近紅外漫射光在人體組織中的傳播及探測器排布研究

摘 要：為了研究漫反射光譜法在檢測內(nèi)部組織有效信息方面的徑向最遠探測距離和合適的探測器排布方式，構(gòu)建了人體皮下組織模型，利用蒙特卡羅（MC）方法對760 nm近紅外光在組織中的傳輸過程進行了模擬。根據(jù)不同組織的光學特性，建立了脂肪-肌肉雙層MC模型。在模型中，通過調(diào)整脂肪和肌肉雙層組織的垂直厚度模擬了雙層組織的多種情況，分析了不同情況下、不同距離處逃逸光子的分布、數(shù)量和剩余權(quán)重。結(jié)果表明，在該模型下，將探測器排布在距離光源大約3 cm或更近的位置，采集到的光子信號可以有效體現(xiàn)組織內(nèi)部的信息。基于MC模擬的結(jié)果，分析設(shè)計了三種可應(yīng)用于無創(chuàng)血流或血氧檢測的探測器排布方式。通過比較發(fā)現(xiàn)，多光源-多探測器混合排布設(shè)計不僅可以更有效地收集組織的漫射光，提供更均勻的光子分布，而且相較于單光源-多探測器，該設(shè)計可以最大限度地利用探測器的數(shù)量實現(xiàn)對組織同一深度更大面積的檢測。這為設(shè)計近紅外血流或血氧無創(chuàng)檢測光譜儀器提供了思路。

關(guān)鍵詞：近紅外漫射光；蒙特卡羅仿真；人體組織模型；光源-探測器排布；無創(chuàng)檢測光譜儀器

中圖分類號：Q632 " " " " " " " " " " " " " " " 文獻標志碼：ADOI：10.3969/j.issn.1007-7146.2024.02.004

A Study on Propagation of Near-infrared Diffuse Light in Human Tissues and Detectors Arrangement

GUO Nan， HAO Huiyan*， LIU Wenyu， ZHAO Hui

（School of Information and Communication Engineering， North University of China， Taiyuan 030051， China）

Abstract： In order to investigate the radial farthest detection distance and the appropriate detector arrangement for diffuse reflectance spectroscopy in detecting effective information from internal tissues， a human subcutaneous tissue model was constructed， and the transmission process of 760 nm near-infrared light in the tissues was simulated by using the Monte Carlo （MC） method. Two combined fat-muscle MC models were established according to the optical properties of different tissues. In this model， placing the detector approximately 3 cm， or closer， from the light source allows for the acquisition of valid information about the interior of the tissue. The distribution， number and residual weights of escaping photons at different distances were analyzed in different cases. The results showed that under this model， placing the detector at a distance of about 3 cm， or closer， from the light source can effectively acquire photons inside the tissue. Finally， based on the results of the MC simulation， three detector arrangements that can be applied to noninvasive blood flow or blood oxygenation detection were analyzed and designed. Through comparison， it is found that the hybrid multi-light source-multi-detector arrangement design can not only collect the diffuse light from the tissue more effectively and provide a more uniform photon distribution， but also the design can maximize the number of detectors and realize the detection of a larger area of the same depth of the tissue， compared with the single light source-multi-detector， which provides ideas for the design of spectroscopic instruments for noninvasive detection of near-infrared blood flow or blood oxygenation.

Key words： near-infrared diffuse light; Monte Carlo simulation; human tissue model; source-detector arrangement; "non invasive detection spectroscopic instrument

（Acta Laser Biology Sinica， 2024， 33（2）： 123-132）

近年來，許多疾病在發(fā)病早期階段常伴隨著人體組織功能上的顯著變化，這些變化往往較早于組織細胞的形態(tài)學改變出現(xiàn)，例如，人體腫瘤的血流量和血氧消耗明顯高于正常組織。因此，監(jiān)測微血管血流量、血氧水平等基本人體生理特征參數(shù)對于疾病的診斷和治療至關(guān)重要［1］。

