低成本测定口罩过滤排出液滴的效能

在最近的新冠肺炎大流行期间，由于全球商业供应短缺而恶化，要求公开使用口罩，导致自制口罩和口罩替代品的广泛使用。据推测，佩戴这种口罩会降低感染者传播疾病的可能性，但这些口罩设计中的许多都没有在实践中进行测试。我们已经展示了一种简单的光学测量方法来评估口罩在正常说话过程中减少呼吸道液滴传播的有效性。在原则证明研究中，我们比较了各种常用的口罩类型，观察到一些口罩类型接近标准外科口罩的性能，而一些口罩替代品，如颈毛或头巾，提供的保护很少。我们的测量装置价格低廉，可由非专家构建和操作，允许快速评估口罩在讲话、打喷嚏或咳嗽期间的性能。

2020年初新冠肺炎在全球范围内的传播，在刺激人们对其功效研究的同时，也大幅提升了全球对口罩的需求。在这里，我们采用了一种最近展示的光学成像方法(1，2)，并强调了不同口罩和口罩替代方案在抑制常规说话过程中呼吸道液滴传播方面的明显差异。

一般而言，“口罩”一词适用于范围广泛的防护设备，其主要功能是减少颗粒或液滴的传播。现代医学中最常见的应用是为佩戴者(例如急救人员)提供保护，但外科口罩最初的引入是为了保护周围的人不受佩戴者的伤害，例如保护开放性伤口的患者免受来自外科团队的传染源的侵袭(3)，或者保护结核病患者周围的人不会通过空气传播的飞沫感染疾病(4)。后一种角色已经被多个政府和监管机构接受(5)，因为新冠肺炎患者可以无症状但有传染性很多天(6)。防止感染者戴上口罩的前提很简单：戴上口罩会减少含有病毒的呼吸道飞沫的传播。事实上，最近的研究表明，戴口罩在人口层面上减少了新冠肺炎的传播，从而使疫情曲线的增长变得迟钝(7，8)。尽管如此，口罩效力的确定仍然是一个活跃的研究领域(见例(9))，由于新冠肺炎的感染途径尚未完全了解，而且受到许多因素的复杂影响，如传播途径、口罩的正确安装和使用以及环境变量，因此变得更加复杂。从公共政策的角度来看，医用口罩和N95口罩的供应短缺，以及对其副作用和长期使用的不适感的担忧(10)，导致公众使用各种解决方案，这些解决方案通常限制较少(如自制棉花口罩或头巾)，但效果通常未知。虽然一些用于掩模制造的纺织品已经被表征(11)，但是需要考虑实际环境中实际掩模的性能。我们在此报告的工作描述了一种测量方法，该方法可用于改进评估，以便指导掩模选择和购买决策。

示意图和演示图像如图1所示。简而言之，操作员戴着面罩，在黑暗的封闭空间内对着扩展的激光束的方向说话。通过激光束传播的液滴会散射光，这是用手机相机记录下来的。一种简单的计算机算法被用来计算视频中的液滴。这些测量所需的硬件通常是可以买到的；合适的激光器和光学元件可以在数百个研究实验室获得，或者可以不到200美元的价格购买，标准的手机相机可以作为记录设备。该实验装置简单，非专家可以很容易地构建和操作。

下面我们将描述测量方法，并演示其掩模测试能力。在本申请中，我们不会尝试对所有可能的掩模设计进行全面调查，也不会对所有使用案例进行系统研究。我们只用一个扬声器在各种常用的掩模和掩模备选方案上演示了我们的方法，并用四个扬声器测试了这些掩模的子集。即使从这些有限的示范研究中，也可以通过对不同面罩及其对液滴的传输进行相对比较来提取重要的一般特征。

我们测试了14种常用的口罩或口罩替代品，一块口罩材料补丁，以及经过专业适配测试的N95口罩(详见图2和表1)。作为参考，我们记录了对照试验，其中

我们注意到，通过一些面具(特别是颈部羊毛)说话，似乎会将最大的液滴分散成大量较小的液滴(见补充图)。S5)，这解释了在这种情况下液滴计数相对于没有掩膜的明显增加。考虑到较小的颗粒比大的液滴在空气中停留的时间更长(较大的液滴下沉得更快)，使用这样的口罩可能会适得其反。此外，带阀门的N95面罩的性能可能会受到呼气阀的影响，因为呼气阀可以开启强劲的向外气流。虽然阀门不会影响对佩戴者的保护，但它会降低对佩戴者周围人员的保护。相比之下，贴合的、不带瓣膜的N95面罩的性能要好得多。

