李志偉,于瑤,吳陽(yáng),段冀州,劉凱,姚佳烽

(1. 南京航空航天大學(xué) 機(jī)電學(xué)院,江蘇 南京 210016; 2. 南京特殊教育師范學(xué)院,江蘇 南京 210038)

0 引言

電阻抗成像技術(shù)(electrical impedance tomography, EIT)是一種新興的成像技術(shù),具有實(shí)時(shí)、無(wú)創(chuàng)、便攜的特點(diǎn),能夠動(dòng)態(tài)監(jiān)測(cè)肺部功能[1]。該技術(shù)的成像原理是在胸部均勻布置一組電極陣列,對(duì)電極施加安全的交流激勵(lì)信號(hào),測(cè)量其余電極對(duì)的電壓信號(hào),借助重構(gòu)圖像算法重建肺部電導(dǎo)率分布情況。

肺功能成像檢測(cè)已成為當(dāng)前EIT領(lǐng)域研究的熱點(diǎn)之一,其應(yīng)用范圍涉及輔助肺疾病的治療、重癥監(jiān)護(hù)、呼吸監(jiān)測(cè)和體外膜氧合等領(lǐng)域[2]。肺功能EIT技術(shù)能夠?qū)崟r(shí)觀察肺部通氣情況,有助于肺疾病早期診斷和治療[3]。

近年來(lái),國(guó)內(nèi)外學(xué)者對(duì)EIT技術(shù)進(jìn)行了深入的研究,探索出了更多新穎的成像算法,電阻抗成像技術(shù)已經(jīng)較為成熟地應(yīng)用于肺部疾病的監(jiān)測(cè)。本文主要從EIT系統(tǒng)硬件設(shè)備、成像機(jī)理、圖像重建算法及臨床應(yīng)用等方面進(jìn)行了總結(jié),并對(duì)其未來(lái)發(fā)展趨勢(shì)進(jìn)行了分析與討論。

1 肺功能電阻抗成像技術(shù)

1.1 肺功能EIT發(fā)展歷程

電阻抗成像技術(shù)是在20世紀(jì)80年代早期由BARBER和BROWN發(fā)明的[4],在EIT第一次臨床應(yīng)用中,BROWN提出EIT技術(shù)能夠用于肺部的通氣成像。簡(jiǎn)單的阻抗肺造影術(shù)只能提供胸部阻抗的全局信息,而EIT獲得的阻抗數(shù)據(jù)具有更高的特異性、更多的視覺信息,為肺功能的生理和病理研究開辟了更廣闊的應(yīng)用領(lǐng)域。

HOLDER和TEMPLE利用EIT技術(shù)對(duì)30名健康人與4名肺部病變患者進(jìn)行了測(cè)試[5],首次在兩個(gè)胸椎橫平面上進(jìn)行了EIT測(cè)量。評(píng)估數(shù)據(jù)結(jié)果顯示:不僅性別對(duì)EIT肺部圖像有顯著影響,健康人之間的EIT圖像也存在很大的差異。因此得到結(jié)論:EIT技術(shù)不適用于個(gè)體間的比較,而適用于患者個(gè)體的肺功能監(jiān)測(cè)。

肺功能EIT大量的理論和技術(shù)進(jìn)步提高了圖像的分辨率和成像速度。而圖像質(zhì)量的提高也擴(kuò)大醫(yī)療應(yīng)用與研究的范圍[6-9],例如EIT正問題的并行化[10]、重構(gòu)算法的研究以及對(duì)簡(jiǎn)化模型逆問題的修正等[11]。

1.2 硬件系統(tǒng)與設(shè)備

硬件系統(tǒng)是實(shí)現(xiàn)EIT測(cè)量的關(guān)鍵部件,采集的信號(hào)精度會(huì)直接影響圖像重建的分辨率。硬件系統(tǒng)技術(shù)的改進(jìn)為EIT提供了高精度的數(shù)據(jù)采集,有助于提高EIT成像的分辨率。EIT系統(tǒng)由電極陣列、數(shù)據(jù)采集模塊和圖像重建單元組成[12],如圖 1所示。整個(gè)電阻抗成像系統(tǒng)包括數(shù)字控制器、模數(shù)轉(zhuǎn)換(A/D)和數(shù)模轉(zhuǎn)換(D/A)、電流源、差分電壓傳感器、多路復(fù)用器和上位機(jī)。信號(hào)采集由激勵(lì)通道、測(cè)量通道、多路復(fù)用器和通信模塊組成。數(shù)據(jù)采集完成后,通過串口將數(shù)據(jù)傳輸?shù)接?jì)算機(jī),利用圖像重建算法實(shí)現(xiàn)電阻抗成像。

