使用导管式光散射光谱法对心脏组织进行表征

使用导管式光散射光谱法对心脏组织进行表征
1.相关申请的交叉引用
2.本技术要求2019年12月17日提交的美国临时专利申请序列号为no.62/949,290、题为“cardiac tissue characterization using catheterized light scattering spectroscopy”的优先权和权益，其公开的全部内容通过引用并入本文中。
3.关于联邦资助的研究的声明
4.本发明是在national institutes of health授予的授权号nos.hl128813和hl135077下由政府资助完成的。政府对本发明享有一定的权利。


背景技术：

5.心脏病给社会带来了很大的疾病负担。异常心脏组织微结构通常与心脏病相关。与微结构异常相关的心脏病包括异体移植排斥、心肌炎、淀粉样变性、肥大和其它心肌病。
6.这种重塑的一个特定类型是纤维化，其作为对代谢、血液动力学和缺血性应激的不适应反应而发生。纤维化被定义为结缔组织的过度形成，其特别包括细胞外基质、成纤维细胞和肌成纤维细胞。在纤维化的发展期间，细胞外基质蛋白(包括胶原蛋白-1和纤连蛋白-1)被过度产生并释放到心房组织中。纤维化显著改变了心脏组织的机械性质。一种效果是纤维化降低了心肌机械功能，如例如通过径向应变和射血分数所量化的心肌机械功能。
7.与纤维化相关的心脏病的重要例子是心肌梗塞和心房颤动(af)。在心肌梗塞时，肌肉组织被纤维化组织取代，这会引起心律失常。纤维化也被认为会维持心律失常，诸如af。典型的af治疗包括使用药物(诸如β受体阻滞剂)控制心率和使用抗凝剂防止血栓栓塞。然而，对于仍有症状的患者，通常选择利用抗心律失常药物和/或经导管消融来控制节律。导管消融涉及选择性地破坏组织区域，该过程通常通过施加射频(“rf”)能量以加热组织来实现。若干试验已经表明，导管消融可导致af患者维持长期窦性心律。然而，消融后af的复发率高达50％。此外，20-40％的af患者将经历多次消融手术。
8.心脏病的其它重要例子的特征在于由于浸润和增殖而引起的细胞及其细胞核的密度变化。这些例子包括心肌炎和同种异体移植排斥。类似地，心脏肥大的特征在于心肌细胞密度的变化。
9.如果可以改善心脏组织表征和绘图(mapping)，则可能会增强与微结构异常相关的心脏病(诸如af、同种异体移植排斥、心肌炎、肥大和淀粉样变性)的诊断和/或治疗。不幸的是，用于识别和诊断心脏组织的常规方法不能提供有效的表征。
10.心脏组织的宏观区域可以使用磁共振成像(mri)(例如，晚期钆增强mri)来可视化。然而，不是所有的护理中心都可以使用必需的且相对较昂贵的mri设备，并且这样的过程与高成本相关联。此外，虽然mri成像可以在宏观尺度上检测某些组织异常，但是其具有有限的分辨率并且不提供对微结构异常的微观分布和组成的深入了解。
11.光纤共焦显微法(fcm)可以用作对心脏组织成像的光学方法。然而，合适的fcm系统需要昂贵的硬件。此外，fcm具有有限的穿透深度，因此不能提供关于深度超过大约100μm的感兴趣组织的信息。
12.用于评估心脏组织微结构的已确立的临床工具是心内膜心肌活检(emb)，其需要侵入性过程用于组织提取。此外，由于其高并发症率，该过程很少在心房进行。
13.因此，长期以来一直存在对能够在相关组织深度处和微结构尺度上表征心脏组织的装置和方法的需求。这种进步将有益地改善结果并减轻疾病负担。


技术实现要素：

14.在一个实施例中，组织表征探头包括细长构件，该细长构件具有近端和设置在细长构件的远端处或附近以形成多臂布置的多个远侧探头尖端。多个照明光纤至少部分地延伸穿过细长构件，每个照明光纤都延伸到多臂布置的相应的探头尖端，使得每个探头尖端包括至少一个照明光纤。多个检测光纤也至少部分地延伸穿过细长构件，使得多臂布置的每个探头尖端包括至少一个检测光纤，并且可选地包括多个检测光纤。
15.在一个实施例中，组织表征探头包括细长构件，该细长构件具有近端和在远端处的远侧探头尖端。照明光纤穿过细长构件延伸到远端探头尖端并且被构造为将光传递到探头尖端并超过该探头尖端进入目标组织。多个检测光纤也穿过细长构件延伸到探头尖端并且被构造为接收从目标组织散射的光。
16.检测光纤相对于照明光纤布置成有益地实现对大于100μm深度内的组织进行表征，诸如直至约4mm，或直至约8mm，或直至约12mm，或直至约16mm，或直至约20mm，或直至约25mm，或直至约30mm。检测光纤还被布置成能够有效表征各向异性组织，诸如心肌。
17.在一个实施例中，第一组检测光纤沿着第一检测线设置，第一检测线正交于照明轴线。第二组检测光纤沿着第二检测线设置。第二检测线横向于第一检测线，优选地正交于第一检测线。第一组和第二组检测光纤优选地分别具有至少两个检测光纤。
18.在一个实施例中，一种表征组织的方法包括以下步骤：(i)提供组织表征系统；(ii)将组织表征系统的远端探头尖端引导到目标解剖位置；(iii)在目标解剖位置处，操作组织表征探头以获得在大于约100μm的深度(诸如直至约1mm，或直至约1.5mm，或直至约2mm，或直至约2.5mm，或直至约3mm，或直至约3.5mm，或直至约4mm，或直至约5mm，或直至约7.5mm，或直至约10mm，或直至约15mm，或直至约20mm，或直至约25mm，或直至约30mm)处的光谱数据；并且解析光谱数据以便表征目标组织。
