振荡肺功能原理及技术实现

【作者】张政波，倪路，刘晓莉，李德玉，王卫东

1 解放军总医院医学工程保障中心，北京市，100853

2 北京航空航天大学生物与医学工程学院，北京市，100191

振荡肺功能原理及技术实现

【作者】张政波1，倪路2，刘晓莉2，李德玉2，王卫东1

1 解放军总医院医学工程保障中心，北京市，100853

2 北京航空航天大学生物与医学工程学院，北京市，100191

强迫振荡技术是一种无创的呼吸系统力学特性测量技术。通过给呼吸系统施加高频激励信号（通常为4～40 Hz的振荡压力信号），采用系统辨识原理，可实现不同频率、不同气道部位、不同阻力成分的阻抗特性的测量。该文综述了振荡肺功能基本原理、技术实现和临床应用，包括测量原理、激励信号、系统等效模型、辨识算法以及测量系统软硬件基本要求等，并对该技术的发展趋势作了展望。

强迫振荡技术；呼吸力学；系统辨识；压力-流量；脉冲振荡

0　引言

相对于传统肺功能仪(如spir°metry和 b°dy plethysm°graphy)，振荡肺功能仪是一种较新型的呼吸系统功能测试仪器，最早由DuB°is及其同事提出，通过给呼吸系统一定激励(压力振荡)，观察系统响应(流量)的方法，运用系统辨识技术，研究呼吸系统的力学特性[1]。该技术经过50多年的发展，由实验室原型技术，逐渐发展成可应用于临床疾病诊断的成熟技术[2-3]。2005年欧洲呼吸协会(Eur°pean Respirat°ry S°ciety, ERS)针对强迫振荡技术(F°rced Oscillati°n Technique, FOT)的临床应用提出了相应的技术规范[2]，标志着该技术逐渐走向技术成熟期。相比于传统肺功能检测技术，FOT技术的最大优点是受试者配合少，在平静自主呼吸状态下，较短的时间(1 min，3～5次有效呼吸)内即可完成呼吸系统力学特性分析，适合老年人和儿童肺功能测试使用[2-3]。FOT技术尤其对气道阻力变化更加敏感，通过选择不同的激励频率(通常是4～40 Hz)，可以实现对呼吸气道不同部位和不同成分阻力变化的检测，且可以进一步分辨出吸气相和呼气相阻力变化[4-5]，因此对慢性阻塞性肺疾病、哮喘以及急性肺损伤等病人的指导用药和疗效观察具有重要价值。目前振荡肺功能技术的相关研究主要集中在国外，国内发表的文章以FOT技术的临床应用研究为主，只有少数研究机构针对该技术的原理和实现技术做过研究。本文基于ERS的技术规范，结合相关文献以及我们先期开展的研究工作，系统性地介绍了振荡肺功能技术的基本原理、实现技术、临床应用等内容，综述了该领域的技术演进，并对该技术的发展前景做了展望。

1　振荡肺功能实现原理

1.1基本原理

FOT技术本质上是系统辨识技术，相对于传统肺功能检测技术，它是一种主动测量技术，通过给呼吸系统外加激励，测量系统响应，进而辨识系统传递函数[2]。在技术实现上，通过压力振荡单元(通常是扬声器)产生一个高频压力振荡信号，加载在呼吸气道上，受试者自主呼吸过程中，呼吸系统对该高频压力振荡信号的响应信息调制在自主呼吸的流量信号上，通过同步采集自主呼吸过程中的压力和流量信号，运用系统辨识算法，便可以计算出呼吸系统力学特性。ERS给出的FOT系统示意图如图1所示，其中L°udspeaker产生高频压力振荡信号，加载到呼吸系统上，通过同步测量的压力信号Pao和流量信号V'，实现呼吸系统力学特性辨识。

图1　强迫振荡肺功能系统示意图[2]Fig.1 Schematic arrangement °f the f°rced °scillat°ry respirat°ry impedance measurement[2]

