譚 超 ，陳旖璇

（1.天津市過程檢測與控制重點實驗室；2.天津大學電氣自動化與信息工程學院，天津 300072）

人類健康與醫(yī)療是現(xiàn)代社會的基礎(chǔ)需求，隨著現(xiàn)代醫(yī)學的快速發(fā)展，新的診斷、治療與康復(fù)手段不斷涌現(xiàn)。傳統(tǒng)的醫(yī)療器械、設(shè)備與裝備，特別是隨著智能技術(shù)的快速發(fā)展，以人體測量信號分析為基礎(chǔ)的診斷與康復(fù)設(shè)備逐漸成為新的、快速增長的領(lǐng)域?，F(xiàn)代醫(yī)學與醫(yī)療技術(shù)是伴隨著新型儀器設(shè)備的發(fā)展而快速成長的，從診斷、治療到康復(fù)的過程中均離不開儀器設(shè)備的支撐。因此，醫(yī)療器械已經(jīng)成為國家重要的行業(yè)領(lǐng)域，也是經(jīng)濟增長與科技創(chuàng)新的重要引擎之一。醫(yī)工結(jié)合本身是一個自然交叉融合的領(lǐng)域，隨著人口老齡化與城鎮(zhèn)化比例的提高，以現(xiàn)代工程技術(shù)為核心的新型儀器設(shè)備與技術(shù)將成為支撐人類健康發(fā)展的重要基礎(chǔ)。目前，在健康領(lǐng)域廣泛出現(xiàn)了以工程技術(shù)為核心的技術(shù)，如3D打印人工器官、人工心臟、智能成像、康復(fù)設(shè)備、手術(shù)機器人等，其核心技術(shù)多為工程技術(shù)與醫(yī)學應(yīng)用的交叉領(lǐng)域。此外，一些基礎(chǔ)理工科知識也逐漸被應(yīng)用于醫(yī)學中，如將流體力學應(yīng)用于人體呼吸機設(shè)計中，提高對患者痰液堆積的處理效率?？梢哉f，將自然科學，特別是將工程技術(shù)中的基本原理、理論及儀器應(yīng)用于醫(yī)學中，將極大豐富醫(yī)學的診斷、治療手段。

目前，在醫(yī)工交叉領(lǐng)域中，主要以信息技術(shù)、材料科學及機械工程3個典型工科學科為主。本文僅從信息領(lǐng)域入手，以電學層析成像技術(shù)為例，從人體信息的獲取、處理、智能3個層面對信息領(lǐng)域醫(yī)工交叉作一綜述。

1 電學層析成像技術(shù)

醫(yī)療影像技術(shù)作為現(xiàn)代醫(yī)療檢測最常用的手段之一，對疾病診斷與篩查起到至關(guān)重要的作用，其基本原理是通過從不同角度對人體進行測量投影，并結(jié)合反演算法重構(gòu)出人體組織電性能參數(shù)分布。醫(yī)學影像技術(shù)根據(jù)所利用的物理場不同，可分為超聲影像、CT、MRI、正電子發(fā)射斷層成像（PET）等。醫(yī)療影像技術(shù)的出現(xiàn)，為臨床醫(yī)學提供了十分直觀的診療手段，可清晰區(qū)分出不同組織的形狀、尺寸及位置，用于判定病灶與病情評估。因此，圖像重建的精度是醫(yī)學成像領(lǐng)域的關(guān)鍵技術(shù)。從超聲成像到高精度的MRI以及功能性磁共振成像（fMRI）的出現(xiàn)，已經(jīng)為臨床醫(yī)師提供了大量有價值的信息。