19.目标组织可以是心脏组织。本文所描述的方法特别适用于表征充满血液的、跳动的心脏内的心脏组织。表征目标组织可包括检测、测量或监测纤维化组织、同种异体移植接受或排斥、心肌炎、淀粉样变性、其它心肌病中的一种或多种，或一种或多种组织参数，诸如核密度。一种方法可包括确定心脏内的目标组织的成分的体积分数和/或目标组织的空间分布。
20.在本文所描述的方法中，解析光谱数据以便表征目标组织的步骤可包括使用一种或多种机器学习技术。机器学习技术可包括有监督和/或无监督的技术。
附图说明
21.本发明的各种目的、特征、特性和优点将从以下实施例的描述中结合附图和所附权利要求变得明显和更容易理解，所有这些都形成本说明书的一部分。在附图中，类似的附图标记可用于标示各个图中相应或类似的部分，而且所描绘的各种元件不一定是按比例绘
制的，其中：
22.图1示出了心房的壁的横截面作为心腔的示例，并且使心内膜表面下方的深度可见，感兴趣的组织通常位于该深度处，其显示了感兴趣的组织通常位于光学成像范围之外；
23.图2示出了组织表征探头的远端的示例性实施例，该组织表征探头具有远端探头尖端的多臂布置；
24.图3a至3c示出了示例性组织表征探头的远端的正视图，该组织表征探头被构造为使用光散射光谱学(lss)来表征临床相关深度内的心脏组织。
25.图4示出了示例性组织探头组件的扩展图；
26.图5示出了可用于心脏组织的原位或体内表征的示例性组织表征系统；
27.图6示出了心脏组织中细胞核的计数，其显示了测量的nd相对于年龄的散点图和回归拟合；
28.图7a和图7b示出了从心脏组织测量的光谱聚类，其中图7a显示了在主成分图中识别的聚类，图7b显示了若干识别出的聚类的nd不同于其它聚类(括号连接标记了在统计上聚类在5％置信水平上彼此不同)；以及
29.图8示出了来自光谱的nd的聚合cnn预测的混淆矩阵，其显示了光谱的分类是有效的。
具体实施方式
30.引言
31.本公开涉及用于使用lss表征组织、特别是心脏组织的装置、系统和方法。本文所描述的实施例，包括探头、系统和方法，可以与在专利文献pct/us2018/016314(作为wo2018144648a1公开)中描述的装置、系统和方法组合和/或结合使用，其全部内容通过引用并入本文中。
32.例如，可以将本文所描述的组织表征探头组件添加到专利文献pct/us2018/016314中描述的任何血管内装置，从而向专利文献pct/us2018/016314的血管内装置的成像、定位、治疗(例如，消融)和/或电绘图功能添加组织表征能力。同样地，可以将本文所描述的组织表征方法添加到专利文献pct/us2018/016314中描述的生成和/或绘制组织图谱的任何方法，从而添加或增强图谱的有效组织表征。
33.例如，如下文更详细地描述的，使用lss结合本文所描述的优化实施例的组织表征有益地使得能够表征比使用常规方法可能的更大的深度内的组织。因此，这种额外的和/或更准确的组织表征信息能够增强在使用专利文献pct/us2018/016314(作为wo2018144648a1公开)中描述的实施例下生成的组织图谱。
34.还应该理解，虽然下面详述的许多示例涉及心脏组织中的纤维化检测，但是相同的原理和特征可以容易地应用于保证异常组织微结构的检测、诊断和/或治疗的其它应用。因此，实施例可以用于监测同种异体移植排斥、心肌炎、淀粉样变性和其它心肌病的风险。心肌核密度(nd)是一个参数，其可以使用所描述的实施例来测量和有效地表征，以便提供对心脏微结构的增强的深入了解，用于疾病监测、诊断和/或治疗的目的。
35.图1示出了心脏组织(例如，来自心房壁)的横截面。如图所示，感兴趣的组织通常比fcm的焦深更深。特别地，纤维化细胞外组织可能位于约1mm或更大的深度处，而诸如fcm
的常规光学成像可能仅具有约100μm的最大成像深度。心脏传导系统的结构和组织也可能位于相对较深的组织层。
36.此外，心脏组织由具有方向性和各向异性结构的肌纤维组成。这种各向异性会使组织的成像和表征变得困难。例如，即使当使用lss时，散射光检测信号也受到目标心脏组织的各向异性布置的影响，使得难以准确地表征组织(例如，作为纤维化对比正常)。
37.因此，虽然光学成像可能足以表征诸如上皮细胞的表面级微结构，但是它不能提供关于下层组织的信息。这在心脏组织应用中是一个特别的缺点，在心脏组织应用中感兴趣的组织通常超出直接的表面级。此外，虽然常规lss在理论上能够提供关于更深组织层的信息，但是心脏组织的各向异性特性使得难以实现有效的表征。
38.组织表征探头和系统
39.图2示出了组织表征探头400的示例性实施例，其包括设置在多臂布置中的多个探头尖端403。探头400包括细长构件401，穿过该细长构件可以布置照明光纤和检测光纤。