近紅外漫射相關(guān)光譜和斷層成像技術(shù)（near-infrared diffuse correlation spectroscopy/tomography，DCS/DCT）是一種基于近紅外光測量組織內(nèi)部血流、血氧的新興技術(shù)［2-7］，已應(yīng)用于多種疾病的早期診斷和治療監(jiān)測［8］。該技術(shù)通常將光源-探測器（source-detector，S-D）［9］陣列置于被測組織表面，對體表下組織（如脂肪、肌肉等）的血流或血氧進行檢測。近紅外激光發(fā)射的光信號穿透組織，光子經(jīng)過隨機吸收和散射過程后，剩余部分從組織中逸出，由距光源位置一定距離處的探測器檢測通過組織的光信號。在這一過程中，光子傳播路徑截面呈現(xiàn)“香蕉”型，光子路徑越遠，權(quán)重衰減得越多［10-11］。接著，由相關(guān)器通過探測器采集到的信號運算得出光強時間自相關(guān)函數(shù)，該函數(shù)與光場時間自相關(guān)函數(shù)滿足Siegert關(guān)系。經(jīng)過計算得到光強時間和光場時間自相關(guān)函數(shù)后，利用DCS/DCT相關(guān)算法模型分析血流及血氧變化，并結(jié)合其他成像技術(shù)實現(xiàn)組織內(nèi)異常變化的可視化定位［12］。整個過程中，S-D之間的固定方式在光學信號采集中起著決定性的作用，對于準確和有效地獲取組織血流或血氧信息以及精確定位異質(zhì)物具有至關(guān)重要的影響。

本研究使用蒙特卡羅（Monte Carlo，MC）方法，根據(jù)760 nm近紅外波段下的皮下組織光學特性建立MC模型，模擬組織中光子的傳輸過程，深入研究光劑量的分布特征。通過光子攜帶的信息（如出射光子數(shù)、光子權(quán)重、逸出角度和路徑長度等）分析逸出光子在不同距離處的空間特征，確定能夠有效探測到組織信息的探測距離，設(shè)計對比三種探測器的排布方式，為近紅外無創(chuàng)血流、血氧檢測光譜儀器探頭的設(shè)計提供思路。

1 材料與方法

1.1 光傳輸?shù)腗C模擬方法

MC是一種基于隨機采樣的數(shù)值計算方法［13］，用于模擬光子在不均勻介質(zhì)中的傳輸過程，適用于各種生物組織結(jié)構(gòu)。通過統(tǒng)計分析光子傳播軌跡，可以獲取光子在生物組織中的傳播規(guī)律、能量分布和吸收。其模擬過程包括以下步驟：

1）光子的發(fā)射：光子以點光源的形式入射，初始強度為單位1，可自定義入射位置和方向，光子位置由笛卡爾坐標（x，y，z）［14］表示。

2）光子的傳輸：模擬將傳輸過程分為若干步。光子初始的傳播方向用方向余弦［15］（μx，μy，μz）來表示，新的位置坐標通過式（1）～（3）計算：

x←x+μxs（1）

y←y+μys（2）

z←z+μzs（3）

3）光子的吸收和散射：光子在傳輸過程中會被組織和介質(zhì)吸收、散射，導致權(quán)重減小。MC采用離散吸收權(quán)重［16］的方法，確定衰減光子的權(quán)重。散射函數(shù)是用于描述光子散射角度θ的概率分布的，光子散射方向通過Henyey-Greenstein函數(shù)確定。經(jīng)坐標變換，光子新的運動方向可通過含有偏轉(zhuǎn)角余弦cosθ ［17］的公式（4）～（6）表示：

μ′x= （μxμzcosψ-μysinψ）+μxcosθ（4）

μ′y= （μyμzcosψ-μxsinψ）+μycosθ（5）

μ′z=-sinθcosψ "1-μ2z "+μzcosθ（6）

4）組織邊界光子的反射和透射處理：光子在行進過程中，遇到不同折射率的組織邊界時會發(fā)生反射或透射。光子反射的概率由菲涅爾定律［18］確定，如式（7）所示，其中，θi和θt分別為入射角和折射角。

R（θi）=［+］（7）

5）光子終止：光子發(fā)射后，部分光子因反射或透射離開組織，不再被追蹤，其余光子會在組織內(nèi)部繼續(xù)傳輸，直至能量微弱。使用輪回盤技術(shù)［19］ 終止追蹤這部分光子，如果傳輸時間超過最大追蹤時間的設(shè)定值，系統(tǒng)會自動放棄追蹤并繼續(xù)追蹤下一個光子，直至所有光子被追蹤結(jié)束。

