朱 東，姜萍萍，顏國(guó)正，王志武，韓 玎 趙 凱，華芳芳，姚盛健，丁紫凡，周澤潤(rùn)

(上海交通大學(xué) 電子信息與電氣工程學(xué)院， 上海 200240)

肛門失禁是指人體失去主動(dòng)控制糞便排泄的能力，是臨床上一種較為常見(jiàn)的可能由直腸癌、傷害、事故或先天性遺傳引起的非致命性病癥.目前針對(duì)肛門失禁的手術(shù)治療法主要有括約肌修補(bǔ)術(shù)[1-2]、括約肌重建術(shù)[3]、結(jié)腸造口[4]和骶神經(jīng)刺激[5]等.但由于手術(shù)治療過(guò)程復(fù)雜，手術(shù)難度大，并發(fā)癥發(fā)病率高，且手術(shù)后易復(fù)發(fā).針對(duì)以上缺點(diǎn)，近年來(lái)，人工肛門括約肌成為學(xué)者們的研究熱點(diǎn)，它的出現(xiàn)為治療肛門失禁提供了一種全新的思路.

排便控制是涉及結(jié)腸輸送功能、直腸容量及順應(yīng)性、肛門直腸感覺(jué)功能、肛門括約肌、盆底肌與神經(jīng)功能等多機(jī)制相互作用的復(fù)雜生理功能.肛門失禁的病因也存在直腸容量及順應(yīng)性下降、直腸感覺(jué)功能不全、肛門括約肌功能失常及神經(jīng)支配障礙等多種[6].國(guó)內(nèi)外曾提出的一些人工肛門括約肌系統(tǒng)(AAS)有磁性肛門括約肌增強(qiáng)術(shù)(MAS)[7]、水泵式人造腸道括約肌(ABS)[8]以及基于NiTi合金的形狀記憶合金式人工肛門括約肌系統(tǒng)(AS-SMA)[9]等，雖然在臨床實(shí)驗(yàn)取得不錯(cuò)成果，但是存在著AAS裝置的環(huán)形機(jī)構(gòu)擠壓腸道時(shí)貼合位置易產(chǎn)生高壓區(qū)造成腸道供血不足甚至腸道壞死、缺少便意感知功能，以及由于系統(tǒng)設(shè)計(jì)缺陷或材料限制導(dǎo)致的排泄物遺漏、控便不完全等諸多弊病[10].德國(guó)弗萊堡大學(xué)H.Shrag提出的智能人工肛門括約肌系統(tǒng)(GASS)[11]雖然集成有遠(yuǎn)程數(shù)據(jù)傳輸系統(tǒng)，但直腸壓力信號(hào)的重建能力以及數(shù)據(jù)分析預(yù)測(cè)能力仍不足.

肛門直腸感知能力對(duì)于排便控制過(guò)程有著重要的意義，人工肛門括約肌系統(tǒng)具有穩(wěn)定的直腸感知能力重建模塊，對(duì)于幫助患者實(shí)現(xiàn)自主控便并在體內(nèi)長(zhǎng)期正常工作起到至關(guān)重要的作用.本人所在的研究團(tuán)隊(duì)提出的上一代人工肛門括約肌系統(tǒng)假體結(jié)構(gòu)由上下兩個(gè)固定環(huán)臂、中間1個(gè)活動(dòng)擺臂、微電機(jī)控制模塊及5個(gè)壓力傳感器組成[12].然而傳感器的分布位置是由體外搭建的理想假體夾持模型中歸納得出，且根據(jù)相關(guān)醫(yī)學(xué)文獻(xiàn)設(shè)置壓力閾值實(shí)現(xiàn)排便控制的閾值法[13-14]，方式單一，準(zhǔn)確性差，很難保證假體在體內(nèi)實(shí)際工作中有效地實(shí)現(xiàn)排便控制功能.