40.多臂布置的每个探头尖端403可以根据本文所描述的任何其它探头尖端构造被独立地构造，诸如下面将更详细描述并且在图3a至图4中所示的那些。然而，在一些实施例中，一个或多个探头尖端403可以不同地构造。例如，一个或多个探头尖端403可以仅包括单个检测光纤和单个照明光纤。也就是说，虽然整个探头400包括多个检测光纤(例如，每个单独的探头尖端403中的至少一个检测光纤)，但是每个特定的探头尖端403不必包括多个检测光纤。
41.此外，虽然照明光纤与检测光纤之间的特定结构关系是关于图3a至图3c的探头描述的，但是一个或多个探头尖端403可以具有不同的构造，诸如通过以径向方式围绕照明光纤设置检测光纤，或者沿着网格设置检测光纤，或者以相对于照明光纤的随机定向设置检测光纤，等等。
42.应该理解，尽管所示实施例包括特定数量的探头尖端403(即，臂)，但是其它实施例可包括更多或更少的臂。通常，更多数量的臂是优选的，只要它们可包括在给定的空间和/或成本限制内。
43.如图所示，任何探头尖端403可包括被构造为提供导航、绘图和/或定位功能的一个或多个电极407。例如，电极407可以用于确定(多个)探头尖端在三维解剖工作空间内的位置，使得测量结果可以与它们在目标解剖位置内的对应位置相关联。位置与测量数据之间的相关性能够用于生成目标解剖位置(例如，目标解剖位置的组织微结构)的三维图。如图所示，电极407可以形成为环。在优选实施例中，多个环在探头尖端403上沿着探头尖端403的远侧部分的长度设置在不同的纵向位置处。其它实施例可以附加地或可替代地使用本领域已知的其它类型的电极。
44.图2中所示的多臂布置可以提供若干益处。特别地，多臂布置允许更迅速地对目标解剖位置进行表征和绘图。这对于侵入性和/或昂贵的程序可能特别重要，诸如那些涉及心导管插入术和心脏组织表征的程序。此外，多臂布置可以提高表征和/或绘图速度，而不仅仅是所包括的尖端/臂的数量的倍数。例如，探头的尖端/臂可以定位在给定位置以用于读数，并且然后可以旋转探头以径向地重新定位尖端/臂来用于额外的读数。相反，单臂设计不能仅通过探头的旋转来提供任何额外的信息，并且对于每次读数都必须将探头尖端移动到新的位置。
45.图3a至3c示出了示例性的组织表征探头的远端的正视图，该组织表征探头被构造为在临床相关深度内并且在表征各向异性组织(诸如心脏组织)时提供有效的组织表征。图3a示出了特定的远端探头100的正视图。远侧探头尖端在本文中可以同义地被称为“远侧尖端”或“探头尖端”。
46.探头100包括形成装置的外部结构的细长构件102，该细长构件可被构造为用于穿过患者脉管系统到达心脏。照明光纤104延伸穿过细长构件102，并且被构造为用于携带源光(source light，光源)并使其越过远端进入目标组织中。如图所示，多个检测光纤106也被设置在细长构件102内。检测光纤106被构造为接收散射光并将其朝向细长构件102的近端传回。
47.照明光纤104限定了探头的照明轴线(从图3a的视角延伸穿过纸)。照明轴线可以在细长构件102内基本上居中，如图3a的实施例所示，虽然其它实施例可以将照明光纤定位成偏离细长构件的中心(如图3b的实施例中所示)。“第一检测线”被定义为从照明轴线正交延伸的线，如线108所示。“第二检测线”也被定义为从照明轴线正交延伸的线，如线110所示。
48.如图所示，第一检测线108和第二检测线110彼此横向(即，彼此不平行)，优选地彼此正交(即，垂直)。从如图3a中的沿着照明轴线看的剖视图，第一检测线108和第二检测线110可以在照明轴线处彼此交叉以形成横向角，诸如约30
°
至约150
°
，或者约60
°
至约120
°
，或者优选地约90
°
。
49.第一组检测光纤112基本上沿着第一检测线108布置，并且第二组检测光纤114基本上沿着第二检测线110布置。已经发现，以这种方式布置检测光纤106提供了有效的功能，并且特别地已经发现，对于表征临床相关深度内的心脏组织(包括各向异性组织)是有效的。
50.如本文所使用的，如果检测光纤从检测线径向偏移不超过约30度、或不超过约25度、或不超过约20度、或不超过约15度、或不超过约10度、或不超过约5度，则认为它们沿着相应的第一或第二检测线“基本上布置”、“基本上对齐”、和/或“基本上设置”。这参照图3c最佳地示出。如果检测线108被定义为从照明光纤104开始并且延伸横跨检测光纤中的一个(在这种情况下，106a)，则该组检测光纤中的任何其它检测光纤应该靠近检测线108，但是不需要与其完全对齐。例如，检测光纤106b不与检测线108完全对齐，而是从检测线108径向偏移角度“a”，其中照明光纤104限定了顶点。
51.再次参照图3a，第一组检测光纤112和第二组检测光纤114分别优选地包括至少两个检测光纤。在一组中提供至少两个检测光纤允许深度灵敏度。已经发现，提供从第一组横向偏移的第二组检测光纤(即，这两组相对于彼此形成非平行的、优选地垂直的角度，其中照明光纤104用作顶点)有益地降低了各向异性组织中的光谱的方向灵敏度。
52.例如，已经发现，以横向方式并且特别是以正交方式布置第一组检测光纤112和第二组检测光纤114在探测各向异性组织时提供总体平均的效果，其允许有效的组织表征，尽管在目标组织中存在高水平的各向异性。因此，通过具有至少两个检测光纤的第一组检测光纤112和分别径向对应于第一组光纤112的至少两个检测光纤的第二组检测光纤114，实现了深度灵敏度和各向异性灵敏度。
