据集中，测量的参数以及适合的分类也是已知的，但其并不用于训练该分类器。能够通过该分类器成功分类测试数据集来评价分类器质量。在一些替代方案中，能够使用预设的类别数量，并将该像素分类到这些预设类别中。例如，对于治疗类选环境中的分类烧伤，可以使用健康皮肤、充血、较不严重烧伤和严重烧伤的类别。在其他替代方案中，类别的数量是未知的，该处理器(例如处理器112)根据像素的分组及其相对于彼此的特征来产生类别。例如，处理器能够根据这些测量值与周围测量值的对比，将在特定波长处具有少得多的血液流动和低得多的标准化像素强度的组织区域识别为重度烧伤相关。在一些替代方案中，根据各类别预设的数值范围来分配像素。例如，某些光反射率值范围可能与健康皮肤相关。当数据落入这些范围中时，将该组织识别为健康皮肤。这些预设的范围可以存储在该系统412上的存储器中、被用户输入或者被系统学习或适合的算法自动确定。在一些方案中，通过由外部来源(例如由数据上行链路、云(如本公开中后面将讨论的那样)或任何数据源)传递到该系统的信息来定义类别。在其他替代方案中，各类别的预设值范围都是未知的，且该处理器根据相互比较各像素处的测量值来适应类别。在一些替代方案中，可以使用适合的算法将像素分类成具有通用特征的组，并识别这些组。例如，可以使用图论通过寻找图的切口(例如最小切口)将像素分成几个类别。也能够使用其他分割方法，例如阈值、聚类(例如k均值(k-means)、层次聚类和模糊聚类)、流域算法、边缘检测、区域生长、统计分组、形状识别、形态图像处理、计算机训练/计算机视觉、基于直方图的方法和本领域中已知的将数据分类成组的任何分割方法。在一些替代方案中，可以使用历史数据进一步教导分割。历史数据可以包括之前由该患者得到的数据和/或来自其他患者的数据。在某些替代方案中，在分段过程中要考虑其他数据，例如肤色、种族、年龄、体重、性别和其他生理因素。在任何情况中，数据可以被上传、从云中得到或在系统中输入(包括使用ui114)。在某些替代方案中，分析患者数据的动态库。可以使用统计方法(包括t检验、f检验、z检验或任何其他用于比较的统计方法)来对比之前识别的图像与获取的图像。这种对比例如可以考虑测得的像素强度、像素与图像中的其他像素的对比测量和像素分布。在某些替代方案中，该动态库可以用组织状态(例如烧伤)的示例性图像来更新，以辅助组织的分类。在其他替代方案中，该图像可以通过其显示的组织状态以及其显示的好坏来表示和识别。希望地，在不同角度处图像的全范围应当都在该动态库中以考虑成像皮肤状态的角度、质量和状态的变化。转回到图8，可以将多个数据输出呈现给用户。这些包括基于ppg数据的ppg灌注图像620、基于msi数据的msi分类图像、基于标准rgb数据的白光照射图像、和基于组合的msi和ppg数据表示分类的msi/ppg融合图像622。例如，在上面参照图1-6描述的治疗类选设备中，图3的显示器输出212、214、216和218可以是组合的msi/ppg融合分类图像622。在该图像中，受试者的各组织区域(例如像素)被分类成如上所述的烧伤分类(例如健康、充血、严重烧伤和较不严重烧伤)。此外或作为替代，能够将图3中显示的各类别中的数据输出(例如％tbsa)展示给用户。将该组成和生命力数据都用于分类组织是与现有技术相比的显著进步。图9a、9b、9c和9d例示了对于烧伤分类的这些优点中的一些。在实验中，对具有二度烧伤的成年小型猪拍摄图像。图9a显示了该实验中所用的五个组织样品的实例。图9a是使用常规的摄像机拍摄的。该图像是对损伤前的组织表面(例如烧伤前)、烧伤后的表面和与创伤切向的三次切除(第一次切除、第二次切除和第三次切除)所拍摄的。使用这些相同的五个组织样品来对比ppg、msi和根据本公开的某些替代方案的其中根据ppg和msi算法二者对组织进行分类的新系统的结果。因为该实验中的图像是对能够被实践者独立分析的组织拍摄的，因此通过将成像器的结果与组织应当分类的方式进行对比就能够评估不同成像技术的效果。图9b是这五个图像的实例，仅显示了在该图像的各像素处的ppg成像数据。该图像显示仅基于ppg数据正确分类组织的局限性。从该数据实例仅能够容易识别具有最小血液流动的最严重烧伤组织。组织区域808、810、812和814是具有最小血液流动的这种组织区域的实例，其已经被剥落以呈现出比其他区域深得多的颜色。其他区域在光谱中落在最小和最大血液流动读数之间的某处，难以分类别和分类。图9c是这五个图像的实例，仅显示了在该图像的各像素处的msi成像数据。该图像也显示仅基于msi数据正确分类组织的局限性。在损伤前的图像中，许多组织被分类为“充血”，而其实际上应当是“健康皮肤”。在烧伤图像中，区域816被正确地识别为严重烧伤。然而，某些区域(例如区域818)被错误地分类为“严重烧伤”而不是“健康皮肤”。在第一次切除中，区域(例如区域820)被错误地识别为“较不严重烧伤”，而其应当被分类为“可移植的创伤床”。类似地，第三次切除的组织区域820也被错误地识别为“较不严重烧伤”，而其应当被分类为“可移植的创伤床”。图9d是这五个图像的实例，显示了来自依照本公开的某些替代方案的新系统的数据，其至少使用了msi和ppg算法二者。该新系统正确地将损伤前的组织识别为“健康皮肤”。在烧伤图像中，该新系统正确地将区域824识别为在区域826的“严重烧伤”组织周围的“充血”组织环。该环区域未被ppg或msi正确识别。在烧伤图像中，该新系统也降低了在实际上是健康组织的位置识别“严重烧伤”组织的错误。类似地，在第一次切除和第三次切除的图像中，该新系统正确地识别了msi和ppg图像未识别出的可移植的创伤床。即，msi成像器错误地将区域820和822分类为“较不严重烧伤”，而其应当是“可移植的创伤床”。该新系统正确地将这些相同的区域(显示为区域828和830)识别为“可移植的创伤床”。如该实验的结果能够看到的那样，基于组成和生命力的分类组织的该新系统比现有技术(仅包括ppg和仅包括msi)更好地分类了不同清创阶段的烧伤损伤。同样，该新系统展现出与现有技术的其他系统和方法相比相当大的预料不到的改进。本文所述的一些替代方案的一种临床应用是分类烧伤。图10显示了烧伤治疗的高级流程图。组织700显示在组织上的烧伤。表层702显示了在皮肤表面处的烧伤。通常，烧伤能够导致皮肤脱色或表皮损失。皮下层702是组织层704，其是没有血液供应的变性皮肤。有时这称作凝结区、凝结坏死区或焦痂。其是死组织。在组织层704的附近或周围能够是根据烧伤程度而改变血液流动的其他组织。这有时称作郁积区，其是在细胞损伤较不严重的凝结区周围的区域。远离凝结区和郁积区之外的是充血区，其中组织将可能恢复。烧伤分类为1-4度，其中一度烧伤是最不严重的且最接近表面的，四度烧伤是最严重的，延伸到肌肉和骨头中。在不同严重程度的烧伤之间的细微差别即使其在根本上能够被分辨，也是难以用肉眼分辨的。事实上，在其早期阶段，烧伤的完整效果可能深埋在皮肤表面之内，使得在不进行手术干预的情况下几乎不可能确定烧伤的程度，甚至几乎不可能确定是否存在烧伤组织。然而，尽管存在这些差别，但时间是治疗烧伤的根本。事实上，早期治疗能够对烧伤的恢复造成所有的差别。一些替代方案能有效识别和评估烧伤的严重程度。事实上，本文描述的设备能够物理定位和识别烧伤，包括其烧伤严重程度(例如烧伤的程度及其是浅表的、浅二度烧伤、深二度或三度)，并发现总体的或者对于各种烧伤严重程度的烧伤％tbsa。如上所述，在烧伤后，皮肤组织的性质和质量都会改变。因此，各组织层吸收和反射光的方式都与其他种类的组织不同且取决于烧伤的程度。在这些情况中，本文描述的一些替代方案的高分辨率多光谱摄像机能够捕获这些差异并利用其评估皮肤的组成以识别烧伤和烧伤的严重程度。然而，仅该信息有时能够提供对烧伤的严重程度的不完整评价。如前所述，烧伤的严重程度不仅与皮肤目前损伤的程度有关，而且还与是否存在流向该组织的血液流动有关。因此，在一些替代方案中使用的高分辨率多光谱摄像机还能够希望地测定流向组织区域的血液流动，其中该皮肤组成和血液流动的组合信息对是否存在烧伤以及烧伤的严重程度提供精准和准确的测定。解剖刀706是可以处理烧伤的一种方法实例。通过清创术，切除掉死掉的、损伤的、感染的、坏死的或即将坏死的组织，以提高和便于剩余健康组织的愈合。事实上，如前所述，对组织的过多或过少切除都可能具有威胁生命的结果。烧伤的过少切除会导致移植物放置在失去生命力的组织上和较差的移植物吸收。烧伤的过少切除进一步导致感染风险的增大和/或愈合时间的延长。另一方面，过多切除可能导致过多的血液流失或者切除表面的出血，这能够不利于移植物吸收。本文所述的设备提供了一种识别健康组织和需要切除的组织之间边界的定量方式。这是与依赖于专业医师对组织的主观意见的现有技术相比的进步。在该实例中，将烧伤708切除，留下创伤床710。在去除了死组织之后，清洁的创伤床712准备移植，其将会把健康的组织移植到切除区域并帮助组织恢复。事实上，本文描述的设备和方法的优点是非烧伤专业医师也能够在手术干预和移植之前使用非侵入性工具快速评价烧伤的严重程度。图11显示了本文所述的一些设备的应用，其中这些设备用于评价移植物存活性。如在一些替代方案中使用的，移植物是组织或再生细胞的移植物，其能够包括干细胞、内皮细胞、内皮前驱细胞和/或这些细胞以分离、富集或浓缩形式的混合物、或假肢、支架或医疗设备。在一些替代方案中使用的移植物可以包括具有支架、假肢或医疗设备的组织和/或前述细胞。在其中没有血液供给随该组织移植的情况中，成功的移植物将具有由周围组织形成的新供血来支撑。一些应用包括引入再生细胞，其能够包括干细胞、内皮细胞、内皮前驱细胞和/或这些细胞以分离、富集或浓缩形式的混合物，且该移植物能够通过该细胞通过例如血管生成或动脉生成产生或使得产生新供血的能力提供供血。一些应用包括单独使用移植物和/或再生细胞，所述移植物和/或再生细胞能够包括干细胞、内皮细胞、内皮前驱细胞和/或这些细胞以分离、富集或浓缩形式的混合物，或者使用与支架、支撑、假肢或医疗设备的组合，这些应用用一种或多种生长因子(例如fgf、hgf或vegf)补充。本文描述的设备能够根据是否存在移植物的成功吸收或者该移植物是否将受到排斥并变成坏死组织来分类移植。图像900显示了由本文所述的方案产生的图像，其中该组织区域相对于不同时间和不同频率带而成像。图像上的颜色指示具有供血的健康组织。与此相比，图像902显示没有供血的不健康组织，其表示移植失败。本文所述的装置的其他临床应用是分类褥疮溃疡，也称作压迫性溃疡或褥疮。这些创伤发展是因为施加在组织上的压力导致流向该组织的血液流动受阻碍。作为阻碍的结果，发生组织的坏死和组织的损失。在很多情况中，在随后的阶段中，这会导致组织颜色的视觉变化。褥疮溃疡可以以1-4个阶段分类，其与发生的组织损失的量是相关的。识别褥疮溃疡的部分难度在于早期的阻碍能够造成组织的改变，但这种改变是在组织表面上不容易观察到的。本文描述的设备能在发展的早期阶段有效识别褥疮溃疡，这有利于早期的预防性治疗。图12显示了本文描述的设备用于识别褥疮溃疡是否存在或诱导产生以及褥疮溃疡的不同阶段的分类。图像800显示了已经被组织分类数据覆盖的皮肤组织的例示。该颜色指示了在表面之下存在褥疮溃疡。如本文所述制造的设备通过在不同时间和不同频率带读取光反射率来实施分类，这样可以检测组织组成的差异以及流向该组织的血液流动的差异。图像806是13天后的组织表面图片，其中患者具有ii阶段褥疮溃疡。与其中流向组织的血液阻塞的褥疮溃疡相比，组织还会遭受血液过多。在能够作为红斑出现的充血中，流向组织的血液增加。这能够导致肿大、变色和坏死。其也可能伴随毛细管和静脉扩张、组织中的血铁质过量以及纤维变性。本发明的替代方案可以在其早期阶段有效识别和评价遭受充血的组织。再次，能够检测到组织的性质和质量的改变与流向该组织的血液的组合可以使得这些替代方案容易识别和评价遭受充血的组织的严重程度。本文描述的替代设备在医疗领域具有很多其他应用，其中需要将组织分类和评价。与烧伤、褥疮溃疡和充血类似，这些替代物能够分类和评价其他类型的创伤，包括：擦伤、撕裂伤、出血、破裂损伤、刺伤、穿透伤、慢性创伤，或者其中组织的性质和质量改变伴随流向组织的血液流动改变的任何类型的创伤。本文呈现的替代方案以单一图像形式为医疗从业者提供了与组织存活性相关的生理信息。在创伤部位处的信息(例如血液灌注和氧合)是创伤愈合的重要指示因素。通过将隐藏在皮肤下面的这些血液动力学特征进行成像，医师能够更好地被告知创伤愈合的进程并进行被训练的更好的及时的患者护理决定。同时，本文描述的一些设备能够提供关于皮肤组成的信息，其是皮肤状态的指示。而且，一些本文描述的设备的应用不仅限于其中存在已经损害的组织的应用。事实上，一些替代方案也可以检测健康组织并区分健康组织与坏死组织或即将坏死的组织。将一种可以被分类和评价的天然位置的健康组织与创伤或皮肤状态进行对比。例如，与烧伤一起，可以有与该创伤相关或与其并列(juxtapose)的健康组织区域。其将会有助于烧伤诊断和治疗以能够识别健康组织相对于坏死组织或具有注定会变成坏死组织的组织的边缘存在的位置。可以通过在不同时间和不同频率带将该皮肤成像以评价组织部位处皮肤的组成以及血液灌注和氧合来识别健康组织。本文描述的替代方案也可以根据其作为移植组织或再生细胞移植物的可能的成功来分类组织。该分类将会考虑受体组织的质量和性质以及受体组织接受新供血的能力。方案也可以根据该组织将能够为移植物或再生细胞移植物形成新供血的可能性以及皮肤总体的健康程度来分类接收组织。在分类移植组织或接收组织中，本文描述的一些设备能够分析多个对应于不同时间和不同频率带的图像。除了仅分类组织的健康程度，本文所述的替代方案还可以测定组织的各种方面，例如皮肤区域的厚度，且也可以评估皮肤肉芽组织。在另一实例中，用本文描述的设备能够监测和评价缝合处周围的组织的健康性和缝合处的愈合。本文描述的一些设备的另一应用是监测组织愈合。本文描述的设备也能够获得在多个时间点处的几个图像以监测创伤如何发生变化或者健康组织的形成方式。在一些实例中，可以使用治疗剂，例如类固醇、肝细胞生长因子(hgf)、成纤维细胞生长因子(fgf)、抗生素、包括干细胞和/或表皮细胞的分离的或浓缩的细胞群体或组织移植来治疗创伤或其他疾病，且这种治疗能够使用本文描述的设备来监测。一些替代方案能够通过评价实施特殊治疗之前、期间或之后的组织愈合来监测治疗剂的有效性。一些替代方案通过在不同时间和不同频率带两者拍摄多个图像来实现。根据这些图像，能够使用从皮肤反射的光来评估组织的性质和质量以及流向该组织的血液流动。因此，本文描述的设备能够提供有关组织如何愈合以及治疗剂促进愈合过程的有效性和速度的有价值的信息。一些替代方案可以用于监测左心室辅助设备(lvad)的引入以及这种植入之后的愈合过程。随着lvad流动的增加，舒张压升高，收缩压保持恒定，脉搏压降低。与舒张压和收缩压不同的脉搏压受到左心室的收缩性、血管内体积、负荷前和负荷后压力和泵速的影响。因此，动脉血压值和波形的评估提供了关于在lvad和心血管系统之间生理性相互作用的有价值信息。例如，较差的左心室功能与不显示搏动性的动脉波形有关。本文描述的替代方案能够用于监测在lvad植入之后患者中搏动流的回归并提供监测和辅助患者恢复的强有力的工具。某些替代方案也可以用于提供塑料手术组织转移和重建过程的手术中管理。例如，在乳癌患者的情况中，治疗可能包括全乳房切除，然后进行乳房重建。乳房重建的并发症已经报道高达50％。本文描述的设备能够促进准备接受移植的组织以及移植组织自身的评估。在这些替代方案中的评价使用上述方法研究组织的健康和质量以及血液灌注和氧合。某些替代方案也可以用于促进分析慢性创伤的治疗。慢性创伤患者通常接受昂贵的先进治疗模式，而不测定其功效。本文描述的替代方案能够使用前述成像技术使慢性创伤成像，并为其状态提供定量数据，包括创伤的尺寸、创伤的深度、创伤组织的存在和健康组织的存在。本文描述的某些替代方案也可以用于识别肢体恶化。在这些应用中，该图像识别肢体中的周围灌注。这能够用于监测正常四肢的健康以及检测可能需要专门治疗(例如引入生长因子(fgf、hgf或vegf)和/或再生细胞(包括但不限于干细胞、内皮前驱细胞、内皮祖细胞、或包括这些细胞类型的浓缩的或分离的细胞群体))的四肢中的周边血流功能不全(例如四肢缺血或外周动脉疾病的区域)。在一些情况中，这可以进行早期治疗，这样能够挽救肢体不被截肢。在其他更严重的情况中，其可以为医学专家提供做出肢体是否需要被截肢的精明决定所需的数据。本文描述的设备的另一应用涉及雷诺氏现象的治疗，这种现象是在患者患有短期血管痉挛(即血管变窄)时发生的。血管痉挛通常发生在为手指供血的手指动脉中，但也已经发现在足部、鼻部、耳部和唇部中。