針對(duì)以上問(wèn)題，本文開(kāi)發(fā)了一種新的人工肛門括約肌系統(tǒng)，將上下環(huán)臂改為活動(dòng)式結(jié)構(gòu)，與活動(dòng)中臂一起夾住直腸，在擺臂上安裝有10個(gè)不同位置的壓力傳感器.同時(shí)，在假體主控模塊內(nèi)部增加了數(shù)據(jù)無(wú)線傳輸模塊，因此可以分析直腸各種不同狀態(tài)下壓力數(shù)據(jù)的實(shí)時(shí)變化與不同排泄?fàn)顟B(tài)的關(guān)系，從而建立更為可靠的直腸感知重建模型，幫助患者得知腸道內(nèi)容物狀態(tài)，對(duì)人工肛門括約肌系統(tǒng)進(jìn)行合適時(shí)機(jī)的排泄控制.結(jié)合硬件上對(duì)數(shù)據(jù)采集的優(yōu)化以及基于主元分析和支持向量機(jī)(PCA-SVM)數(shù)據(jù)分析方法，對(duì)建立便意感知重建系統(tǒng)進(jìn)行研究.

1 人體便意感知機(jī)制分析

醫(yī)學(xué)研究表明，人體便意的產(chǎn)生是一個(gè)由直腸外圍所分布的壓力感受器與神經(jīng)組織和大腦形成的反饋回路，而大量壓力感受器集中于直腸壺腹下方所在的盆底組織以及恥骨直腸肌內(nèi)，當(dāng)直腸壺腹內(nèi)存積糞便量達(dá)到一定值，便引發(fā)排便反射[15].因此人體便意信號(hào)的形成取決于靠近直腸壺腹下方的大量壓力感受器是否在該段直腸內(nèi)糞便產(chǎn)生的綜合壓力刺激下形成生物便意信號(hào)，排便反射的形成關(guān)鍵也在于綜合分析這些不同位置和方向的壓力信號(hào)并判斷生物便意信號(hào)的產(chǎn)生時(shí)機(jī).

2 基于PCA-SVM的便意感知

2.1 便意感知重建模型原理

目前，對(duì)于便意感知模型的探索均缺少對(duì)腸道不同分布點(diǎn)壓力的綜合分析，從腸道單一位置檢測(cè)所得的壓力信號(hào)受腹腔內(nèi)多種因素的影響，此方法判斷便意是否產(chǎn)生可信度低，容錯(cuò)性差.因此，本文對(duì)原機(jī)構(gòu)優(yōu)化，在假體與腸道的接觸面上選取10個(gè)不同位置的壓力檢測(cè)點(diǎn)，并進(jìn)行自動(dòng)秒級(jí)周期采集壓力傳感器數(shù)據(jù)并無(wú)線傳輸存儲(chǔ)至體外設(shè)備.大幅度還原直腸表面壓力在體內(nèi)時(shí)間和空間上的分布信息，并針對(duì)數(shù)據(jù)特性選擇合適的算法組合進(jìn)行便意狀態(tài)分類，從而建立起一個(gè)效果理想的便意感知重建模型.實(shí)驗(yàn)中對(duì)實(shí)驗(yàn)豬植入優(yōu)化后的新AAS裝置并驗(yàn)證此便意感知重建模型具有良好的識(shí)別效果.

2.2 基于主元分析(PCA)的壓力信號(hào)特征提取

主元分析(PCA)是一種將數(shù)據(jù)降維的方法，旨在找出幾個(gè)綜合指標(biāo)來(lái)代表原來(lái)眾多特征，使這些綜合指標(biāo)盡可能地反映原來(lái)變量的信息，且彼此之間互不相關(guān)，從而簡(jiǎn)化指標(biāo)因量.數(shù)據(jù)冗余可能會(huì)導(dǎo)致數(shù)據(jù)過(guò)擬合，為了降低對(duì)預(yù)測(cè)精度的影響，本文使用PCA算法分析動(dòng)物實(shí)驗(yàn)中所采集的各壓力指標(biāo)數(shù)據(jù)來(lái)精簡(jiǎn)壓力指標(biāo)因量.