53.应该注意，虽然在该实施例中示出了四个检测光纤106(两个沿着第一检测线108
设置，两个沿着第二检测线110设置)，但是其它实施例可包括其它数量的检测光纤。如上所述，组织表征探头优选包括至少四个检测光纤(两组检测光纤，每组包含两个检测光纤，每组检测光纤沿着横向检测线设置)，以便提供有效的深度灵敏度和各向异性灵敏度。附加的检测光纤可以沿着横向检测线和/或在其它位置处布置，以进一步提高分辨率和/或灵敏度。然而，在一些情况下，空间限制可能有利于最小数量的检测光纤。
54.检测光纤106沿着相应的检测线108和110的间隔可以变化。通过改变光纤的间隔和布置，可以针对特定应用需要来构造表征系统。例如，检测光纤106可以与照明光纤104间隔开和/或以与特定应用需要相关的距离彼此间隔开。在一个示例中，发现对于一些应用来说，邻近(照明光纤104)的检测光纤和远侧的检测光纤的组合产生最准确的结果。
55.因此，虽然检测光纤106的间隔可以根据特定应用需要而变化，但是一些实施例使间隔最小化，使得检测光纤与一组中的其它检测光纤基本上相邻(例如，在约135μm内)，并且使得每组检测光纤与照明光纤104基本上相邻(例如，在约135μm内)。
56.图3b示出了具有与远侧探头100类似的特征的远侧探头200的另一示例性实施例，除非另有说明。与图3a的实施例一样，所示实施例包括细长构件202、延伸穿过细长构件202的照明光纤204、以及多个与照明光纤204协调布置的检测光纤206，以使用远侧探头200实现lss。
57.在所示实施例中，照明光纤204偏离细长构件202的纵向轴线。与远侧探头100一样，检测线208和210从照明光纤204延伸并且检测光纤206在检测线上基本上对齐，其中第一组检测光纤212在检测线208上基本上对齐，并且第二组检测光纤214在检测线210上基本上对齐。应该注意，在该实施例中，检测光纤206彼此间隔开并且与照明光纤204间隔开。
58.如图所示，检测光纤206可以在每个相应的检测线上基本上等距地间隔开。例如，沿着第一检测线208，每个光纤(包括照明光纤204和检测光纤206)之间的空间基本上相等。优选地以类似的方式在第二检测线210上重复间隔，使得检测线中的每一条检测线将相应的检测光纤类似地间隔开，尽管其它实施例可包括不同的间隔。
59.如图所示，通过将照明光纤204移动离开细长构件202的中心，细长构件202的内部空间被更有效地利用，以允许细长构件202的总直径更小和/或使用附加的组件。例如，所示实施例包括支撑线材216，其至少部分地延伸穿过细长构件202，并且被构造为增加远侧尖端200的弯曲刚度和/或提供能够形成弯曲/成形尖端的结构。
60.由支撑线材216提供的增加的刚度能够有益地帮助在手术期间将远侧末端200保持在适当的位置。例如，当在充满血液的、跳动的心脏内进行测量时，会难以将装置保持定位在目标组织上而不失去接触或从位置滑出。增加的结构和刚度使得用户更容易在多次心跳期间自始至终维持正确的位置，而不会造成对组织的伤害或增加血管导航的难度。支撑线材216还使用户能够以期望的弯曲和/或定向“成形”尖端。弯曲的尖端对于导航特定的脉管系统通道和/或提供其它期望的结构布置是有益的，诸如图2所示的周向布置的探头端部。
61.支撑线材216可以具有四边形的横截面形状。四边形横截面形状能够有益地提供特定的弯曲平面。也就是说，支撑线材216沿着与横截面形状的边缘对齐的方向的弯曲刚度将小于沿着其它方向(例如，该形状的对角线方向)的弯曲刚度。在一些实施例中，如图所示，支撑线材216具有矩形形状。在某些情况下可能期望矩形的横截面形状，这是由于其可
以提供不同弯曲刚度的弯曲平面。例如，沿与矩形横截面的长轴线对齐的方向的弯曲刚度将大于沿与矩形横截面的短轴线对齐的方向的弯曲刚度。
62.支撑线材216可以定位在远侧尖端200内的任何位置。优选地，支撑线材216被设置为使得其横截面在检测线208与210之间形成的角度的锐角侧，如在所示实施例中那样。该位置有效地利用了远侧尖端200内的空间，并且因此提供了更多的设计灵活性、尺寸控制等。
63.因此，组织表征探头200在结构和功能上类似于组织表征探头100。然而，组织表征探头200示出了照明光纤204(以及因此照明轴线)不一定需要与细长构件202的中心轴线对齐。如图所示，通过将照明光纤204移出中心，细长构件202的内部空间被更有效地利用，以允许细长构件202的总直径更小。
64.图4示出了组织探头组件501的扩展图，其可以结合本文所描述的任何组织导管插入探头组件，包括一个或多个图3a和图3b的远侧尖端100和/或200。而且，虽然仅示出了单个远侧尖端500，但是应该理解，可以使用如图2所示的多臂布置。
65.所示探头组件501包括在近端与远端之间延伸的细长构件502。远侧尖端500设置在远端处。组合器505在其近端处接收多个部件部分，并以适当功能所需的方式将它们定位在远侧尖端500处。例如，如图所示，组合器505可以接收一个或多个照明光纤504，以及一组或多组检测光纤512、514。这些又可以连接到连接器(未示出)，该连接器能够连接到组织表征/lss系统的相应部件(例如，光源和光谱仪)。