一些替代设备能够准确和精确识别患者何时患有雷诺氏现象，这能够在任何阶段辅助其诊断。一些替代设备也可以用于识别、分类或评价癌细胞的存在、癌细胞增殖、转移、肿瘤负担或癌症阶段的存在以及在治疗之后识别、分类或评价癌细胞的存在、癌细胞增殖、转移、肿瘤负荷或癌症阶段的减轻。这些替代方案测定从组织反射的光以测定皮肤的组成，其能够反映与癌细胞相关的异常组成。替代方案还能够通过评价在不同时间的图像来测定流向癌细胞的血液流动。该血液流动能够指示流向组织的异常血液流动，其与癌细胞的存在、癌细胞增殖、转移、肿瘤负荷或癌症阶段有关。在除去癌细胞之后，本发明的替代方案还可以用于监测恢复，包括健康组织的生长和任何癌细胞的回归。前述替代方案的方面已经在实验室环境中以及在临床中成功测试。例如，在使用机械模拟由于搏动性血液流动造成的组织的动态变化的光学组织仿真的实验中，本文所述的设备具有比激光多普勒成像更高的光学透射性，也正确检测在该组织仿真材料下面的搏动液体流动。该实验测试了在40-200bpm(0.67hz-3.33hz)范围内的搏动流量以测试从休息到在锻炼或发力过程中的高速率的全范围的人心率。而且，在对猪烧伤模型的实验中，用不同严重程度的烧伤成像，发现由本文所述的替代方案产生的图像以及使用参照库和计算机训练能够准确识别对应于健康皮肤、充血、大于1.0mm的烧伤、小于1.0mm的烧伤、血液和健康创伤床的区域。这些是在进行清创术过程时外科医师将会遇到的组织类型。而且，使用本文所述的设备对一些前述状态进行临床研究。在心胸外科手术过程之后对研究中的参与者进行成像。入选标准如下：18+岁；在心胸外科手术后当前被接收或即将被接收在医院中；存在创伤，不排除创伤尺寸，或存在可能导致创伤发展的潜在风险。风险因子包括较差的循环、组织的机械应力、温度、湿度、感染、药物、营养、疾病、年龄和体型。满足包括的标准的创伤包括来自皮肤瓣的创伤、来自烧伤的创伤、医院创伤或褥疮溃疡、以及足部的糖尿病溃疡和外周血管机能不全的情况。在高达三个月的时间内，在定期30分钟的时间期间对受试者进行成像。一些患者每周成像高达三次，以监测组织改变的速率。下面总结了在研究中进行的一些观察。表2本文描述的一些替代方案的另一方面是该设备可以与包含组织状态的一个或多个参照点的动态库相连接。在一些情况中，该动态库可以包含含有关于健康皮肤组织的信息的基点图像。该动态库也可以包含创伤或皮肤状态的各种图像作为对比点以观测创伤或皮肤状态的进展和/或愈合。该动态库还可以包含相关信号的样品信号，例如正常心率、不正常心率、噪声信号、对应于健康组织的信号和对应于不健康组织的信号的样品。在一些方案中，该动态库中的图像是本文所述的设备拍摄的其他图像或数据。在一些替代方案中，该动态库是由非本发明的方面的装备拍摄的图像和/或数据。这些图案能够用于评价或治疗受试者。图13显示了该动态库的一种实例。在该图中，示例性的成像设备1000与示例性的云1002连接。该示例性的成像设备1000可以是本文所述的设备，或者其可以是也与动态库连接的任何其他计算机或用户设备。在一些情况中，该云1002可以包括具有多个数据中心的程序执行服务程序(programexecutionservice，pes)，各数据中心包括一个或多个物理计算系统，该物理计算系统可配置为执行一个或多个虚拟桌面实例，各虚拟桌面实例与计算环境相关，该计算环境包括可配置为执行一个或多个应用的操作系统，各虚拟桌面实例可通过pes的用户的计算设备通过网络访问。该云也可以包括其他同步计算和存储的方式。数据路径1004例示了成像设备1000和云1002之间的双向连接。云1002自身具有处理组件1006，其是云1002接收信号、处理数据、实施分类算法和产生元数据的位置，其指示该动态库是否要与一个或多个计算设备同步。在一些替代方案中，在云中执行数据分析和分类。该分析能够包括在样品信号上收集数据用于与得到的信号进行比较。这种取样可以用于分类在得到的信号中的组织区域。在其他替代方案中，处理组件可以位于机载成像设备1000以在数据收集位置本地进行处理。除了收集和分析动态库中的数据，该处理组件也可以包含普通误差数据和计算。误差能够在局部位置计算并在云中聚集和/或在云中计算。在一些情况中，能够确立特定分类模型的误差阈值。该阈值考虑了i类和ii类误差(即假阳性和假阴性)的结果，和临床可靠性的标准。该处理组件1006也可以对数据进行分析。云1002也具有数据组件1008，其包括在动态库自身中的信息，也接收更新。数据组件1008和处理组件1006彼此连接。有其他来源和存放库(repositories)也与该云连接。在该实例中，实体1012也与云1002连接。实体1012是可以为任何设备或系统(例如系统1000)提供升级和算法以改善系统功能性的实体，其与云1002连接。通过学习和体验，该方法在各个阶段都可以被升级以降低总误差。实体1012可以快速同时评价多个分类算法的变化并提供系统改进。其也可以为新的临床应用上传新的数据集和模型。此外，实体1012可以升级系统1000或与云1002连接的任何设备或系统，以获取数据并分析该数据用于新的治疗用途，例如分析冻疮。这扩展了功能性并使该系统能够适应科学知识的改进。此外，本公开中描述的替代方案的各个方面是验证其在组织仿真和动物模型中的功效的实验的主题。这些实验验证了本公开的替代方案可以有效至少处理烧伤。呈现以下非限制实例用于例示的目的。实施例提供了所进行的实验的进一步的细节。1.实验1.1实施例1：在组织仿真和动物模型上使用聚光照射和平面照射的实验1.1.1材料和方法该研究中的ppg系统由三个功能模块组成：照明；传感器(cmos摄像机)；和成像目标。照明和传感模块部置在目标的同侧(即反射式，图14a-14c)。入射在物体上的光束散射到目标中，然后摄像机捕捉反向散射的光信号。埋入不透明介质中的该成像目标随时间变化(即由于搏动血液流动造成血管体积的变化)，使该反向散射光具有强度的调制。1.1.1.a.照射模块对比三种不同的照射模块：1)使用单波长led二极管的聚光照射；2)使用宽光谱钨灯泡的平面照射；和3)使用具有高功率单波长led发射器的平面照射。三种照射模块都由高稳定性直流电源供电，瞬时强度变化小于1％。图34a-14c例示了以反射式工作的台式系统。图14a的图解1400例示了单波长led聚光灯，图14b的图1401例示了钨灯泡，图14c的图解1402例示了高功率led发射器。被照射的物体是光不透明介质，更不透明的物体埋在深度为d的下方。1.1.1.a.i.单led将850nm的单led二极管(例如kcl-5230h,kodenshiauk)并排固定在cmos摄像机(例如nocturnxl,photonisusa)上，到目标表面的距离di＝18cm(例如参见图解1400)。该led的全辐射角为12度，在传感器的视场中产生了偏心的环状圆点，直径约为3.8cm。该环状照射圆点的中心在fov内，但略微偏离目标中心。1.1.1.a.ii.钨灯泡将钨-卤素灯泡(例如vippro-light,lowelinc.)与摄像机(例如bm-141ge，jaiinc)相邻安装，与物体的距离d2为60cm(例如参见图解b1401)。两片毛玻璃漫射器(例如型号：ip-50,lowelinc.)安装在灯泡前方以降低灯泡的投射方向性和更均匀地照射目标。照射区域呈现出比摄像机的fov更宽，照射的空间均匀性呈现出比聚光led更好。1.1.1.a.iii.高功率led发射器将四个高功率单片led发射器(例如sfh4740,osram)以2x2阵列布置，以同轴模式安装在与该传感器(例如nocturnxl,photonisusa)相同的平面上。该led发射器阵列与摄像机的位置距目标表面的距离d3＝30cm(例如参见图解1402)。空间强度变化降低到小于15％。该摄像机的fov被光学透镜控制，略窄于照射区域。1.1.1.b.系统设置对于使用led聚光或led发射器的系统，使用单色cmos摄像机(例如nocturnxl,photonisusa)作为检测器，其提供低暗噪声和高动态范围。10位adc分辨率提供了60db的信噪比。对于钨灯照射系统，摄像机(例如bm-141ge,jaiinc.)提供了与nocturnxl摄像机相当的动态范围(58db)和相同的10位adc分辨率。这两种摄像机捕捉的图像都被剪到1280x1040(纵横比5:4)。钨照射系统使用伸缩透镜(例如distagont*2.8/25zf-ir,zeissinc.)来控制fov，因为钨灯中的成像距离要比其他两种设置更长，因为钨灯泡会发热。对于这三种系统设置，摄像机竖直安装并向下面对目标表面。控制20x16cm的普通fov用于在系统间进行对比。用反射参照标准(例如95％反射率标准板；spectralonsg3151,labsphereinc.)校正各系统设置中摄像机的曝光时间。对暴露使用计时，以使用各摄像机的动态范围的全范围。1.1.1.c.仿真图15例示了在皮氏培养皿中的组织仿真和仿真装备，以模拟人脉动性血液流动。组织仿真1500在皮氏培养皿中，在同质仿真的下方有弹性管，其模拟皮肤下的血液流动。仿真装备1501设计成在实验室环境中模拟人脉动性血液流动。蠕动泵通过弹性仿真容器驱动运动流体，该弹性仿真容器在凝胶-intralipid组织状仿真基质下方8.0mm脉动。由于管子的弹性，因此随着蠕动泵的各个循环，该仿真容器中会发生约2％的体积膨胀，这与人的动脉相似。该组织状仿真模型设计成模拟皮肤表面下方流动的血液。该组织仿真基质是依照thatcher等制作的(图15)。简言之，将凝胶(例如typeb,jtbaker)在tris缓冲生理盐水(例如ph7.4，alfaaesar)中的10％(v/v)溶液与无菌英脱利匹特(intralipid)脂肪乳液(例如20％w/v，baxter)混合。将最终的英脱利匹特浓度控制在20％。此外，在该凝胶基质中添加0.2％的运动标准品(例如聚苯乙烯珠子和印度油墨混合物)以模拟组织的吸收性质。将该混合物倒入皮氏培养皿(例如novatech，直径150mm)中形成均质背景介质。在该表面之下d＝8mm处放置内径为1.58mm的硅橡胶管(例如dow-corning)模拟血管。在每个泵送循环期间，内径膨胀约2％，模拟在心脏周期期间外周动脉的直径变化。为了模拟脉动心脏周期，用双辊蠕动泵(例如watsonmarlow,model#sciq32)以40hz的频率泵送该管内的吸收性血液状流体，其模拟80bpm的正常人心率(图15)。该通过仿真容器的脉动流动产生ppg信号，该ppg信号是ppg成像装备的测量主题。1.1.1.d.动物模型图16例示了在动物皮肤上的圆形的活体热烧伤损伤以及清创模型。选择汉福德猪作为该动物模型，因为其皮肤的解剖学特征与人相似。猪的表皮厚度为30-40μm，这与人表皮的50-120μm相近似。除此之外，血管结构和细胞外基质组成也与人的皮肤类似。该动物根据人类护理和实验动物使用的公共卫生服务(phs)政策(publichealthservices(phs)policyonhumanecareanduseoflaboratoryanimals)的规定被喂养。该程序是在全装备的大型动物外科诊所中进行的。烧伤模型和研究协议受到机构动物护理和使用委员会(institutionalanimalcareandusecommittee(iacuc))的批准。通过使用具有受控的温度和压力的黄铜杆制备热烧伤模型。将该杆在炉子中加热到100摄氏度，然后以0.2kg/cm2的压力在猪背部的皮肤上压60秒。该方法产生了深二度烧伤。受伤部位包含一个3.6cm直径的深二度烧伤(图16)。收集来自各成像系统的烧伤图像以对比照射均匀性和ppg信号强度。1.1.1.e.像素对比图17例示了时间分辨的ppg信号提取。图解1700显示了从800个瞬时帧中顺序提取的图像像素(x,y)的强度。图解1701显示了用于定量ppg信号的处理方法。以30帧/秒的帧速率连续获取800张图像并存储成未压缩的tiff文件。逐像素计算ppg信号强度。ppg信号和图像处理的关键步骤如下(图17)：(1)去趋势，除去dc偏移；(2)在时间域中下采样以降低数据量；(3)过滤信号；(4)快速傅里叶变换(fft)，将时间分辨信号转变为频率域；(5)然后提取光谱功率，特别是在与心率相同的频率处；(6)计算心率带中的强度总和与较高频率带(定义为噪声)中的强度总和之比，为信噪比(snr)；(7)ppg图像输出使用彩色地图展示各像素的ppgsnr。从单一图像内预设的最低信号到最高信号，线性绘制颜色。信号处理是用matlab(version2014a,mathworks,inc.,usa)进行的。1.1.2.结果1.1.2.a.照射图案评价为了表征三种照射模块的光图案，我们在摄像机和光源之下放置了一个漫反射板(labsphereinc.)。该板的表面与摄像机垂直。图18a-18c例示了led聚光灯(不均匀照射)(图18a的图像1800)、钨灯(均匀照射)(图18b的图像1801)和led发射器(改进的均匀照射)(图18c的图像1802)之间使用均匀反射板作为成像目标的空间照射强度的对比。三种照射模块的照射图案图像是不同的(图18)。在led聚光灯反射图案(图像1800)中，在fov内存在一个高亮点，其显示在高强度区域周围环绕着随着与照射源的距离而变暗的区域。单led的使用在目标上产生了附加的阴影，这是由于led包封结构的存在所致。该阴影的存在，进一步降低了照射的不均匀性。使用钨灯(图像1801)，照射图案比聚光照射更均匀，在fov内也消除了阴影作用。从led发射器(图像1802)，观察到最小量的照射强度变化。控制空间变化小于15％，瞬时稳定性被很好地控制为小于1％。图19例示了三种照射图案之间强度曲线的对比。在聚光(见图像1800)、钨灯(见图像1801)和来自面板的led发射光(见图像1802)中的对角强度曲线。这三种照明图案之间的对角强度曲线突出了强度变化(图19)。显然，聚光的fov必须要求摄像机的全动态范围(例如10位，强度范围为0-1024)以包含饱和的点区域(平顶)、用于实际工作区域的周围黯淡边缘(侧翼)和用处较小的下滑(rollingoff)区域。钨灯和led发射器光都改善了空间均匀度，并降低了对使用高动态范围摄像机的需要。1.1.2.b.仿真结果图20a-20c分别例示了使用led聚光灯(图20a的图像2000)、钨灯(20b的图像2001)和led发射器(图20c的图像2002)的组织仿真和下方的脉动仿真容器的成像结果。将成像结果用仿真图像覆盖。在仔细控制的试验台测试中，将组织状仿真成像目标放置在这三种照射模块下方，以研究照射强度和图案的变化对ppg信号的影响(图20)。在led聚光灯(图像2000)中，将仿真容器放置在视场的黯淡区域内，能够分辨仿真容器的全部位置。仿真容器的位置是准确的，并与实验设置很好地对齐。然而，由于仿真容器(左端)接近聚点中心(fov的左上角)，因此成像结果逐渐变色，而在另一端，随着沿视场边缘照射强度的降低，仿真容器的宽度变得更宽。皮氏培养皿的边缘产生了深的阴影轮廓，这降低了有效的fov，且不利地提高了向用户解释图像的难度。对于钨灯照射(图像2001)，入射光束略微偏离摄像机的轴线，这实际上产生了一个小的入射角。然后钨灯泡的方向性在仿真表面上产生了略微闪亮(即镜面反射)的区域。这种效果使像素饱和，阻碍了ppg信号的检测。仿真容器的位置偏离其实际位置。此外，从钨灯光源发射的大部分红外光在物体内产生了大量的热，这使得凝胶组织状的仿真样品快速变性。表面温度在30分钟内从室温快速升高到30-40摄氏度(此处未示出)。对于高功率led发射器照射(图像2002)，在成像结果中的颜色输出是连续的，且宽度保持恒定。ppg信号的位置与仿真容器的实际位置对齐。图像对比度足够高，这表明图像质量优于钨灯和聚光灯。而且，在仿真样品内没有热效应聚集。在30分钟内的温度变化小于0.1摄氏度，这是可忽略不计的。在评价了三种照射方法之后，对该仿真模型进行照射强度测试以测定照射强度对测得的ppg信号的强度的影响。该研究的目的是验证在视场照射均匀性之外，使照射强度最大化的必要性。使用组织状仿真装备与具有高功率led发射器照射的deepview系统在不同的入射光强度状态下进行试验台测试，入射光强度是通过改变输入led发射器的电压的变化来控制的。通过改变输入电压，能够改变照射强度直至饱和点，该饱和点显示了该成像器能够准确分辨的最大绝对照射度。该饱和点发生在该12.95v的发射器输入电压，相当于约0.004w/m2的绝对照射度值。使用该饱和点作为参照将强度阈值建立在该最大值20％的增量。图21例示了在该组织状仿真的脉动区域中ppg信号的功率谱密度与从在成像器饱和点(照射度0.004w/m2)以下的led发射器模块发出的光的最大强度百分比之间的关系。