2.3 基于支持向量機(jī)的便意分類預(yù)測(cè)

支持向量機(jī)(SVM)是一種適合處理二分類問(wèn)題的模型，其原理是尋找一個(gè)超平面對(duì)樣本進(jìn)行分割，按照間隔最大化原則進(jìn)行分割，最終轉(zhuǎn)化為一個(gè)凸二次規(guī)劃問(wèn)題進(jìn)行求解，近年來(lái)在工程領(lǐng)域的廣泛成功應(yīng)用證明它是一種泛化能力很強(qiáng)的優(yōu)秀分類工具，且在處理小樣本非線性數(shù)據(jù)的二分類問(wèn)題上有著良好的表現(xiàn).本文采用PCA算法與SVM結(jié)合的方法，提出一種便意感知重建模型并以兩頭不同實(shí)驗(yàn)豬體內(nèi)所采集的數(shù)據(jù)進(jìn)行驗(yàn)證.

非線性SVM算法是通過(guò)非線性變換把輸入空間中的非線性分類問(wèn)題轉(zhuǎn)化為某個(gè)n維特征空間中的線性分類問(wèn)題，在高維特征空間學(xué)習(xí)線性支持向量機(jī).其算法如下：

輸入訓(xùn)練數(shù)據(jù)集T={(x1,y1),(x2,y2),…,(xN,yN)}，其中xi∈n(n維向量空間)，yi∈{+1,-1},i=1,2,…,N，xi為同時(shí)刻不同壓力指標(biāo)數(shù)據(jù)組成的第i個(gè)多維特征向量，xi組成輸入空間Ω，yi為類標(biāo)記，yi=1時(shí)為有便意類，yi= -1 時(shí)為無(wú)便意類.

輸出分離超平面和分類決策函數(shù)：

(1) 選取適當(dāng)?shù)暮撕瘮?shù)K(x,z) 和懲罰參數(shù)C,C>0，其中x,z為輸入空間Ω中任意向量，構(gòu)造并求解凸二次規(guī)劃問(wèn)題:

(1)

j=1,2,…,N

(2)

式中：ai為拉格朗日乘子，且0≤ai≤C.得到最優(yōu)解：

(3)

(4)

(3) 得到分類決策函數(shù)：

(5)

針對(duì)本實(shí)驗(yàn)中樣本維度低數(shù)量小的特點(diǎn)，本文選用高斯核函數(shù)作為分類器核函數(shù)：

(6)

此時(shí)分類決策函數(shù)：

f(x)=

(7)

式中σ為帶寬.為免造成SVM過(guò)學(xué)習(xí)通過(guò)交叉驗(yàn)證并優(yōu)先選擇懲罰因子C較小的一組作為最優(yōu)參數(shù)構(gòu)造基于PCA-SVM的便意感知重建模型.

3 直腸原始?jí)毫?shù)據(jù)采集

3.1 假體內(nèi)置傳感器結(jié)構(gòu)設(shè)計(jì)

如圖1所示，假體擺臂結(jié)構(gòu)設(shè)計(jì)為3條只可向一側(cè)彎曲的機(jī)械擺臂封閉組裝而成的鉗式結(jié)構(gòu)，植入后套在直腸上，擺臂只可進(jìn)行兩種運(yùn)動(dòng)方式，其中上下擺臂向直腸外側(cè)運(yùn)動(dòng)，中間擺臂向另一側(cè)運(yùn)動(dòng)，到達(dá)極限位置時(shí)假體完全打開(kāi)，直腸處于完全松弛狀態(tài).上下擺臂與中間擺臂同時(shí)向直腸收縮運(yùn)動(dòng)，到達(dá)極限位置時(shí)假體完全關(guān)閉，直腸處于完全夾緊狀態(tài).

該AAS裝置假體擺臂上均內(nèi)嵌柔性壓力傳感器，其中在上中擺臂軸向和徑向各分布4個(gè)，下擺臂徑向分布2個(gè)，在靠近肛口的直腸段上10個(gè)不同位置分別采集壓力信號(hào)，較為均勻地從不同位置重構(gòu)了腸道壓力模型，不同位置壓力傳感器及其對(duì)應(yīng)編號(hào)如圖2所示.其中上臂軸向1、2號(hào)兩個(gè)傳感器對(duì)應(yīng)壓力指標(biāo)Pre1和Pre2；上臂徑向3、4號(hào)兩個(gè)傳感器對(duì)應(yīng)壓力指標(biāo)Pre3和Pre4；中臂徑向5、6號(hào)兩個(gè)傳感器對(duì)應(yīng)壓力指標(biāo)Pre5和Pre6；中臂軸向7、8號(hào)兩個(gè)傳感器對(duì)應(yīng)壓力指標(biāo)Pre7和Pre8；下臂徑向9、10號(hào)兩個(gè)傳感器對(duì)應(yīng)壓力指標(biāo)Pre9和Pre10.