新型檢測技術(shù)是醫(yī)工交叉的核心技術(shù)，其通過新的檢測方法，獲取更多的人體特性參數(shù)用于臨床疾病的診斷和治療，或者是獲取更高精度的人體參數(shù)，打破現(xiàn)有技術(shù)的瓶頸和局限，例如提升醫(yī)學影像技術(shù)的空間分辨率等；在工業(yè)中也存在較多的工業(yè)層析成像與檢測技術(shù)，可以為醫(yī)學檢測提供新的測試模態(tài)與成像方法，例如電阻抗層析成像（EIT）、電磁層析成像（MIT）、電容層析成像（ECT）等，其掃描速度可達上千幀每秒，能捕捉人體血流、心臟跳動等快速過程，可提供功能成像與動態(tài)信息，是現(xiàn)有醫(yī)學結(jié)構(gòu)成像的有益補充。

1.1 EIT EIT利用人體不同組織電特性之間的差異，向貼于皮膚表面的電極陣列注入安全電流并獲得邊界電壓測量數(shù)據(jù)，運用圖像重建算法計算出被測區(qū)域內(nèi)組織的電特性分布，進而實現(xiàn)人體內(nèi)部組織分布的可視化。EIT技術(shù)具有非侵入、低成本、無輻射、響應(yīng)快、使用便攜及可視化等特點，因此在醫(yī)學成像領(lǐng)域受到了廣泛的關(guān)注。EIT技術(shù)在現(xiàn)有臨床醫(yī)學研究中的應(yīng)用場景主要集中在肺部呼吸及水腫監(jiān)測、腦卒中診斷、心臟活動監(jiān)測等。

在肺部監(jiān)測應(yīng)用中，由于人體在吸入氣體時會使肺泡擴張，導(dǎo)致電流流動路徑長度增加，胸腔內(nèi)的電阻率顯著增大。EIT技術(shù)通過向放置于胸腔周圍的電極陣列注入交變電流并測量電極間電壓來重建胸腔內(nèi)的電阻率分布，從而實現(xiàn)肺部通氣情況的可視化測量[1]。急性呼吸窘迫綜合征是一種嚴重的異質(zhì)性肺損傷，具有較高的死亡率，此類患者肺部通氣分布極不均勻，不合理的機械通氣方案會進一步加重急性呼吸窘迫綜合征患者的肺部損傷[2]。而EIT技術(shù)可以通過重建肺部通氣分布來評估其不均勻程度，從而優(yōu)化肺通氣治療方案[3]。此外，EIT技術(shù)還可應(yīng)用于肺部水腫的診斷與監(jiān)測中。肺部水腫病因復(fù)雜，可由多種疾病引起。NOBLE等[4]使用16電極陣列獲得了由急性左心衰竭引起的肺部水腫患者的胸部EIT圖像，成像結(jié)果表明，相比于未患病者的EIT圖像，肺部水腫患者肺部的電導(dǎo)率值明顯增加。ARAD等[5]利用8電極陣列EIT系統(tǒng)重建了胸腔積液患者胸腔內(nèi)部左右兩肺的電導(dǎo)率，重建結(jié)果表明，具有積液一側(cè)的肺組織與另一側(cè)肺組織的平均電阻率差值為 -48 Ω/m，進一步證明了EIT技術(shù)在肺部水腫監(jiān)測中的可行性。