数据点反应了从3个组织状仿真重复试样中取样的5个像素的平均值。对数回归(r2＝0.9995)，误差棒表示平均值的标准偏差。在从0％到100％的各个照射水平，记录图像并用私有的deepview算法进行处理(图17)。使用来自处理过的图像的信息，从高脉动区域沿该仿真管手动选择几个像素。将这些选择的像素提取出来并分别处理以测定在所表示的点处的ppg信号强度。用于评价ppg信号强度的度量是功率谱密度(psd)，其是信号功率在频率上的分布的度量。在脉动频率处的功率谱密度是在样品和水平上研究和对比的主题。对三种仿真上的几个像素，重复该过程，在各水平上产生取样，将psd值平均以反映各个水平的值(图21)。结果证实了接收到的ppg信号的强度在强度值上稳定提高的明显对数趋势。这些结果表明使照射强度最大化是关键参数，也证实了在视场上均匀照射的必要性，因为沿边缘的较暗区域造成可用ppg信号的信号强度的损失。1.1.2.c.动物结果图22例示了基于ppg信号强度的健康猪皮肤的区域内像素的分类。图像2201和图像2202是led聚光照射的结果(图像2200中所示)。图像2204和图像2205反映了led发射器照射的结果(图像2203)。从led聚光和led芯片照射源，我们都测定了猪皮肤上的入射光的强度。对于led聚光照射，在光入射在组织上的区域中像素是全饱和的(参见图像2200)。图像中剩余的像素以摄像机灵敏度范围的50％或更低照射。另一方面，全视场照射证实在成像区域中的大部分猪皮肤在摄像机的范围的70-90％范围内反射了大量的光(见图像2203)。存在非常少的饱和像素且没有像素是全暗的。led发射器中的均匀性预期会得到能够每个像素都可比较的ppg信号，因为照射强度的变化得到更好的控制。为了确认来自均匀的led芯片照射机制的血液流动结果将会更可比较，我们研究了从led聚光灯和led发射器照射两种类型收集的ppg信号。为此，我们评估了猪皮肤区域，该猪皮肤区域是均匀组织类型，其中血液流动能够假设为是完全均匀的。我们选择健康皮肤作为该组织类型，因为其在猪的背上容易大面积获得，在该组织中发生的血液流动很可能在猪背部的任何点都是相似的。如预期的那样，我们发现均匀照射提供了具有更均匀的来自该健康皮肤的ppg信号的输出图像。来自感兴趣区域的ppg信号(图像2201和2204的框)被描绘为直方图，显示在使用均匀照射时，pgg信号的分布的形状更趋于高斯分布，没有像素缺少从该区域收集的ppg信号。在led聚光照射设置(图22)上，很多像素没有收集到ppg信号，具有ppg信号的组织区域是零星分布的，是不均匀的。该数据将会难以被医师解释。因为创伤中的血液流动对于组织存活性的愈合和评估是一个关键因素，因此进行动物烧伤模型来评估这些照射图案在烧伤创伤评估中的适用性。在二度烧伤内，对整个组织中携带血液的动脉结构有损伤。预期在该受损区域中很少或没有血液流动。因此，从烧伤皮肤将会获得很少或不会获得ppg信号。图23a-23f例示了在猪皮肤上烧伤创伤的各种照射图案和相应图像。特别地，图23a-23c例示了使用led聚光灯(图23a)、钨灯(图23b)和led发射器光(图23c)的照射图案。相应成像结果(例如图23d-23f)分别显示了检测烧伤创伤的组织和健康组织的性能。对于led聚光照射(图23a)，烧伤创伤距照射聚光中心4.0cm，与仿真实验相似。烧伤圆形区域的一半处于暗边缘下，另一半处于图像的暗区。成像结果(图23d)显示圆形烧伤区域的边缘仍可读取，但其中心不能与周围的健康皮肤组织区分开。照射直接入射在组织上的图像区域是全饱和的，且没有检测到ppg信号。类似地，与光点相对的外围区域过暗，以致于不能被成像器评估。对于暗区和光点区中的这些未烧伤组织，成像结果未显示任何血液流动信号，尽管其在生理上是健康组织。对于钨灯照射模块(图23b)，fov几乎均匀照射。在成像结果(图23e)中，烧伤创伤的边缘、形状和面积都被分辨。snr对比度足够高，这也表明照射产生了来自周围健康组织的充足的ppg信号。由于入射光束的方向性，在fov的右半边上的照射强度低于左半边。相应在成像结果(图23e)中，图像的右半边显示出比左半边更高的snr对比度，造成关于右半边的血液灌注比fov左半边的存活性更高的错误解释。对于led照射模块(图23c)，在fov内的照射比钨灯光源更均匀，对应于更好的ppg图像。成像结果(图23f)显示烧伤创伤的边缘、形状和面积与实际组织相符。在烧伤创伤周围的健康组织也显示了均匀的图像，与成像结果中的烧伤部位形成对比。在图像底部未修剪的毛发边缘在图像结果中产生了一条线，但在该毛发之下的健康组织(具有血液灌注的)仍显示出与均匀背景相同的对比度。1.1.3.结论照射功能在光学ppg系统中扮演着重要的作用。在此次研究中，我们使用led聚光灯、钨灯和led发射器阵列，研究了ppg成像的变量，包括强度和均匀性。基于组织状仿真的初步研究证实了ppg信号是照射强度的函数，因此显示均匀照射对于在成像设置中准确获取ppg信号是理想的。在我们的动物模型中，我们证实了我们的组织仿真结果，显示照射强度的变化也会影响生理相似区域的接收健康皮肤组织的ppg信号。在存在烧伤时，组织损伤减慢了血液流动，预期ppg信号会减小。均匀照射通过提高烧伤区域的检测准确度而提供了超过其他两种方式的其他优点。尽管钨灯和led光都能得到均匀的照射图案，但led光源在临床设置中具有多个其他优点。其不会造成目标表面上显著的温度变化，其更可靠且具有更低的功率要求。预期能够在患者中进行血液灌注评价的快速、非侵入性的安全设备(例如光学ppg成像器)对创伤护理机构中的临床医师具有很高的价值。使用更能在视场上实现高强度的均匀光的照射模块(例如所提议的发射器阵列)，ppg成像技术将能以精确和精准的方式提供这些临床应用。1.2.实施例2：包括用多光谱成像的后续特征在于猪烧伤模型的创伤清创术的实验我们使用猪烧伤模型来研究不同严重程度的二度烧伤。我们在一个小型猪的背部产生八个4x4cm的烧伤。四个创伤按原样研究，四个创伤经过连续的切向切除。我们用400-1000nm的波长成像该烧伤区域。组织学证实我们实现了各种二度烧伤。对光谱图像的分析显示msi检测到在健康组织、浅二度烧伤和深二度烧伤的光谱图案中存在显著的不同。在区分浅二度烧伤与深二度烧伤时，515、542、629和669nm的吸收光谱是最准确的，而在指导清创过程时，972nm的吸收光谱是最准确的。在临床设置中使用msi设备能够提高非专业人员区分不同严重程度的二度烧伤以评估患者是否需要手术的能力。1.2.1.材料和方法该动物研究中所用的方法是由branski等、gurfinkel等、和singer等改进的。烧伤模型和研究方案得到机构动物护理和使用委员会(institutionalanimalcareandusecommittee(iacuc))的批准。1.2.1.a.烧伤模型和研究方案使用一只成年雄性(年龄7.2个月)的汉福德小型猪，体重47.5kg。该动物根据人类护理和实验动物使用的公共卫生服务(phs)政策(publichealthservicespolicyonhumanecareanduseoflaboratoryanimals)的规定被喂养。该过程在完整配备的大型动物外科手术套房中进行。该雄性小型猪在麻醉之前禁食过夜。用特拉唑尔(telazol)(～2.2mg/kg,im)和甲苯噻嗪(～0.44mg/kg,im)的组合诱导麻醉。为该动物插管，并使用异氟醚(0.1-5％，具有100％氧)维持麻醉。在该方案过程中监测和记录的生命体征包括心率、血压、呼吸速率和ppg波形。在实验结束时，用1.0ml/4.5kg体重的最小剂量的戊巴比妥钠(390mg/ml)对该动物实施安乐死。用设定到100℃的温度的金属铝棒在该小型猪的背上产生八个4x4cm烧伤。通过对该加热棒施加不同的时间产生不同的烧伤深度：健康皮肤(0秒)、浅二度(30秒)、深二度一个(dpt1；45秒)和深二度两个烧伤(dpt2；90秒)。各种类型产生两个烧伤，并分组到四个区中的两个相邻区。图24例示了在猪背上的烧伤损伤的位置。编号表示区，字母表示处理状况。(“1”是i区，“2”是ii区，“a”是对照，“b”是spt，“c”是dpt1，“d”是dpt2)。图25例示了i区(左)和ii区(右)的组织尺寸。对i区烧伤，在烧伤前、烧伤后立即以及烧伤后一小时进行成像。然后将这些烧伤切除5x4x1cm的组织块(图25)，其包括一小条附近的健康组织，以确保整个烧伤的收集不受干扰。i区将被称作“烧伤分类实验”。用电动切皮刀套装(例如zimmer,warsaw,in)对ii区烧伤进行连续的切向切除以将烧伤创伤一层一层地切开，深度1mm。例如，图26例示了清创程序的示例性的示意图。将组织连续以5x5x0.1cm的薄片切开(图25)，直至在创伤位置之下观察到点状出血为止(图26)。将ii区烧伤在烧伤前、烧伤后立即和在每次切除之后进行成像。该区将被称作“烧伤清创实验”。各组织样本(组织块和切向切除层)存储在10％中性缓冲福尔马林中，并送往组织病理学检查。将各样本切出剖面并用苏木精和曙红染色。对于切向切除的ii区烧伤，由分别在不同机构的两位病理学家测定已经达到的存活组织所处的准确的切除层。烧伤的总体严重程度是由皮肤损伤百分比确定的。真皮损伤小于20％分类为浅二度烧伤，真皮损伤超过20％但小于100％被认为是深二度烧伤。1.2.1.b.仪器和数据分析光谱md创伤评估原型系统(spectralmdwoundassessmentprototype)进行所有msi性能。该摄像机具有指定在1392(h)x1040(v)像素的硅电荷耦合设备(ccd)。包含八个可互换的滤光器的旋转轮在该设备内转动，可以进行高速msi。其有效面积为10.2mmx8.3mm。使用250w的钨灯光源照射场(lowepro)。八个滤光器由以下波长(nm)组成：450、515、542、620、669、750、860和972)(10nm全宽度半最大值)。所有获取后的处理都是用matlab(v2013b)进行的。1.2.1.c.统计分析使用组织学结果引导各烧伤图像中特定区域的选择并将构成这些区域的信号进行分类。通过双向anova和多重比较(tukey-kramer)对比来自不同烧伤深度的信号。使用三向anova和多重比较(tukey-kramer)进行组织清创分析。使用bonferonni方法计算p值，其中p值小于0.05除以比较数量被认为是显著的。1.2.2.理论能够将其认为由血液、黑色素、水、脂肪和ecm的独特组合构成而将组织简化。当白光从全部由上述组分之一构成的仿真体反射出并测量时，我们看到各仿真的吸光光谱具有独特的峰或优选的波长。图27a-27e例示了各种组织组分的吸收光谱。通过聚焦这些优选波长处发生的变化，我们能够更好地认识各种烧伤类型之间的变化。我们假设血液光谱将会是区分浅二度和深二度烧伤的关键。这是基于深二度烧伤将具有比浅二度烧伤更多的血管损伤和止血这一假设。因此，血液吸收峰范围450-669nm波长被包括在原型系统(prototype)中。还包括ecm波长，因为深二度烧伤在理论上比浅二度烧伤损害了更多的ecm。已经显示450、550、650和800nm波长与仅传统临床判断相比能改善对烧伤深度的分类。在完成对皮肤组织组分的光学性质的回顾之后，我们寻求测试了八个其他波长，集中于如上所述之前被确定的具有高度可能性用于辅助烧伤评估的那些。测试的波长的完整列表如下：420、515、542、629、669、750、860和972nm。1.2.3.结果1.2.3.a.组织学一位匿名的组织病理学家逐层分析了i区和ii区病理生理变化，并通过深度为烧伤组织进行分类。总的来讲，产生了三个浅二度烧伤和三个深二度烧伤以及两个健康对照。图28例示了切向切除的(逐层切除)烧伤组织学。黑线表示完全程度的烧伤损伤，而黄线表示最严重的烧伤效果的区域。分析清创组织结构以观察连续切除能够仅用切皮刀去除烧伤组织的有效程度。组织学结构显示在各个部位，通过至多四次切除，已经除去了所有的烧伤组织。每次手术的最后一次切除都去除了深入到烧伤边缘的健康组织。偶然地，最后一次切除仅包含健康创伤床，这意味着在一步以前该清创术已经能够停止了。图29例示了从在动物研究中的各清除术的连续切向切除取下的组织学切片。真皮的浅表层是最外层部分，各后续的层都更深入到真皮中。箭头表示该组织部分的浅表表面。黑线表示完全程度的烧伤损伤，而黄线表示最严重的烧伤效果的面积。1.2.3.b.烧伤分类实验光谱md创伤评估原型系统能够将i区中的各组织类型正确分类为健康、spt、dpt1或dpt2。图30例示了烧伤后立即的msi数据曲线图，其表明各烧伤类型的反射光谱开始不同。其显示了从所有烧伤部位和健康对照得到的四个反射光谱。多重比较统计分析确认了除420nm以外的所有波长都能有效区分spt和dpt1/2烧伤。多重比较还证实使用420、542、669和860nm波长能区分dpt1和dpt2。下表例示了烧伤分类之间的多重比较，其中p值1对应于spt与dpt1的对比，而p值2对应于spt与dpt2的对比(该实验的显著p值小于0.05/6＝0.008)：表3因此，msi能够通过在几个关键光波长处其独特的光谱特征在受伤后立即区分各种烧伤深度。下面，以相同的方式描绘在受伤后一个小时收集的成像数据，以测试在区分严重程度方面的可重复性。图31描绘了在烧伤后立即以及在受伤后1小时的各烧伤类型的光谱。在数据分析中使用dpt2来确定msi是否能够区分spt和dpt。在一个小时后的数据中未进行dpt1对比dpt2的多重比较以聚焦于关联性。该评估程序对各种烧伤类型测得了显著不同的反射光谱。在该实验中，所有波长都能有效区分spt和dpt烧伤。1小时后的多重比较研究结果如下(其中该实验的显著p值小于0.05/15＝0.003)：表41.2.3.c.烧伤清创实验第二实验测试了创伤评估原型系统是否能够通过使用其区分健康组织和dpt烧伤的能力来识别停止清创的最佳层。此处，我们考虑将dpt1和dpt2创伤一起切除，因为目标是测试msi是否能够识别能存活的和坏死的组织，而不能识别烧伤的深度。spt数据未包括在清创分析中，因为切向切除通常不对spt烧伤进行。在这种模拟清创程序中，972nm波长提供了最有用的清创分析。多重比较发现在最初烧伤部位和在第一次切除之后的创伤床之间没有差别。在第二次切除之后的烧伤部位与健康对照没有统计学上的差别。在第三次切除之后的烧伤部位与健康对照相比也没有差别。下表总结了这些发现，显示了多重比较清创分析：表5在该表中，*hwb表示健康创伤床，健康*表示hwb，健康**表示位于切除深度的健康创伤床。该实验的显著p值小于0.05/45＝0.001。表示预期p值是由组织病理学检查和组织样品的分类来确定的。所有测得的p值都与其预测值相匹配。这些结果与组织学分级相对应，这确认了清创术的第二次切除已经除去了烧伤组织的最终边缘。515、669和750nm波长发现健康创伤床和过度创伤床(在已经除去了烧伤组织之后的创伤床)之间在统计学上没有差异。图32显示了在各切除层处所有波长的反射光谱。其描绘了健康对照、切除一次的健康对照、各切片处的烧伤组织光谱平均值和各切片处创伤床光谱的平均值的吸收光谱。1.2.4.讨论该光谱md创伤评估原型系统能够区分不同严重程度的二度烧伤并确定烧伤创伤清创手术进行到适当的切除深度的时机。多重比较统计指向了在分辨以下区别时进行最佳的波长：spt对比dpt损伤、dpt1对比dpt2损伤以及坏死烧伤组织对比能存活的创伤床。尽管dpt1和dpt2之间的区分不会改变手术干预的总体治疗计划，但能够在该分辨率分类烧伤严重程度为该原型系统增加了功能性。随着未来的研究，能够开发将使用msi来测定深度的算法。然后可以使用该信息来产生总的烧伤轮廓地图，该总的烧伤轮廓地图包含整个大面积烧伤中的所有深度，以辅助临床医师产生用于全部烧伤区域的清创计划。未来能够进行研究以进一步开发将能把吸收光谱与精准的烧伤深度关联起来的算法。如理论部分中所假设的，515、542、629和669nm波长可用于在受伤之后立即以及在受伤后一小时区分spt和dpt损伤。420-669nm波长范围与血液的吸收光谱相关。因为各烧伤深度将具有不同程度的止血，因此光的这些波长将得到各烧伤分类的组织的不同处理，使得可以由msi进行区分。类似的光谱(420、542、669和860nm)能够区分dpt1和dpt2损伤，进一步支持了这一想法。与ecm(750、860和972nm)、水(971nm)和脂肪含量(930nm)中的吸收峰有关的波长也可用于区分烧伤类型。