在體外使用豬大腸模擬新一代人工肛門括約肌系統(tǒng)與直腸的接觸受力情況，假體在體內(nèi)處于夾持狀態(tài)，豬大腸在無(wú)內(nèi)容物和充盈內(nèi)容物時(shí)兩種狀態(tài)下假體與腸道的接觸受力情況如圖3所示.新一代AAS系統(tǒng)在靠近假體夾持處的直腸段可采集到不同狀態(tài)下10個(gè)壓力傳感器反饋的壓力數(shù)據(jù)，圖3(a)中標(biāo)明了在該直腸段所監(jiān)測(cè)的10個(gè)不同壓力矢量的位置與方向，各壓力矢量數(shù)值對(duì)應(yīng)其壓力指標(biāo)Pre1～Pre10.

3.2 數(shù)據(jù)采集存儲(chǔ)模塊原理

數(shù)據(jù)采集存儲(chǔ)原理圖如圖4所示，腸道壓力經(jīng)傳感器模塊轉(zhuǎn)化為壓力信號(hào)，傳感器模塊由壓力傳感器裸片、硅凝膠以及硅膠膜封裝的柔性壓力傳感器和信號(hào)放大電路組成，壓力信號(hào)通過(guò)假體主控模塊轉(zhuǎn)換為壓力數(shù)據(jù)置入緩存區(qū)，通過(guò)兩種不同方式在體外控制器記錄所采集壓力數(shù)據(jù)：

(1) 主控程序設(shè)置每8.5 s對(duì)全部傳感器進(jìn)行一次毫米級(jí)的壓力數(shù)據(jù)采集， 并將每4次采集后緩存區(qū)的壓力數(shù)據(jù)打包為合并數(shù)據(jù)包，發(fā)送至體外控制器的數(shù)據(jù)存儲(chǔ)模塊；

(2) 體外控制器發(fā)送實(shí)時(shí)讀取指令，假體主控模塊實(shí)時(shí)采集當(dāng)前時(shí)刻腸道壓力數(shù)據(jù)，返回體外控制器并由液晶屏實(shí)時(shí)顯示.

3.3 植入實(shí)驗(yàn)及數(shù)據(jù)提取

實(shí)驗(yàn)豬采用巴馬小香豬，實(shí)驗(yàn)開(kāi)始前每天喂食飼料兩次，一次250 g，查閱資料得知豬正常生理狀況下每天排便約4次，統(tǒng)計(jì)每天排便總量約280 g.動(dòng)物試驗(yàn)中打斷實(shí)驗(yàn)豬的肛門括約肌使其失去主動(dòng)排泄能力，但神經(jīng)組織仍能感受并發(fā)送便意信號(hào)[16]，新一代AAS裝置植入手術(shù)及肛門括約肌打斷手術(shù)如圖5所示.

實(shí)驗(yàn)過(guò)程中按同標(biāo)準(zhǔn)對(duì)實(shí)驗(yàn)豬喂食飼料并進(jìn)行24 h視頻監(jiān)控，觀察到實(shí)驗(yàn)豬產(chǎn)生便意后有主動(dòng)去往生活場(chǎng)地的某固定排泄場(chǎng)所進(jìn)行排便動(dòng)作的行為，觀察到的豬正常狀態(tài)與產(chǎn)生排便意識(shí)狀態(tài)如圖6所示.