系统辨识示意图如图2所示，可以将呼吸系统作为一个‘黑箱’，通过观察系统的输入（压力Pao）和输出（流量V'），辨识系统特性（阻抗Zrs）。为便于理解，我们可以将呼吸系统等效为一个由电阻、电感、电容等电子元件构成的电学系统，通过电压（振荡压力）和电流（振荡气流），来实现系统特性和参数辨识。

图2　呼吸系统力学特性辨识示意图Fig.2 Schematic diagram °n the the°ry °f FOT

虽然FOT的基本原理相对简单，是一个典型的系统辨识技术，但是实现起来并不容易，一方面是由于压力和流量信号都是小信号，在基于压力和流量信号作呼吸系统力学特性分析时，分析结果容易受呼吸运动谐波成分的影响[2,6]，尤其在低频段，影响辨识精度；另一方面，系统辨识过程中，涉及到振荡单元和呼吸系统两大环节的系统特性辨识，激励信号（振荡信号）必须充分考虑振荡单元的幅频响应特性，在幅度和相位上进行优化，以产生理想的呼吸系统激励信号[6]，从而实现有效的系统力学特性辨识。

1.2激励信号类型

目前FOT原理都是基于线性系统辨识技术，因此从系统辨识的角度看，要实现系统状态的有效辨识，激励信号的频率和幅度都要满足一定的要求，既要保证系统的各个状态被充分激励，又要避免激励幅度过大引入非线性效应[2]。在激励信号类型上，先后出现过单频正弦、白噪声、伪随机和周期性脉冲四类信号，目前广泛使用的是单频正弦、伪随机和周期性脉冲[2]。

1.2.1单频正弦信号

从系统辨识的角度看，正弦信号是最常用的激励信号源，早期的振荡肺功能技术采用的都是单频正弦信号作为呼吸系统激励信号[1]。单频正弦作为呼吸系统激励源的优点是信噪比比较高[2]，缺点是要获得呼吸阻抗的频响特性曲线，需要多个正弦依次激励，检测时间太长。

1.2.2伪随机信号

系统辨识常用的另一种激励信号源是伪随机信号，相对于白噪声序列，伪随机信号能够产生类似白噪声序列的频谱特性，可以达到较好的系统辨识效果，工程上又容易实现[7]。在振荡肺功能领域，应用最多的伪随机信号不是二进制伪随机序列，而是多正弦信号组合的伪随机序列，以解决单频正弦信号作为系统激励源时存在的检测时间太长的难题[8]。该伪随机信号在技术实现上需要考虑振荡单元频响特性，在多正弦信号的幅度和相位上充分优化，提高低频激励能量，从而提高系统辨识精度[6,9]。

1.2.3周期性脉冲信号

周期性脉冲激励是近几年发展起来的一种振荡肺功能实现技术，被称为脉冲振荡肺功能(Impulse Oscillati°n System, IOS)[2-3]，用一种持续时间短的（如几十毫秒）的周期性脉冲（如5 Hz的三角波）作为激励信号源，实现更快速的呼吸系统阻抗特性辨识，例如可以实现实时的吸气相和呼气相呼吸系统力学特性检测。周期性三角脉冲信号及其傅立叶变换如图3所示，左图所示三角脉冲持续时间25 ms，每秒钟重复2次，其频域变换为右图所示，频域采样率为5 Hz。从信号分析的角度看，周期性三角脉冲中包含了系统辨识所需的多正弦信号，因此通过调整三角脉冲持续时间及重复周期，就能产生系统辨识所需要的各类正弦激励信号，实现系统辨识的目的。与伪随机信号的技术实现一样，周期性脉冲信号需要考虑振荡单元频响特性在三角脉冲波形上充分优化，以产生理想的激励信号。

图3　周期性三角脉冲序列及其傅立叶变换结果Fig.3 Peri°dical triangular wave and it's amplitude-frequency characteristics calculated by F°urier transf°rm