電極是EIT硬件系統(tǒng)的重要組成部分,直接參與信號(hào)激勵(lì)和測(cè)量的過程。目前,為了提高電極的耐用性,大多采用鈦合金作為電極的制造材料。此外,電極的數(shù)量直接決定了測(cè)量信號(hào)的數(shù)量。電極數(shù)量過多時(shí),雖然可以獲得更多電壓數(shù)據(jù),但測(cè)量時(shí)間也會(huì)增加,導(dǎo)致計(jì)算難度變高,成像速度會(huì)降低。目前,最常見的EIT硬件系統(tǒng)是16電極的測(cè)量系統(tǒng),如圖 2所示。

2008年,以色列希伯來(lái)大學(xué)和加州大學(xué)伯克利分校的研究人員設(shè)計(jì)了一種32電極的EIT系統(tǒng)[13],能夠通過手機(jī)撥號(hào)連接到計(jì)算機(jī)實(shí)現(xiàn)圖像重建(圖3(a))。愛丁堡大學(xué)YANG等開發(fā)了一套快速多頻電阻抗掃描系統(tǒng)[14],采用半并行數(shù)據(jù)采集架構(gòu),能夠?qū)崿F(xiàn)1 024幀/s的高幀率數(shù)據(jù)采集,實(shí)現(xiàn)實(shí)時(shí)成像(圖3(b))。國(guó)內(nèi)對(duì)EIT的研究起步較晚。1993年,空軍軍醫(yī)大學(xué)董秀珍教授帶領(lǐng)的研究小組開始進(jìn)行肺功能EIT的研究,在1998年開發(fā)了國(guó)內(nèi)第一個(gè)32電極電阻抗成像硬件系統(tǒng)[15],該系統(tǒng)小信號(hào)測(cè)量精度達(dá)到0.39%,大信號(hào)測(cè)量精度達(dá)到0.08%(圖3(c))。2018年,本課題組基于Red Pitaya平臺(tái)開發(fā)了一套便攜式的EIT系統(tǒng)[16],該平臺(tái)基于ZYNQ芯片,通過多路復(fù)用器實(shí)現(xiàn)激勵(lì)信號(hào)的實(shí)時(shí)切換,將采集信號(hào)解調(diào)后通過有線或無(wú)線網(wǎng)絡(luò)傳輸至PC端進(jìn)行圖像重構(gòu),能夠?qū)崿F(xiàn)20幀/s以上的成像(圖3(d))。

1.3 成像機(jī)理

考慮一個(gè)內(nèi)部導(dǎo)電的二維有界場(chǎng)域Ω,分段平滑邊界為?Ω。假設(shè)通過完全導(dǎo)電的邊界電極向場(chǎng)域內(nèi)部注入高頻激勵(lì)電流,場(chǎng)域內(nèi)的阻抗呈現(xiàn)電阻特性,可忽略虛部成分。通過對(duì)本構(gòu)方程簡(jiǎn)化得到場(chǎng)域內(nèi)電導(dǎo)率分布σ與電勢(shì)φ之間的廣義拉普拉斯方程:

?σ·?φ+σ·?2φ=0

(1)

求解偏微分式(1)要給定邊界條件,從而建立EIT數(shù)學(xué)模型。全電極模型已經(jīng)被證明是EIT最準(zhǔn)確的模型,因?yàn)樗紤]了電極與場(chǎng)域之間的接觸阻抗。CEM模型將單個(gè)電極視為一個(gè)等勢(shì)體,電導(dǎo)率視為常數(shù)。

邊界條件表示為:

(2)

式中:Γ是場(chǎng)域邊界上的電極區(qū)域;l= 1,2,…,L,L是電極的個(gè)數(shù);Zl是電極l與場(chǎng)域之間的接觸阻抗;e是場(chǎng)域邊界上的向外法向的單位向量;Ul是電極l上的電位;I為電極上注入的電流;dS是單位像素。