66.探头组件501被构造为通过导管、护套、内窥镜或其它这种血管内输送装置的内腔或工作通道被引入(首先是远端)。输送装置可以是可转向的，例如以可引导导管或可转向护套的形式。
67.图5示出了组织表征系统301的一个示例。系统301包括组织表征探头300，该组织表征探头可被构造为本文所描述的组织表征探头100和200。照明光纤304从探头300延伸并且操作性连接到合适的光源316(例如，钨卤素光源或其它合适的lss光源)。检测光纤306从探头300延伸并且操作性连接到合适的光谱仪318(或多个光谱仪)。可以使用系统301表征目标组织30。
68.表征组织的方法
69.在一个实施例中，一种表征组织的方法包括以下步骤：(i)提供组织表征系统；(ii)将组织表征系统的远侧探头尖端引导到目标解剖位置；(iii)在目标解剖位置处，操作组织表征探头以获得在大于约100μm(诸如直至约1mm，或直至约1.5mm，或直至约2mm，或直至约2.5mm，或直至约3mm，或直至约3.5mm，或直至约4mm，或直至约5mm，或直至约7.5mm，或直至约10mm，或直至约15mm，或直至约20mm，或直至约25mm，或直至约30mm)的深度处的光谱数据；并且解析光谱数据以便表征目标组织。
70.目标组织可以是心脏组织。本文所描述的方法特别适用于表征充满血液的、跳动的心脏内的心脏组织。表征目标组织可包括检测、测量或监测纤维化组织、同种异体移植接受或排斥、心肌炎、淀粉样变性、其它心肌病变中的一种或多种，或一种或多种组织参数诸如核密度。一种方法可包括确定心脏内的目标组织成分的体积分数和/或目标组织的空间分布。
71.一些实施例可进一步包括表征多个目标位置处的组织以获得一个或多个表征数
据点；在每个位置处，操作组织表征探头以确定探头尖端在三维解剖工作空间内的位置；将每个表征数据点与其在解剖工作空间内的相应确定位置相关联；以及基于表征数据点和它们的相应位置，生成解剖工作空间的三维图。关于这些方法的额外细节在专利文献pct/us2018/016314(作为wo2018144648a1公开)中有更详细的描述，其公开的全部内容通过引用并入本文中。
72.使用机器学习的lss光谱
73.在本文所描述的方法中，解析光谱数据以便表征目标组织的步骤可包括使用一种或多种机器学习技术。(多种)机器学习技术可包括有监督或无监督的技术。
74.在一个实施例中，用于解析光谱数据的无监督机器学习技术包括聚类分析。聚类分析可以通过主成分分析(pca)应用光谱的降维。欧几里德距离可以用于生成光谱的第一与第二主成分的节点之间的相似性，并且光谱聚类的特征值可以指示样本数据落入的组的数量。与使用光谱聚类来解析用于组织表征的光谱数据有关的额外细节被包括在示例部分中。
75.在另一实施例中，用于解析光谱数据的监督机器学习技术包括使用卷积神经网络(cnn)。cnn可被训练以将光谱分类成选定数量的组/类别。可以使用本领域已知的各种方法来训练cnn。一种特别有用的训练方法是n-l法。例如，在一个数据集上训练多个cnn(每个cnn具有相同的拓扑)，该数据集包括数据集中除一个样本之外的所有光谱。每个数据集省略了一个不同的样本，使得训练数据集的数量等于样本的数量，并且多个cnn中的每个cnn在一个不同的数据集上训练，这取决于哪个样本被省略了。
76.cnn可以被训练一组时期(epochs)数和/或直到达到损失阈值水平。然后可以在从它们相应的训练集中省略的光谱上测试cnn。然后可以选择一个或多个最佳cnn以用于表征和/或用于进一步训练。cnn也可以根据不同的光谱波长子组进行训练，以便确定cnn是否存在对特定波长范围的依赖性。
77.在表征和/或训练之前光谱数据的预处理可包括各种过滤步骤和/或归一化(例如，强度归一化)步骤。可以附加地或可替代地使用本领域已知的其它光谱数据处理技术。
78.示例
79.组织表征功能
80.实验组织堆叠被用于测试组织表征探头。将心肌或主动脉组织的薄组织切片(200μm厚)彼此叠放。构造高度被限制为直至8个截面层(1.6mm)。基于心脏主要是心肌并且心室主要没有纤维化浸润的基本原理，使用来自福尔马林固定的成年犬心脏的心室游离壁心肌制作基质层。这也允许研究组织各向异性。基于主动脉由按重量计大约50％的弹性蛋白和胶原蛋白组成并且在体内易于接近和识别的基本原理，目标组织由来自固定的成年犬心脏的升主动脉和主动脉弓的组织制成。
81.为了测试组织表征探头的深度灵敏度，将目标组织的两个切片依次降低到组织堆叠内，以确定系统能够检测结构的深度。组织检测探头已能够有益地准确检测约1.5mm至2mm深度处的目标组织，并且预计至少在一些情况下能够检测直至约4mm的目标组织。在该实验设置中，深度检测的总体准确率(accuracy，精度)为大约95.45
±
3.99％。
82.还进行了测试以确定组织表征探头对检测纤维化组织的体积分数的灵敏度，这是组织功能能力的重要指标。通过将结构中纤维化组织的相对百分比改变12.5％(即，一个