本研究使用了華中科技大學李婷編寫的MCVM軟件［20］進行模擬。模擬過程需要配置環(huán)境，包括配置光子數(shù)、光源和探測器位置、組織大小、層數(shù)及各層組織的光學參數(shù)等。根據(jù)模擬結(jié)果，獲取逸出光子的相關(guān)信息，這些信息可為研究光在皮下組織傳播的生物現(xiàn)象以及S-D之間的排布方式提供強有力的工具。

1. 2 “皮下脂肪-肌肉組織”光學模型及特性參數(shù)

光進入到被測組織后，由于組織內(nèi)的散射特性，在入射光同側(cè)探測到的后向散射光中包含了更多被測物組織的內(nèi)部信息。雖然人體組織結(jié)構(gòu)的形狀較為復雜，但為了便于研究，多層生物組織通常被視為均勻無限的平板組織，被研究的組織被幾何模型所取代［21］。為了深入了解光在人體組織中的傳輸，本研究將復雜的人體皮下組織結(jié)構(gòu)簡化為一個由皮下脂肪層和肌肉層構(gòu)成的雙層結(jié)構(gòu)模型，如圖1所示。

此時，皮下組織各層模型的屬性可以通過以下幾個因素來描述：組織厚度d、折射率n、吸收系數(shù)μa、散射系數(shù)μs以及各向異性因子g［22］。這些光學特性參數(shù)對復雜的生物組織狀態(tài)和代謝特征進行了簡化處理。

近紅外可見紅光是指，在光譜中波長介于650 nm到950 nm之間的光［23］。該波段中的光能夠相對容易地穿透生物組織，因此被稱為“光譜透射窗”。水和血紅蛋白在這個波段的光吸收系數(shù)（μa）較小［24］，光子可以深入到被測組織深層，獲取被測組織的結(jié)構(gòu)信息。圖2顯示了氧合血紅蛋白（HbO2）、脫氧血紅蛋白（Hb）和水（H2O）在光譜上的吸收情況［25］。為了使除血紅蛋白外的物質(zhì)吸收率盡可能低，而血紅蛋白的吸收率高，優(yōu)先選取脫氧血紅蛋白和氧合血紅蛋白吸收峰附近的波長［26］。本次研究選用其中一個吸收峰——760 nm的近紅外光作為MC模擬的光源。表1［27］為760 nm波長下皮下脂肪和肌肉組織對應(yīng)的光學特性參數(shù)［27］。

對于不同的組織類型，MC軟件可以通過修改組織參數(shù)來模擬不同組織類型中光子的傳輸路徑和相互作用過程，更好地理解不同組織類型下光子的傳輸行為及其與組織結(jié)構(gòu)的關(guān)系。

2 結(jié)果與分析

2.1 不同S-D距離下MC模擬結(jié)果分析

探測深度是指光能夠在組織中深入到達的距離范圍，這取決于散射光在組織中的穿透能力。人體組織由多個層次構(gòu)成，每個層次包含不同的生命信息。根據(jù)散射理論，光子在組織中的最大穿透深度主要受到組織光學特性的影響。通過增加S-D距離可以探測到更深層次組織內(nèi)部發(fā)出的光子，進而獲取更全面的組織信息。相反，當S-D距離過于接近時，探測到的光子只能來自組織表面附近，傳遞的組織內(nèi)部信息會減少。通常情況下，將S-D發(fā)射光源和檢測器之間距離的一半視為光子能夠穿透的最大深度［28］。最遠距離可以通過分析每個距離平面中能夠有效檢測到的光信號來確定。因此，在研究DCS/DCT技術(shù)中，了解光源和探測器在待測組織表面的分布方式以及探測器在不同距離上接收到的光子數(shù)量和分布情況，對于深入了解組織特征非常重要。

MC記錄了生物組織逃逸的光子分布［29］，被稱為逸出光子信息。通過對這些逃逸光子信息的整理和分析，可以推導出被測組織逸出光子的平面分布情況，并且實現(xiàn)最佳探測面積和深度的平衡。同時，還可以確定合適的探測器數(shù)量、位置和方向，最大限度地接收逃逸光子信號，從而保證被測體素光子密度的平衡。