通過求解式(2)得到EIT正問題的數(shù)學(xué)模型,它描述了場(chǎng)域內(nèi)電導(dǎo)率分布σ∈RN×1與邊界電壓v∈RM×1之間的線性關(guān)系,記作F(σ)

v=Jσ+n

(3)

(4)

2 肺功能電阻抗成像技術(shù)圖像重建算法

肺功能EIT技術(shù)的圖像重建實(shí)質(zhì)是對(duì)逆問題的求解,即在已知邊界電壓和敏感矩陣的情況下,對(duì)待測(cè)場(chǎng)域內(nèi)的電導(dǎo)率分布進(jìn)行反演重建。由于肺部結(jié)構(gòu)特性復(fù)雜,測(cè)量到的電壓會(huì)受到其復(fù)雜特性的影響,導(dǎo)致邊界電壓的測(cè)量數(shù)據(jù)與肺部電導(dǎo)率分布存在復(fù)雜的非線性關(guān)系。其次,肺功能EIT測(cè)量數(shù)據(jù)中常常含有噪聲擾動(dòng),得到的模擬數(shù)據(jù)與真實(shí)肺部狀態(tài)存在一定的差距,邊界電壓測(cè)量數(shù)據(jù)的微小變動(dòng)也會(huì)造成解的倍數(shù)變化。因此,需要穩(wěn)定的重建方法,降低逆問題的病態(tài)性和非線性,提高計(jì)算精度和分辨率,得到更接近真實(shí)的電導(dǎo)率分布。

根據(jù)重建方法的不同,EIT圖像重建可分為絕對(duì)成像和差分成像。絕對(duì)成像是指EIT測(cè)量過程中,直接使用測(cè)量得到的電流或電壓數(shù)據(jù)來(lái)進(jìn)行圖像重建,簡(jiǎn)單易實(shí)現(xiàn)、成本較低,但是精度較差[17]。差分成像則是利用兩個(gè)或多個(gè)時(shí)間點(diǎn)的測(cè)量數(shù)據(jù)進(jìn)行差分圖像重建,獲得電導(dǎo)率變化分布。這種方法減小了誤差,提高了成像的穩(wěn)定性,但需要更多的數(shù)據(jù)處理和計(jì)算[18]。

2.1 正則化算法

為解決逆問題的不適定性,當(dāng)前最具普適性的方法就是正則化方法,即用一系列近似于原問題使解變得穩(wěn)定的適定問題來(lái)逼近原來(lái)的不適定問題。

常見的正則化方法包括以下幾種方法。

1)Tikhonov正則化方法[19]。Tikhonov正則化方法的基本原理是在原有的最小化經(jīng)驗(yàn)誤差函數(shù)上使用L2范數(shù)作為正則化項(xiàng)進(jìn)行約束,通過引入一定的平滑先驗(yàn)信息,縮小解的空間,改善重建性能,提高重建精度。但是由于懲罰項(xiàng)是L2范數(shù),這種方法會(huì)對(duì)解產(chǎn)生較為強(qiáng)烈的光滑效應(yīng),限制了其對(duì)于待測(cè)物體尖銳特征的重建能力。

2)全變差(totalvariation,TV)正則化方法[20]。全變差正則化方法是基于圖像相鄰要素之間的差異性,通過引入全變差函數(shù)正則化項(xiàng),可以在圖像處理任務(wù)中平衡平滑和細(xì)節(jié)保留之間的關(guān)系,保留不連續(xù)特征。例如,在圖像去噪任務(wù)中,全變差正則化可以抑制圖像中的噪聲,同時(shí)盡量保留圖像的細(xì)節(jié)信息。

3)最大熵正則化方法[21](maximum entropy regularization method)。最大熵正則化方法是基于兩個(gè)電導(dǎo)率分布之間電導(dǎo)率相對(duì)變化的非負(fù)性,通過對(duì)電導(dǎo)率的變化值進(jìn)行重建[22],通過最大化模型的熵,使得模型對(duì)未知情況保持最大的不確定性。該方法提供了一種從不完整數(shù)據(jù)中獲取信息的方法,提高模型的泛化能力。