既然在spt烧伤期间比在dpt烧伤的真皮损伤更小，因此我们假设spt与dpt相比具有更完整的ecm和更均匀分布的水含量，使得msi能够区分这些组织类型。另一方面，皮肤脂肪含量不可能区分dpt1和dpt2烧伤深度，因为两者都不是三度(fullthicknessburns)烧伤。我们的结果与这些预期是一致的。在该研究中还显示可以使用msi技术测定烧伤清创的适当深度。我们能够使用515、669、750和972nm波长识别在部分清创的烧伤和能存活的创伤床之间的反射光谱的差别。515和669nm波长与血液吸收峰有关。750和972nm波长与ecm吸收光谱有关，972nm还是水的吸收峰。这些结果表明在对比健康组织和烧伤组织时，该组织的血液、ecm和水成分变化最大。这是合理的，因为烧伤破坏了ecm和血管。在所有单一实验中，都显示972nm波长对组织分类在临床上是有用的。这可以解释为烧伤破坏了组织内的水分布。这种破坏还会使得健康组织与烧伤组织之间的显著差异可用msi检测到，用来指导清创术。1.2.5.结论光谱md的创伤评估原型系统提供了数据，该数据对烧伤进行分类并指导在猪烧伤模型中的清创术。这显示可以开发将能够辅助烧伤治疗类选和清创手术的临床设备。通过在早期烧伤护理中实施该技术作为常规使用，其对医护团队在紧急措施期间将会是容易使用和熟悉的。未来的实验将把来自该实验的有效波长与其他波长相结合以调制该设备用于自动烧伤分类。目前，光谱md创伤评估原型系统只是简单地获取数据，研究者随后分析该数据并进行解释以分类组织。我们的目标是涉及一种算法将能分析msi数据、进行自动分类并产生容易阅读和理解的输出。为此，在该实验中获取的数据将被添加到光谱参照数据库中并用于训练分类算法。未来的猪烧伤实验将是需要的，但需要猪烧伤数据库作为坚固的基础，我们计划最终在临床设施中测试该原型系统。1.3.实施例3：使用ppg和msi对猪深二度烧伤模型的实验烧伤清创术是一种困难的技术，因为需要训练来识别切除的程度和深度，该技术能够获益于能够提示外科医师切除的部位和程度的工具。我们开发了两种快速非侵入性光学成像技术，其能够在模拟烧伤清创手术期间识别烧伤组织与能存活的创伤床。使用ppg成像和msi对深二度烧伤的烧伤清创的最初、中间和最后阶段进行成像。ppg成像能够绘制在皮肤的微循环中的血液流动的图，msi能够收集可见光和红外光波长中的组织反射光谱以根据参照库分类组织。例如，图33例示了创伤清创过程和检测坏死的的创伤床和用于移植的能存活的创伤床之间的相对血液流动的ppg成像设备。该ppg成像系统的示例性组成例示在图34中。msi系统的组成例示在图35中。在该实验中，产生猪深二度烧伤模型，并用设定为1.0mm深度的电动切皮刀组完成连续切向清创。将切下的焦痂用苏木精和曙红(h&e)染色以测定在清创术的各阶段剩余的烧伤程度。我们确认在存在烧伤组织时ppg成像设备显示出显著更少的血液流动，msi方法能够从能存活的创伤床中划分出创伤床中剩余的烧伤组织。独立地通过组织学分析确认了这些结果。我们发现这些设备能够识别切除的适当深度，其图像能够提示外科医师关于该创伤床是否准备好移植。这些图像输出预期将有利于在手术室中的临床判断。为了将ppg成像和msi技术用于烧伤护理，科学家和工程师们必须验证其提高目前护理标准的能力。实验包括从包括取自创伤清创手术期间的已知时间点的图像的动物图像数据库开发和训练受监督的机器学习算法。我们证实该分类算法的准确度超出了目前的临床护理标准。该算法最终将应用于将ppg成像和msi收集的成像数据转换为提供给实施切除和移植手术的医护从业者的基本信息。1.3.1.方法1.3.1.a.光电容积描记成像器ppg成像系统由10位单色cmos摄像机(nocturnxl,photonisusa)构成，其提供低暗噪声和高动态范围。10位adc分辨率提供60db的信噪比。该成像器的分辨率被设定为1280x1040(纵横比5:4)。摄像机竖直安装并向下面对目标表面。控制20x16cm的普通视场(fov)用于在系统间进行对比。用95％反射参照标准(spectralonsg3151,labsphereinc.；northsutton,nh)校正摄像机的曝光时间。为了照射该组织，将四个单色高功率led发射器(sfh4740,osram)以2x2阵列固定在与该传感器相同的平面上。该led发射器阵列与摄像机的位置距目标表面15cm。选择led发射器是因为其在摄像机的fov中为组织提供了均匀的照射(即空间强度变化小于15％)。通过光学透镜控制摄像机的fov，该摄像机的fov略窄于照射区域。由呼吸过程中动物的运动引入到ppg信号中的噪声使得ppi成像的最初分析变得困难。我们能够使用称作包络提取的信号处理方法降低呼吸运动的影响。对于图像中的各个像素，用低通滤波器使该信号平滑化以提取噪声信号的包络。然后该噪声信号被其包络分开以除去信号中的动态运动尖峰。剩余的清楚信号表现了随后被处理成ppg图像的信息。1.3.1.b.多光谱成像器使用配备有八个波长在400和1,100nm之间的独特的光学带通滤光器的滤光轮摄像机(spectrocam,pixelteq；largo,fl)通过staring方法收集多光谱图像。为了为我们的系统选择最相关的滤光器，我们测试了在之前的研究中识别出的22种独特的滤光器并使用称作特征选择的技术进行波长选择数据分析。在该研究中使用的波长过滤器具有以下透射峰：581、420、620、860、601、680、669和972nm(滤光器宽度为±10nm；oceanthinfilms；largo,fl)。使用95％正方反射标准(spectralonsg3151；labsphereinc.；northsutton,nh)校正该系统，以补偿成像传感器的不同光谱响应。所用的光源是配备有毛玻璃漫射器的250w钨-卤素灯(lowepro)以在成像器的视场内产生更均匀的照射图案。该系统使用伸缩透镜(distagont*2.8/25zf-ir；zeissinc.；usa)。1.3.1.c.猪模型在该动物研究中使用的方法是由branski等在2008年和gurfinkel等在2010年改进的。在手术之前，使体重约为40kg的成年汉福德猪适应环境。在适当麻醉和止痛下，在猪的背部中线附近产生深二度烧伤。使用加热到100℃的热黄铜棒在皮肤上加压(压力0.24kg/m2)60秒产生损伤。该黄铜棒直径3.6cm，得到的创伤具有相同的尺寸。每个猪产生总共6个损伤，以在创伤之间保持间隔，这将会使得能够使用各圆形烧伤附近的健康组织作为未损伤的对照组织。为了将成像设备校正到适合的切除深度，开发了用于尖锐的切向切除的标准模型。切向切除是以均匀、连续和可重复的方式对烧伤的部分切除。这是通过以下实现的：使深度设定为1.0mm(宽6.0cm)的电动切皮刀组在烧伤上多次通过，直至整个烧伤被切到能存活的创伤床的深度为止。我们使该切皮刀通过三次来切除深二度烧伤，以暴露出下面的能存活的创伤床。在实验期间，如果我们除去组织达到存在点状出血的位置，这个清创术被认为是成功的。使用各圆形烧伤附近的健康组织作为未损伤的对照组织。数据收集时间点为：0)损伤前；1)损伤后立即；2)在这三个清创层的每层(图36)。在每个时间点我们都收集了ppg图像、msi图像以及生理数据，包括：心率、呼吸速率和血压。在各切向切除之后，我们都保存了切下的组织用于组织学检查。1.3.1.d.识别能存活的创伤床对研究的细节毫不知情的一位组织病理学家使用组织学检查和彩色图片测定能存活的创伤床组织暴露的深度。组织学检查是依照gurfinkel等,2010进行的。简单而言，将各切向切除的组织样品固定在10％中性缓冲福尔马林(nbf)中并送去处理并被广泛认可的组织病理学家(alizeepathology,thurmont,md)检测。从各样品中取出一个代表性的活组织检查并使用苏木精和曙红(h&e)染色。为了测定在哪次切向切除时到达能存活的创伤床，该组织病理学家识别组织的薄切片的最严重的烧伤区域的边缘，并使用形貌分析烧伤的深度。在研究中的每个时间点，我们也拍摄烧伤的数码照片。将比色带(colorreferencestrip)放置在创伤旁边对颜色进行标准化。1.3.1.e.用于多光谱成像的分类算法为了使原始msi数据立方体中的像素的分类自动化，产生分类算法和数据组织光谱参照数据库。对于数据库的产生，进行三项工作：首先，我们写了一个程序，我们的技术人员能够使用该程序从来自我们的动物研究数据的该图像中选择特定的像素；第二，处理来自动物实验的切向切除组织样本，并被认证的组织病理学家读取，来识别在各部分中烧伤的位置和严重程度；第三，有经验的外科医师观看彩色照片来确定点状出血位置以及清创组织中的能存活的和不能存活的组织。在完成这些步骤之后，两名技术人员从约120个msi图像中手动选择像素。我们建立了一种机械学习算法，以根据之前步骤中产生的参考数据，将像素分类到六个不同的生理种类中。我们使用二次判别式分析(qda)作为我们的分类器算法。如下测定该算法的精度：一旦将来自各msi图像的像素根据组织学分类到其适当的种类中，我们用所有24个烧伤部位的六个种类中每个种类的2,000个像素训练我们的分类算法。然后，在不取代该训练像素的情况下，我们随机选择一个2,000/种类的新组作为测试该分类算法的有效性的数据。根据sokolova&lapalme计算分类精度。在实验中使用了六种生理种类，其描述如下：健康皮肤-健康皮肤是在我们几乎所有的图像中都存在的常见的组织。充血-充血是jackson在1947年描述的烧伤损伤的三个区之一。脉管系统被血管舒张，预期会完全恢复。创伤床(可移植)-可移植的创伤床是施加植皮的理想表面。其具有白色或粉色的颜色，具有点状出血。血液-在组织表面上大量聚集血液应当提示外科医师将血液吸除并对该区域进行再次成像。较不严重烧伤-可以在两周内自发愈合的具有轻度烧伤损伤的组织。严重烧伤(不可移植)——其中发生坏死和不可逆的烧伤损伤的凝结区，将不能自发愈合或接受植皮。1.3.1.f.统计学和图像处理所有图像处理和统计都是在matlab(v2013b)上进行的。1.3.2.结果1.3.2.a.烧伤产生和深度使四个小型猪产生24个深二度烧伤。我们发现24个中有16个(67％)创伤具有用压力控制的烧伤棒的均质的创伤区域。从每个烧伤中，进行三次切向切除，组织病理学家测定各部分中烧伤的程度。从这些72个部分的每个部分中，进行形态测定分析以定量烧伤深度的一致性和由切皮刀产生的各切向切除的一致性。平均切皮刀切除深度为1.36±0.16mm(12％标准偏差；图37)。将烧伤组织区分为具有任何烧伤效果的区域和具有重度烧伤效果的区域。我们发现烧伤组织的平均总深度为3.73±0.58mm(16％标准偏差)，严重烧伤部分的深度约为1.49±0.59mm(±39％标准偏差)。这些结果总结在图37中。后一个度量具有最高的变化，其很可能与组织病理学家为了将该区域从一些包括烧伤的区域中勾画出来而使用的更主观的组织变化有关。使用该切向切除的烧伤组织，进行组织学检查以验证我们在用切皮刀切除三次之后已经到达了能存活的创伤床。如果我们将该组织去除到存在点状出血的位置，那么就认为清创术是成功的。在24个创伤中有24个(100％)，我们将组织去除至都在创伤床上出现了均匀的点状出血。这得到组织学检查的确认，组织学检查显示在切皮刀切除三次或更少次数时除去了所有严重烧伤的组织(图38)。尽管有点状出血的证据，组织学检查证明在24个创伤中有8个(33％)，我们没有完全去除所有具有任何烧伤效果的组织。然而，一位对成像数据毫不知情的广泛认可的外科医师检查了我们对清创术后的创伤床的彩色照片，并确认在具有这些轻微烧伤效果的组织上移植将会是可以接受的，这种组织将不可能会转变为重度损伤。1.3.2.b.光电容积描记成像我们观察了来自图像中存在的三种组织(健康皮肤、烧伤损伤和创伤床组织)的ppg信号的差别。我们发现在来自烧伤组织的ppg信号的信噪比与另两种组织类型相比存在显著的差别(健康皮肤：6.5±3.4db；能存活的创伤床：6.2±4.1db；烧伤组织：4.5*±2.5db；*p<0.05)。这些结果是可重复的。从24个烧伤部位的20个收集的ppg图像能够识别适当的切除点。我们展示了一系列来自损伤的图像来突出在整个烧伤深度上ppg信号的变化(图39)。最初，在整个未损伤皮肤上的ppg信号相对均匀。在产生烧伤损伤的图像中心，信号大幅度降低。因为去除了第一层1.0mm的皮肤，在创伤床中烧伤组织仍显著可见，较低的相对ppg信号与这种组织的存在相关。在约2-3mm的深度(在第二次切除之后)，在烧伤创伤床中的ppg信号恢复了。1.3.2.c.多光谱成像从在外科医师和组织学家的监管下选择的标记的像素数据库中，从所有24个烧伤中随机选择出2,000个像素，将其合并到测试数据集中。通过之前训练的qda算法并与其实际分类标签进行比较对该测试组进行分类，产生含混矩阵(图42)。该矩阵显示了在该矩阵中心的对角线上正确分类的数量。错误的分类是在对角线下的单元中。我们发现总的分类准确度为86％。通过我们的算法能够以92％的成功率分类从创伤床表达的血液，这是六个种类中最高的精度。其他五个种类的分类准确度相似，“重度烧伤”的分类准确度最低，为81％。该含混矩阵证实常见的不准确是把严重烧伤组织错误分类为健康皮肤，健康皮肤错误分类为重度烧伤。而且，我们发现充血组织通常被错误分类为血液，反之亦然。该经过分类的msi图像输出很好地验证了烧伤的位置及其边缘(图40)。随着我们用切皮刀更深地切入烧伤区域，msi能够清楚识别能存活的创伤床。再次，在这些图像中看到了之前用我们的含混矩阵分析提及的对像素的错误分类。空间表现显示错误并不是通常随机的，而是其以更高的频率出现在图像的某些区域，例如很多被分类为健康皮肤的创伤床仅在来自图40的第一次清创图像的上部部分中出现错误。对于在同一损伤内包含不同烧伤深度的烧伤(这也是常见的临床情形)，msi图像结果能够识别出更严重的烧伤区域(图41)。这是在损伤之后立即以及在切除过程期间发生的时间点的情况。提供了这些图像仅用于展示该工具能够在手术规划中的有效性，尤其是对于经验不足的烧伤外科医师。1.3.3.结论来自我们的ppg成像数据的结果表明烧伤组织与健康组织相比具有显著更低的ppg信号。从临床的角度，这意味着借助于ppg成像技术能够识别出被怀疑的烧伤损伤。随着外科医师切除组织，其能够预期随着其去除坏死组织从而暴露出能存活的创伤床，ppg成像信号相应增高。当该信号达到能存活的组织的强度特征时，ppg成像设备将会向外科医师指示在创伤床中存在足够的血液流动且该组织将会能支撑移植。来自msi成像的结果也是有用的。使用在该研究中所用的八个波长，我们在分类各种组织种类时达到了86％的平均准确度。目前对烧伤组织分类的护理标准是有经验的烧伤外科医师的临床判断。尽管没有研究报道过在切除和移植手术期间外科医师分类的准确性，但有经验的外科医师对最初烧伤深度评估的临床研究证明准确度为60-80％。尽管在最初评估过程中外科医师的准确度并不足以获知有经验的外科医师在外科手术进行时的准确度，但我们预期在烧伤手术期间对最优化的切除的正确确定与最初的评估同样困难。因此，我们相信在该研究中得到验证的msi成像的准确度与最有经验的专家不相上下，msi显然具有能改进经验不足的外科医师作出的临床决定的可能性。能够使用对msi数据分析已经建立的相同机器学习技术，将由ppg数据计算得到的特征与反射光谱数据相结合。因为ppg和msi原始数据立方体能够用该光学硬件收集，因此确定来自各系统的突出特征并包括在该分类器方程中是一个统计分析的问题。尽管仅msi能够有效识别烧伤的边缘，我们相信该来自ppg信号的动态血液流动信息将与反射率数据相结合以包括关键的组织生命力信息。在切除和移植过程中对烧伤创伤的正确分类对于优化烧伤患者的护理是至关重要的。ppg成像和msi是两类能够类似地帮助烧伤外科医师和非专业外科医师来指导清创术的技术。ppg成像检测血液流动以通过作为其特征的较高的血液含量来识别健康组织。msi聚集关键波长的反射光以产生和分类各组织种类独特的反射光谱。使用猪烧伤模型，我们将这些技术用于验证其对于临床应用的可行性和可操作性。ppg成像和msi单独或结合能够提高医疗从业者的诊断准确度并在移植手术中帮助优化清创术。1.3.3.a.对实践的适用性医师经过多年的训练来正确进行手术清创。在重大灾难情况发生期间，经验不足的外科医师也会被分派任务进行很多手术，其会面临很多的困难。对组织的过多和过少切除都会具有严重的并发症。过少切除烧伤会导致移植物置于失去生命力的组织上，造成较差的移植物吸收和提高的感染风险。相反，过多切除面临过量失血的风险，其也会降低移植物吸收。除了进行该手术的技术方案，外科医师必须能够在手术前后指示正确的流体和血液管理。