徐燦華，代 萌，楊 濱，楊 琳，張 戈，夏軍營，劉本源，史學(xué)濤，付 峰，董秀珍

用于腦部電阻抗成像數(shù)據(jù)回放分析的干擾預(yù)處理算法研究

徐燦華，代 萌，楊 濱，楊 琳，張 戈，夏軍營，劉本源，史學(xué)濤，付 峰，董秀珍

目的：研究一種用于腦部電阻抗成像數(shù)據(jù)回放分析的干擾預(yù)處理算法。方法：通過對腦部電阻抗圖像監(jiān)護(hù)數(shù)據(jù)進(jìn)行統(tǒng)計學(xué)分析，計算標(biāo)準(zhǔn)差，從而檢測干擾，并通過引入偏置量的方法對其進(jìn)行濾除。結(jié)果：臨床實驗數(shù)據(jù)結(jié)果表明該算法可以在數(shù)據(jù)回放分析過程中有效濾除干擾的影響。結(jié)論：該方法是一種速度快、效果好的干擾預(yù)處理方法，可以很好地輔助大量臨床數(shù)據(jù)的分析工作，為腦部電阻抗圖像監(jiān)護(hù)的臨床深入研究打下基礎(chǔ)。

電阻抗斷層成像；干擾預(yù)處理；回放分析

0 引言

電阻抗斷層成像（electrical impedance tomography，EIT）技術(shù)采用一微弱的電流對人體進(jìn)行激勵，并測量體表對應(yīng)的電壓，根據(jù)電壓和電流之間的關(guān)系，重構(gòu)出人體內(nèi)部電阻抗分布或者電阻抗變化分布的圖像[1-3]。由于EIT技術(shù)具有無創(chuàng)無害、成本低、可連續(xù)功能成像等特點，在顱腦功能成像和腦卒中病情變化的圖像監(jiān)護(hù)方面具有很好的應(yīng)用前景[4-5]。前期已經(jīng)報道了利用EIT技術(shù)對甘露醇脫水過程的圖像監(jiān)護(hù)[6]。

在腦部電阻抗圖像監(jiān)護(hù)應(yīng)用中，一個需要解決的問題是在長時間監(jiān)護(hù)過程中會不可避免地受干擾影響。比如頭部運動或抓撓就會暫時或永久性地改變電極位置，而電極位置的變化又會在EIT采集的原始數(shù)據(jù)中引入非常大的干擾，加之EIT重構(gòu)的病態(tài)性，從而在EIT圖像上產(chǎn)生偽影，甚至淹沒重構(gòu)目標(biāo)，重構(gòu)出錯誤的圖像[7]。目前，采用的辦法只有在數(shù)據(jù)回放分析時，通過人工觀察判斷干擾數(shù)據(jù)，然后將干擾段數(shù)據(jù)棄用，這種方式不僅需要回放分析人員具有很豐富的實驗經(jīng)驗，而且耗時費力，還會由于數(shù)據(jù)棄用而導(dǎo)致分析誤差，影響腦部EIT的臨床應(yīng)用研究。

已經(jīng)報道的一些肺部EIT干擾抑制方法大多是基于肺部呼吸信號的周期性提出頻率濾波方法，由于腦部EIT信號變化較慢且沒有周期性，因此難以適用[8-9]。前期報道的用于動物實驗研究的均值濾波方法只能降低噪聲水平，無法抑制干擾[6]。目前還沒有用于腦部電阻抗圖像監(jiān)護(hù)數(shù)據(jù)回放的干擾預(yù)處理算法的報道。

基于上述背景，本文研究一種基于數(shù)據(jù)統(tǒng)計特性的腦部電阻抗圖像監(jiān)護(hù)干擾數(shù)據(jù)預(yù)處理算法，實現(xiàn)在數(shù)據(jù)回放分析過程中對干擾的抑制，有利于對實驗結(jié)果的準(zhǔn)確分析，為后續(xù)的臨床研究打下基礎(chǔ)。