將探測器均勻分布在組織表面，具體S-D分布如圖3所示。

在模擬光子在生物組織中的傳播時，常常使用體素網(wǎng)格對生物組織進行劃分［30］。設(shè)組織模型大小為8.80 cm×8.00 cm×4.80 cm，x、y、z的間隔均為0.80 cm，共有（11×10×6）個單元；光源（S）坐標點為（0.80，0，0），垂直發(fā)射106個光子到被測的組織模型中。在光源橫向位置按表2距離均勻放置10 個探測器，每個探測器探測半徑為0.15 cm，相互間距為0.80 cm，即一小格體素的大小，S-D距離≤8.00 cm。

根據(jù)前文建立的仿真模型，對皮下組織中脂肪和肌肉雙層組織中z方向的厚度進行調(diào)整。皮下組織層的個體差異明顯，且會隨著年齡、性別、胖瘦、身體狀況的變化以及同一人體不同部位之間產(chǎn)生很大的差異，依據(jù)模型大小對脂肪和肌肉層厚度進行調(diào)整，分為五種情況，具體如下：

1）情況一：脂肪-肌肉（6∶0），即整個模型僅包含脂肪組織，使脂肪組織占據(jù)主導地位，從而模擬皮下組織以脂肪為主的情況；

2）情況二：脂肪-肌肉（0∶6），即整個模型僅包含肌肉組織，使肌肉組織占據(jù)主導地位，從而模擬皮下組織以肌肉為主的情況；

3）情況三：脂肪-肌肉（3∶3），即將整個模型均分為兩部分，分別賦予脂肪層和肌肉層來模擬皮下組織中脂肪和肌肉平衡的情況；

4）情況四：脂肪-肌肉（2∶4），即脂肪和肌肉組織所占的比例分別為2和4，通過相對減少脂肪層的厚度，增加肌肉層的厚度，來模擬皮下組織中肌肉偏多、脂肪偏少的情況；

5）情況五：脂肪-肌肉（1∶5），即脂肪和肌肉組織所占的比例分別為1和5，通過進一步減少脂肪層的厚度，增加肌肉層的厚度，來模擬皮下組織中肌肉占據(jù)主導地位、脂肪占據(jù)次要地位的情況。

簡而言之，前兩種情況代表單層組織，分別為純脂肪或純肌肉組織，而后三種情況代表不同厚度的脂肪和肌肉的雙層組織。為了進行驗證，本研究對五種占比不同的情況各自進行了多次試驗，取平均值后對MC仿真數(shù)據(jù)進行了統(tǒng)計分析。

通過對仿真結(jié)果的處理，可以明顯地觀察到出射光子平面分布的變化。圖4展示了五組不同情況下的出射光子平面分布，右側(cè)圖例表示初始強度w=1的光子包在組織傳輸后除去被吸收部分后的剩余強度，即光子剩余強度w'lt;1。

圖5是不同探測器檢測到的出射光子分布圖，從中可以清楚地觀察到這五種情況之間的差異。在相同距離下，肌肉組織探測到的出射光子數(shù)最多，脂肪組織和脂肪-肌肉組織相對較少，剩余權(quán)重也相對較小。

如圖6所示，隨著距離的增加，光子的路徑變長，導致其權(quán)重衰減更嚴重。然而，在特定的檢測距離下，無論光子路徑長度如何，出射光子的數(shù)量都以某種函數(shù)的形式持續(xù)減少。

根據(jù)模擬試驗，在Det3～Det4所在的位置，S-D距離約為3.00 cm，探測器收集到的光學信號可以較好地反映組織內(nèi)部信息；然而，當3.00 cm≤S-D距離≤6.00 cm時，即光子數(shù)較少的位置，探測器接收到的光學信號較弱，此時收集到的光子數(shù)不足以反映組織的內(nèi)部消息，表明此時S-D之間的距離相對較遠，不是理想的探測距離；當探測器放置在與光源相距更遠的位置，即S-D距離≥6.00 cm時，探測器探測到的出射光子數(shù)幾乎為0，出射光子無法有效反映組織內(nèi)部的信息，不適合排布探測器檢測。因此，本文將Det3～Det4所在的位置作為皮下組織最遠的探測位置，即S-D距離約為3.00 cm。