进一步地，时间的选择是关键，因为甚至在仅48小时之后进行创伤切除的患者与在24小时之前接受手术的同样的患者相比会损失两倍的血量。最后，在整个烧伤区域上深度不同的多区域烧伤进一步使得烧伤护理的提供复杂化。为了确保最大限度地去除无生命力的组织而最小限度地切除仍能存活的组织，计划这些烧伤的切除和移植是困难的。为了降低烧伤外科医师和非烧伤外科医师之间的差距，需要一种辅助工具。理想的解决方案将会是：识别必须切除的区域，确定切除的正确深度；和监测重要器官以指导患者的治疗管理。用于临床匹配的其他需求将会是诊断准确度的提高、对现实患者状态的适应、和立即为治疗团队提供实用的数据。此外，优选的解决方案能够被容易地使用以在烧伤专业人员被患者淹没的情况下(例如在重大灾难事件中)为非专业人员提供帮助。如前所述，已经提出了几种成像形态作为解决该问题的潜在方案。迄今为止，很多技术已经被证明由于各种原因在临床实践中是不实用的。一些技术的准确度低于外科医师未经辅助的临床判断。其他方案需要患者躺着不动很长时间，数据获取时间需要几天，或者为了准确诊断需要侵入性手术。具有这些限制的临床工具并未被医护人员容易地采用。msi和ppg成像(包括本公开中列出的实验)显示出这些技术实际上可以满足这些需求来改进烧伤护理的希望。通过工作将这些技术转变成能够在床旁使用的临床工具，能够提高美国烧伤患者在生命质量度量方面的结果。该方案也将会具有全球影响。发展中国家的贫穷人群依赖明火烹饪和照明。这些生活状态将妇女和儿童暴露于较高的重度烧伤风险。例如，在南亚，与hiv/aids或疟疾感染相比，更多的妇女和儿童死于重度烧伤。缺乏医疗护理途径意味着相对较轻的烧伤就会导致永久的残疾，这能够通过烧伤护理辅助设备降低管理治疗所需的技术而防止。1.4.实施例4：通过离群值检测和去除提高烧伤损伤诊断成像设备的准确度的实验本实施例4中描述的方法、系统、算法、技术和/或公开内容以及基本相似的形式和/或变形可以用于在本公开中描述的任何方法或设备中的计算。在该实验中，我们使用多光谱成像(msi)开发了一种烧伤诊断设备，该烧伤诊断设备将会辅助烧伤外科医师计划和执行烧伤清创手术。为了建立模型，需要准确表达该烧伤组织的训练数据。获取准确的训练数据是困难的，这部分是因为将原始msi数据标记到适合的组织种类被证明是错误的。我们假设这些困难能够通过从训练数据集中去除掉离群值而克服，这将会使得分类精度的提高。我们开发了一种猪烧伤模型，以构建初始msi训练数据库，并研究我们的算法对烧伤损伤中存在的临床重要组织进行分类的能力。一旦从猪图像产生了真值的数据库，然后我们基于z检验和单变量分析开发了一种多级方法来计算我们的训练数据集中的离群值。使用十倍交叉验证，我们对比了在离群值存在和不存在的情况下训练时该算法的准确度。我们证实我们的离群值去除方法降低了训练数据从波长间隔的变化。一旦从训练数据集中除去离群值，试验的准确度从63％提高到76％，并取得更好的输出。建立这种调节我们训练数据的简单方法提高了我们的算法的准确性，使其与烧伤损伤评估中目前的护理标准同样好。假设在一个国家存在很少的烧伤外科医师和烧伤护理机构，那么预期该技术会在不需要专业机构的情况下就能提高对烧伤患者的烧伤护理标准。1.4.1多光谱成像应用多光谱成像(msi)和源自该技术的超光谱成像(hsi)随着摄像机技术的发展，广泛用于不同应用中，例如nasa将其用于天文学、用于农业、国防、地质学、医学成像应用。我们将msi技术引入用于烧伤创伤分析。对于烧伤治疗，确定最初损伤的深度是重要的。较浅的烧伤(称作浅二度烧伤)不需要手术治疗，通常随着辅助治疗就能愈合。更严重的烧伤(根据其深度分类为深二度或三度烧伤)需要手术切除所有坏死组织以暴露出能存活的创伤床作为移植手术的基础。目前，烧伤创伤分类的黄金标准是专业烧伤外科医师的临床判断。然而，这种专业人士的准确度据估计仅为60％-80％，非专业人士的准确度不高于50％。需要提高烧伤分类的准确度(特别是在没有烧伤专业医师的医疗中心中)来改进关于烧伤治疗的临床决定的做出。msi能够以可能较高的准确度将烧伤组织分类为不同的临床种类，使得烧伤外科医师能够更频繁和快速地选择适合的治疗方案。在从重度烧伤中对坏死组织进行清创的过程中，外科医师的目标在于使任何额外的健康组织的去除最小化。msi具有进一步的能力通过在手术时分类烧伤组织以区分烧伤损伤与健康创伤床来辅助手术切除，防止了多余的健康组织切除。人的皮肤是由多个发色团组分构成的多层组织，其中有四种主要成分：血液、水、黑色素和脂肪。各种皮层中血液、水、黑色素和脂肪对特定波长的光(尤其是在可见光和近红外谱带中的光)的光学照射具有已确定好的光谱响应。通过用msi捕捉和分析不同组织对多个入射特征波长的响应，人们能够例如通过其独特的光谱响应识别出在其他组织中血液的存在。对入射光的组织响应被其吸光率量化。msi在波长范围内对吸收率数据的收集可以根据各组织类别内存在的组织组分的相对含量分类不同的组织类型。尽管msi能够捕获来自各种组织类型的独特的光谱数据，必须开发一种分类模型来解释新的光谱图像和正确识别组织。在开发该模型时遇到了一个困难，因为其必须由与随后将用于分类的数据相同类型的数据通过称作机器学习的过程构建。因此，在最初模型构建过程中，必须首先收集“训练”数据集并将其手动分类为“真值”。建立真值是任何机器学习应用的关键步骤，因此也是在这些应用的开发中最需要注意的阶段之一。需要高准确度的真值来构建准确的分类模型。建立真值的方式根据该分类模型被构造用于评估而变化。然而，在所有情况中，其都必须由临床专业医师使用目前的黄金标准收集必要的信息来建立。对于烧伤创伤，组织分类的黄金标准是组织病理学评估。我们展示了我们用于建立真值的技术的细节。然后使用该训练数据集来开发该分类模型，该分类模型随后在另外收集的数据上进行测试以确定其对真值的准确度。开发了各种算法以由真值训练数据集构建分类模型。例如，之前已经在用于超光谱成像数据分析的基于核的机器学习中使用的支持向量机(svm)算法。最后，对训练数据的人工划分建立了真值，因此得到的模型由于分类错误可能会发生偏差。例如，如果在训练数据中健康皮肤被错误地分类为血液，那么所得到的模型随后将难以准确分类健康皮肤和血液。由于训练数据是用于构建分类模型的样本空间，因此降低任何这种偏差是提高该模型的准确度的关键。在任何训练数据集中不可避免的偏差最终都会在开发之后对其进行测试时降低模型的准确度。为了降低偏差并提高模型的准确度，从训练数据集中识别和除去“离群值”是有利的。离群值被定义为在统计学上与其他观察到的变量不同的观察到的变量。在例如信用卡诈骗、传感器活动、医学诊断和网络安全等领域的应用中，离群值的检测(也称作异常值检测或新颖值检测)是统计图案识别研究的关键因素。存在很多种已经建立的离群值检测方法。一种通常使用的离群值检测技术是基于模型的算法。在基于模型的算法中，统计检验估算样本分布的参数。例如，高斯分布是由两个参数描述的：平均值和标准偏差。通过最大似然法或最大后验估计确定这些参数。在单变量高速分布中，离群值是包括在模型参数内由z评分(标准评分)定量的具有显著极端概率的点。传统上，具有大于0.95或小于0.05的概率的样本在单变量分析中被认为是离群值。该基于模型的算法在很多情况中都能准确识别离群值。然而，注意到限定这些模型的参数在其最初计算时对任何可能的离群值都很敏感，这一点是很重要的。即，该参数是在能够识别出并除去离群值之前使用全部的样本组产生的。因此，通过在使用这些算法产生分类模型之前识别并除去离群值，能够提高这些模型的准确度。在该研究中，我们展示了在我们将离群值去除的构思应用到的医学领域中的一种机器学习算法。首先从建立的猪烧伤模型捕捉msi成像数据。然后，我们评估该多光谱图像并提供一个统计方案来定量改进被设计用于分类该烧伤损伤图像中存在的不同组织的模型的分类准确度。1.4.2离群值检测和去除离群值的检测和去除是统计和图案识别领域中的重要领域，其广泛应用于不同的领域，例如信用卡诈骗、有趣的传感器行为、医学诊断、网络安全等。离群值检测可能有其他名称，例如异常值检测、新颖值检测等。大部分离群值检测都是基于模型或基于邻近的检测。对于基于模型的算法，我们能够使用统计学试验来估算样本分布的参数，例如可以根据中心极限理论(clt)将其认为是高斯分布。对于高斯分布，能够考虑两个参数：平均值和标准偏差。我们能够从最大似然法或最大后验估计得到这些参数。在基于模型的方法中，离群值将是具有低发生概率的点，能够通过计算z评分(标准评分)来估算。作为经验规则，如果概率值大于0.95或小于0.05，这些样本可以被认为是离群值。这是基于单变量分析的。如果其是多变量正态分布：μ是所有点的平均值，∑是与平均值的协方差矩阵。我们能够计算点x到μ的马哈朗诺比斯距离。该马哈朗诺比斯距离遵循χ2分布，自由度为d(d是数据的维度)。最后，对于所有点x，如果马哈朗诺比斯距离大于χ2(0.975)，那么该点将被认为是离群值。统计学检验的考虑能够用于很多情况，然而，在进行该参数过程的估算时，该参数对潜在的离群值是敏感的。同时，如果维度较高，该马哈朗诺比斯距离将会与较大自由度相似。基于深度的方法在该数据空间的边界处寻找离群值，基于偏差的方法在去除离群值时使变异最小化。在基于邻近的离群值检测中，能够使用最近邻居的思想来产生包括或排除的近似值。首先，距离的概念是重要的。如果有n个样品和m个变量，矩阵的大小为n*m，例如通过使用欧几里得距离，我们能够在样本空间中计算该距离，该距离定义为：聚类方法是使用该距离概念的常用方法。在聚类算法中，对任何识别出中心(质心)的点组，我们能够定义半径ω。如果该点小于或等于该半径，那么其能够被认为是好点，根据该新数据点的包括由其更新该质点。对于k最邻近算法，是到该点的k最邻近的距离之和。然而，如果该数据集具有高的维度，那么该方法可能由于“维度曲线”而不能使用。还有其他的方法也基于其他集中趋势的其他定义。例如，局部离群值因子(lof)是基于密度的。密度能够从点的聚类估算。如果点的某一聚类或分组具有比其邻居更低的密度，那么该聚类内的点可能就是可能的离群值。再次，如果该数据组是高阶维度数据，那么这些算法就都不可用。已经提出了基于角度的离群度(abod)和基于网格的子空间离群值检测来处理高维度数据集。2.方法2.1硬件和成像与动物模型使用自制台式成像设置获取多光谱图像数据。图1例示了该图像获取系统的示意图。光源和图像捕捉模块都以反射方式放置在距离目标表面60cm处。钨灯(vippro-light,lowelinc.)提供以dc模式在目标表面上提供宽光谱的投射。在钨灯前面安装一块毛玻璃(ip-50,lowelinc.)使光漫射并提高空间照明的均匀性。一些入射光穿过目标表面，同时图像捕获模块收集任何反向散射的光信号。该图像捕获模块由高性能ir增强光学透镜(型号：distagont*f-2.8/25mm,zeiss)、八缝滤光轮、12位单色摄像机(bm-141ge,jaiinc.)构成。该光学带通滤光器被设计和选择以从摄像机中分离出单一波长的光。在滤光轮中安装以下八个带通滤光器。八个滤光器的中心波长(cwl)和半峰全宽(fehm)为(cwl-fwhm，单位都是nm)：420-20、542-10、581-20、601-13、726-41、800-10、860-20和972-10。通过使用reflectancezenithlitepanel(sphereopticsgmbh)将波长强度标准化，最大像素值为4098(12位)、根据已知的皮肤组织在这些波长下的吸光行为将会能够准确进行组织区分以进行有用的分类来选择使用的八个波长。随着滤光轮的旋转，该摄像机按顺序捕捉通过这八个滤光器的每一个的单波长图像。将图像以未压缩的形式存储在计算机中。所有的计算和统计都是使用软件(2014b版)进行的。图43a-43c例示了硬件系统装置的实例(图43a(b))。使用自制台式成像装置获取多光谱图像数据。图43a显示了该图像获取系统的示意图。尽管在图43a-43c的实例中使用钨灯，但在其他实施方案中，该光源能够使任何宽光谱照射源，或者任何能匹配数据分析所需光的希望波长的任何照射源。我们使用上述系统通过遵循在机构动物护理和使用委员会(institutionalanimalcareandusecommitter(iacuc))下设计的科学烧伤模型学习方案来收集动物数据。为了模拟人的皮肤(表皮厚度：50-120μm)，选择雄性汉福德猪(表皮厚度：30-40μm)作为该动物模型。在猪的背部制备圆形烧伤(直径＝3.6cm)(图43(b)、(c))。在这一阶段，目测三种皮肤组织：健康、烧伤的和充血的(由于在损伤后血液灌注的提高而使皮肤变红)。在连续的1mm深的切向切除层中进行清创术，每个烧伤的各清创面积为6cm×6cm(图43(b))。在清创过程中，可评估六种不同的皮肤组织：健康的、二度烧伤的或三度烧伤的(根据烧伤的严重程度)、血液、创伤床和充血的。将各切向切除的层储存在10％中性缓冲福尔马林中并送去组织病理学检查。将各样本切开剖面并用苏木精和曙红(h&e)染色。病理学检查的目的是得到之前提及的组织类型的“黄金标准的”识别及其在多光谱图像中的位置。由两位病理学家测定烧伤损伤的深度和能存活的组织已经到达的准确的切除层。使用三头猪，每头猪有六个烧伤位置。对于各烧伤位置，我们使用所有八个波长在至少五个不同的时间点的过程中进行图像获取，基线图像取自损伤前，烧伤图像取自热损伤之后立即拍摄，一个图像是在用切皮刀进行第一次1mm切向切除之后拍摄，另两个图像是在后两次切向切除之后拍摄。2.2训练数据收集和分类算法实施被管理的学习方法来产生分类模型。为了构建由六个皮肤组织分类构成的训练数据库，我们使用组织学数据作为参照提取在每个获取的图像中的这六种组织类型中的各种类型的像素强度和位置。将每一片切向切除的皮肤切开剖面显示根据建立好的程序由广泛认可的病理学家确定的烧伤深度(图44)。我们开发了一种绘图工具来标记健康的、二度烧伤损伤的、三度烧伤损伤的、血液的、创伤床和充血的区域。病理学家使用以下参数从h&e染色的烧伤焦痂中确定这些区域：三度烧伤损伤是最大损伤的区域。由于胶原和其他组织成分的凝结，存在不可逆的组织损失。从病理学上来讲，这一区域的特征在于细胞内容的损失。部分烧伤损伤降低了组织的灌注，证据就是血管阻塞。胶原通常保持其结构的完整性。然而，具有固缩核的细胞坏死也有一些证据。该组织区域被认为具有被抢救的可能性。划分出健康的创伤床，在该位置基本正常地生理学发现是存在深部烧伤组织。然后将这些区域与之前获得的光学成像数据相关联，由此构建真值，由此能够判断我们的分类算法。使用支持向量机(svm)和k最邻近(knn)分类算法(请参见图(49)a2、图(49)b2)，我们没有得到很好的结果。对于健康病例a1的输出，应当有健康皮肤组织，然而，我们观察到在输出中还存在有其他组织，例如创伤床。对于烧伤病例，从病理学上，我们认识到充血应当在烧伤的周围，进一步地，健康皮肤在输出中不应当被分类为完全损伤(fullinjury)，图(49)b2。使用10倍交叉验证，我们发现该模型的准确度为63％，其比所需的准确度要低得多。我们预期从这两个结果中，我们能够验证在我们的小数据库中对离群值的检测和去除。2.3离群值检测为了降低离群值对模型的影响，从建立好的如前所述的最大似然估计的基础开发使用两种新概念的离群值检测算法。首先，取位于该样本空间平均值附近的样本的子集作为子空间来计算该使用最大似然估计的模型的平均值和标准偏差参数。我们将该子空间称作“第一窗口”，通过新的系数α1和α2(从0-0.5，无量纲)来调节其大小，这两个系数分别被定义为样本空间的中值左右的距离(因此，第一窗口的宽度等于α1+α2)。由于整个样本空间的宽度被标准化为1，因此设定α1＝α2＝0.5将会导致整个样本被选择为“第一窗口”。通过适当调节这些系数，可以在计算该分类模型的分布参数(在高斯分布中为平均值(μ)和标准偏差(σ))之前排除掉离群值。第二步，用新的特征重要性(wi)加权概率(从z评分或其他分布函数)的权重(wi)，以产生用于在第一窗口内检测离群值的阈值。这些步骤的技术细节如下。我们以由从动物模型收集的光谱数据构成的大样本空间开始。该算法的基础由建立好的最大似然估计技术构成。对于独立且同一分布的样本，接合密度函数为：f(x1,x2,x3,…,xn|θ)＝f(x1|θ)×f(x2|θ)×f(x3|θ)…×f(xn|θ)其中x1；x2；x3；:::；xn是样本，θ表示模型的参数。该函数的概率为：在实践中，该似然函数(称作log-似然)的算法能够如下使用：为了估算θ0，计算取以下方程的最大值的θ值。我们能够从最大似然方法计算参数θ0。如果该样本分布是高斯分布，那么描述最大似然参数的数学方程如下：其中xi是在中值附近的样本值。