用于脑部电阻抗成像数据回放分析的干扰预处理算法研究

徐灿华，代 萌，杨 滨，杨 琳，张 戈，夏军营，刘本源，史学涛，付 峰，董秀珍

用于脑部电阻抗成像数据回放分析的干扰预处理算法研究

徐灿华，代 萌，杨 滨，杨 琳，张 戈，夏军营，刘本源，史学涛，付 峰，董秀珍

目的：研究一种用于脑部电阻抗成像数据回放分析的干扰预处理算法。方法：通过对脑部电阻抗图像监护数据进行统计学分析，计算标准差，从而检测干扰，并通过引入偏置量的方法对其进行滤除。结果：临床实验数据结果表明该算法可以在数据回放分析过程中有效滤除干扰的影响。结论：该方法是一种速度快、效果好的干扰预处理方法，可以很好地辅助大量临床数据的分析工作，为脑部电阻抗图像监护的临床深入研究打下基础。

电阻抗断层成像；干扰预处理；回放分析

0 引言

电阻抗断层成像（electrical impedance tomography，EIT）技术采用一微弱的电流对人体进行激励，并测量体表对应的电压，根据电压和电流之间的关系，重构出人体内部电阻抗分布或者电阻抗变化分布的图像[1-3]。由于EIT技术具有无创无害、成本低、可连续功能成像等特点，在颅脑功能成像和脑卒中病情变化的图像监护方面具有很好的应用前景[4-5]。前期已经报道了利用EIT技术对甘露醇脱水过程的图像监护[6]。

在脑部电阻抗图像监护应用中，一个需要解决的问题是在长时间监护过程中会不可避免地受干扰影响。比如头部运动或抓挠就会暂时或永久性地改变电极位置，而电极位置的变化又会在EIT采集的原始数据中引入非常大的干扰，加之EIT重构的病态性，从而在EIT图像上产生伪影，甚至淹没重构目标，重构出错误的图像[7]。目前，采用的办法只有在数据回放分析时，通过人工观察判断干扰数据，然后将干扰段数据弃用，这种方式不仅需要回放分析人员具有很丰富的实验经验，而且耗时费力，还会由于数据弃用而导致分析误差，影响脑部EIT的临床应用研究。

已经报道的一些肺部EIT干扰抑制方法大多是基于肺部呼吸信号的周期性提出频率滤波方法，由于脑部EIT信号变化较慢且没有周期性，因此难以适用[8-9]。前期报道的用于动物实验研究的均值滤波方法只能降低噪声水平，无法抑制干扰[6]。目前还没有用于脑部电阻抗图像监护数据回放的干扰预处理算法的报道。

基于上述背景，本文研究一种基于数据统计特性的脑部电阻抗图像监护干扰数据预处理算法，实现在数据回放分析过程中对干扰的抑制，有利于对实验结果的准确分析，为后续的临床研究打下基础。

1 材料与方法

1.1 脑部电阻抗图像监护数据采集与图像重建

脑部电阻抗图像监护采用第四军医大学研究小组研制的FMMU-EIT5型系统。该系统激励电流强度为500～1 250 μA可调，频率范围为1～190 kHz，数据采集精度达到0.01%，共模抑制比为80 dB。系统采用16个电极等间隔分布一圈，在实验中，采用对向激励邻近测量的激励测量模式[10]，如图1所示。采集数据时，先在1-9电极上进行电流激励，测量2-3电极、3-4电极、……、7-8电极、10-11电极、……、15-16电极上的电压；然后再在2-10电极上进行电流激励，测量3-4电极、4-5电极、……、8-9电极、11-12电极、……、16-1电极上的电压，一直循环到16-8电极电流激励，完成对一帧图像数据的采集，因此采集一帧图像数据共包含16个激励，每个激励有12个有效测量数据。在图像监护数据预处理过程中，可以将每一个激励测量数据作为一个独立的通道信号进行处理，因此总共有192个通道的信号。

脑部电阻抗图像监护采用动态差分图像重构算法，选取一帧数据作为参考帧，然后将另一帧数据作为当前帧，与参考帧进行差分成像，重构出两帧数据之间电阻抗的变化分布，本文采用阻尼最小的二乘图像重构算法[7]。

图1 电阻抗成像对向激励邻近测量模式图

1.2 脑部电阻抗图像监护干扰数据预处理算法

本算法的总体分为两步，首先针对某一通道的信号进行干扰的检测，根据设定的阈值判断出干扰后，再将干扰信号进行滤除，得到干扰抑制后的信号。以上方法同时针对192个通道的信号进行处理，处理后的数据即可用于图像重建。

1.2.1 干扰检测

相较于肺部电阻抗成像的信号变化，脑部电阻抗成像的信号变化相对缓慢。因此，干扰检测可以采用时域检测方法，比如通过信号的幅值、信号的斜率、信号变化的标准差等来判断。为了增强处理的稳健性，根据获得信号的特点，本文采用具有信号统计特性的信号变化标准差实现干扰检测。