实验设置非常容易实现，并且所需的硬件和软件无处不在或很容易获得。然而，这种简单性确实伴随着这里讨论的一些限制，以及可能改进的路线和未来的研究。同样，我们要注意，此处执行的掩码测试(所有掩码使用一个扬声器，选定掩码使用四个扬声器)仅用作演示。例如，由于生理、面罩适配性、头部位置、语音模式等方面的不同，对象间的变化是可以预期的。

第一个限制是，我们的实验实现只对外壳的一小部分进行了采样，因此通过掩模传输的一些液滴可能不会记录在激光束中。类似地，通过将前额和下巴与盒子对齐来相对于扬声器孔定位扬声器的面部。每个扬声器的生理学不同，导致嘴巴相对于光片的位置不同。因此，液滴计数只反映了所有液滴的一部分，但当我们在所有掩模的初始条件相同的情况下执行实验时，可以比较这些掩模的相对性能。面部周围密封的扬声器孔将防止未被检测到的粒子逃逸，并便于不同扬声器之间的比较。

其次，手机摄像头的使用对探测灵敏度造成了一定的限制，即最小的可识别液滴大小。为了估计灵敏度，我们考虑了通过激光束的液滴散射的光。散射到相机方向的光量取决于光波长、水滴的折射率以及水滴的大小(和形状)。为了估计液滴进入相机的光散射作为其直径的函数，我们使用了Python软件包PyMieScatt(12)，这是Lorenz-Mie理论的一个实现(参见(13)以获得评论)。结果如图4所示。面板(A)显示了从直径为5μm的水滴散射的532nm光的散射分布的示例(n=1.33)。在这个例子中，颗粒大小基本上大于光的波长(所谓的米氏区域)。几乎所有的灯光都散射到向前方向(0°)，很少散射到摄影机的方向(由90°左右的带阴影的绿色圆锥体表示)。对于给定的相机接受角，我们在图4(B)中显示了每帧散布到手机相机孔径中的估计光子数作为粒子直径的函数。通过用已知功率的衰减激光束直接照射摄像机，我们确定了探测灵敏度。相机每帧至少需要大约75个光子(在单个相机像素上)或大约960个光子(分布在多个像素上)才能检测到液滴(有关检测特性的详细信息，请参阅补充材料)。这两个检测阈值都由图4(B)中的水平黑线和红色阴影区域表示。更保守的探测阈值对应于0.5μm的最小可探测液滴尺寸。主要限制是我们的小相机孔径的收集效率较低-我们目前仅捕获全立体角度的0.01%。在相机前面使用更大的中继镜头可以提高收集效率，但这将以缩小视场为代价。

第三，考虑到拍摄尽可能多的水滴所需的大视野，单一手机相机的使用也限制了可实现的大小分辨率(目前为120μm/像素)。这使得在我们的装置中直接测量小(气溶胶)液滴的尺寸是不可行的。然而，虽然我们不能测量像素分辨率或低于像素分辨率的液滴大小，但我们仍然可以检测和计数较小的液滴，直到上述灵敏度极限。对于非常大的粒子，相机有限的动态范围也对确定大小提出了挑战，因为像素很容易饱和，从而扭曲

对于每一次试验，摄像机记录了在讲话前(~10s)、在讲话期间(~10s)和清除液滴的一段时间(~20s)内激光束中粒子的散射光。演讲由五次重复的短语“保持健康，人们”组成，由一名男性测试者说出，声音很大，但没有喊叫。每个试验重复10次，演讲者在其间喝了一小口水，以避免脱水。此外，对于显示出大量检测到的颗粒(针织、棉花、羊毛和大手帕)的口罩，我们进行了额外的测试，方法是重复从灯泡中通过口罩吹出空气，而不是实验者的讲话。这些通过喷气进行的对照试验证实，我们记录到的是扬声器发出的水滴，而不是面罩上的灰尘。

分析的目的是通过估计总的传播液滴数量来比较不同口罩的功效。为此，我们需要识别视频中的水滴，并区分水滴和背景或噪音。为方便起见，视频的分析是使用“MATHEMICAL”(Wolfram Research)执行的，但使用商业软件包并不构成任何一般限制，因为几乎每种高级编程语言(例如，Python)都提供相同的功能。从所有视频中，我们去掉了来自光片本身以及实验者脸上的杂光和漫反射的微弱背景。然后，我们使用一个共同的阈值对所有帧进行二值化，该阈值区分来自液滴的散射光和背景信号和/或噪声。然后，对每一帧应用特征检测算法，该算法返回每个液滴的质心位置、最佳拟合椭圆的长轴和短轴长度。请注意，算法返回的长轴和短轴不是液滴大小的直接测量，而是粒子散射到相机光圈的光量(二进制直径)的测量。此外，由于相机曝光时间内的粒子运动，增加了主轴长度。由于相机的动态范围较小(8位)，大多数水滴会使相机饱和。但是，算法返回的轴长仍然可以使用。

.