2.2 參數(shù)化水平集算法

近年來(lái),出現(xiàn)了各種各樣基于形狀的重建算法,其中水平集法(level set method,LSM)是最常見的一種[23]。水平集法的關(guān)鍵是使用水平集函數(shù)隱式表示電導(dǎo)率分布,區(qū)域之間的界面表示為零水平集,將電導(dǎo)率重構(gòu)問題轉(zhuǎn)化為形狀重構(gòu)的問題。

傳統(tǒng)的LSM在重建時(shí),存在許多的數(shù)值問題。例如,級(jí)別設(shè)置函數(shù)(level set function,LSF)更改為非距離函數(shù),再將LSF定義為符號(hào)距離函數(shù)(signed distance function,SDF),需要執(zhí)行重新初始化的操作,以再次將LSF重置為SDF,這樣提高了計(jì)算成本和問題的復(fù)雜性。

為了克服這些問題,基于參數(shù)化水平集(parametric level set,PLS)的圖像重建算法應(yīng)運(yùn)而生?；赑LS的圖像重建算法最初是AGHASI提出的[24],根據(jù)徑向基函數(shù)對(duì)LSF進(jìn)行參數(shù)化,呈現(xiàn)更清晰的形狀。該方法未知數(shù)較少,由于其徑向基函數(shù)的稀疏性,計(jì)算成本較低?；赑LS的方法首先應(yīng)用于光學(xué)斷層掃描[25]、地震成像等領(lǐng)域[26],隨著技術(shù)的發(fā)展,也應(yīng)用于肺功能EIT。但是,PLS僅適用于相數(shù)為兩個(gè)的研究,具有一定的局限性。

2018年,LIU等提出了一種基于形狀驅(qū)動(dòng)的參數(shù)化水平集(PLS)重建方法[27-28],將圖像重建問題表述為圖形重建問題,假設(shè)重建的電導(dǎo)率變化是分段常數(shù),而異常的幾何形狀則采用高斯徑向基函數(shù)(gaussian radial basis functions,GRBF)來(lái)表示,可以靈活地描述未知數(shù)少的這一類形狀,重建結(jié)果如圖 4所示。圖中:E1使用傳統(tǒng)的線性差分成像;E2基于PLS的差分成像;Case 1中σ1為呼氣末階段,σ2為吸氣末階段;Case 2為左肺塌陷;Case 3中σ1為心臟處于收縮末期狀態(tài),σ2為心臟處于舒張末期狀態(tài)。與傳統(tǒng)的線性方法相比,該方法顯著減少了未知數(shù)的總數(shù),提高了計(jì)算效率,能夠容忍更多的建模誤差,同時(shí)顯著提高圖像質(zhì)量。

2022年,WU等提出一種新的形狀重建框架[12],該框架融合了稀疏貝葉斯學(xué)習(xí)(sparse bayesian learning, SBL)和B樣條水平集(BLS),用于差分電阻抗成像掃描,充分利用了B樣條柔性表示和貝葉斯學(xué)習(xí)能力的優(yōu)勢(shì),提高重建性能、噪聲魯棒性和計(jì)算效率。圖5為水箱數(shù)據(jù)重建結(jié)果,圖中:第2列為理想邊界(紅色虛線)、初始基元(黑色虛線)和最終基元(藍(lán)色實(shí)線)的分布;第3列為BLS方法的重建結(jié)果;第4列為PLS方法的重建結(jié)果的Case5—Case8中,胸形水箱中裝滿鹽水,將紅色心形瓊脂夾雜物放入罐中來(lái)模擬心臟,將白色肺狀物放入罐中進(jìn)行水箱試驗(yàn)并測(cè)量數(shù)據(jù)。圖像重建結(jié)果顯示,BLS方法成功將心臟從不同的成像結(jié)果中移除,能很好地定位白色肺狀物,且重構(gòu)圖像邊緣清晰、無(wú)偽影(本刊為黑白印刷,相關(guān)疑問咨詢作者)。