对于每一个通道信号而言，可将信号表示为xi（tj）（i=1，2，…，M；j=1，2，…，N），其中M为通道个数，N为通道采集数目。采用式（1）计算信号的标准差：

式（1）中，W为计算标准差的窗宽，当干扰产生时，往往会发生突变，其对应的标准差也会变大，通过设定一阈值T，当σ（t）＞T则说明这一时刻发生了干扰，从而实现干扰检测。

1.2.2 干扰滤除

干扰发生时，常常导致信号幅值发生传统均值滤波难以处理的大的阶跃型变化。针对这种干扰，本文考虑引入偏置量Δxi（tj）进行干扰滤除。假设t0时刻为理想状态，没有干扰发生，此时Δxi（tj）=0。后续的ta时刻偏置量则用式（2）计算：

则滤除干扰后的数据y（t）为

在回放分析时，可以将各通道的yi（t）组成新的干扰滤除后的数据进行图像重构，实现干扰数据的预处理。

1.3 临床患者实验数据验证

为了验证本文所研究的干扰数据预处理算法效果，我们对一例临床脑水肿患者甘露醇脱水实验数据进行了回放分析。实验经过第四军医大学伦理委员会批准，获得患者知情同意，整个过程不影响正常的治疗[6]。16个电极通过导电膏粘贴于患者头部，用弹力绷带固定。甘露醇通过静脉20 min注射完毕。脑部电阻抗图像监护在注射前30 min开始采集，采集速度1帧/s。采用甘露醇开始注射时刻的数据作为参考帧，通过数据回放分析可对注射后的任意时刻数据进行图像重构。

2 结果

为了更为直观地展现干扰预处理结果，我们将该例患者实验中每帧的192个数据进行平均，计算出单帧数据的平均信号幅值，原始的信号如图2中虚线所示。t1时刻为甘露醇开始注射时刻，所有图像以t1时刻数据为参考帧重构。图2中可见t2时刻发生了较大的干扰，此时重构图像如图3（a）所示，虚框内也可见较大的干扰存在。

采用本文提出的方法对每一个通道信号进行干扰滤除处理，计算标准差的窗宽W取值120 s，阈值T取0.06 mV，各通道信号处理后再计算平均信号幅值，干扰滤除后的信号如图2中实线所示，可见干扰得到了较好的滤除，此时重构图像如图3（b）所示，重构出的图像与t2前一时刻没有干扰时的图像一致，可见干扰得到了较好的滤除。

3 讨论与结论

本研究充分利用脑部电阻抗图像监护的数据统计学特征，通过标准差计算的方法对干扰进行检测并进一步滤除，实验结果表明可以在数据回放分析过程中滤除干扰的影响，滤除干扰后的数据可以直接进行临床实验的分析。

图2 信号预处理前后对比图

图3 信号预处理前后重构图像对比

脑部电阻抗成像干扰问题是该技术发展到临床应用以后出现的新的科学问题，目前国内外对这一问题几乎没有研究报道，本研究提出的方法仍属于半自动的预处理方法，窗宽W和阈值T仍需要手动设置，下一步还需要针对不同的实验，研究窗宽W和阈值T的自动优化取值方法，实现全自动处理。此外本文所提方法主要针对数据回放分析的预处理，下一步还需要对实时成像时的数据预处理方法进行深入研究。

总之，从结果可以看出，本文方法可完全用于脑部电阻抗图像监护数据回放的干扰预处理，相较于以往的人工处理速度快、效果好，可以很好地辅助大量临床数据的分析工作，为脑部电阻抗图像监护的临床深入研究打下了基础。

[1]Barber D C，Brown B H，Freeston 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.生物电阻抗成像研究的现状和挑战[J].中国生物医学工程学报，2008，27（5）：641-643.

[5]徐灿华，董秀珍.生物电阻抗断层成像系统及其临床研究进展[J].高电压技术，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）

《医疗卫生装备》杂志“研究与设计”栏目征稿

本刊“研究与设计”栏目主要报道生物医学工程领域最新的科研理论及成果，重点报道该领域中前沿的基础研究及其应用，尤其是获得国家、省部级课题资助的项目。为了保障该栏目文稿的水平和质量，更好地服务广大读作者，特面向全国征稿。论文格式参照本刊稿约，请保证文章版权的独立性，严禁抄袭，文责自负，勿一稿多投。欢迎向该栏目投稿，优秀稿件的出版周期将大大缩短。

注：凡来稿请务必在稿件开头注明作者通信地址、邮编以及联系电话和E-mail，以便我们及时与您联系。

（本刊编辑部）

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

国家自然科学基金课题（51207161）；国家科技支撑计划课题（2011BAI08B13，2012BAI20B02）；“十二五”军队课题（AWS14C006，CWS 12J102）；陕西省攻关项目（2014K11-04-01）

徐灿华（1984—），男，讲师，主要从事生物医学工程方面的研究工作，E-mail：canhuaxu@fmmu.edu.cn。

710032西安，第四军医大学生物医学工程学院（徐灿华，代 萌，杨 滨，杨 琳，张 戈，夏军营，刘本源，史学涛，付 峰，董秀珍）

董秀珍，E-mail：dongxiuzhen@fmmu.edu.cn