我们的第一种新的离群值检测和去除方法要求这些参数受如下系数αi的控制：n＝(α1×n)+(α2×n).在接合点处，我们使用我们的第二种新的离群值检测和去除方法。在检测离群值时，我们指定权重来代替概率。首先，确定概率(pi)和特征重要性(wi)。概率pi能够用样本分布函数的分布参数计算。例如，对于高斯分布，pi是由标准z评分产生的，其如下计算：其中μ是样本的平均值，σ是样本的标准偏差，z评分如下确定pi：对于我们的离群值检测算法，我们依照以下调节概率pi值：pi＝2×pi如果0.05≤pi≤0.5，pi＝2×(pi-0.5)如果0.5＜2×pi＜0.95，pi＝0如果0.95＞piorpi＜0.05.该特征重要性wi能够根据所希望的应用20，21变化，且能够对其调节以提高任何模型的准确度。在我们的病例中，该特征重要性是由在msi机器中使用的八个波长中的每个对于区分不同的组织种类彼此的相对功效来确定的。在机器学习的领域中，具有较多判别式信息的波长被赋予较高的权重值。在上述步骤中计算了概率pi和特征重要性wi之后，如下计算样本权重(wi)：最后，设定阈值权重(w阈值)以产生数据的“第二窗口”。如果给定的样本，wi大于w阈值，那么该样本被认定为训练集(第二窗口)。否则，该样本点被认为是离群值并从训练集中除去。重复经验测试找到该算法系数(α1、α2、wi和w阈值)的有效值。3.结果3.1离群值检测在实施数据分类和离群值去除算法之前，用svm和k最邻近(knn)分类算法分析未经过滤的光谱成像数据以训练多个烧伤分类模型。当训练之后给予这些模型实验数据以进行分类时，与真值相比，分类的平均准确度总体为63％。在建立了该烧伤模型的该基线准确度之后，对该光谱成像数据集使用数据分类和离群值去除算法，然后再将其用于训练这些相同的分类算法。通过经验试验，发现该算法系数的有效值为：α1＝α2＝0.2，w1＝w2＝...＝w8＝1，且w阈值＝7。设定了这些参数，对msi使用的八个波长中的各个，计算“第一窗口”的平均值和标准偏差参数。在离群值检测和去除之后该数据分类算法的结果呈现在图48a-48b中。图48a-48b例示了具有离群值(图48a)和没有离群值(图48b)的2-d特征空间中的六个种类的实例。为了呈现的目的，样本空间(红色)在二维中仅用所用的八个波长中的两个来显示。在离群值检测和去除之后，用于训练烧伤分类模型的第二窗口子空间(蓝色)变得更均质且聚类更紧密，在理论上可以在所得到的模型中得到更高的准确度。为了在所有八个msi波长上目测数据分类和离群值检测算法的结果，在离群值检测和去除的前后描绘表示在各组织分类中对所有波长收集的样本的箱线图。在初始样本空间(图46a-46f和图47a-47b)中，所有组织分类(特别是血液)都包括显著数量的离群值。在离群值检测和去除之后，在该子空间中剩余的离群值的数量大大降低，如图47b中所示。在图48a-48b中呈现了描绘在一起的具有所有六种组织分类的光谱数据的二维样本空间。在离群值检测和去除之前，来自图47a-47b箱线图的数据描绘了在离群值检测和去除之前(a)和之后(b)的各组织分类的所有八个波长的样本空间。箱子表示四分位距。红色加号符号区分数据的离群值。在所有组织分类中，在离群值检测之后样本空间中剩余的离群值的数量显著减少，在血液种类中更为显著，各种组织种类都汇总绘制在聚类中，显著排除了血液，但各种聚类的显著数量的重叠是相当可观的。在应用了离群值检测和去除算法之后，组织种类之间的更好的分隔清晰可见。在去除了离群值之后，使用相同的分类算法(svm、knn等)产生新的烧伤分类模型。总的平均模型准确度从63％提高到76％。在图46a-46f和图47a-47b中显示了离群值检测过程以及各谱带中由箱线图在统计侧的作用之后，进一步地，我们使用两种最重要的波长来构造2-d特征空间，来显示我们提出的算法的作用。由于血液在可见和近红外谱带中的性质，蓝色遍布在整个样本空间中。通过使用该算法，显然可见出血类型的会聚。相同的解释也适用于红色-健康分类。3.2动物模型结果图49中证明了模型分类准确度的提高。在离群值去除之前，该分类模型不能准确检测健康皮肤或在生理上位于烧伤周围的充血区域。该模型还预测了几种不同种类的组织，实际上其中也存在健康皮肤。对于烧伤周围的充血区域，该模型预测血液的存在。此外，在充血区域之外的健康皮肤也被错误分类为三度烧伤损伤。然而，在离群值去除之后，该模型正确分类了对照图像和烧伤图像中的健康皮肤以及烧伤周围的充血区域。4.结论来自该实验的几个要点值得强调。首先，对该算法系数α1指定的数值接近在递归处理中。选择该数值是因为其有效提高了在该指令单上呈现的特定的msi应用。然而，对于其他应用，这些数值将可能会需要调整以实现所希望的结果。有趣的是，在经验试验以识别各波长的最佳值之后，所有波长的最佳特征重要性(wi)被设定为1。所有特征重要性(wi)最终被设置为1，这反映了我们的msi设备中所用的八个波长的各个都被选择以彼此独立地提供独特的光谱信息。这一结果并不令人惊奇，因为该波长是根据前面描述的皮肤组织和烧伤组织的光学特征而选择的。准确分类最困难的组织是血液。这是如图47a-47b和图48a-48b中呈现的对于血液收集的不同类的样本空间所提供的证据。表征血液的光谱数据的双峰分布是血液在可见和近红外光谱带中独特的吸收光谱(其也是双峰的)的结果。其他组织分类各自都具有单一的吸收峰，这导致在这些其他情况中光谱数据都更加均匀分布。最后，离群值检测和去除算法显著提高了msi用于皮肤组织分类的应用的准确性。该算法成功降低了各组织分类的样本空间中的变化。通过以这种方式限制该变化，以相应的方式降低了光谱特征中的重叠。随着重叠的降低，随着分类准确度的显著增大，也改进了分类模型的训练。通过实现76％的最终准确度，我们发现我们的模型最少满足了在烧伤组织分类中目前由烧伤专家临床判断的临床标准。该模型具有为在可能不容易获得烧伤专家的设施中治疗烧伤患者的医师帮助作出决定的可能性。涉及截肢的示例性实施方案的概述上述对确定治愈可能性和多个已知会影响身体创伤愈合能力的要素的足够准确的计量/测试的缺乏意味着需要多变量诊断方法来改进评估。光谱md特别用于解决该问题，因为我们的设备被设计成处理以多个单独变量形式的信息以分类组织的病理过程。该光谱md成像设备使用机器学习算法将两种光学成像技术-光电容积描记成像(ppg成像)和多光谱成像(msi)与受试者的健康度量(例如糖尿病控制或吸烟)相结合产生预测信息(图50)。图50例示了两种光学成像技术(光电容积描记成像(ppg成像)和多光谱成像(msi))的高水平图示概述，这两种光学成像技术能够与患者的健康度量相结合，根据本公开产生预测信息。我们将该设备称作deepview(gen2)。deepview(gen2)预期能维持在患有异常血管疾病的患者中选择适当loa所需的高敏感性和特异性。这两种光学成像方法被设计成能推断出重要的组成特征，包括动脉灌注和组织氧合。这两种测量对于选择loa是一个关键因素，因为具有异常血管疾病的受试者中创伤的愈合受到紧急缺少动脉灌注的妨碍，导致低的组织氧合(norgren,hiatt,dormandy,nehler,harris,&fowkes,tascii工作组(tasciiworkinggroup).用于管理外周动脉疾病的社会间共识(inter-societyconsensusforthemanagementofperipheralarterialdisease(tascii)),2007)(mohleriii,screeningforperipheralarterydisease,2012)。使用我们的方法，我们能够同时评估在腿的大面积上在组织水平上的灌注以识别肢体的灌注不足区域。这与在仅使用临床判断时所包括的猜测工作是不同的，在此期间观察者必须根据的病史和身体检查并结合对动脉的研究来评估正确的loa，而动脉研究很少包括对患者微循环的整体评价。同时，deepview(gen2)还能评价对创伤愈合能力具有系统影响的患者健康度量。通过将组织微循环的局部评估与影响创伤愈合的系统因素的整体评价相结合，deepview(gen2)考虑了多个影响创伤愈合的因素而非单一变量。我们的deepview(gen2)系统使用称作机器学习的统计训练来研究多变量系统以实用方式进行预测分析。我们相信这一方法通过将来自局部微循环评估的数据与用目前的技术在微循环中不能容易观察到的影响创伤愈合的系统因素(例如糖尿病、吸烟状态、年龄和营养状态)相结合，将为患者的主要创伤恢复的整体概率提供关键信息。因为局部和系统因素影响最终的治愈概率，因此通过把这些因素一起考虑，将会提高deepview(gen2)系统的准确性。对于在截肢手术之后在研究水平上预测主要创伤愈合的概率，我们的设备将具有至少95％的灵敏性和95％的特异性(参见i期的可行性测试和ii期的成功标准)。如果用于在截肢手术之前以该灵敏度和特异性常规评估受试者，我们预期deepview(gen2)将再次截肢手术的概率降低67％，这将导致每年减少10,000位再次截肢手术的患者，同时提高了截肢手术患者的生活质量并降低了与其治疗相关的健康成本。目前，在截肢手术之前的abi检查是昂贵的。每位患者医疗保险约为$150。发生的大部分成本来自技术人员进行该检查的时间以及从业者解释该结果的时间(criqui,etal.,2008)。我们提出的设备将对loa评估目前的成本没有影响，因为预期的成本与目前的血管评价相同。与一些目前的loa试验不同，我们的成像系统不需要一次性用品。其常规清洁和服务成本与目前市场上的那些系统差不多。成本将在商业化计划中进一步详述。spectralmd的deepview(gen2)成像技术据我们所知是第一个设计成融合了光电容积描记成像(ppg成像)和多光谱成像(msi)的光学成像技术的系统。图51例示了一种设计成融合了学体积描记成像(ppg成像)和多光谱成像(msi)的光学成像技术的设备(deepview)的实例视图。而且，据我们所知，这是第一个能够将关键受试者健康度量加入到其评估算法中的成像技术。在开发该系统之前，spectralmd是第一个fda准许在美国销售的提供体积描记波形的二维图像(gen1技术)的公司。我们的gen2技术现在能够将血液流动评估(即动脉脉动振幅)与组织特征(即光谱分析)相结合。在从组织中一起进行这些测定时，其提供了比单独测定更准确的组织评估(参见下面的初步研究)。为确定在特定loa时的愈合概率而进行的研究表明在导致成功与不成功截肢手术的部位之间组织氧含量存在显著的差别。这些研究使用经皮血氧测量法(tcom)调查了组织氧合。然而，tcom的使用并未超越临床评估，尽管这一技术已经存在了几十年，而且在大的临床试验中并未测得在给定loa时预示着截肢手术成功的组织氧合的明确界限。根据专家的评价，由于几个原因，tcom尚未在临床时间中被采用。首先，tcom从非常小的有关区域中收集数据。该tcom程序还需要加热受试者的皮肤，这偶尔能够导致皮肤灼伤，特别是对患有异常血管疾病的受试者。最后，tcom的结果在环境温度和局部组织水肿中会发生变化，限制了该设备在时序内的一致性。deepview(gen2)被设计成克服tcom和其他可用于预测在选定的loa时的治愈概率的设备的各种限制。该设备在大的组织表面积上捕捉数据，使得能够在整个表面上而不是在分离区域中表征组织氧合和灌注存活性并为其绘制地图。deepview(gen2)是非侵入性和非接触性的，不会发射出有害的辐射，因此该设备本身没有伤害受试者的风险。该设备不会受到环境温度的微弱变化的影响。然而，最重要的是，deepview(gen2)分析了临床显著的受试者健康度量(例如心脏病史、感染的存在、吸烟状态和营养状态)来为最终用户提供创伤愈合能力的综合评价，而之前的技术仅能够评价局部的组织氧合。方法本文提出的成像设备的方面包括用于多种组织分类应用的非侵入性的光学成像，包括loa的优选。spectralmd的deepview(gen2)成像系统是一种护理灌注成像系统，其提供了由组织灌注和受试者健康度量的测量得到的诊断图像。护理人员能够容易地训练以进行该成像测试。肢体的成像耗时约10分钟，其结果电子存储供医师检查。从受试者的角度，该测试可接受度很高，因为其没有有害的副作用，不会接触器皮肤，而且不会造成不适。本申请中研究的主要创新是在微循环评估中加入了受试者健康度量，以提高在截肢手术规划过程中诊断创伤愈合概率的准确度。我们将在以下部分中展示deepview各个组件的单独值，然后通过简单地讨论，总结这些多个变量如何能够结合到创伤愈合概率的单一预测中。如前所述，该deepview(gen2)设备同时进行血液流动评估的两种光学成像方法。这两种方法中的第一种(ppg成像)是与脉动测氧器中用于捕获包括心率、呼吸速率和spo2的生命信号所用的相同的技术，尽管deepview(gen2)更为先进，因为其在大面积的组织上捕捉了超过100万个单一的ppg信号(severinghaus&honda,1987)。该ppg信号是通过测定光与血管化组织中的动态变化的相互作用而产生的。随着以心跳循环频率每次到来的心脏收缩血压波，血管化组织的体积膨胀和收缩约1-2％(webster,1997)。这种血液的流入提高了该组织的体积，并带入额外的血色素蛋白质，其对光具有很强的吸收性。因此，在该组织内光的总吸收率随着每次心跳而振荡。这一信息能够转变为由脉动测氧计报道的生命信号。为了由体积描记法产生图像，我们利用光通过组织的路径(thatcher,plant,king,block,fan,&dimaio,2014)。入射在组织表面上的少部分光散射到组织中。一部分该散射的光从其最初进入的表面离开该组织(hu,peris,echiadis,zheng,&shi,2009)。使用灵敏数码摄像机，在组织的区域上收集该反向散射的光，使得该成像器中的每个像素包含由散射光的强度变化测定的独特的ppg波形。为了产生相对组织血液流动的二维光学地图，测定了各独特的波形的振幅。为了提高准确度，我们在很多心跳样本上测定了平均振幅。deepview(gen2)捕获的第二光学测量值是msi。该技术测定了来自组织表面的选定波长的可见和近红外(nir)光(400-1,100nm)的反射率。物质的光谱特征主要在遥感(例如卫星或飞行成像)中用于地质勘探或检测军事目标，但这一技术在医学应用中获得着陆(li,he,wang,liu,xu,&guo,2013)。该方法对于定量与多种病理(包括pad)相关的关键皮肤性质是有效的。与loa的选择相关，msi能够定量血色素的体积分数以及氧化血色素的存在(jolivot,benezeth,&marzani,2013)(zonios,bykowski,&kollias,2001)。下面在我们的初步研究工作中描述该技术的其他应用。deepview(gen2)中msi使用的光的波长是基于建立好的光-组织相互作用的特征来选择的。角质层和表皮中的黑色素主要吸收紫外和可见波长。近红外波长(700-5000nm)是黑色素吸收最少的，而且已经发现其很好地渗透通过真皮以测定其深度。血色素是血管中大量包含的，其流动通过真皮，其浓度测定了真皮对超过320nm波长的吸收程度。光的血色素吸收也会根据该分子是否氧化用于脱氧而改变。随着组织黑色素和血色素的浓度以及氧化血色素分数在疾病状态期间被改变，msi能够检测所得到的反射光谱的变化。因此，通过其与健康组织相比反射光谱的变化，能够识别出异常的皮肤组织。尽管与更新的超波长成像器相比，msi使用较少的独特波长数量来描述该组织，但在将空间分辨率、波长范围、图像获取速度和成本组合在一起考虑时，msi仍是更优的(lu&fei,2014)。deepview(gen2)使用的数据的第三组分是在常规受试者评估期间收集的受试者的有关健康度量。已经更详细地识别和描述了影响创伤愈合的多个因素。这些因素(包括受试者年龄、糖尿病的诊断、吸烟史、感染、肥胖、服药、营养状态)中有很多或所有通常都会影响具有异常血管疾病的受试者接受下肢截肢手术。尽管临床医师当前在评价潜在的loa时会综合考虑这些变量，但deepview(gen2)能够定量评估这些度量以预测在给定loa时主要创伤愈合的概率。受试者健康度量与光学成像数据的整合是由deepview设备用其机器学习算法进行的。从业者在成像时将有关受试者的健康度量简单地输入该设备中。该数据被我们的机器学习算法作为额外变量进行处理，与ppg成像和msi收集的光学数据没有差别。该机器学习算法被训练成在评估了deepview(gen2)收集的所有数据之后产生定量的输出。该定量的输出转变成图像，识别扫描的组织表面在截肢之后可能或不可能愈合的区域。