在腦卒中診斷中應(yīng)用EIT技術(shù)也受到了國內(nèi)外學者的廣泛關(guān)注。腦卒中按照其病因可分為兩種類型：缺血性腦卒中和出血性腦卒中。其中，缺血性腦卒中是由于顱內(nèi)動脈的狹窄或閉塞、腦供血不足引起；而出血性腦卒中是由于血管的破裂或泄露引起。腦卒中發(fā)病后必須迅速區(qū)分這兩種病因，然后才能根據(jù)各自特點制定不同的治療方案[6-7]。EIT技術(shù)利用了出血部位、缺血部位與正常頭部組織間的電導(dǎo)率差異，根據(jù)人體頭部電導(dǎo)率分布的重建結(jié)果來確定腦卒中類型，并判斷出血或缺血部位的具體位置及嚴重程度。現(xiàn)有研究中用于腦卒中診斷的EIT成像方法主要包括時差法、頻差法和多頻方法。時差法利用病變前后邊界測量值的差值進行圖像重建，這種方法雖然可以獲得較好的成像效果，但由于對于病變前先驗數(shù)據(jù)的依賴性使其實際應(yīng)用受到限制[8]；頻差法利用生物組織電導(dǎo)率隨頻率變化的特點，利用不同頻率下測量數(shù)據(jù)之間的差值來重建不同頭部組織的電導(dǎo)率變化，這一方法避免了時差法中對于病變前先驗數(shù)據(jù)的依賴性，更符合腦出血檢測的實際應(yīng)用需求[9-10]；多頻方法同樣利用了頭部組織電導(dǎo)率隨頻率變化的特點，而多頻數(shù)據(jù)的利用極大地增加了EIT系統(tǒng)獲得的測量數(shù)據(jù)量，從而有利于獲得更全面、準確的出血或缺血部位信息。YANG等[11]提出了一種基于電導(dǎo)率譜分解的多頻EIT方法用于腦卒中檢測，該方法首先獲得多個頻率下頭部組織的電導(dǎo)率譜圖像，再利用獨立分量分析方法從譜圖像中分離出病變部位的圖像，結(jié)果表明，這一方法能夠有效減輕頭部背景組織對于病變部位成像的影響，提高EIT系統(tǒng)對于腦卒中的檢測精度。MCDERMOTT等[12]提出了一種結(jié)合機器學習的多頻對稱差分EIT方法，通過支持向量機分類方法實現(xiàn)了缺血性卒中和出血性卒中的識別與區(qū)分。

此外，EIT技術(shù)也被應(yīng)用于心臟活動監(jiān)測中。利用該技術(shù)可以重建出一個心動周期內(nèi)的電導(dǎo)率分布圖像序列，通過重建圖像的電導(dǎo)率分布差異來判斷心動周期內(nèi)的不同階段[13]。心律失常是一種常見的心臟疾病，通過心電射頻消融術(shù)可對其進行有效治療。而有關(guān)心肌內(nèi)病變部位發(fā)展狀況的信息對手術(shù)的安全性和有效性至關(guān)重要，EIT技術(shù)可以通過重建電導(dǎo)率分布圖像來判斷病變部位的尺寸并監(jiān)測其發(fā)展狀況，從而有利于輔助心律失常病患的臨床治療[14]。

1.2 MIT MIT是一種基于電磁感應(yīng)原理的非接觸式成像技術(shù)，通過向激勵線圈中注入正弦交變電流產(chǎn)生交變主磁場，進而由被測介質(zhì)內(nèi)部的感應(yīng)渦流產(chǎn)生次級磁場，兩者的疊加會在檢測線圈中產(chǎn)生感應(yīng)電壓。利用傳感器陣列中各個檢測線圈獲得的邊界測量數(shù)據(jù)即可重建出被測區(qū)域內(nèi)介質(zhì)的電導(dǎo)率或磁導(dǎo)率分布。在MIT技術(shù)檢測中，傳感器陣列不需要與被測物體直接接觸，從而避免了EIT技術(shù)中存在的接觸阻抗問題。此外，由于磁場可以穿透低電導(dǎo)率的顱骨組織，所以克服了EIT技術(shù)對于被測介質(zhì)導(dǎo)電性的依賴。許多研究人員也開展了將MIT技術(shù)用于腦部成像的研究。