200μm的切片)来测试整个堆叠内纤维化组织的不同体积分数，直到结构的整个体积分数都是纤维化组织为止。虽然最初预计目标组织的上层隐藏下层可能产生一些“掩蔽”效应，但是组织表征探头在确定纤维化组织的体积分数中的总体平均准确率非常高，为大约80.56
±
2.12％。
83.还进行了测试以描述混合/置换部分，其中主动脉部分的总体积分数为50％。虽然最初预计这种“夹层”和/或混合/嵌入组织对于系统来说将难以准确地表征，但是组织表征探头能够以大约84.25
±
1.88％的高准确率准确地表征这种混合/嵌入组织。
84.通过从若干不同位置(诸如右心房、房室结、沿托达罗腱的隔膜ra、三尖瓣的隔叶关节、主动脉、心室壁和窦房结)获取光谱，也在整个犬科动物心脏(n＝2)中进行了探索性措施。组织表征探头提供了直至95％的准确率。使用机器学习的lss光谱分析
85.心脏组织的光谱学：
86.lss系统用于从绵羊心室组织采集光谱。我们从18只胎龄范围从4.3到56个月的动物的右心室(rv)和左心室(lv)游离壁以及福尔马林固定的心脏的心室间隔获得透壁组织样本。使用lss检查样本以识别nd的变化。lss探头定位在心外膜表面上多个位置处以收集所有样本的20个光谱。光谱采集发生在5hz。在500-1100nm的波长范围内以0.6nm的分辨率记录来自组织样本的光谱。
87.原始光谱显示出样本内和样本之间强度的高度可变性。在对它们相应的平均值进行归一化之后，来自单个样本的光谱显示出与来自相同样本的其它光谱的高度相关性(r2≥0.999)。不同样本的光谱之间的差异是细微的(r2＝0.996
±
0.002)。
88.组织学：
89.在每个样本中心处的采样区域内对组织样本进行切片。切割出垂直于心外膜表面且平行于心壁的透壁平面的100μm厚的切片。在切片后，使用与荧光团结合的小麦胚芽凝集素(wga)标记细胞外基质的糖复合物及细胞膜的糖蛋白。细胞核利用1mm 6-二脒基-2-苯基吲哚(dapi)染色。nd通过将检测到的细胞核的数量除以整个组织面积进行计算。每个心脏的平均nd为机器学习提供基础事实。在图6中总结了nd随年龄的降低。
90.聚类分析：
91.聚类分析通过主成分分析(pca)应用光谱的降维。我们应用matlab函数spectralcluster(谱聚类)识别来自不同nd制备物的光谱聚类。该函数允许选择数据、距离度量和期望的组数量。欧几里得距离用于生成光谱的第一与第二主成分的节点之间的相似性图。来自光谱聚类函数的特征值的分析表明光谱落入5个不同的组。因此，期望的组数量在3与5之间变化。
92.在光谱的前两个主成分中描述了光谱的大约95％的方差。特征值的分析表明5个不同的组。前两个主成分的散点图(图7a)示出了这些聚类。随着nd的增加，聚类组被标记为1至5。方差分析揭示了许多聚类的nd差异(图7b)。括号连接标记了在统计上在5％置信水平下彼此不同的聚类。
93.卷积神经网络：
94.我们设计出cnn来将光谱分类为三组nd计数：直至2000，2000-3800，以及高于3800核/mm2。cnn的损失值是通过将softmax(柔性最大值)激活应用于预测类别与基础事实相比的交叉熵损失来计算的。使用n-l法系统地训练和验证cnn。该方法需要训练具有相同拓扑
的22个不同的cnn，每个cnn具有不同的训练集，该训练集包括来自整个数据集的所有光谱，而不是从一个样本收集光谱。22个独特训练数据集中的每一个都排除了来自不同心脏的光谱。在2000个时期之后或者当超过600个时期之后训练损失没有减少时，终止cnn的训练。与最低损失值相关的cnn权重被保存并恢复到cnn以用于测试。然后在从它们相应的训练集中排除的光谱上测试这些cnn。
95.为了优化cnn参数，我们系统地改变了批量大小、学习率和卷积滤波器内核尺寸。用于这些参数变化的cnn配置在表1中进行了描述。测试了从50变化到300的七个批量大小。测试了从0.0001变化到0.015的十个不同的学习率。测试了从5到40变化的十五个不同的卷积滤波器内核尺寸。然后将全分辨率光谱分成三个波长范围：500-700nm、700-900nm、900-1100nm。这些部分光谱用于训练cnn以确定分类对特定波长的依赖性。
[0096][0097][0098]
表1：cnn配置
[0099]
参数优化产生了20的内核尺寸、100的批量大小和0.003的学习率。使用n-1法训练cnn得到95.23
±
12.20％的准确率。在图8中示出了cnn预测的混淆矩阵。在不同的光谱波长范围上训练cnn针对500-700nm、700-900nm和900-1100nm的波长范围分别得到90.23
±
21.56％、58.86
±
36.02％和81.59
±
34.52％的准确率。这些结果表明，nd的预测更依赖于低(500-700nm)和高(900-100nm)波长范围而不是中(700-900nm)范围。
[0100]
附加的实施例
[0101]
以下实施例作为示例提出。应该理解，实施例可包括在其它实施例中描述的性质、特征(例如，成分、组件、构件、元件、部件和/或部分)。因此，虽然在这些实施例中记载了某些特征，但是给定实施例的各种特征可以与本公开的其它实施例组合和/或并入到本公开的其它实施例中。因此，关于本公开的具体实施例的某些特征的公开不应被解释为将所述特征的应用或包含限制于具体实施例。相反，应该理解，其它实施例也可包括这些特征。