该deepview(gen2)设备是deepview(gen1)ppg成像器、msi摄像机和目标受试者的健康度量输入的组合(图52)。图52例示了deepviewgen1ppg成像器、msi摄像机和目标受试者健康度量输入的组合实例。初步研究通过调节系统设置和算法，能够调节deepview(gen2)以在不同病理状态下评估组织的特征。对于本申请在第i阶段的loa研究中，我们将开发特定的算法并使用特定的光学设备和滤光器，其被调节成测定脉搏振幅和组织氧合，用以预测在初步截肢手术之后的创伤愈合(参见实验设计和方法部分)。本申请的技术对于其他潜在的应用，成功通过了一系列台式、预临床和小规模临床试验。我们展示了那些试验的结果来支撑我们的机器在选择loa过程中的用途。预临床烧伤模型为了在烧伤清创手术过程中用于指导外科医师，我们使用了特别用于检测血液流动(动脉脉动振幅)和组织结构完整性(包括血液体积、发炎、坏死)的组合(例如光谱分析)的光学元件、滤光器和算法。我们用于评估表皮微脉管系统状态的ppg和msi算法单独或一起使用随后被证明能够准确识别燃烧后的坏死组织。使用deepviewgen1ppg成像系统，我们识别出坏死烧伤组织中的血液流动与周围健康组织相比的显著差异。使用msi摄像机，我们证明在iacuc批准的猪烧伤模型实验中根据组织病理学的黄金标准能够准确识别出需要手术除去的烧伤组织的存在(96％的灵敏度和82％特异性)。简言之，使用压力受控的烧伤棒在四个小型猪上施加24个深二度烧伤。在损伤后10分钟开始，我们在连续1.0mm清创之后立即得到ppg信号和msi信号，直至到达健康组织。在每次清创之后，处理切除的组织样本并提供给组织病理学家以毫不知情的方式进行评估。在黄金标准的组织病理学评估过程中，广泛认可的组织病理学家在每个切片中识别出健康的创伤床组织和不能存活的烧伤组织。此外，广泛认可的外科医师以毫不知情的方式检查烧伤损伤的彩色照片以划分健康的创伤床组织和不能存活的烧伤组织。我们独立工作并对组织病理学家和外科医师的分析结果毫不知情，来确定我们的ppg和msi评估结果。通过识别不同组织分类之间ppg信号强度的差异，我们的ppg成像器能够识别组织学评估判断的正确的清创位置。在引入烧伤创伤之前，数据收集过程是从在有关区域中测定ppg信号开始的，如预期的那样，在一律指示健康组织的未受损伤的皮肤上收集ppg信号。然而，该ppg信号在产生烧伤的图像的中心处大大降低，而周围组织仍表现出与健康的、未收损伤的组织一致的信号。图53例示了烧伤组织和清创未覆盖的健康创伤床的信号之间的差异。在连续清创之后，经随后处理的图像显示出在将需要进一步切除的烧伤组织和最终未被清创覆盖的健康创伤床的信号之间存在显著的差异。烧伤组织的平均信号强度为2.8±1.8db，而健康皮肤和健康的创伤床组织具有显著更高的信号强度，分别为4.4±2.2db和4.2±2.6db(p<0.05)。不令人惊奇的是，ppg的发现与组织病理学家和外科医师的那些发现之间完全吻合。在同一个实验的过程中，msi评估能够以82％的准确度分类在烧伤清创手术期间存在的主要生理学组织种类；特别地，对于坏死烧伤组织，我们收到由组织病理学测定的96％的灵敏度和82％的特异性。在msi评估中实现六种可能的生理学种类：健康皮肤、充血、创伤床、出血、轻度烧伤和严重坏死烧伤。图14例示了这六种生理学种类的实例。与传播通过该烧伤位置阶段的ppg信号相似，msi结果最初在烧伤产生之前检测健康皮肤的均一性，然后在连续清创过程中准确区分各种能存活的和不能存活的组织类型，直至已经达到健康的创伤床。最后一步评估ppg和msi数据组合的效能。我们使用一个成像系统在如前所述相同的烧伤损伤上同时收集ppg信号和msi信号。使用组合数据，我们测试使用机器学习算法融合两个测量值的效能。从该数据组中，我们发现仅msi的准确度为82％。将ppg数据包括在具有msi数据的分类器中将总准确度提高到88％。图55以图示的方式例示了ppg数据、msi数据和ppg和msi的数据组合的这些结果。先导临床可行性试验图56例示了在手部、大腿部和足部区域中存在的ppg信号的实例。deepview(gen1)ppg成像装置也经过先导临床研究以确认ppg成像能够在多种临床应用中提供有用的血液流动数据的能力。数据包括从心血管icu中的患者收集到的皮肤血液流动的ppg图像，用于测定褥疮溃疡、植皮和下肢缺血中组织的存活性。作为我们先导临床评估的实例，我们展示了一名具有主动脉夹层的女性的病例研究，主动脉夹层导致其腿弯部动脉的双边凝结和流向末端的血液流动的差异。根据血管外科医师的临床评估，我们了解到预期在其腿部到膝盖的远端的血液流动减少。我们测定了在手部、大腿部(膝盖附近)和足部存在的脉动血液流动。所得到的图像证明在手部和大腿部存在ppg信号(脉动区域)，但足部未显示出脉动，结果与患者已知的临床状态是相关的。deepview技术被证明的如在这些初步研究中证实的用于检测血液流动的能力是该设备能够指导loa选择的能力的基本特征。总结和讨论我们验证了使用我们的具有ppg和msi能力的仪器识别缺少血液流动和氧含量的组织在烧伤模型和患者病例研究中的可行性。尽管我们的技术的直接实施在分类烧伤创伤和识别pad中的loa之间存在差别，但该方法的基本原理仍是相同的。无论该临床用户是研究烧伤创伤还是评价各种loa的潜在主要创伤位置，在两种情况中都测定了同样的身体组织组分。与loa评估(或其他潜在评估)相比，烧伤评估将仅会使用不同的算法和过滤组。如上所述，在我们的技术中同时使用ppg和msi能够更准确地研究表皮微脉管系统和由血液灌注减少造成的病理学。我们的技术应当能够根据在烧伤研究中获知的相同的原理预测给定loa的愈合潜力；增加影响创伤愈合结果的重要的患者健康度量应当进一步提高deepview(gen2)的准确度。我们的i期研究将测试这一假设。实验设计和方法-i期，先导临床研究在i期，我们的特定目标是测试使用我们的设备在先导临床研究中诊断截肢部位愈合能力的可行性。作为该评估的一部分，我们收集了来自大量截肢患者的数据，目的是训练诊断机器学习算法在各种截肢情况中诊断愈合潜力。对于该阶段的试验，人是最适合的模型，因为该设备是快速快速的和非侵入性的，成像研究能够在常规护理设置中(例如在床边或手术前)进行。图57例示了用于训练机器学习诊断算法的方法实例。训练诊断机器学习算法需要来自其最终将要用于的群的数据(图57)。重要的是，该算法的准确度仅能与用于识别训练数据的真实状态(在该情况下是非愈合与愈合对比的截肢组)的方法同样准确。为了解决该问题，我们产生了一种标准化截肢愈合评估系统来追踪和分类结果。由于对研究受试者建立了结果，因此我们能够开始开发算法并进行分析。该机器学习算法的开发将再次从准确度的初始测定开始，开展研究提高准确度，随后评估新的准确度。该可行性先导研究将提供证据表明将微循环成像与患者健康度量的结合将在大型关键研究中具有较高的成功机率。这是一个先导临床研究设计，由60位患者的研究构成，研究deepviewgen2系统预测具有pad的患者的截肢的原发性愈合的准确度，并与目前的护理标准进行对比。deepviewgen2成像器使用光学方法收集来自大面积(高达15x20cm的组织)的皮肤供血的光谱和ppg信号。该仪器非常适合研究较大区域的下肢皮肤微循环。该设备的特殊方面是其能够将重要的患者健康特征整合到其诊断算法中以提高准确度。该先导研究将识别出在关键研究中有希望的待被确认的患者健康度量。作为该研究中的主要任务，我们将确认在该设备的机器学习诊断算法中包括的患者健康度量与仅微循环测量相比将会提高准确度。在该研究中，我们将测定与影响创伤愈合的患者健康特征组合的各传统loa的微循环，并确定其与患者在截肢之后的原发性创伤愈合潜力之间的关联性如何。将检查每位患者待截肢的下肢并将其包括在该研究中。该机构的护理人员将收集临床相关的患者健康信息。之前接受过spectralmd培训进行该成像测试的医院工作人员将用我们的实验成像设备进行测试。将使用deepviewgen2loa算法对用于覆盖截肢的残肢的皮肤区域分级成阳性愈合或阴性愈合能力。实施deepviewgen2分析的技术人员对关于将进行截肢的位置的临床决定结果毫不知情。为了得到我们的真阳性(+)和真阴性(-)事件或者未治愈和愈合受试者，我们将使用在截肢评估后的标准化原发性创伤愈合(表2)。该评估由三类构成，包括：成功截肢、延长愈合的成功截肢、和愈合失败。成功截肢被认为是在30天内愈合，完全肉芽形成，不需要进一步截肢。延长愈合的成功截肢被认为是延迟愈合，在30天时未完全肉芽形成，但最终在6个月内愈合且不需要对更邻近的水平进行再次截肢。最后，愈合失败将被表征为发展成坏死和/或坏疽，和/或需要在更临近的水平再次截肢。此外，我们将认为需要再造血管愈合的创伤是截肢失败。表5.标准化的创伤愈合评估这些愈合评估将发生在手术后30天。对于延迟愈合的受试者，我们将在手术后6个月时进行第二次愈合评估。在6个月时仍未愈合且没有更邻近的再次截肢的受试者将被归类到未愈合组。图58例示了临床研究流程图的实例。deepview成像评估(图58)：将通过使用spectralmdgen2设备通过对皮肤成像收集各受试者的微循环数据。将从等待截肢的各条腿得到各自约30秒的扫描。我们将根据pad患者中传统的截肢手术方法对踝部和足部的区域(包括：膝部以上(aka)、膝部以下(bka)、踝部以上(即足部)、经跖骨、或脚趾)进行成像。将选择用作覆盖残肢的皮瓣的皮肤区域进行分析(图59)。图59例示了在传统截肢程序中包括的组织的图示实例。虚线表示皮肤切口的位置，红色椭圆表示为了该截肢能成功原发性愈合必须能存活的皮肤的位置。临床工作人员将在各自的临床位置收集该诊断模型中将要使用的重要的患者健康信息。我们将不收集超出护理标准以外的任何数据。这些度量将包括但不限于：糖尿病控制的度量(例如hba1c、葡萄糖和胰岛素)、吸烟史、肥胖(例如bmi或腰围)、营养(例如白蛋白、前白蛋白、转铁蛋白)、感染(例如wbc、粒细胞状态、体温、抗生素的使用)、年龄、损伤机制和重要药物治疗(例如糖皮质激素或化疗)。通过将该信息输入deepview成像装置上的软件中，该信息将会被添加到诊断算法中。将根据收集到的各受试者的临床特征来开发将受试者分成非愈合(+事件)和愈合(-事件)类别的机器学习算法。我们首先将把所有的特征都包括在该算法中。然后通过十倍交叉验证以如下方式测定该算法的准确度：首先随机地用包括的60％的受试者产生该算法系数；然后通过经训练的分类器对剩余40％的受试者进行分类。使用标准灵敏度和特异度方法计算该算法对该40％的留出组中的受试者分类的准确度。这将重复10次，产生准确度的稳健定量。图60例示了产生截肢水平的分类器模型的步骤实例。在确定了初始准确度之后，我们将开始用一组标准的用于提高准确度的方法来开发该算法(图60)。在该过程中的一个关键问题是解决由大模型(例如我们在该阶段将具有的模型)带来的偏置方差权衡。换言之，该算法可能与目前研究队列中的数据非常匹配，但并不能转移到一般群体。为了解决该问题，我们将进行特征选择(用于分类和聚类的集成特征选择(towardintegratingfeatureselectionalgorithmsforclassificationandclustering),huanliuandleiyu)，以高准确度建立起微循环测量与患者健康数据的组合，但同时在变量之间具有最小的冗余度(即，从该模型中除去具有协方差的信息)。在该阶段，我们还将研究分类器模型分类数据的范围。这些将包括：线性和二次方程判别式分析、决策树、聚类和神经网络。成功的标准：我们必须证实该装置能够以与现有护理标准相当的比率(70-90％)预测截肢的原发性愈合并判断在大型临床研究中能够实现提高该准确度的合理机会。可能的问题和方案：有时截肢手术要实施血管再造手术，这个额外的手术可能会影响诊断的结果。我们将记录这些情况并在统计分析中对其加以考虑，以判断这些手术与诊断决定的结果之间是否存在任何关联性。另一个可能的问题是在我们的设备双输出中将延迟愈合组与愈合组相结合。事实上，我们可能发现延迟愈合群体和愈合群体之间的显著差别，其能够在诊断输出中包括作为单独的类别。相反，延迟愈合组可能具有更密切符合非愈合组的数据，且不能得到容易的分开。在这种情况中，我们能够将来自更邻近图像的数据包括在该算法中。该设备作为识别截肢的并发症而非简单识别其成功或失败的工具的临床应用在该情况中仍可能是有价值的。在该研究中，皮肤色素沉着差异将引入到为从受试者收集到的测量值的变化。为了克服这些差异，我们的方法将包括识别患者组织的健康区域，deepview测量值能够相对其进行标准化。另一问题是在具有pad的患者中能够观察到皮肤的正常血液流动。这可以是侧支血管补偿的结果。然而，显示出具有pad的患者对运动和短期缺血具有较差的响应。能够容易进行的该研究的一种方案将会是在所测试的肢体中在血压袖带充气造成缺血3分钟之后测试患者的deepview信号。pad已知能够延长达到50％的最高反应性充血响应的时间，这也能够用deepview评估的该组织的同样的光学性质来测定。实验设计和方法-ii期ii期是诊断临床性能研究，用以评估我们的设备对于预测具有pad的患者在初始截肢之后原发性创伤愈合的可能性的灵敏度和特异度。我们选择该患者群是因为其包括约20％的修正率，这使得如果使用现有临床护理标准选择了loa，得到将具有阴性创伤愈合的受试者更为容易。将通过定量deepviewgen2诊断正确预测作为主要终点的创伤愈合结果的准确程度的量度来表征deepviewgen2设备的诊断临床性能。我们将使用之前的研究中用于对在pad中截肢之后的创伤愈合进行分类的黄金标准来对该创伤愈合评估进行标准化。从将要用于在各传统截肢水平用于残肢的最远端部分上面的皮瓣的皮肤区域收集deepviewgen2图像。选择该区域的组织是因为其对于手术部位的原发性愈合是至关重要的。尽管传统上对诊断截肢愈合可能性的研究仅测定微血管流，但本研究的目的是评估我们的包括微循环测定和患者健康度量的deepviewgen2算法的准确度。通过我们标准化的创伤愈合评估测定的deepviewgen2成像用于评价截肢的成功可能性的灵敏度和特异性。这是由354名患者的研究构成的关键临床研究设计，研究deepviewgen2系统预测具有pad的患者的截肢的原发性愈合的准确度，并与目前的护理标准进行对比。deepviewgen2成像器使用光学方法收集来自大面积(高达15x20cm的组织)的皮肤供血的光谱和ppg信号。该仪器非常适合研究较大区域的下肢皮肤微循环。该装置的特殊方面是其能够将重要的患者健康度量整合到其诊断算法中以提高准确度。该先导研究将识别出在该关键研究中最有希望被确认的患者健康度量。作为该研究中的主要任务，我们将确认那些在先导研究中被识别为要包括在该设备的机器学习诊断算法中的重要因素。在该研究中，我们将测定与影响创伤愈合的患者健康特征结合的各传统loa的微循环，并确定其与患者在截肢之后的原发性创伤愈合潜力之间的关联性如何。数据收集：将检查每位患者待截肢的下肢并将其包括在该研究中。该机构的护理人员将收集临床相关的患者健康度量。之前接受过spectralmd培训进行该成像实验的医院工作人员将用我们的实验成像设备进行测试。将使用deepviewgen2loa算法对用于覆盖截肢的残肢的皮肤区域分级成阳性愈合或阴性愈合能力。实施deepviewgen2分析的技术人员对关于将进行截肢的位置的临床决定结果毫不知情。为了得到我们的真阳性(+)和真阴性(-)事件或者未治愈和愈合受试者，我们将使用在截肢评估后的标准化原发性创伤愈合(表2)。该评估由三类构成，包括：成功截肢、延长愈合的成功截肢、和愈合失败。成功截肢被认为是在30天内愈合，完全肉芽形成，不需要进一步截肢。延长愈合的成功截肢被认为是延迟愈合，在30天时未完全肉芽形成，但最终在6个月内愈合且不需要对更邻近的水平进行再次截肢。最后，愈合失败将被表征为发展成坏死和/或坏疽，和/或需要在更临近的水平再次截肢。此外，我们将认为需要再造血管愈合的创伤是截肢失败。这些愈合评估将发生在手术后30天。对于延迟愈合的受试者，我们将在手术后6个月时进行第二次愈合评估。在6个月时仍未愈合且没有更接近身体中心的再次截肢的受试者将被归类到未愈合组。图61例示了deepview成像评估的临床研究流程图的实例。将使用spectralmdgen2成像设备在成像过程中对截肢位置的愈合进行诊断。从等待截肢的各条腿得到各自约30秒的扫描。我们将根据pad患者中传统的手术方法对踝部和足部的区域(包括：膝部以上(aka)、膝部以下(bka)、踝部以上(aaa)、经跖骨、或脚趾)进行成像。将选择用作覆盖残肢的皮瓣的皮肤区域进行分析(图59)。