2.3 深度學(xué)習(xí)算法

基于深度學(xué)習(xí)的方法已被證明可有效提高肺功能EIT技術(shù)的成像質(zhì)量[29]。因此,許多研究人員嘗試使用基于深度學(xué)習(xí)的方法來(lái)解決圖像重構(gòu)問題。WU等提出了一種改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)(convolutional neural network,CNN)方法用于肺功能EIT[30],并進(jìn)行了水箱靜態(tài)試驗(yàn),如圖6所示。圖中Tikhonov重建的圖像容易出現(xiàn)偽影且邊緣圖像不清晰;由于增加了RBF層,CNN-RBF的圖像重建效果是最好的,肺過度擴(kuò)張和肺不張所引起的傳導(dǎo)率分布不均現(xiàn)象最為明顯。該方法增加了批量歸一化(BN)層、ELU激活函數(shù)、全局平均池化(GAP)層和徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)。改進(jìn)的CNN有助于加快網(wǎng)絡(luò)收斂速度,提高圖像重建精度和魯棒性。

LIN等利用變分自編碼器(variational autoencoder,VAE)學(xué)習(xí)CT掃描的結(jié)果[31],在低維空間構(gòu)建EIT,將潛在代碼的參數(shù)作為未知數(shù),通過高斯-牛頓(gauss-newton,GN)方法進(jìn)行反演,構(gòu)建了一種基于特征的EIT絕對(duì)成像反演方法。該方法將解空間限制在特征空間內(nèi),對(duì)反演施加了更強(qiáng)的先驗(yàn)約束[32],能夠以更少的參數(shù)、更少的信息損失表示EIT圖像,保證了反演結(jié)果與實(shí)測(cè)數(shù)據(jù)的一致性、反演結(jié)果的可靠性,并從50名患者中隨機(jī)選取5名患者的CT掃描數(shù)據(jù)生成EIT模型(圖 7)。圖中:GT為實(shí)際情況;PB為基于像素的反演;FB為基于特征的反轉(zhuǎn)反演。基于像素的方法基本可以重建心肺,但會(huì)過度擬合噪聲,而基于特征的反演結(jié)果與實(shí)際情況高度相似,肺部的銳邊和凹陷部分都能被清晰地重建出來(lái)。

3 肺功能電阻抗成像技術(shù)臨床應(yīng)用

與傳統(tǒng)醫(yī)學(xué)成像技術(shù)相比,EIT在空間分辨率方面具有局限性,但由于其無(wú)創(chuàng)、無(wú)輻射等優(yōu)勢(shì),EIT在生物醫(yī)學(xué),特別是肺功能方面,具有廣泛的應(yīng)用領(lǐng)域。當(dāng)前,肺功能EIT的臨床應(yīng)用主要分為3個(gè)方面:肺通氣檢測(cè)、肺灌注評(píng)估和肺功能檢查。

3.1 肺通氣檢測(cè)

在重癥監(jiān)護(hù)病房中,機(jī)械通氣可能會(huì)對(duì)急性呼吸窘迫綜合征(acute respiratory distress syndrome,ARDS)患者脆弱的肺部造成損傷,因此必須進(jìn)行保護(hù)性肺通氣,以預(yù)防或減少呼吸機(jī)相關(guān)肺損傷。CINNELLA等通過EIT證明[33],在早期輕度患者中應(yīng)用開放肺入路可以改善肺通氣的均勻性。在ARDS中,EIT技術(shù)可以測(cè)量肺部及區(qū)域性肺部通氣分布,根據(jù)電導(dǎo)率分布變化判斷呼氣末正壓(positive end-expiratory pressure, PEEP)的變化對(duì)肺泡的影響,如圖 8所示,實(shí)現(xiàn)對(duì)患者病情的檢測(cè)。EIT應(yīng)用于ARDS的其他方面包括檢測(cè)氣胸[34],檢測(cè)患者與呼吸機(jī)的不同步[35-37]。因此,EIT可用于捕捉氣胸的肺通氣變化、選擇最佳床邊呼氣末正壓(PEEP)。