每天打開(kāi)一次實(shí)驗(yàn)豬體內(nèi)的AAS裝置，對(duì)照正常狀態(tài)的排便量待豬將腸內(nèi)糞便排空，再關(guān)上AAS裝置，使實(shí)驗(yàn)豬腸道處于控便狀態(tài).同時(shí)考慮到豬從排空直腸糞便到第一次產(chǎn)生排便意識(shí)后，若未及時(shí)進(jìn)行排便則可能會(huì)因?yàn)槟c道排泄物的不斷累積反復(fù)產(chǎn)生排便意識(shí)，此時(shí)壓力信號(hào)對(duì)于判斷便意是否產(chǎn)生失去了意義，因此通過(guò)視頻回放尋找實(shí)驗(yàn)豬每天在腸內(nèi)糞便排空后第一次去往生活場(chǎng)地的固定角落進(jìn)行排便動(dòng)作時(shí)刻所對(duì)應(yīng)的壓力信號(hào)數(shù)據(jù)作為有便意標(biāo)簽向量.由于動(dòng)物實(shí)驗(yàn)過(guò)程中不可避免出現(xiàn)動(dòng)物的運(yùn)動(dòng)及姿態(tài)對(duì)壓力傳感器的作用影響，無(wú)線通信模塊的通信信號(hào)強(qiáng)弱以及一些實(shí)驗(yàn)操作中需要間斷性地關(guān)閉數(shù)據(jù)流的采集等因素，測(cè)得的壓力數(shù)據(jù)中包含有明顯的異常值，缺失值等，對(duì)該類數(shù)據(jù)進(jìn)行去除和標(biāo)簽調(diào)整等數(shù)據(jù)清洗操作后.并在每天排空直腸到第一次產(chǎn)生排便意識(shí)期間隨機(jī)選取4組壓力數(shù)據(jù)作為無(wú)便意標(biāo)簽向量.在20天動(dòng)物實(shí)驗(yàn)中共選取80組無(wú)便意標(biāo)簽向量和20組有便意標(biāo)簽向量組成5維有效壓力指標(biāo)向量.

4 便意感知重建

4.1 基于前饋神經(jīng)網(wǎng)絡(luò)的便意預(yù)測(cè)

使用基于前饋神經(jīng)網(wǎng)絡(luò)的分類識(shí)別算法進(jìn)行便意感知預(yù)測(cè)，對(duì)每個(gè)作為壓力指標(biāo)信號(hào)的傳感器所采集到并在樣本中對(duì)應(yīng)的直腸壓力信號(hào)分別獨(dú)立進(jìn)行試驗(yàn)，對(duì)10個(gè)壓力參數(shù)各選擇90組數(shù)據(jù)，其中各隨機(jī)選擇53組作為訓(xùn)練數(shù)據(jù)，37組作為測(cè)試樣本，10組作為驗(yàn)證數(shù)據(jù).設(shè)置30個(gè)神經(jīng)元數(shù)目，對(duì)感知重建模型的輸入信號(hào)進(jìn)行分類識(shí)別，當(dāng)首次識(shí)別到便意標(biāo)簽對(duì)應(yīng)的壓力信號(hào)值后，認(rèn)為大于該壓力信號(hào)所對(duì)應(yīng)時(shí)刻均處于需要排便狀態(tài).各組前饋神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的訓(xùn)練和測(cè)試準(zhǔn)確率如表1所示.可以看出前饋神經(jīng)網(wǎng)絡(luò)最優(yōu)指標(biāo)的預(yù)測(cè)準(zhǔn)確率為83.78%.

表1 基于前饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測(cè)試樣本分類預(yù)測(cè)準(zhǔn)確率

4.2 基于PCA-SVM的便意預(yù)測(cè)

再使用基于PCA-SVM的便意感知重建模型對(duì)前面提取的100組有效壓力指標(biāo)向量進(jìn)行分類識(shí)別，調(diào)用Python sklearn庫(kù)中的PCA包處理連續(xù)20天動(dòng)物實(shí)驗(yàn)中所采集的各傳感器對(duì)應(yīng)壓力指標(biāo)數(shù)據(jù)，繪制其結(jié)果如圖7所示.可以看出，前6個(gè)指標(biāo)貢獻(xiàn)率已經(jīng)超過(guò)85%，因此本文選擇前6個(gè)壓力指標(biāo)來(lái)優(yōu)化原始?jí)毫χ笜?biāo).