Al-ZEIBAK等[15]首先研制出一套用于醫(yī)學檢測的單通道MIT系統(tǒng)，通過機械旋轉(zhuǎn)被測物體，得到了多個方向的投影數(shù)據(jù)進行圖像重建，成像結(jié)果表明，利用該系統(tǒng)可以區(qū)分出不同電導(dǎo)率的生物組織，從而驗證了MIT技術(shù)應(yīng)用于生物醫(yī)學成像的可行性。隨后，KORJENEVSKY等[16]設(shè)計了一套多通道MIT實驗系統(tǒng)，該系統(tǒng)采用環(huán)形傳感器陣列，由16個激勵線圈和16個檢測線圈組成，工作頻率為20 MHz，結(jié)合基于人工神經(jīng)網(wǎng)絡(luò)的圖像重建算法，該系統(tǒng)成功重建出了人體頭部的電導(dǎo)率分布圖像。多通道系統(tǒng)中的電子掃描取代了之前的機械掃描方式，極大地提高了成像速度，使MIT技術(shù)既可以實現(xiàn)對人體頭部的快速實時成像，又可以對病變部位進行長期持續(xù)監(jiān)測[17]。環(huán)形傳感器陣列是MIT系統(tǒng)中最典型的陣列結(jié)構(gòu)，但其獨立測量數(shù)據(jù)有限，基于半球形傳感器陣列MIT系統(tǒng)的提出，不僅為圖像重建提供了更多的獨立測量數(shù)據(jù)，而且打破了環(huán)形傳感器陣列的二維截面成像模式，提供了MIT人腦三維成像的可能。XU等[18]研制了一套用于顱內(nèi)出血檢測的半球形MIT系統(tǒng)，結(jié)合差值算法實現(xiàn)了電導(dǎo)率分布重建。GRIFFITHS等[19]綜合考慮了重建圖像質(zhì)量與實際系統(tǒng)的成本和需求，對用于腦部成像的半球形MIT系統(tǒng)的傳感器參數(shù)進行了優(yōu)化，提高MIT系統(tǒng)對于出血部位附近的局部靈敏度。XIAO等[20-21]研究了一種局部曲面?zhèn)鞲衅麝嚵薪Y(jié)構(gòu)，在仿真中利用不同出血大小的三維腦模型對局部曲面結(jié)構(gòu)與圓環(huán)結(jié)構(gòu)系統(tǒng)的成像效果進行了對比分析，仿真結(jié)果表明，局部曲面結(jié)構(gòu)MIT系統(tǒng)在傳感器陣列附近具有更高的靈敏度與成像精度，這種結(jié)構(gòu)還可以實現(xiàn)對顱內(nèi)出血的局部檢測，相比于環(huán)形與半球形陣列在實際應(yīng)用中更加便捷。但由于生物組織的電導(dǎo)率較低，其產(chǎn)生的次級磁場相比于激勵線圈產(chǎn)生的主磁場十分微弱，難以準確檢測，尤其對于局部傳感器結(jié)構(gòu)，由于各傳感器間的距離較近，激勵線圈產(chǎn)生的主磁場對檢測信號的影響更大。為了減小主磁場的影響，提高MIT系統(tǒng)對腦組織電磁信號的檢測精度，CHEN等[22]利用Bx傳感器的主磁場抵消原理設(shè)計了一種用于顱內(nèi)出血檢測的局部平面?zhèn)鞲衅麝嚵?，并對傳感器參?shù)進行了優(yōu)化，仿真與實驗結(jié)果表明，局部平面MIT系統(tǒng)可正確重建不同體積、不同位置顱內(nèi)出血的電導(dǎo)率分布。

1.3 ECT ECT通過測量安裝在被測區(qū)域邊界的電極對之間的電容值，結(jié)合圖像重建算法，獲得被測區(qū)域內(nèi)介質(zhì)的介電常數(shù)分布?，F(xiàn)有研究中對于ECT技術(shù)的醫(yī)學應(yīng)用主要集中于牙齒與人腦活動檢測中。牙髓治療，也被稱為根管治療，是牙醫(yī)學中治療牙髓壞死和牙根感染的一種常見方法。通過X射線照片可以確定牙齒的結(jié)構(gòu)和位置，同時也可以作為離線診斷與治療的參考。但由于X射線的電離輻射與CT技術(shù)的成像速度問題，使其在治療過程中對牙根部位進行持續(xù)監(jiān)測并提供實時圖像等應(yīng)用受限。ECT技術(shù)具有低成本、無輻射、成像速度快等特點，可以在根管治療過程中提供牙齒的實時圖像。此外，還可以將ECT圖像與X射線照片進行圖像配準，從而進一步提高牙根部位的成像質(zhì)量，使根管治療更加準確有效[23-24]。