1.3呼吸系统等效模型

常用的呼吸系统等效模型多为电学模型，将粘性阻力、弹性阻力和肺的顺应性分别等效为电阻(R)、电感(I)和电容(C)，根据辨识的不同目的，构建了不同的等效模型。图4 为最基本的RIC集总参数模型，其中R代表气道粘性阻力，I代表惯性阻力，C代表呼吸系统顺应性。

图4　呼吸系统RIC集总参数模型Fig.4 RIC lumped m°del f°r respirat°ry system

在该基本模型的基础上，发展出了多种不同的辨识模型，包括DuB°is模型[1]、Mead模型[10-12]、RIC扩展模型(eRIC，EXTENDED-RIC)[13-14]、RIC增强模型(aRIC，AUGMENTED-RIC)[14-16]等，如图5所示。根据不同的系统辨识目的，以及不同的激励信号源类型，可以选择不同的参数模型。

图5　目前发展的几类呼吸系统等效模型Fig.5 M°dels devel°ped f°r respirat°ry impedance estimati°n

1.4系统辨识算法

最常用的系统辨识算法还是基于快速傅立叶变换（FFT）的方法，根据线性系统辨识理论，结合图2，系统输入信号P(t)、系统传递函数h(t)、系统输出信号V(t)之间存在如下关系：

两边进行傅立叶变换后，进一步得到系统传递函数：

等效于电学知识（电压-电流-阻抗的关系）可以进一步得到系统阻抗：

若采用随机信号模型，则采用功率谱分析技术来实现上述阻抗测量[8]。由于测量信号中往往有干扰成分，可以采用相关分析法来提高测量精度[7]，对于呼吸系统等效模型中的参数估计，可以采用最小二乘或者最大似然估计等算法实现[6-7]。

2　技术实现

综上所述可以看到，FOT的原理相对简单，就是基于压力和流量信号的系统辨识技术，但是该技术的具体实现并不容易，对硬件系统和软件系统都有一定要求。

2.1硬件系统基本要求

2.1.1压力信号测量

所选压力传感器应具有很好的频响特性，使高频振荡信号(4～40 Hz)能有效通过，同时具有较好的线性度(在＜0.5 kPa测量范围内，线性度在2%以内)[2]。

2.1.2流量信号测量

所选流量传感器也应具有很好的频响特性，使高频振荡信号(4～40 Hz)能有效通过，同时具有较好的线性度(在1 L/s流量范围内，线性度在2%以内)。传感器优选Lily型双向气体流量传感器，在高至50 Hz的频带范围内，共模抑制比不小于60 dB[2]。

2.1.3振荡单元

振荡单元要能够在足够短的时间内产生足够量的振荡气体，以周期性脉冲振荡技术为例，在气道阻力约为0.1 Pa.s/L的情况下，要在40 ms时间内产生至少40 mL的振荡气体，才能达到系统辨识的要求。同时，振荡单元产生的振荡压力信号又不能超过5 cmH2O，以免呼吸系统被过度激励产生非线性失真，理想的振荡压力水平为1～3 cmH2O[2,17]。在气路结构上，应使与大气相连的气阻对高频振荡信号为高阻态，对人体自主呼吸信号为低阻态，从而保证压力振荡信号能有效地加载在呼吸系统上[4]。

2.2软件系统基本要求

2.2.1信号采集

软件系统要求能够同步地采集振荡压力和呼吸气流信号，AD采样位数应在12 bit以上，常规振荡肺功能(4～40 Hz)所需采样率为200 Hz[2]。信号采集系统应同时具备DA和AD功能，DA用于产生所需的单频正弦、伪随机和周期性脉冲信号，经过功率放大后驱动扬声器。

2.2.2信号处理

由于激励信号(压力振荡)的响应信息（流量振荡）调制在自主呼吸气流信号上，针对压力和流量信号进行系统辨识时，需要滤除自主呼吸信号以及其他高频干扰信号[2,6-7]，可以采用滤波器的方法和时域加窗，如Hamming窗的方法[6]，然后再对同步采集到压力和流量信号做FFT变换。IOS系统中用到了呼吸基线估计的方法，把每一次激励产生的脉冲气流信号提取出来，将同步的压力和流量信号作FFT变换，进行系统辨识。