2.2 不同探測器排布方式模擬結(jié)果分析

2.2.1 單光源-多探測器單側(cè)排布

1S-4D 的排布如圖7所示，黃色為光源（S），共1個；綠色為探測器（D），共4個，D1～D4分別為不同半徑處的探測器。光源發(fā)出的光子可以被任何一個探測器檢測到，因此，在這種情況下共有4個S-D組合可用，但這種組合只能對單側(cè)區(qū)域進行探測，不能同時對雙側(cè)進行檢測。在仿真過程中，為確保不會出現(xiàn)光源無法與體素化組織表面貼合而終止運行的錯誤，將光源和探測器近似地視為位于組織表面。光源S1的坐標為（0.40，0，4.00），探測器的坐標從左到右依次為D1（1.90，0，4.00）、D2（2.30，0，4.00）、D3（2.70，0，4.00）、D4（3.10，0，4.00）。

圖8顯示了1S-4D陣列排布下，不同距離處探測器D1～D4檢測到的出射光子數(shù)。隨著檢測距離的增加，出射光子的數(shù)量大幅度減少。

2.2.2 單光源-多探測器同心圓陣列式排布

1S-64D的位置如圖9所示，黃色為光源（S），共1個；綠色為探測器（D），共64個，每1圈排布16個，D1～D16，共4圈。光源發(fā)出的光子可以被周圍任何一個探測器捕捉到，因此，在這種情況下，共有64個S-D組合可供選擇。該單光源-多探測器以光源為圓心，探測器呈同心圓陣列式排布，該排布半徑分別為r1=1.50 cm、r2=1.90 cm、r3=2.30 cm、r4=2.70 cm。

圖10顯示了1S-64D陣列排布下，不同距離處探測器檢測到的出射光子數(shù)。D1～D16分別為同一半徑下的探測器，隨著距離光源半徑的增加，出射光子數(shù)量顯著減少，而在同一半徑處檢測到的光子數(shù)略有偏差。這種排布方式可以直接對光源周圍360°范圍內(nèi)的組織進行檢測，但需要較多的探測器來接收漫射光子。

2.2.3 多光源-多探測器混合排布

4S-21D 的分布如圖11a所示，黃色為光源（S），共4個；綠色為探測器（D），共21個，每個光源發(fā)出的光子可以被任何一個探測器檢測到。當僅有單個光源工作時，其周圍8個探測器（D1～D8）會按順序依次進行信號采集，形成一個1S-8D的分布模式。在單個光源采集過程中，該光源會與周圍光源的探測器共享，如光源S1右邊的D3～D5，3個探測器同時作為光源S2的D1、D7和D8探測器；S1下邊的D5～D7，3個探測器同時作為光源S4的D1～D3探測器，每組光源周圍的探測器都會有5個與其他組共用。4個光源可形成4個1S-8D分布，總共形成32個非重疊的探測區(qū)域或通道。這意味著有84個不同的S-D組合可供使用。這種方式可以更大限度地滿足DCS/DCT技術(shù)對大量S-D陣列進行數(shù)據(jù)采集的需求，這對于準確地獲取組織血流或血氧信息并進一步獲取清晰的組織成像具有十分重要的意義。

依據(jù)前文確定的最遠有效探測距離，設(shè)定每個光源與周圍 8個探測器以2.00 cm和2.83 cm交叉方式排布。如圖11所示，2個半徑不等的小圓分別代表上述2種距離。4個光源可形成4組，覆蓋更大的面積。圖11b為S1和S2所在截面圖；圖11c為斜對角線S1和S3所在截面圖。這個陣列可以容納最多84個S-D組合（即4×21對），且能夠?qū)崿F(xiàn)大約1.50 cm的光穿透深度，不僅節(jié)省了使用探測器的數(shù)量，而且擴大了探測區(qū)域，還能實現(xiàn)對組織同一深度信息的大面積檢測。