除了輔助牙髓治療外，ECT技術(shù)還可用于人腦活動檢測中。人類大腦活動成像是神經(jīng)科學研究中的重要課題，在預(yù)防和治療神經(jīng)系統(tǒng)疾病方面具有重要意義。大腦活動會引起頭皮上或頭皮內(nèi)特定區(qū)域的電勢變化，而這一電勢變化影響著大腦內(nèi)部的介電常數(shù)分布[25]。ECT技術(shù)可根據(jù)傳感器陣列各電極對之間的電容測量數(shù)據(jù)，重建頭部的介電常數(shù)分布圖像，進而實現(xiàn)對大腦活動的監(jiān)測。TARUNO等[26]設(shè)計了一種頭盔式的ECT傳感器陣列進行大腦活動成像，實驗結(jié)果表明，在移動右手、移動左手及閱讀書籍這3種不同的大腦活動下，利用ECT系統(tǒng)重建出的介電常數(shù)分布圖像存在顯著差異，證明了ECT技術(shù)在人腦活動檢測中的可行性。

2 可穿戴式電學層析成像

可穿戴設(shè)備是人體健康監(jiān)測與管理的重要發(fā)展方向。目前如心率、血氧飽和度等參數(shù)的隨身監(jiān)測技術(shù)已經(jīng)獲得了較成熟的發(fā)展，而對于血糖、血脂等基礎(chǔ)性慢性疾病指標的監(jiān)測還未達到成熟的無創(chuàng)可穿戴檢測水平。電學層析成像也可以用于可穿戴的檢測中，例如肺部呼吸過程、心臟活動及疲勞監(jiān)測等。

WU等[27]設(shè)計了一套基于高性能的有源電極專用集成電路的多功能可穿戴EIT系統(tǒng)，該系統(tǒng)將柔性印刷電路板與由32個電極組成的傳感器陣列固定在一個環(huán)形織帶上，并通過計算機對獲得的臨床參數(shù)進行可視化，利用這一可穿戴EIT系統(tǒng)成功實現(xiàn)了肺部呼吸過程成像與心率監(jiān)測。為了最大限度地提高胸腔檢測的便捷性，RAPIN等[28]對可穿戴EIT系統(tǒng)進行了優(yōu)化設(shè)計，將傳感器陣列集成在一件背心上，傳感器在接觸皮膚時自動開啟，然后進行連續(xù)測量，直至患者脫下背心停止測量。在測量過程中，數(shù)據(jù)存儲在主傳感器中，并在測量結(jié)束后通過Wi-Fi將其傳輸?shù)酵獠繂卧ㄈ缬嬎銠C）中，患者只需穿上背心即可實現(xiàn)對肺部呼吸過程及心臟活動的監(jiān)測。DARMA等[29]提出了一種適用于可穿戴EIT中柔性邊界傳感器的實時動態(tài)成像方法，這一研究中所設(shè)計的傳感器由4個可伸縮層組成，包括電極層、固定電極位置的彈性織物材料、拉伸檢測器及角度檢測器，利用拉伸檢測器與角度檢測器的測量數(shù)據(jù)可實現(xiàn)柔性邊界的形狀估計；最終，利用設(shè)計的可穿戴EIT系統(tǒng)成功實現(xiàn)了人體手臂成像。XIE等[30]設(shè)計了一種用于生物力學運動監(jiān)測的可穿戴電磁傳感器，這一設(shè)計將電磁傳感器附著在日常的可穿戴物品上（如假睫毛、手套等），眼瞼或關(guān)節(jié)之間的相對運動會引起電磁傳感器間的互相阻抗與電感信號變化，利用這一可穿戴電磁傳感器的檢測數(shù)據(jù)，可實現(xiàn)對眨眼頻率、手腕或手指的彎曲程度、頻率進行實時監(jiān)測，從而有助于眼部疲勞與腕管綜合征的及時檢測與治療。