3.2 肺灌注評(píng)估

近年來(lái),EIT通過肺部血流灌注評(píng)估肺部血流異常引起了廣泛關(guān)注,對(duì)于肺損傷與心血管疾病的診斷和治療具有重要意義。肺灌注評(píng)估是利用肺血流脈動(dòng)引起的阻抗變化來(lái)反映肺血流流動(dòng)情況,可以提供區(qū)域肺灌注和通氣/灌注(ventilation/perfusion,V/Q)比例圖像,如圖9所示。FAGERBERG等對(duì)小豬進(jìn)行了EIT肺灌注的監(jiān)測(cè)和評(píng)估[38],結(jié)果表明EIT可以檢測(cè)肺灌注信號(hào)。MAURI等發(fā)現(xiàn),可以通過EIT技術(shù)檢測(cè)鹽水造影法中ARDS患者灌注受損通氣區(qū)域不平衡的V/Q匹配情況[39]。PERIER等使用EIT技術(shù)證實(shí),俯臥位通氣和PEEP增加可使得ARDS患者的V/Q匹配更好[40]。這些研究表明,肺功能EIT應(yīng)用于肺灌注評(píng)估中,能夠考慮V/Q分布不匹配的情況并進(jìn)行調(diào)整,對(duì)于指導(dǎo)呼吸機(jī)的診療具有重要意義。

3.3 肺功能檢查

慢性阻塞性肺疾病(chronic obstructive pulmonary diseases,COPD)患者通常需要做常規(guī)肺功能檢查(pulmonary function testing,PFT)來(lái)監(jiān)測(cè)疾病進(jìn)展。傳統(tǒng)的PFT僅提供從氣道開口測(cè)量的全局信息,其他技術(shù)如多次呼吸沖洗(MBW),需要復(fù)雜的設(shè)備和高成本,而EIT提供了一種非侵入的方法來(lái)評(píng)估局部肺功能[41]。

VOGT等利用EIT評(píng)估了慢性阻塞性肺疾病(COPD)患者通氣的時(shí)空異質(zhì)性[42],進(jìn)一步測(cè)試了COPD患者和哮喘患者[43]對(duì)支氣管擴(kuò)張劑可逆性的局部肺反應(yīng)。在重癥監(jiān)護(hù)病房中,COPD急性加重(AECOPD)患者通常需要呼吸機(jī)支持,而肺功能EIT則能夠?yàn)榫植糠瓮馓峁┒吭u(píng)估,指導(dǎo)呼吸機(jī)的參數(shù)設(shè)置(圖 10)。SUN等研究了AECOPD患者使用神經(jīng)調(diào)節(jié)通氣輔助時(shí)的空氣分布情況[44],與壓力支持通氣相比,相關(guān)區(qū)域的通氣分布顯著增加。EIT肺功能檢查,除了能夠提供整體肺功能信息外,還可以提供獨(dú)特的區(qū)域性信息。但是針對(duì)COPD的評(píng)估方法和指標(biāo)仍不明確,故有必要繼續(xù)推進(jìn)EIT技術(shù)在COPD患者肺功能檢查方面的研究。

4 肺功能電阻抗成像技術(shù)發(fā)展趨勢(shì)

肺功能EIT的發(fā)展趨勢(shì)主要體現(xiàn)在3個(gè)方面:系統(tǒng)趨向便攜式、智能化;重構(gòu)算法將從平面二維轉(zhuǎn)向空間三維發(fā)展;臨床應(yīng)用領(lǐng)域?qū)某扇巳后w擴(kuò)展到嬰幼兒。

1)便攜式、智能化

EIT系統(tǒng)正向著便攜式、家庭化方向發(fā)展,即簡(jiǎn)單化、集成化的EIT設(shè)備同時(shí)具備高性能處理器、大容量存儲(chǔ)等特點(diǎn),以滿足人們?cè)诰蛹裔t(yī)療的各種需求[45]。其次,EIT技術(shù)趨向智能化,如能夠?qū)崿F(xiàn)動(dòng)態(tài)評(píng)估患者肺通氣功能變化,結(jié)合機(jī)器學(xué)習(xí)進(jìn)行手勢(shì)識(shí)別等功能[46]。本課題組正在研發(fā)基于醫(yī)療物聯(lián)網(wǎng)架構(gòu)的EIT在線數(shù)據(jù)健康管理云平臺(tái),不僅體積小巧,操作簡(jiǎn)便,方便移動(dòng)與安裝(圖11),還利用上萬(wàn)張胸部CT圖片建立和訓(xùn)練深度學(xué)習(xí)模型,實(shí)現(xiàn)了實(shí)時(shí)監(jiān)測(cè)肺功能,且能夠制定個(gè)體化機(jī)械通氣策略。