圖12顯示了4S-21D陣列排布下，不同光源周圍探測器檢測到的出射光子數(shù)。其中，D1～D8表示同一光源周圍的探測器。

圖13顯示了4S-21D陣列排布下的出射光子的平面分布。從整體來看，與前兩種排布方式相比，這種排布下探測器上的出射光子分布更加均勻，并且只需要相對較少的探測器就能實現(xiàn)有效的檢測，大大減少了探測器使用的數(shù)量。

通過比較分析可得：1）探測面積。單光源-多探測器單側(cè)排布適用于對小面積組織范圍的檢測。如需測量更大的組織面積，可以通過旋轉(zhuǎn)和平移探頭實現(xiàn)；而單光源-多探測器陣列式排布和多光源-多探測器適用于直接檢測較大面積的組織。2）光子分布均勻性。單光源-多探測器排布方式收集到的漫射光子均勻性較差，而多光源-多探測器排布方式收集到的光子更加均勻。3）探測器數(shù)量。單光源-多探測器陣列式排布需要更多的探測器來覆蓋整個組織區(qū)域，而多光源-多探測器混合式排布可以通過共享探測器，在使用較少的探測器情況下實現(xiàn)了對更大范圍的覆蓋。

3 討論

本研究使用MC仿真軟件對近紅外光在人體皮下組織中的傳輸過程進行了模擬。首先，將光源和探測器均勻地分布在被測組織的表面，通過改變組織模型垂直方向的厚度，將建立好的脂肪-肌肉組織光學模型分五種情況進行了多次模擬試驗。隨后，對不同情況下組織傳輸后逸出光子信息進行了分析，重點關(guān)注了出射光子數(shù)量的分布和權(quán)重的變化。模擬結(jié)果表明， Det3～Det4所在位置（約3.00 cm）或更近的位置，探測器采集到的光學信號可以有效反映組織內(nèi)部的信息，這為研究光源和探測器的最大可排布距離提供了參考。

根據(jù)研究結(jié)果，本文設(shè)計了三種不同的探測器排布方式，對比可知：單光源-多探測器排布在收集近紅外漫反射光方面存在明顯的不足之處，主要體現(xiàn)為光子均勻性差和探測器數(shù)量較多。多光源-多探測器混合排布設(shè)計，不僅可以更有效地收集組織中的漫反射光，提供更均勻的光子分布，而且相較于單光源-多探測器，該設(shè)計可以更大限度地利用探測器的數(shù)量，實現(xiàn)對組織某一深度更大面積的檢測，更具靈活性，為近紅外漫射相關(guān)光譜和斷層成像技術(shù)設(shè)計合適的探測器排布方式提供了一些思路。

參考文獻（References）：

［1］ SHANG Y， LI T， YU G. Clinical applications of near-infrared diffuse correlation spectroscopy and tomography for tissue blood flow monitoring and imaging［J］. Physiological Measurement， 2017， 38（4）： R1-R26.

［2］ COCHRAN J M， CHUNG S H， LEPROUX A， et al. Longitudinal optical monitoring of blood flow in breast tumors during neoadjuvant chemotherapy［J］. Physics in Medicine amp; Biology， 2017， 62（12）： 4637-4653.

［3］ 張曉娟， 徐金榮， 桂志國， 等. 結(jié)合Tikhonov正則化方法的近紅外漫射光血流成像技術(shù)［J］.中國醫(yī)療設(shè)備， 2018， 33（12）： 26-30.

ZHANG Xiaojuan， XU Jinrong， GUI Zhiguo， et al. Near-infrared diffuse optical blood flow imaging combined with Tikhonov regularization method［J］. China Medical Devices， 2018， 33（12）： 26-30.

［4］ ZUO J， ZHANG X， LU J， et al. Impact of reconstruction algorithms on diffuse correlation tomography blood flow imaging ［J］. IEEE Access， 2020， 8： 31882-31891.

［5］ 李哲， 馮金超， 賈克斌. 擴散相關(guān)光譜組織血流檢測及其臨床應(yīng)用［J］. 激光與光電子學進展， 2022， 59（6）： 111-124.

LI Zhe， FENG Jinchao， JIA Kebin. Diffusion correlation spectroscopy for tissue blood flow detection and its clinical applications［J］. Advances in Laser and Optoelectronics， 2022， 59（6）： 111-124.