2.2.3参数估计

影响呼吸系统力学特性辨识最主要的问题在于低频段的阻抗特性估计，除了在激励信号发生环节，要充分考虑激励单元特性以产生较理想的激励信号（主要是低频特性补偿），在参数估计上，要采用一些信号处理方法，消除自主呼吸的影响，否则对呼吸阻抗的估计将是有偏估计，尤其在低频段[6]。目前在伪随机信号激励模型下，应用较好的是Navajas等[18]提出的参数估计器，Farre等[19]提出了时域平均技术以提高参数估计精度，L°rin°等[6]系统的比较了各类信号处理技术对呼吸系统阻抗估计的影响。在数据段选择上，只有压力和流量信号的频域相干系数＞0.95才认为该段数据有效，辨识结果可信[20]。

3　临床应用

3.1适用人群

研究证明，FOT在检测呼吸道阻力变化以及由于吸烟或职业暴露导致的肺损伤方面与传统肺功能一样敏感[2]，而在反应呼吸系统力学状态变化方面，能够提供比常规肺功能更加丰富的信息[3]。因此该技术适用于各类人群，尤其适合于老年人和儿童使用，在哮喘、慢性阻塞性肺疾病以及急性肺损伤等疾病方面更有优势[2-3]，如FOT可以区分慢性阻塞性肺疾病病变过程中的中心气道阻塞和外周气道阻塞，研究表明呼吸阻抗是判断慢性阻塞性肺病患者气流阻塞的敏感指标，FOT测定是诊断哮喘、判断病情轻重的一个有用工具，其中共振频率这个指标与疾病程度非常敏感。

3.2FOT参数

FOT是一种全新的呼吸系统力学特性检测技术，测量结果不同于传统的肺功能仪，随着激励信号频率的不同，会获得一系列的呼吸阻抗测量结果，可以反应呼吸生理和呼吸力学特性变化。临床上常用的有明确诊断意义的参数包括：Zrs：呼吸系统总阻抗；R5：总气道阻力；R20：中心气道阻力；fres：谐振频率或响应频率，该频率点弹性阻力等于惯性阻力；X5：周边弹性阻力；RC：中心阻力；Rf：周边阻力；Ers：肺和胸廓的弹性阻力。大气道阻塞时，R值在全频率范围内抬高，而周围气道阻塞时，R5明显抬高。限制型通气功能障碍时，R值在全频率范围内抬高，X值向负值方向压低，fres＞10 Hz。除了上述参数，还可以得到阻抗容积图(impedancev°lume graph)、阻抗频谱图(impedance-spectrum graph)、结构参数图(structure parameter graph)以及Intrabreath图等，可以从不同的角度观察呼吸系统力学特性。

4　总结与展望

振荡肺功能经过50多年的发展，已经成为呼吸生理和呼吸系统力学特性研究以及呼吸系统相关疾病诊断的一个重要工具，能够获得常规肺功能检测无法获得一些重要的呼吸力学信息，因此有着非常广阔的应用前景，有望成为解决当前呼吸医学所面临的生理和临床问题的一项稳健、无创的呼吸力学检测技术[3]。

振荡肺功能最新的技术演进是脉冲振荡技术，能够在更短的时间内完成测量，日本Chest公司推出的M°stGraph借助该技术可以实现实时的逐呼吸的呼吸系统阻抗描记[4-5]，为呼吸系统疾病诊断提供了更丰富的信息。FOT实现阻抗测量的技术难点在于低频段(＜10 Hz)参数的准确估计，而从呼吸生理和疾病诊断角度看，0.1～10 Hz频带内的呼吸力学特性准确测量更具有价值[3]，因此低频段呼吸力学参数测量和临床应用是工程技术研发的一个重点。研究方法上，振荡阻抗测量必须与功能影像和多尺度建模等技术结合，以明确特定结构改变（肺部）与振荡阻抗变化间的关系，使振荡肺功能的检查结果能够合理指导临床用药和手术方案。

