检索历史 清除

摘要肺通气功能障碍主要由呼吸系统疾病、肺部创伤感染以及有害环境因素等多种原因引起的，严重危及患者的生命健康。由于肺部病症通常表现相似难以快速区分，这就影响了医生的床旁诊断，从而阻碍了患者的及时治疗。常规的临床手段中，肺功能检查用于分析整体肺通气功能，但不能评估局部肺通气功能；影像学检查能够检测肺部结构性损伤，但不能在床旁实时监测患者肺通气功能变化。为了满足床旁肺通气功能监测与评估的临床需求，这就需要一种更加便捷、有效的成像方法，这对于帮助医生及时掌握患者肺部状况、快速诊断治疗和调整康复方案具有十分重要的临床意义。<br>　　电阻抗层析成像（Electrical Impedance Tomography，EIT）是医学成像技术的一个新方向，它通过表面电学测量来估计人体内部的电导率变化。作为一种非侵入性、无创实时、便携经济的技术手段，EIT 能够利用不同生理或病理状态下肺通气引起的阻抗变化进行连续成像，这就在床旁肺通气功能监测与评估方面具有天然的优势。然而，现有的肺部电阻抗成像系统普遍存在便携性差、重建精度低以及临床评估不足等问题，远未达到床旁实时监测与评估的临床需求。为此，本文针对基于电阻抗成像的床旁肺通气功能评估方法与系统研究，从高精度数据采集、智能化图像重建和可视化临床应用等方向展开工作，主要研究工作与创新内容如下：<br>　　肺部电阻抗成像机理与建模仿真研究：首先，通过频散理论分析了生物组织在不同频率下的电学特性，建立了阻抗测量的三元件等效电路，获取了生物组织的阻抗频谱特性，包括半径大小、圆心位置和形状变化；其次，构建了边界电压值与电导率分布之间的EIT数学模型，通过正向建模求解了灵敏度矩阵，在逆向重构中引入了正则化先验，来提高肺部图像重建的稳定性；最后，建立了包含呼吸运动的三维仿真模型，通过改变肺部形状和电导率分布来研究肺通气变化对边界电压值的影响，为肺部临床应用提供了理论支撑。<br>　　基于深度学习的建模补偿方法及其鲁棒性研究：首先，提出了一种基于改进卷积神经网络（Improved Convolutional Neural Network，ICNN）的建模补偿方法，以改善肺部EIT 成像质量；其次，生成了近万个EIT仿真模型，随机模拟了胸腔变形、电极偏移和肺部损伤等来进行建模补偿，通过网络训练实现了从边界电压值到电导率分布的非线性映射；最后，将经过仿真训练的ICNN方法直接应用于静态水槽实验，实现了多相电导率分布的肺部形状重建，仿真与实验结果都表明了ICNN方法面对测量噪声和模型误差时的高鲁棒性。<br>　　基于稀疏表示的肺部电阻抗实时成像方法研究：首先，提出了一种基于加权块稀疏贝叶斯学习（Block Sparse Bayesian Learning，BSBL）的图像重建方法，充分利用了信号结构的块稀疏性和相关性，以实现肺部电阻抗实时成像；其次，采用了自适应分组策略对稀疏块状矩阵进行重新排序，引入了加权拉普拉斯先验的分层BSBL模型，通过快速边界优化算法实现了高效贝叶斯推理；最后，进行了一系列数值仿真和呼吸实验，多种评价指标都表明了加权BSBL重建方法在成像准确性、算法稳健性和计算时效性方面的显著提升。<br>　　肺部电阻抗成像数据采集系统的关键技术研究：首先，开发了一种无线式、低功耗、小型化的肺部电阻抗成像系统，由可穿戴电极传感器、数据采集硬件平台和图像重建软件平台组成，以满足床旁肺通气功能监测与评估的临床需求；其次，整机测试结果表明了肺部电阻抗成像系统在工作条件下的出色性能，设计了功能完善、接口丰富的人机交互可视化界面；最后，提出了一种基于电压-电流互易定理的故障电极实时检测方法，并采用交替最小二乘法快速补偿缺失电压数据，以保证临床环境中的稳定成像。<br>　　床旁肺通气功能评估电阻抗成像临床实验研究：首先，提出了一种基于功能 EIT 图像指导的床旁肺通气功能评估方法，通过一系列关键流程处理，实现了阻抗测量、数据分析和图像评估。其次，对健康人群在不同体位下肺通气变化进行了临床实验，分析了不同体位对肺通气功能时空均匀性的影响。然后，针对机械通气患者，通过EIT调整最佳呼气末正压并进行俯卧位治疗，改善了其肺通气功能阻抗顺应性。最后，针对慢阻肺患者，通过肺功能检查和EIT同步监测，评估了其与健康人群在空间分布和时间延迟上的时空异质性。