［6］ 郝麗芳， 邸文奇， 高國雅， 等. 基于近紅外漫射光技術(shù)的腦血流斷層成像研究［J］. 中國醫(yī)療設(shè)備， 2023， 38（3）： 33-38.

HAO Lifang， DI Wenqi， GAO Guoya， et al. Cerebral blood flow tomography based on near-infrared diffuse light technology［J］. China Medical Devices， 2023， 38（3）： 33-38.

［7］ BARTLETT M F， JORDAN S M， HUEBER D M， et al. Impact of changes in tissue optical properties on near-infrared diffuse correlation spectroscopy measures of skeletal muscle bloodflow［J］. Journal of Applied Physiology， 2021， 130（4）： 1183-1195.

［8］ 鞏曉瑞， 馬銳. 腫瘤標志物的臨床意義及研究進展［J］. 醫(yī)學與哲學 （B）， 2018， 39（12）： 48-52.

GONG Xiaorui， MA Rui. Clinical significance and research progress of tumor markers［J］. Medicine and Philosophy （B）， 2018， 39（12）： 48-52.

［9］ 李江濤， 胡文雁， 趙龍蓮， 等. 頻域近紅外光學成像法的蘋果內(nèi)部病變檢測精度［J］. 光譜學與光譜分析， 2019， 39（9）： 2836-2841.

LI Jiangtao， HU Wenyan， ZHAO Longlian， et al. Accuracy of internal lesion detection in apples by frequency-domain near-infrared optical imaging［J］. Spectroscopy and Spectral Analysis， 2019， 39（9）： 2836-2841.

［10］ BUDIDHA K， CHATTERJEE S， QASSEM M， et al. Monte Carlo characterization of short-wave infrared optical wavelengths for biosensing applications ［C］//2021 43rd Annual International Conference of the IEEE Engineering in Medicine amp; Biology Society （EMBC）. IEEE， 2021： 4285-4288.

［11］ 范鑫燕， 羅海軍， 李妍妍， 等. 基于蒙特卡羅法硬膜血腫厚度計算的數(shù)值仿真研究［J］. 電子學報， 2022， 50（8）： 1985-1991.

FAN Xinyan， LUO Haijun， LI Yanyan， et al. Numerical simulation study of dural hematoma thickness calculation based on Monte Carlo method［J］. Journal of Electronics， 2022， 50（8）： 1985-1991.

［12］ 馮士杰， 桂志國， 張曉娟， 等. 基于3D打印技術(shù)的血流成像光纖探頭設(shè)計［J］. 中國醫(yī)療設(shè)備， 2022， 37（2）： 24-28.

FENG Shijie， GUI Zhiguo， ZHANG Xiaojuan， et al. Design of a fiber optic probe for blood flow imaging based on 3D printing technology［J］. China Medical Devices， 2022， 37（2）： 24-28.

［13］ 楊明， 孫全昌， 候華毅. 基于 Monte-Carlo 模擬的光纖探頭的設(shè)計以及探頭在皮膚 NADH 熒光光譜測量中的應(yīng)用［J］. 激光與光電子學進展， 2021， 58（22）： 433-440.

YANG Ming， SUN Quanchang， HOU Huayi. Design of a fiber optic probe based on Monte-Carlo simulation and application of the probe in skin NADH fluorescence spectroscopy［J］. Laser amp; Optoelectronics Progress， 2021， 58（22）： 433-440.

［14］ MONGA D， SONI S， SATSANGI P. Role of optical properties on photon distribution in a biological tissue using Monte Carlo method［J］. 2017， 76（3）： 154-159.

［15］ AL-HALAWANI R， CHATTERJEE S， KYRIACOU PANAYIOTIS A. Monte Carlo simulation of the effect of Human skin melanin in light-tissue interactions［C］//2022 44th Annual International Conference of the IEEE Engineering in Medicine amp; Biology Society （EMBC）. IEEE， 2022： 1598-1601.

［16］ HAYAKAWA C K， MALENFANT L， RANASINGHESAGARA J， et al. MCCL： an open-source software application for Monte Carlo simulations of radiative transport［J］. Journal of Biomedical Optics， 2022， 27（8）： 1-19.