振荡肺功能技术演进的另一个方向是小型化、便携式，可用于家庭和远程呼吸力学特性监测使用[21-23]，也可以作为一个功能部件，与机械通气和睡眠呼吸机结合[2,23]，实现治疗过程中的实时呼吸阻抗测量，优化治疗方案。

FOT是建立在线性系统理论基础上的系统辨识技术，相比于传统肺功能检测技术，理论基础完备，应用面广泛。但由于FOT要保证呼吸系统处于线性状态，只能使用低幅度的振荡信号作为系统激励源，而且假定整个测试过程是线性、稳态的，信号采集和分析上也严格符合线性系统要求，因此可能会对一些重要的非线性呼吸力学特性无法揭示，这是目前基于线性系统理论的FOT的技术不足。在激励信号发生以及压力、流量信号分析上，能否尝试一些新的方法，如数据处理上不使用FFT，而使用能处理非线性、非稳态信号的经验模式分解技术，是值得探索的一个方向。

[1] DuB°is AB, Br°dy AW, Lewis DH, et al. Oscillati°n mechanics °f lungs and chest in man[J]. J Appl Physi°l, 1956, 8(6): 587-594.

[2] O°stveen E, MacLe°d D, L°rin° H, et al. The f°rced °scillati°n technique in clinical practice:meth°-d°l°gy, rec°mmendati°ns and future devel°pments[J]. Eur°p Respirat J, 2003, 22(6): 1026-1041.

[3] Kaczka D, DellacaRL.Oscillati°n mechanics °f the respirat°ry system: applicati°n t° lung disease[J]. Crit Rev Bi°med Eng, 2011, 39(4): 337-359.

[4] Shirai T, M°ri K, Mikam°M, et al. Usefulness °f C°l°red 3D Imaging °f Respirat°ry Impedance in Asthma[J]. Allergy Asthma Immun°l Res, 2013, 5(5): 322-328.

[5] Nagase T, Yamauchi Y, K°hyama T, et al. Dynamic change in respirat°ry resistance during inspirat°ry a-nd expirat°ry phases °f tidal breathing in patients with chr°nic °bstructive pulm°nary disease[J]. Int J Chr°n Obstruct Pulm°n Dis, 2012, 7: 259-269.

[6] Daróczy B, Hant°sZ.Generati°n °f °ptimum pseud°rand°m signals f°r respirat°ry impedance measur-ements[J]. Int J Bi°med C°mput, 1990, 25(1): 21-31.

[7] Michaels°n ED, Grassman ED, Peters WR. Pulm°nary mechanics by spectral analysis °f f°rced rand-°m n°ise[J]. J Clin Invest, 1975,5(5):1210-1230.

[8] R°tger M, Peslin R, Navajas D, et al. Density dependence °f respirat°ry input impedance re-evaluated with a head generat°r minimizing upper airway shunt[J]. Eur Respir J, 1988, 1(5): 439-444.

[9] Bickel S, P°pler J, Lesnick B, et al. Impulse °scill°metry: interpretati°n and practical applicati°ns[J]. Chest, 2014, 146(3): 841-847.

[10] Ram°s C, Nazeran H, G°ldman MD, et al. Circuit analysis justifies a reduced Mead's m°del °f thehuman respirat°ry impedance f°r impulse °scill°metry data[C]. IEEE EMBS, 2010, 548-552.

[11] Nguyen TU, Di°ng B. Evaluati°n °f tw° mead-related m°dels °f adult respirat°ry impedance based °n IOS data[C]. Regi°n 5 Tech C°nf, IEEE, 2007: 303-308.

[12] W°° T, Di°ng B, Mansfield L, et al. A c°mparis°n °f vari°us respirat°ry system m°dels based °n parameter estimates fr°m Impulse Oscill°metry data[C]. IEEE EMBS, 2004: 3828-3831.