1 材料與方法

1.1 腦部電阻抗圖像監(jiān)護(hù)數(shù)據(jù)采集與圖像重建

腦部電阻抗圖像監(jiān)護(hù)采用第四軍醫(yī)大學(xué)研究小組研制的FMMU-EIT5型系統(tǒng)。該系統(tǒng)激勵電流強度為500～1 250 μA可調(diào)，頻率范圍為1～190 kHz，數(shù)據(jù)采集精度達(dá)到0.01%，共模抑制比為80 dB。系統(tǒng)采用16個電極等間隔分布一圈，在實驗中，采用對向激勵鄰近測量的激勵測量模式[10]，如圖1所示。采集數(shù)據(jù)時，先在1-9電極上進(jìn)行電流激勵，測量2-3電極、3-4電極、……、7-8電極、10-11電極、……、15-16電極上的電壓；然后再在2-10電極上進(jìn)行電流激勵，測量3-4電極、4-5電極、……、8-9電極、11-12電極、……、16-1電極上的電壓，一直循環(huán)到16-8電極電流激勵，完成對一幀圖像數(shù)據(jù)的采集，因此采集一幀圖像數(shù)據(jù)共包含16個激勵，每個激勵有12個有效測量數(shù)據(jù)。在圖像監(jiān)護(hù)數(shù)據(jù)預(yù)處理過程中，可以將每一個激勵測量數(shù)據(jù)作為一個獨立的通道信號進(jìn)行處理，因此總共有192個通道的信號。

腦部電阻抗圖像監(jiān)護(hù)采用動態(tài)差分圖像重構(gòu)算法，選取一幀數(shù)據(jù)作為參考幀，然后將另一幀數(shù)據(jù)作為當(dāng)前幀，與參考幀進(jìn)行差分成像，重構(gòu)出兩幀數(shù)據(jù)之間電阻抗的變化分布，本文采用阻尼最小的二乘圖像重構(gòu)算法[7]。

圖1 電阻抗成像對向激勵鄰近測量模式圖

1.2 腦部電阻抗圖像監(jiān)護(hù)干擾數(shù)據(jù)預(yù)處理算法

本算法的總體分為兩步，首先針對某一通道的信號進(jìn)行干擾的檢測，根據(jù)設(shè)定的閾值判斷出干擾后，再將干擾信號進(jìn)行濾除，得到干擾抑制后的信號。以上方法同時針對192個通道的信號進(jìn)行處理，處理后的數(shù)據(jù)即可用于圖像重建。

1.2.1 干擾檢測

相較于肺部電阻抗成像的信號變化，腦部電阻抗成像的信號變化相對緩慢。因此，干擾檢測可以采用時域檢測方法，比如通過信號的幅值、信號的斜率、信號變化的標(biāo)準(zhǔn)差等來判斷。為了增強處理的穩(wěn)健性，根據(jù)獲得信號的特點，本文采用具有信號統(tǒng)計特性的信號變化標(biāo)準(zhǔn)差實現(xiàn)干擾檢測。

對于每一個通道信號而言，可將信號表示為xi（tj）（i=1，2，…，M；j=1，2，…，N），其中M為通道個數(shù)，N為通道采集數(shù)目。采用式（1）計算信號的標(biāo)準(zhǔn)差：

式（1）中，W為計算標(biāo)準(zhǔn)差的窗寬，當(dāng)干擾產(chǎn)生時，往往會發(fā)生突變，其對應(yīng)的標(biāo)準(zhǔn)差也會變大，通過設(shè)定一閾值T，當(dāng)σ（t）＞T則說明這一時刻發(fā)生了干擾，從而實現(xiàn)干擾檢測。

1.2.2 干擾濾除

干擾發(fā)生時，常常導(dǎo)致信號幅值發(fā)生傳統(tǒng)均值濾波難以處理的大的階躍型變化。針對這種干擾，本文考慮引入偏置量Δxi（tj）進(jìn)行干擾濾除。假設(shè)t0時刻為理想狀態(tài)，沒有干擾發(fā)生，此時Δxi（tj）=0。后續(xù)的ta時刻偏置量則用式（2）計算：

則濾除干擾后的數(shù)據(jù)y（t）為

在回放分析時，可以將各通道的yi（t）組成新的干擾濾除后的數(shù)據(jù)進(jìn)行圖像重構(gòu)，實現(xiàn)干擾數(shù)據(jù)的預(yù)處理。