3 人工智能與醫(yī)學影像

醫(yī)學影像技術(shù)的出現(xiàn)同時帶動了現(xiàn)代信息處理與人工智能技術(shù)在醫(yī)療領(lǐng)域中的應(yīng)用，機器學習的能力是建立在醫(yī)學影像技術(shù)的基礎(chǔ)上的，也就是說，機器能識別病灶的前提是醫(yī)學影像技術(shù)能準確獲取高精度的病灶影像。因此，醫(yī)學影像圖像的高精度重建是人工智能技術(shù)的基礎(chǔ)，即利用機器學習的智能分析手段，通過分析海量的醫(yī)學影像圖像，學習各類病灶的形狀特性等，并給出專家級評估。其優(yōu)勢在于，計算機可以通過學習，持續(xù)不斷地改進對病灶圖像的識別能力，能將臨床醫(yī)師看片的經(jīng)驗量化，并快速迭代增加評估經(jīng)驗促進性能的進化。因此，人工智能技術(shù)在醫(yī)學影像分析上有很大的發(fā)展?jié)摿Γ壳耙呀?jīng)在腦癌、肺癌等腫瘤性疾病的診斷方面，達到甚至超過了專家醫(yī)師看片的能力。

COUDRAY等[31]利用inception v3深度卷積神經(jīng)網(wǎng)絡(luò)模型對從癌癥基因組圖譜中獲得的全切片圖像進行自動分類，結(jié)果表明，這一方法可以實現(xiàn)對不同的肺癌類型與正常肺部組織的準確識別，同時可以預(yù)測不同類型的基因突變，在癌癥治療中具有重要意義。LAKHANI等[32]利用AlexNet和GoogLeNet深度卷積神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)了胸部醫(yī)學影像中對患有肺結(jié)核的肺部與正常肺部圖像的分類。CHOI等[33]利用深度卷積神經(jīng)網(wǎng)絡(luò)模型結(jié)合脫氧葡萄糖和AV-45正電子發(fā)射層析成像的成像結(jié)果，預(yù)測輕度認知障礙患者的認知能力下降程度，并判斷其轉(zhuǎn)化為阿爾茲海默癥的可能性，從而有助于對該病的早期診斷與治療。LEE等[34]研制了一套深度學習系統(tǒng)用于急性顱內(nèi)出血的檢測，利用深度卷積神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)了對CT圖像中不同出血類型的準確識別，以促進對顱內(nèi)出血的及時診斷與治療。

但機器學習的弊端在于泛化能力較弱，對于已有訓(xùn)練樣本的病灶通過大量訓(xùn)練可以實現(xiàn)較高的識別率和評估水平，而對于特殊病例的識別和評估則容易因為機器學習模型的泛化能力而導(dǎo)致識別率低下，因此臨床醫(yī)師與機器智能結(jié)合是目前的解決方案。

4 總結(jié)與展望

醫(yī)工結(jié)合是當前十分熱門的研究方向，如何將豐富的工科技術(shù)，應(yīng)用于醫(yī)療中是多個研究領(lǐng)域中需要不斷探討與探索的問題。此外，由于醫(yī)療檢測技術(shù)的不斷發(fā)達，其也可以在工科領(lǐng)域中進行應(yīng)用，例如超聲醫(yī)學檢測中常用的成像技術(shù)、MRI技術(shù)等，已經(jīng)逐步被用于工業(yè)復(fù)雜流體檢測研究中，并展現(xiàn)出各自的獨特優(yōu)勢。因此，醫(yī)工結(jié)合并不是僅將工程技術(shù)移植于醫(yī)學中，而是兩個領(lǐng)域互相滲透與借鑒的過程。