[13] Di°ng B, Rajagiri A, G°ldman M, et al. The augmented RIC m°del °f the human respirat°ry syste-m[J]. Med Bi°l Eng C°mput, 2009, 47(4): 395-404.

[14] R°cha R, Carl°s D. M°deling impulse °scill°metry data: Using augmented-RIC and extended-RIC respirat°ry impedance m°del parameters t° track pulm°nary health and disease[D]. Texas: The Un-iversity °f Texas at El Pas°, 2011.

[15] Rajagiri A, Di°ng B. Evaluati°n °f Augented RIC M°del °f Child Respirat°ry Impedance Based °n Impulse Oscill°metry Data[C]. Regi°n 5 C°nf, IEEE, 2006: 291-295.

[16] R°tger M, Peslin R, FarreR, et al. Influence °f amplitude, phase and freqency c°ntent °f pseud°rand-°m pressure input °n impedance data and their variability[J]. Eur Respir J, 1991, 1(3): 178–182.

[17] Navajas D, Farré R, R°tger M. A new estimat°r t° minimize the err°r due t° breathing in the measurement °f respirat°ry impedance[J].IEEE Trans Bi°med Eng, 1988, 35(12): 1001-1005.

[18] Farré R1, R°tger M, NavajasD. Optimized estimati°n °f respirat°ry impedance by signal averaging in the time d°main[J]. J Appl Physi°l, 1992, 73(3): 1181-1189.

[19] Lándsér FJ, Nagles J, Demedts M, et al. A new meth°d t° determine frequency Characteristics °f t-he respirat°ry system[J]. J Appl Physi°l, 1976,41(1):101-106.

[20] Dellacà RL, G°bbi A, Pastena M, et al. H°me m°nit°ring °f within-breath respirat°ry mechanics by a simple and aut°matic f°rced °scillati°n technique device[J]. Physi°l Meas, 2010, 31(4): N11-24.

[21] Rigau J1, Farré R, R°ca J, et al. A p°rtable f°rced °scillati°n device f°r respirat°ry h°me m°nit°ring[J]. Eur Respir J, 2002, 19(1): 146-150.

[22] Timmins SC, Diba C, Thamrin C, et al. The feasibility °f h°me m°nit°ring °f impedance with the f°rced °scillati°n technique in chr°nic °bstructive pulm°nary disease subject[J]. Physi°l Meas, 2013, 34(1): 67-81.

[23] Campana LM, Owens RL, Suki B, et al. Measuring upper and l°wer airway resistance during sleep with the f°rced °scillati°n technique[J]. Ann Bi°med Eng, 2012, 40(4): 925-933.

Methodology and Implementation of Forced Oscillation Technique for Respiratory Mechanics Measurement

【 Writers 】ZHANG Zhengbo1, NI Lu2, LIU Xiaoli2, LI Deyu2, WANG Weidong1
1 The Medical Engineer Support Center, Chinese PLA General Hospital, Beijing, 100853
2 School of Biological Science and Medical Engineering, Beihang University, Beijing, 100191

【 Abstract 】The forced oscillation technique (FOT) is a noninvasive method for respiratory mechanics measurement. For the FOT, external signals (e.g. forced oscillations around 4～40 Hz) are used to drive the respiratory system, and the mechanical characteristic of the respiratory system can be determined with the linear system identification theory. Thus, respiratory mechanical properties and components at different frequency and location of the airway can be explored by specifically developed forcing waveforms. In this paper, the theory, methodology and clinical application of the FOT is reviewed, including measure ment theory, driving signals, models of respiratory system, algorithm for impedance identification, and requirement on apparatus. Finally, the future development of this technique is also discussed.

forced oscillation technique, respiratory mechanics, system identification, pressure-flow, impulse oscillation

R318.6

A

10.3969/j.issn.1671-7104.2015.06.012

1671-7104(2015)06-0432-05

2015-07-17

国家科技支撑计划课题（2013BAI03B05）；国家自然科学基金面上项目（61471398）

张政波，E-mail: zhengb°zhang@126.c°m