圖1 EIT系統(tǒng)的示意圖

圖2 肺功能EIT測(cè)量16電極排列分布

圖4 基于形狀驅(qū)動(dòng)的參數(shù)化水平集的重建結(jié)果

圖5 水箱數(shù)據(jù)重建結(jié)果

圖6 水箱模型種使用不同方法的重建結(jié)果

圖7 5名患者訓(xùn)練樣本結(jié)果

圖8 EIT用于機(jī)械通氣患者PEEP滴定

圖9 EIT用于肺灌注評(píng)估

圖10 EIT用于COPD患者肺功能檢查

2)三維實(shí)時(shí)成像算法

肺功能EIT圖像重建算法發(fā)展迅速,包括傳統(tǒng)的正則化算法、基于參數(shù)化水平集的算法、基于卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)算法等?，F(xiàn)階段算法的重心在二維圖像的重建,因成像平面單一、無(wú)法掌握全局肺功能狀態(tài),未來(lái)的圖像重構(gòu)算法將著重于實(shí)現(xiàn)三維實(shí)時(shí)成像的功能。本課題組正在研發(fā)三維實(shí)時(shí)成像算法,以三維肺功能EIT為研究對(duì)象,搭建一套肺部三維實(shí)時(shí)成像的系統(tǒng),建立三維EIT的量化指標(biāo)和評(píng)價(jià)方法,對(duì)人體肺部全局的通氣狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)測(cè),為臨床應(yīng)用提供參考(圖12)。

圖12 三維肺功能監(jiān)測(cè)面板示意圖

3)特殊應(yīng)用場(chǎng)景

EIT技術(shù)未來(lái)將用于更多特殊場(chǎng)景。

新生兒應(yīng)用:每年有數(shù)百萬(wàn)嬰兒早產(chǎn),許多嬰兒因肺部發(fā)育不成熟而患有呼吸窘迫綜合征[47]。新生兒自身器官發(fā)育不完全,輻射暴露會(huì)嚴(yán)重影響其身體健康與生長(zhǎng)發(fā)育,因此,對(duì)嬰幼兒肺功能監(jiān)測(cè)提出了更高的要求[48]。而肺功能EIT技術(shù)為解決上述問題提供了新的思路,不僅滿足病理檢測(cè)和診斷的要求,還具備非輻射、非侵入性的特點(diǎn),能夠?yàn)閮和粑脱h(huán)系統(tǒng)疾病的診斷提供無(wú)創(chuàng)、無(wú)輻射的檢測(cè)方法,將成為監(jiān)測(cè)早期新生兒肺功能的新方法。

音樂療法應(yīng)用:音樂療法是一種新興的交叉性邊緣學(xué)科,通過音樂特有的旋律、節(jié)奏和頻率等發(fā)揮促進(jìn)患者身心健康的作用,目前已被廣泛應(yīng)用于臨床醫(yī)學(xué)領(lǐng)域。EIT為音樂療法的效果評(píng)價(jià)提供了檢測(cè)思路,尤其在肺部疾病等康復(fù)治療中的應(yīng)用成為了可能,今后將為更多疾病康復(fù)提供科學(xué)參考。

5 結(jié)語(yǔ)

EIT技術(shù)的理論研究已經(jīng)較為成熟,已廣泛地應(yīng)用于生物醫(yī)學(xué),特別是肺功能領(lǐng)域,但是由于現(xiàn)有系統(tǒng)的龐大、圖像重建的病態(tài)性等問題,還需要對(duì)EIT系統(tǒng)、圖像重構(gòu)算法等進(jìn)行迭代優(yōu)化。本文對(duì)EIT技術(shù)的系統(tǒng)開發(fā)、硬件設(shè)備、基本原理、圖像重建算法以及臨床應(yīng)用等方面的現(xiàn)狀及未來(lái)發(fā)展趨勢(shì)進(jìn)行了探討。EIT系統(tǒng)趨向于便攜式、家庭化、智能化,以滿足人們居家醫(yī)療的需求。肺功能EIT圖像重建算法將集中在實(shí)現(xiàn)三維實(shí)時(shí)成像上。隨著計(jì)算速度的加快與圖像質(zhì)量的提高,肺功能EIT將成為實(shí)時(shí)監(jiān)測(cè)全局肺功能狀態(tài)的最佳選擇。同時(shí),憑借其無(wú)損傷、無(wú)輻射、非侵入的特點(diǎn),肺功能EIT將成為監(jiān)測(cè)早期新生兒肺功能的新方法。