[0102]
实施例1：一种组织表征探头，包括：细长构件，具有近端和远端；多个远侧探头尖端，设置在细长构件的远端处或附近以形成多臂布置；多个照明光纤，至少部分地延伸穿过细长构件，每个照明光纤分别延伸到多臂布置的相应的探头尖端，使得每个探头尖端包括至少一个照明光纤；以及多个检测光纤，至少部分地延伸穿过细长构件，每个检测光纤延伸
到多臂布置的相应的探头尖端，使得每个探头尖端包括至少一个检测光纤。
[0103]
实施例2：根据实施例1所述的组织表征探头，其中，探头被构造为通过导管、可引导导管、可转向护套的内腔或工作通道或内窥镜的工作通道被引入，并且延伸超过导管、护套或工作通道的尖端。
[0104]
实施例3：一种组织表征系统，包括：如实施例1或实施例2所述的组织表征探头；光源，操作性联接到照明光纤；以及一个或多个光谱仪，操作性联接到检测光纤。
[0105]
实施例4：根据实施例3所述的组织表征系统，其中，该系统被构造为表征大于约100μm深度内的组织，诸如直至约1mm、1.5mm、2mm、2.5mm、3mm、3.5mm、4mm、5mm、7.5mm、10mm、15mm、20mm、25mm或30mm。
[0106]
实施例5：根据实施例3或实施例4所述的组织表征系统，其中，该系统被构造为可选地以减少探头尖端的旋转对所测量光谱的影响的方式来表征结构上各向异性的组织，诸如心脏组织。
[0107]
实施例6：一种组织表征探头，包括：细长构件，具有近端和远端；远侧探头尖端，设置在细长构件的远端处；照明光纤，至少部分地穿过细长构件延伸到探头尖端并且被构造为，照明光纤限定照明轴线；以及多个检测光纤，至少部分地穿过细长构件延伸到探头尖端并且被构造为接收从目标组织散射的光，其中，第一组检测光纤基本上沿着第一检测线设置，第一检测线正交于照明轴线，并且其中，第二组检测光纤基本上沿着第二检测线设置，第二检测线正交于照明轴线并且横向于第一检测线。
[0108]
实施例7：根据实施例6所述的组织表征探头，其中，探头被构造为通过导管、可引导导管、可转向护套的内腔或工作通道或内窥镜的工作通道被引入，并且延伸超过导管、护套或工作通道的尖端。
[0109]
实施例8：根据实施例6或实施例7所述的组织表征探头，其中，每个检测光纤从其相应的检测线径向偏移不超过约30度、或不超过约25度、或不超过约20度、或不超过约15度、或不超过约10度、或不超过约5度。
[0110]
实施例9：根据实施例6-8中任一项所述的组织表征探头，其中，第一检测线和第二检测线在照明轴线处彼此交叉以形成约30此至约150交，或约45约至约135交，或约60约至约120交，或约75约至约105交的横向角。
[0111]
实施例10：根据实施例6-9中任一项所述的组织表征探头，其中，第二检测线正交于第一检测线。
[0112]
实施例11：根据实施例6-10中任一项所述的组织表征探头，其中，第一组检测光纤包括至少两个检测光纤。
[0113]
实施例12：根据实施例6-11中任一项所述的组织表征探头，其中，第二组检测光纤包括至少两个检测光纤。
[0114]
实施例13：根据实施例6-12中任一项所述的组织表征探头，其中，第一组检测光纤、第二组检测光纤或两者基本上邻近照明光纤。
[0115]
实施例14：根据实施例6-12中任一项所述的组织表征探头，其中，检测光纤与照明光纤间隔开。
[0116]
实施例15：根据实施例14所述的组织表征探头，其中，检测光纤彼此间隔开。
[0117]
实施例16：根据实施例6-15中任一项所述的组织表征探头，进一步包括支撑线材，
该支撑线材至少部分地穿过细长构件延伸到探头尖端并且被构造为增加探头尖端的弯曲刚度。
[0118]
实施例17：根据实施例6-15中任一项所述的组织表征探头，进一步包括支撑线材，该支撑线材至少部分地穿过细长构件延伸到探头尖端并且被构造为在探头尖端的远端中形成弯曲部。
[0119]
实施例18：根据实施例16或实施例17所述的组织表征探头，其中，支撑线材具有四边形横截面形状。
[0120]
实施例19：根据实施例18所述的组织表征探头，其中，支撑线材具有矩形横截面形状。
[0121]
实施例20：根据实施例6-19中任一项所述的组织表征探头，其中，所述组织表征探头或多个这样的组织表征探头被并入到如实施例1或实施例2中所述的多臂组织表征探头中。
[0122]
实施例21：根据实施例1-20中任一项所述的组织表征探头，其中，探头进一步包括以下中的一个或多个成像组件，被构造为提供目标组织的微结构成像；定位组件，被构造为提供远侧尖端在三维解剖工作空间内的位置信息；和/或治疗组件，所述治疗组件具有设置在远侧尖端处的用于治疗目标组织的一个或多个治疗部件。
[0123]
实施例22：根据实施例21所述的组织表征探头，其中，定位组件包括一个或多个电极、磁性、光学或其它定位组件，以提供用于定位远侧尖端的手段。
[0124]