1.3 臨床患者實驗數(shù)據(jù)驗證

為了驗證本文所研究的干擾數(shù)據(jù)預(yù)處理算法效果，我們對一例臨床腦水腫患者甘露醇脫水實驗數(shù)據(jù)進(jìn)行了回放分析。實驗經(jīng)過第四軍醫(yī)大學(xué)倫理委員會批準(zhǔn)，獲得患者知情同意，整個過程不影響正常的治療[6]。16個電極通過導(dǎo)電膏粘貼于患者頭部，用彈力繃帶固定。甘露醇通過靜脈20 min注射完畢。腦部電阻抗圖像監(jiān)護(hù)在注射前30 min開始采集，采集速度1幀/s。采用甘露醇開始注射時刻的數(shù)據(jù)作為參考幀，通過數(shù)據(jù)回放分析可對注射后的任意時刻數(shù)據(jù)進(jìn)行圖像重構(gòu)。

2 結(jié)果

為了更為直觀地展現(xiàn)干擾預(yù)處理結(jié)果，我們將該例患者實驗中每幀的192個數(shù)據(jù)進(jìn)行平均，計算出單幀數(shù)據(jù)的平均信號幅值，原始的信號如圖2中虛線所示。t1時刻為甘露醇開始注射時刻，所有圖像以t1時刻數(shù)據(jù)為參考幀重構(gòu)。圖2中可見t2時刻發(fā)生了較大的干擾，此時重構(gòu)圖像如圖3（a）所示，虛框內(nèi)也可見較大的干擾存在。

采用本文提出的方法對每一個通道信號進(jìn)行干擾濾除處理，計算標(biāo)準(zhǔn)差的窗寬W取值120 s，閾值T取0.06 mV，各通道信號處理后再計算平均信號幅值，干擾濾除后的信號如圖2中實線所示，可見干擾得到了較好的濾除，此時重構(gòu)圖像如圖3（b）所示，重構(gòu)出的圖像與t2前一時刻沒有干擾時的圖像一致，可見干擾得到了較好的濾除。

3 討論與結(jié)論

本研究充分利用腦部電阻抗圖像監(jiān)護(hù)的數(shù)據(jù)統(tǒng)計學(xué)特征，通過標(biāo)準(zhǔn)差計算的方法對干擾進(jìn)行檢測并進(jìn)一步濾除，實驗結(jié)果表明可以在數(shù)據(jù)回放分析過程中濾除干擾的影響，濾除干擾后的數(shù)據(jù)可以直接進(jìn)行臨床實驗的分析。

圖2 信號預(yù)處理前后對比圖

圖3 信號預(yù)處理前后重構(gòu)圖像對比

腦部電阻抗成像干擾問題是該技術(shù)發(fā)展到臨床應(yīng)用以后出現(xiàn)的新的科學(xué)問題，目前國內(nèi)外對這一問題幾乎沒有研究報道，本研究提出的方法仍屬于半自動的預(yù)處理方法，窗寬W和閾值T仍需要手動設(shè)置，下一步還需要針對不同的實驗，研究窗寬W和閾值T的自動優(yōu)化取值方法，實現(xiàn)全自動處理。此外本文所提方法主要針對數(shù)據(jù)回放分析的預(yù)處理，下一步還需要對實時成像時的數(shù)據(jù)預(yù)處理方法進(jìn)行深入研究。

總之，從結(jié)果可以看出，本文方法可完全用于腦部電阻抗圖像監(jiān)護(hù)數(shù)據(jù)回放的干擾預(yù)處理，相較于以往的人工處理速度快、效果好，可以很好地輔助大量臨床數(shù)據(jù)的分析工作，為腦部電阻抗圖像監(jiān)護(hù)的臨床深入研究打下了基礎(chǔ)。

[1]Barber D C，Brown B H，F(xiàn)reeston I L.Imaging spatial distributions of resistivity using applied potential tomography[J].Electronic Letters，1983，19（22）：933-935.

[2]Barber D C，Brown B H.Applied potential tomography[J].Journal of Physics E-Scientific Instruments，1984，17（9）：723-733.

[3]Holder D S.Electrical impedance tomography：methods，history and applications[M].Bristol，UK：IOP Publishing，2004：28-48.