［17］ WANG Y， BU Y， WANG X. Modeling and Monte Carlo simulation on light transmission， absorption， and photoelectric conversion in core-shell nanoparticles for photocatalysis［J］. Physica B： Condensed Matter， 2023， 666： 415123.1-415123.15.

［18］ XU S， YUE P， XU D L. Joint scattering and reflection impulse response modeling for non-line-of-sight underwater wireless optical links［C］//2023 International Conference on Ubiquitous Communication （Ucom）. IEEE， 2023： 243-247.

［19］ 孫丹妮， 朱啟兵， 黃敏. 利用改進蒙特卡羅模擬和光密度算法評估線掃描成像系統(tǒng)對組織內(nèi)部缺陷的檢測能力［J］. 激光與光電子學進展， 2023， 60（12）： 342-349.

SUN Danni， ZHU Qibing， HUANG Min. Evaluation of line-scan imaging system for detecting defects inside tissues using improved Monte Carlo simulation and optical density algorithm［J］. Laser amp; Optoelectronics Progress， 2023， 60（12）： 342-349.

［20］ 李婷. 光在三維結(jié)構(gòu)組織中傳輸?shù)腗C模擬及腦功能成像研究［D］. 武漢： 華中科技大學， 2010.

LI Ting. MC simulation of light transmission in three-dimensional structured tissues and functional brain imaging ［D］. Wuhan： Huazhong University of Science and Technology， 2010.

［21］ GUO J， MENG S， SU H， et al. Non-invasive optical monitoring of human lungs： Monte Carlo modeling of photon migration in visible Chinese human and an experimental test on a human［J］. Biomedical Optics Express， 2022， 13（12）： 6389-6403.

［22］ FINLAYSON L， BARNARD I R M， MCMILLAN L， et al. Depth penetration of light into skin as a function of wavelength from 200 to 1 000 nm［J］. Photochemistry and Photobiology， 2022， 98（4）： 974-981.

［23］ CHAN M H， HUANG W T， CHEN K C， et al. The optical research progress of nanophosphors composed of transition elements in the fourth period of near-infrared windows I and II for deep-tissue theranostics［J］. Nanoscale， 2022， 14（19）： 7123-7136.

［24］ 魏夢林， 嚴榮國， 梅竹松， 等. 基于近紅外光譜技術(shù)的腦血氧監(jiān)測裝置研究［J］. 軟件導刊， 2023， 22（9）： 96-102.

WEI Menglin， YAN Rongguo， MEI Zhusong， et al. Research on cerebral oximetry monitoring device based on near infrared spectroscopy［J］. Software Guide， 2023， 22（9）： 96-102.

［25］ 張曉娟. 基于N階線性算法的漫射相關(guān)血流成像技術(shù)的研究［D］. 太原： 中北大學， 2021.

ZHANG Xiaojuan. Research on diffuse correlation blood flow imaging technique based on N-order linear algorithm ［D］. Taiyuan： North University of China， 2021.

［26］ 劉慶珍. 近紅外光譜法無創(chuàng)測量人體血紅蛋白濃度的研究［D］. 天津： 天津大學， 2005.

LIU Qingzhen. Study on non-invasive measurement of human hemoglobin concentration by near infrared spectroscopy ［D］. Tianjin： Tianjin University， 2005.

［27］ 金鎏. 基于蒙特卡洛仿真的人體脂肪厚度測量關(guān)鍵技術(shù)的研究［D］. 北京： 北京工業(yè)大學， 2017.

JIN Liu. Research on key technology of human fat thickness measurement based on Monte Carlo simulation［D］. Beijing： Beijing University of Technology， 2017.

［28］ NIWAYAMA M， UNNO N. Tissue oximeter with selectable measurement depth using spatially resolved near-infrared spectroscopy［J］. Sensors， 2021， 21（16）： 5573-5583.

［29］ GUO J J， DUAN X J， ZHAO X Z， et al. Monte Carlo simulation of light propagation in breast tissue［C］//2022 12th International Conference on Information Technology in Medicine and Education （ITME）. IEEE， 2022： 219-222.

［30］ YAN S， TRAN A P， FANG Q. Dual-grid mesh-based Monte Carlo algorithm for efficient photon transport simulations in complex three-dimensional media ［J］. Journal of Biomedical Optics， 2019， 24（2）： 1-4.