实施例23：一种组织表征系统，包括：根据实施例6-22中任一项所述的组织表征探头；操作性联接到照明光纤的光源；以及一个或多个操作性联接到检测光纤的光谱仪。
[0125]
实施例24：根据实施例23所述的组织表征系统，其中，探头被构造为表征大于约100μm深度内的组织，诸如直至约1mm、1.5mm、2mm、2.5mm、3mm、3.5mm、4mm、5mm、7.5mm、10mm、15mm、20mm、25mm或30mm。
[0126]
实施例25：一种表征组织的方法，包括：提供组织表征系统；将远侧探头尖端引导到目标解剖位置；在所述目标解剖位置处，操作组织表征探头以获得在大于约100μm的深度处的光谱，诸如直至约1mm、1.5mm、2mm、2.5mm、3mm、3.5mm、4mm、5mm、7.5mm、10mm、15mm、20mm、25mm或30mm；并且解析光谱以便表征目标组织。
[0127]
实施例26：根据实施例25所述的方法，其中，目标组织是心脏组织。
[0128]
实施例27：根据实施例26所述的方法，其中，目标解剖位置是充满血液的、跳动的心脏。
[0129]
实施例28：根据实施例25-27中任一项所述的方法，其中，组织表征系统是如实施例3-5或23-24中任一项所述的系统。
[0130]
实施例29：根据实施例25-28中任一项所述的方法，其中，表征目标组织包括检测、测量或监测纤维化、同种异体移植接受或排斥、心肌炎、淀粉样变性、肥大或核密度中的一种或多种。
[0131]
实施例30：根据实施例25-29中任一项所述的方法，其中，表征目标组织包括确定心脏内目标组织的成分的体积分数和/或目标组织的成分的空间分布。
[0132]
实施例31：根据实施例25-30中任一项所述的方法，进一步包括：表征多个目标位置处的组织并且获得表征组织的一个或多个数据点；在数据采集的每个位置处，确定探头
尖端在三维解剖工作空间内的位置；将每个数据点与其在解剖工作空间内的相应确定位置相关联；以及基于数据点和它们的相应位置，生成组织微结构的三维图。
[0133]
实施例32：根据实施例31所述的方法，其中，三维图是纤维化图。
[0134]
实施例33：根据实施例31或实施例32所述的方法，其中，表征多个目标位置处的组织的步骤包括同时表征多个目标位置处的组织。
[0135]
实施例34：根据实施例25-33中任一项所述的方法，其中，解析光谱以便表征目标组织的步骤包括利用无监督的机器学习技术。
[0136]
实施例35：根据实施例34所述的方法，其中，无监督的机器学习技术包括聚类分析。
[0137]
实施例36：根据实施例35所述的方法，其中，聚类分析包括通过主成分分析(pca)对光谱进行降维。
[0138]
实施例37：根据实施例36所述的方法，其中，聚类分析包括测量来自光谱的至少第一主成分和第二主成分的相似性。
[0139]
实施例38：根据实施例37所述的方法，其中，来自光谱的至少第一主成分和第二主成分的相似性基于欧几里得距离。
[0140]
实施例39：根据实施例25-33中任一项所述的方法，其中，解析光谱以便表征目标组织的步骤包括利用有监督的机器学习技术。
[0141]
实施例40：根据实施例39所述的方法，其中，有监督的机器学习技术包括卷积神经网络(cnn)。
[0142]
实施例41：根据实施例40所述的方法，其中，使用来自组织中散射的一组先前测量结果的数据来训练和测试cnn。
[0143]
实施例42：根据实施例40或实施例41所述的方法，其中，用于训练cnn的批量大小从50变化到300。
[0144]
实施例43：根据实施例40-42中任一项所述的方法，其中，cnn的学习率从0.0001变化到0.015。
[0145]
实施例44：根据实施例40-43中任一项所述的方法，其中，cnn的卷积滤波器内核尺寸从5变化到40。
[0146]
实施例45：根据实施例40-44中任一项所述的方法，其中，cnn是从特定波长范围内的光谱训练的和/或利用减少的采样训练的。
[0147]
总结
[0148]
虽然已经参考具体的构造、参数、组件、元件等详细描述了本公开的某些实施例，但这些描述是说明性的并且不应解释为限制要求保护的本发明的范围。此外，应该理解的是，对于所描述的实施例中的任何给定元件或组件，为该元件或组件列出的任何可能的替代方案通常可以单独使用或相互结合使用，除非隐含地或明确地另有说明。
[0149]
此外，除非另有说明，否则说明书和权利要求书中使用的表示数量、成分、距离或其它测量值的数字都理解为可以由术语“约”或其同义词修饰。当术语“约”、“大约”、“基本上”等与规定的数量、值或条件一起使用时，可以理解为与规定的数量、值或条件的偏差小于20％，小于10％，小于5％，或小于1％的情况。至少且不试图限制将等同原则应用于权利要求书的范围，每个数值参数应根据所报告的有效位的数值且通过应用一般舍入技术进行
解释。
[0150]
本文使用的任何标题和小标题仅用于组织目的，并不意味着用于限制描述或权利要求的范围。还应注意，如在本说明书和所附权利要求书中所使用的那样，单数形式“一”、“一个”和“所述”不排除复数指示物，除非上下文另外指示。因此，例如，对单数指示物(例如，“小部件”)的引用还可包括两个或更多个这样的指示物。