[4]董秀珍.生物電阻抗成像研究的現(xiàn)狀和挑戰(zhàn)[J].中國生物醫(yī)學(xué)工程學(xué)報，2008，27（5）：641-643.

[5]徐燦華，董秀珍.生物電阻抗斷層成像系統(tǒng)及其臨床研究進(jìn)展[J].高電壓技術(shù)，2014，40（12）：3 738-3 745.

[6]Fu F，Li B，Dai M，et al.Use of electrical impedance tomography to monitor regional cerebral edema during clinical dehydration treatment[J].PLoS One，2014，9（12）：e113202.

[7]Xu C H，Dai M，You F S，et al.An optimized strategy for real-time hemorrhage monitoring with electrical impedance tomography[J].Physiol Meas，2011，32（5）：585-598.

[8]Mamatjan Y，Grychtol B，Gaggero P，et al.Evaluation and real-time monitoring of data quality in electrical impedance tomography[J]. IEEE Trans Medi Imag，2013，32（11）：1 997-2 005.

[9]Asfaw Y，Adler A.Automatic detection of detached and erroneous electrodesinelectricalimpedancetomography[J].PhysiolMeas，2005，26（2）：S175-S183.

[10]Shi X T，Dong X Z，Shuai W J，et al.Pseudo-polar drive patterns for brain electrical impedance tomography[J].Physiol Meas，2006，27（11）：1 071-1 080.

（收稿：2015-06-24）

《醫(yī)療衛(wèi)生裝備》雜志“研究與設(shè)計”欄目征稿

本刊“研究與設(shè)計”欄目主要報道生物醫(yī)學(xué)工程領(lǐng)域最新的科研理論及成果，重點報道該領(lǐng)域中前沿的基礎(chǔ)研究及其應(yīng)用，尤其是獲得國家、省部級課題資助的項目。為了保障該欄目文稿的水平和質(zhì)量，更好地服務(wù)廣大讀作者，特面向全國征稿。論文格式參照本刊稿約，請保證文章版權(quán)的獨立性，嚴(yán)禁抄襲，文責(zé)自負(fù)，勿一稿多投。歡迎向該欄目投稿，優(yōu)秀稿件的出版周期將大大縮短。

注：凡來稿請務(wù)必在稿件開頭注明作者通信地址、郵編以及聯(lián)系電話和E-mail，以便我們及時與您聯(lián)系。

（本刊編輯部）

Artifact pre-processing method for data playback analysis of brain electrical impedance tomography

XU Can-hua,DAI Meng,YANG Bin,YANG Lin,ZHANG Ge,XIA Jun-ying, LIU Ben-yuan,SHI Xue-tao,FU Feng,DONG Xiu-Zhen
（School of Biomedical Engineering,the Fourth Military Medical University,Xi'an 710032,China）

Objective To develop an artifact pre-processing method for data playback analysis of brain electrical impedance tomography.Methods The standard deviation of brain electrical impedance tomography data was calculated to detect the artifact,which was then reduced by subtracting an offset.Results The clinical results showed that the method could effectively reduce the artifact during data playback analysis of brain electrical impedance tomography.Conclusion The method is fast and effective for artifact reduction,which can facilitate further clinical experimental data analysis. [Chinese Medical Equipment Journal，2015，36（12）：25-27]

electrical impedance tomography;artifact pre-processing;playback analysis

R318；R445.3

A

1003-8868（2015）12-0025-03

10.7687/J.ISSN1003-8868.2015.12.025

國家自然科學(xué)基金課題（51207161）；國家科技支撐計劃課題（2011BAI08B13，2012BAI20B02）；“十二五”軍隊課題（AWS14C006，CWS 12J102）；陜西省攻關(guān)項目（2014K11-04-01）

徐燦華（1984—），男，講師，主要從事生物醫(yī)學(xué)工程方面的研究工作，E-mail：canhuaxu@fmmu.edu.cn。

710032西安，第四軍醫(yī)大學(xué)生物醫(yī)學(xué)工程學(xué)院（徐燦華，代 萌，楊 濱，楊 琳，張 戈，夏軍營，劉本源，史學(xué)濤，付 峰，董秀珍）

董秀珍，E-mail：dongxiuzhen@fmmu.edu.cn