患者健康度量的收集：临床工作人员将在各自的临床位置收集该诊断模型中将要使用的重要的患者健康信息。我们将不收集超出护理标准以外的任何数据。这些度量将在先导研究中被识别，但预期包括：糖尿病控制的度量(例如hba1c、葡萄糖和胰岛素)、吸烟史、肥胖(例如bmi或腰围)、营养(例如白蛋白、前白蛋白、转铁蛋白)、感染(例如wbc、粒细胞状态、体温、抗生素的使用)、年龄、损伤机制和重要药物治疗(例如糖皮质激素或化疗)。通过将该信息输入deepview成像设备上的软件中，该信息将会被添加到诊断算法中。数据分析和统计：将对来自受感染的肢体的五个截肢部位的deepviewgen2成像测量值进行评估以确定创伤愈合的可能性。从各肢体中，我们将测定整体愈合分数，并将这些测量值与该肢体内的实际截肢成功率进行对比，以得到该评估的整体准确度。这将得到工作特征(roc)，这是我们对灵敏度和特异性的主要的测量结果。对于我们分级创伤愈合的主要测量结果，我们将把由临床医师确定的截肢位置的deepviewgen2诊断与标准化创伤愈合评估确定的截肢的成功率进行比较。该分析将得到deepview诊断算法的工作特征(roc)曲线。把握度分析：该临床试验被设计成建立该设备的灵敏度和特异性并这些数值对于选择loa是否优于临床判断。我们确定我们研究的目标是使deepviewgen2系统在诊断loa时能够达到95％的灵敏度和95％的特异度，以克服现有临床判断交叉的70-90％准确度。为了确定样本大小，我们需要首先在阳性预测值(ppv)和阴性预测值(npv)方面实现，这需要知道该疾病的患病率。我们确定在待deepviewgen2筛选的人群(由于异常血管疾病而需要对被感染的肢体进行初始截肢的年龄大于18岁的患者)中再次截肢到更接近身体中心的高度的再截肢的患病率约为20％(参考值)。因此，所希望的阳性预测值(ppvdeepview)为97％，所希望的阴性预测值(npvdeepview)为93％。使用steinberg等人,2008,"(在临床研究中使用病例对照设计的阳性和阴性预测值的样本大小)samplesizeforpositiveandnegativepredictivevalueindiagnosticresearchusingcase–controldesigns,"biostatistics,vol.10,no.1,pp.94-105,2009列出的方法进行样本大小的分析以测试以下假设。在显著水平(α)为0.05，所希望的把握度(β)为0.80时：对于ppv对于npvh0:ppvdeepview＝ppv临床判断h0:npvdeepview＝npv临床判断h1:ppvdeepview>ppv临床判断h1:npvdeepview>npv临床判断结果显示为了排除这些零假设(h0)，我们必须根据愈合评估(图62)入选总数236个下肢，1/5的肢体是未愈合的(+事件)。然而，我们不能预先选择该比例为1/5，因为我们不知道在入选之前该受试者的疾病状态。因此，该比例可能会变化。如果该比率要低得多，1/10的肢体是未愈合的(+)，那么该研究将需要总数约450的下肢，如果该比率要高得多，3/5未愈合(+)肢体，我们将仅需要总数124个肢体。图62例示了统计样本大小分析结果的实例。总样本大小取决于在研究队列中根据非愈合(+)与愈合(-)截肢的比率。显著水平(α)为0.05，所希望的把握度(β)为0.80。为考虑阳性与阴性受试者的比例可能的变化，我们将包括比原始估计值236多约50％的受试者。因此，我们的总样本大小将被确定为总数354个受试者。我们有信心能够实现该数值，因为这是一项风险最小的研究，繁忙的临床医师每年要进行约100个截肢手术。我们将在将其取出时监测研究数据并计算研究的肢体总数和未成功(+事件)与成功截肢(-事件)的肢体之比，一旦达到适当的比例和总样本大小就停止该研究。预期结果：为了确定deepview输出与原发性创伤愈合的关联性的大小，我们将把deepview结果与标准化的愈合评估进行比较，该标准化的愈合评估将受试者分类到愈合的或未愈合的组。从该比较中，我们预期存在支撑以高灵敏度和特异度预测截肢后的原发性愈合的关联。成功标准：roc将需要包含决定阈值，该阈值得到比现有护理标准确定的所希望的值(70-90％准确度)更高的灵敏度和特异度。可能的问题和解决方案：我们在获得足够大的样本大小以驱动该诊断算法中所用的所有非成像数据(患者健康度量)的重要性时可能会遇到困难。例如，糖尿病是重要的临床特征，但我们发现在我们的队列中的所有患者都有糖尿病或者其没有以可以驱动研究其作用的一定的比率发生。因此，在我们的诊断算法中这种共病现象的存在无法得到解释。我们预期该患者队列在其整体健康状况方面具有很多相似性，但这些变量中有一些能够测得处于不同的水平，并不能被简单地以二分法来处理。例如，糖尿病受试者可能具有一定的由hba1c和血糖测试测定的控制范围。对于这都不可能的情况，我们将认为在我们能够看到更大量的截肢群体的后期市场分析中能连续收集这一数据。性能实施例概述如下面讨论的附图所示，实验数据表明了将ppg和msi特征融合到一个算法中的优点的实例。在以下讨论中，特征组包括光电容积描记(ppg)、多光谱成像(msi)、实际图像(ri)。示例性的方法包括绘制真实图像、用所有三个特征组单独和一起训练分类算法、分类图像和报道误差以比较具有不同的特征组组成的分类器。目前，已经开发了特征，且开发的特征能够用于分类。这些特征被分到三种特征组中：ppg、msi和ri。对于以下实施例，用各种特征组训练分类器qda(二次判别分析)。将该特征组结合直至在模型中包括33种特征。根据其分类误差比较开发的各分类器(即各分类器具有不同的特征组)。图63b-63f例示了下面更详细描述的各种不同分类器的参照图像、真实图像、分类结果和误差图像的实例。图63a例示了图63b-63f的结果实例的色键，其中蓝色表示健康组织，绿色表示切除组织，橙色表示浅度烧伤，红色表示烧伤。deepview分类器特征包括以下14个特征：1.deepview输出2.最大平均值(overmean)3.偏离平均值的标准偏差4.交叉数5.小邻域snr6.改进的snr7.标准化照明8.标准化deepview图像9.标准偏差10.偏斜度11.峰态12.x-梯度13.y-梯度14.梯度的标准偏差图63b例示了deepview分类器的参照图像、真实图像、分类结果和误差图像的实例。如误差图像中黄色(或图63b的灰度复制中的白色/浅色)的百分比所示，deepview分类器的总误差率为45％。真实图像分类器的特征包括以下11个特征：1.真图像2.标准化真图像3.偏斜度4.峰态5.x-梯度6.y-梯度7.x-梯度内的标准偏差8.小邻域内的范围9.标准化的小邻域内的范围10.大邻域内的范围11.标准化的大邻域内的范围图63c例示了真实图像分类器的参照图像、真实图像、分类结果和误差图像的实例。如误差图像中黄色(或图63c的灰度复制中的白色/浅色)的百分比所示，真实图像分类器的总误差率为16％。图63d例示了deepview分类器与真实图像分类器的组合的参照图像、真实图像、分类结果和误差图像的实例。该deepview/真实图像组合分类器使用25个特征，包括上述14个deepview特征和11个真实图像特征。如误差图像中黄色(或图63d的灰度复制中的白色/浅色)的百分比所示，deepview/真实图像组合分类器的总误差率为19％。msi分类器特征包括以下8个特征：1.msiλ12.msiλ23.msiλ34.msiλ45.msiλ56.msiλ67.msiλ78.msiλ8图63e例示了msi分类器的参照图像、真实图像、分类结果和误差图像的实例。如误差图像中黄色(或图63e的灰度复制中的白色/浅色)的百分比所示，真实图像分类器的总误差率为3.4％。图63f例示了deepview分类器、真实图像分类器与msi的组合的参照图像、真实图像、分类结果和误差图像。该deepview/真实图像/msi组合分类器使用33个特征，包括上述14个deepview特征、11个真实图像特征和8个msi特征。如误差图像中黄色(或图63f的灰度复制中的白色/浅色)的百分比所示，deepview/真实图像/msi组合分类器的总误差率为2.7％。图64a和64b例示了不同分类技术中特征组成的对比。图64a例示了dvo(deepview)、ri、dvo+ri、msi和dvo+ri+msi分类器的误差(e)对比，其中e＝误差＝错误分类总数/总分类总数。如图所示，dvo+ri+msi分类器比dvo+ri分类器之间的误差低71.7％。图64b例示了不同研究时间点的dvo(deepview)、ri、dvo+ri、msi和dvo+ri+msi分类器的误差(e)对比。如图63b-64b显示的数据所示，随着增加更多的特征，误差减少增大。特征组能够按重要性顺序排序，在一种实例中能够排序为：(1)msi、(2)ri、(3)ppg。该分类算法的一些实施方案能够是可转移的，这表示该算法能够对第一受试者训练，然后用于分类第二受试者的创伤。实施系统和术语本文公开的实施方案提供了用于识别、评估和/或分类受试者组织的系统、方法和装备。本领域技术人员将认识到这些方案可以在硬件、软件、固件或其任一组合中实施。在上述所有实验中，与特定方面、方案或实施例结合描述的特点、材料、特征或组都应当被认为适用于本文描述的任何其他方面、方案或实施例，除非与其不相兼容。本说明书(包括任何后附的权利要求书、摘要和附图)中公开的所有特征和/或公开的任何方法或工艺的所有步骤都可以以任一组合的方式组合，除了其中这些特征和/或步骤中的至少一些相互排斥的组合。保护并不局限于任何前述方案的细节。保护延伸至本说明书(包括任何后附的权利要求书、摘要和附图)中公开的任何新的特征或者新的特征组合，或者公开的任何方法或工艺的任何新的步骤或任何新的步骤组合。尽管描述了某些方案，但这些方案仅作为实例呈现，并不意于限制保护范围。事实上，本文描述的新的方法和系统可以具体体现为各种其他形式。进一步地，在本文描述的方法和系统的形式中可以进行各种省略、替代和改变。本领域技术人员将认识到在一些方案中，在所示和/或所公开的方法中采取的实际步骤可能与附图中所示的那些不同。根据该方案，上述的某些步骤可以被除去，其他步骤可以被添加。进一步地，上面公开的特定方案的特征和属性可以以不同方式进行组合以形成其他方案，所有这些都落入本公开的范围内。应当认识到本文任何使用例如“第一”、“第二”等名称提及某要素时通常都不是对那些要素的量或顺序的限定。而是，这些名称在本文中可以用于方便区分两个或更多个要素或一个要素的两个或更多个实例。因此，提及第一和第二要素并不意味着此处仅可以使用两个要素，或者第一要素必须以一定的方式在第二要素之前。而且，除非另外指出，一组要素可以包括一个或多个要素。本领域普通技术人员将会认识到信息和信号可以使用各种不同技术中的任意一种来表现。例如，在整个上面的描述中可能提及的数据、指令、命令、信息、信号、比特、符号和片段可以表现为电压、电流、电磁波、磁场或磁性粒子、光场或光粒子或其任意组合。本领域普通技术人员将会进一步认识到与本文描述的方面结合描述的各种实施例、模块、处理器、装置、电路和算法步骤中的任意一种都可以作为以下实施：电子硬件(例如数字实施、模拟实施或其组合，其可以使用源代码或一些其他技术设计)、各种形式的程序和包括设计代码的指令(其在此处为方便起见可以被称“软件”或“软件模块”)或其组合。为了清楚地解释硬件和软件的这种可互换性，上面通常用其功能描述了各种例示的组件、框、模块、电路和步骤。这种功能是作为硬件还是软件实施的取决于对整个系统提出的特定应用和设计限制。技术人员对各种特定的应用可以以不同的方式实现所述的功能，但这种实现决定不应当被解释为脱离了本公开的范围。结合本文公开的方面或结合附图描述的各种逻辑、组件、模块和电路的实例可以在集成电路(ic)、接入终端或接入点内实现或由其实施。ic可以包括被涉及来执行本文所述功能的通用处理器、数字信号处理器(dsp)、特定应用集成电路(asic)、现场可编程门阵列(fpga)或其他可编程逻辑装置、离散门或晶体管逻辑、离散的硬件组件、电子组件、光组件、机械组件或其任意组合，且可以执行ic内、ic外或ic内外存在的代码或指令。该逻辑框、模块和电路可以包括用于与网络内或设备内的各个组件进行通信的天线和/或收发器。通用处理器可以是微处理器，但在该方案中，该处理器可以是任何常规的处理器、控制器、微控制器或状态机。处理器也可以作为计算设备的组合实施，例如dsp和微处理器的组合、多个微处理器的组合、一个或多个微处理器与dsp核的组合或任何其他这种构造。该模块的功能可以以本文教导的一些其他方式实施。本文描述的功能(例如关于一幅或多幅附图的)在一些方面可以对应于所附权利要求中类似名称“用于…的装置”的功能。如果在软件中实施，该功能可以作为一个或多个指令或代码在计算机可读介质上存储或在其间传送。本文公开的方法或算法的步骤可以在处理器可执行的软件模块中实施，该软件模块可以位于计算机可读介质上。计算机可读介质包括计算机存储介质和通信介质，包括能够将计算机程序从一个位置转移到另一个位置的任何介质。存储介质可以是任何可得到的可由计算机进入的介质。作为实例而非限制，这种计算机可读介质可以包括ram、rom、eeprom、cd-rom或其光盘存储、磁盘存储或其他磁存储设备或者可以用于将所希望的程序代码以指令或数据结构的形式存储且可以被计算机进入的任何其他介质。而且，任何连接都能正确地称作计算机可读介质。本文所用的磁盘(disk)和圆盘(disc)包括压缩盘(cd)、激光盘、光盘、数字多功能光盘(dvd)、软盘和蓝光盘，其中磁盘(disk)通常用磁复写数据，而圆盘(disc)用激光来光复写数据。上述的组合也应当被包括在计算机可读介质的范围内。此外，一种方法或算法的操作可以作为一个或任意组合或一组代码和指令存在机器可读介质和计算机可读介质上，其可以被添加到计算机程序产品中。认识到在所公开的方法中步骤的任何特定的顺序或层次都是样品方法的实例。根据设计偏好，应当认识到在该方法中的步骤的特定顺序或层次可以进行重排，同时仍然保留在本公开的范围内。后附的方法权利要求展示了以样品顺序的各个步骤的要素，并不意于被限制到所呈现的特定的顺序或层次。对本公开中描述的实施方案的各种改进对本领域技术人员而言可能是容易显而易见的，本文限定的普遍原理可以在不脱离本公开的精神或范围的情况下应用于其他实施方案中。因此，本公开并不意于限制到本文所显示的实施方案，而是应当符合与权利要求、本文公开的原理和新特征一致的最宽范围。在本说明书中在单独的实施方案的内容中描述的某些特征也能够组合实施在单一实施方案中。相反地，在单一实施方案的内容中描述的多个特征也能够单独或以任一适合的亚组合实施在多个实施方案中。而且，尽管上面可能将特征描述为以特定的组合作用，甚至初始也有同样的要求，但要求的组合中的一个或多个特征在一些情况中也能够从该组合中切除，所要求的足额和可以针对亚组合或亚组合的变型。类似地，尽管一些操作在附图中以特定的顺序描述，但不应当理解为需要该操作以所显示的特定的方式进行或者按顺序进行，或者所有所示的操作都进行以实现所希望的结果。在某些情况中，多任务的并行处理可能是有利的。而且，在上述实施方案中各种系统组件的分开并不应当被解释为在所有实施方案中都需要这种分开，应当认识到所描述的程序组件和系统通常能共同集成在单一的软件产品中或者包装在多个软件产品中。此外，权利要求中叙述的动作也能够以不同的顺序实现，仍能实现所需的结果。尽管本公开包括某些方案、实施例和应用，但本领域技术人员将认识到本公开延伸到特别公开的方案之外，并延伸到其他可替代的方案和/或用途及其显而易见的改进和等效方案(包括不提供本文所列所有特征和优点的方案)。因此，本公开的范围并不意于被本文的优选方案的特别公开所限制，而可以被呈现的或未来呈现的权利要求所限定。例如，除了本文呈现的任何权利要求之外，以下方案也意于包括在本公开的范围内。在之前的描述中，为提供对实施例的彻底理解，给出了特定的细节。然而，本领域普通技术人员将认识到在没有这些特别细节的情况下实施例也可以实践。例如，为了使实施例在不必要的细节处不至于含混不清，可以将电子组件/设备显示在框图中。在其他情况中，这种组件、其他结构和技术也可以详细显示以进一步解释该实施例。之前提供了对本公开的实施方案的描述，能使本领域技术人员制造或使用本发明。对这些实施方案的各种改进对本领域技术人员而言都将是容易显而易见的，本文定义的一般原则可以在不脱离本发明的精神或范围的情况下应用于其他实施方案。因此，本发明并不意于限制到本文所示的实施方案，而是应当符合与本文公开的原则和新特征相一致的最宽范围。当前第1页12