選取53組作為訓(xùn)練樣本，47組為測(cè)試樣本，選擇高斯核函數(shù)并經(jīng)交叉驗(yàn)證[17]選擇最優(yōu)的懲罰因子C=0.059 5 和核函數(shù)寬度σ=0.953 6，將訓(xùn)練樣本輸入模型后再輸入測(cè)試樣本，設(shè)置-1為無(wú)便意標(biāo)簽值，1為有便意標(biāo)簽值，檢測(cè)測(cè)試樣本中帶有便意標(biāo)簽的向量，進(jìn)行便意感知的預(yù)測(cè)，其測(cè)試樣本中實(shí)際分類和預(yù)測(cè)分類如圖8所示.其中預(yù)測(cè)分類集與實(shí)際分類集未重合的樣本處沒(méi)有對(duì)便意做出準(zhǔn)確預(yù)測(cè)，測(cè)得準(zhǔn)確預(yù)測(cè)樣本數(shù)為44組，可得基于PCA-SVM的便意感知重建模型預(yù)測(cè)準(zhǔn)確率為93.62%.

4.3 便意預(yù)測(cè)結(jié)果對(duì)比

前饋神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)準(zhǔn)確率最高為1號(hào)壓力指標(biāo)的83.78%，最低為10號(hào)壓力指標(biāo)的62.16%.與基于PCA-SVM的便意感知重建模型預(yù)測(cè)結(jié)果對(duì)比如表2所示.

表2 基于前饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測(cè)試樣本分類預(yù)測(cè)準(zhǔn)確率

結(jié)合表1，2可以看出，基于主元分析法所選出的優(yōu)化指標(biāo)通過(guò)PCA-SVM算法和前饋神經(jīng)網(wǎng)絡(luò)算法預(yù)測(cè)的準(zhǔn)確率均大于75%，證明選出的優(yōu)化指標(biāo)可以代表直腸壓力信號(hào)的主要特征.對(duì)比表2中基于PCA-SVM和前饋神經(jīng)網(wǎng)絡(luò)的便意感知模型的便意預(yù)測(cè)率可以看出，前者的準(zhǔn)確率為93.62%，明顯高于準(zhǔn)確率為83.78%～62.16%的后者，可明顯提高對(duì)便意預(yù)測(cè)的準(zhǔn)確度.可見(jiàn)，基于PCA-SVM建立的直腸便意感知重建模型是一種更優(yōu)秀的分類預(yù)測(cè)方法.實(shí)驗(yàn)結(jié)果表明，基于PCA-SVM的便意感知重建方法可提高人工肛門括約肌系統(tǒng)對(duì)排便時(shí)機(jī)的感知精確度，彌補(bǔ)了以往系統(tǒng)僅依靠閾值預(yù)測(cè)法所帶來(lái)的單一、容錯(cuò)性差等缺陷.

5 結(jié)語(yǔ)

為了滿足人工肛門括約肌系統(tǒng)在為肛門失禁患者臨床治療過(guò)程掌握精確排便時(shí)機(jī)的需求，分析現(xiàn)有重建患者直腸感知功能方法的弊端，通過(guò)在假體擺臂上設(shè)置不同位置的多壓力傳感器以獲得更為全面的直腸表面壓力原始信號(hào)，設(shè)計(jì)數(shù)據(jù)采集存儲(chǔ)模塊并加入體外控制電路以獲取在時(shí)間序列上直腸表面壓力指標(biāo)向量.通過(guò)PCA算法優(yōu)化指標(biāo)選擇，經(jīng)調(diào)參后的SVM算法進(jìn)行便意分類預(yù)測(cè)，對(duì)比基于前饋神經(jīng)網(wǎng)絡(luò)的分類預(yù)測(cè)方法，基于PCA-SVM的便意感知重建模型有更為精確的便意預(yù)測(cè)效果，可在下一步的研究中為新一代人工肛門括約肌設(shè)計(jì)更為完善易操作的便意感知重建模塊提供依據(jù).