基于电阻抗成像技术的飞行员健康状态监测系统研究

关键词：生物阻抗技术； 肺部成像； 高斯-牛顿算法； 航空医学生物； 飞行员

中图分类号：O649 文献标识码：A DOI：10.19452/j.issn1007-5453.2024.10.012

在航空领域，微电子技术和计算机系统的迅速发展使得飞机驾驶场景中飞机的自动化水平越来越高[1]，战斗机的性能整体得到显著提升，包括更长的航程和续航时间。现代高性能战斗机的飞行高度和飞行速度在短时间内快速增加，伴随而来的是加速度负荷的上升。在飞行过程中可能会产生持续的过载效应，这可能导致飞行员体内血液分布发生突变，从而引发人脑供氧和供血不足的问题。这对战斗机飞行员的身体素质提出了更高要求，需要考虑飞行员心理和生理等多方面情况[2]，而心肺功能成为其中重要评估指标之一。

在高空执行飞行任务时，飞行员的呼吸活动将经历一系列变化，这将直接影响飞行员的呼吸功能。若未能实现及时的监测以及适当的防护，可能导致飞行员的呼吸功能下降，使其失去行动能力，甚至引发机毁人亡的悲剧。因此监测飞行员的心肺状态从而实时确定飞行员的健康状况，以便及时采取相应的防护或急救措施，保护飞行员生命及国家财产安全。

相关研究表明，人体的各组织具有不同且动态变化的阻抗特性，如骨骼的电阻率约为166Ω·m、肺（呼出-吸入）电阻率范围约为7.27～23.63Ω·m。同时，人体作为一个动态系统，在进行生理活动或者发生疾病时，会导致人体阻抗信息的变化。因此，生物电阻抗携带着丰富的生理和病理信息。根据测量所得的组织（器官）阻抗值，可以生成阻抗分布图。通过对图像进行分析，并与参考数据或图像进行对比，可以推断出人体当前阶段的病理和生理状况。电阻抗成像（EIT）技术的应用前景十分广阔，现阶段主要集中在肺部呼吸功能成像、腹部脏器功能成像、脑部功能成像等领域[3]。

肺部呼吸功能成像是目前EIT 技术应用最成熟的技术之一。其与现有的较为完善的医学成像技术（如X-ray、CT、MRI等）对比来看，EIT 技术对人体细胞无损害，可多次使用，反复测量，对工作环境的要求不高，具有成本低廉、便于携带、可以随时随地监测的特点，因此适用于医疗实时动态监测。近年来，EIT技术越来越受到研究人员的关注。

生物电阻抗的理论是由1798 年意大利科学家Galvani 发现了青蛙腿部神经活动的电性质而被提出来的。这一现象说明了生物组织内也存在着电信号，其特性可以用电学观点进行表征。1871 年，德国科学家Herman 成功测定了骨骼肌的电阻值。20世纪初，Cole兄弟建立了生物组织的Cole-Cole等效电阻抗模型，并以此为基础分析生物阻抗的频谱特性。1957 年，Schwan提出的频散理论进一步补充了对生物组织电学特性的阐述。生物电阻抗的理论基础至此基本成型[4]。

在实现对生物电阻抗测量的技术方面，早期采用的方法是使用单频的交流小信号进行生物阻抗的测量。由于存在个体以及待测部位的差异，对应的测量结果随之呈现相当大的差异。因此，现代测量技术引入多频率的交流小信号以降低个体差异性带来的误差。EIT 技术是20 世纪末期迅速发展起来的一种新型的成像技术，它的雏形出现在20 世纪20 年代，最早被应用于地址勘测领域。地质工作者首先将电流注入大地中，通过测量其地表上的电压分布来确定不同电层的电阻率，经过一系列的分析研究，最后结合岩面和矿物质的特性来达到对矿藏分布的位置及储量的预测。电阻抗成像便是基于此建立的。

EIT 技术在国外的研究相对成熟，已经从实验室阶段转向了临床研究，并取得了显著成果。英国Sheffield 团队研究了用于肺部成像EIT 技术；英国Oxford 团队主要研究重建算法和自适应断层扫描系统；美国Rensselaer 团队研究了最佳电流配置和重建算法。国内在EIT 技术领域起步较晚，研究领域主要集中在数据采集系统、图像重构算法，以及电极系统及临床实践等方面，也形成了自己的特色[5]。经过多年的研究和发展，国内在EIT 研究领域也取得了很多成果。激励频率也从单一频率向多频和扫频发展，数据处理速度不断提升，测量精度不断提高。在成像算法上的优化和改进使得成像质量和分辨率上有大幅提高。但是目前尚处于实验室研究阶段，大部分医疗设备仍需从国外采购，价格较高。

在军事训练和作战任务中，许多飞行员置身于恶劣的驾驶环境，如飞机飞行速度和方向迅速改变引起的过载、高空的缺氧和减压，以及飞行员高度专注所带来的神经压力等[6]。研究飞行员对各种不利因素的耐受度以及寻找相对应的防护措施具有重要意义。在航空领域方面，我国在机载呼吸防护设备投入了大量的精力进行相应的研发工作，但大多还停留在依靠飞行员自己判断自身健康状态，而缺乏监测设备对飞行员健康状态的判断，从而提醒飞行员及早进行自救或联系地面采取相应救援措施。

本文基于EIT 技术设计实现了一种基于生物阻抗成像的飞行员健康监测测试系统，初步验证了系统实时持续地监测人员健康状态的能力，为未来便携式飞行员肺部健康状态监测系统的研究与开发提供技术支撑。

1 基于EIT技术的系统设计

本文设计了一款基于EIT 技术的健康状态监测测试系统，为实现飞行员肺部健康实时持续监测提供了原理验证与功能测试，系统的设计流程如图1所示。

系统硬件部分由主控板和两个拓展板构成，其中主传感板由三个部分组成：用于对测量电极片注入交流信号的电流驱动电路；用于测量电流驱动输出电压的电压测量电路；带有ESP32 微控制器的控制电路，最终完成与上位机之间的通信[7]。拓展板是采集模块的一部分，通过控制算法，可进行不同电极数量的电压数据采集，并可通过拓展板进一步增加电极数量，进而提高测量的精度。

系统软件部分将测量得到的试验数据，采用正则化的高斯-牛顿算法在PyCharm 中实现了圆形场域的阻抗信息的图像重建，实现对不同位置、不同个数的成像对象的图像重建。

1.1 电流驱动电路

电流驱动电路由一个信号发生器、一个可调节的测量放大器和一个压控电流源组成。信号发生器的作用是产生一个指定频率的恒幅差分正弦波形。结合生物阻抗技术的测量原理和本文设计的系统需求分析，信号发生器应具备多频率可调、幅值可调，以及能够稳定输出正弦信号等特性。同时，还需要考虑模块的功耗、成本和集成度。

本文主要通过两个运算放大器ADA4841 以一种镜像的、改进的霍兰德电路配置方式来实现。改进后为带缓冲反馈的霍兰德电流源电路如图2 所示。其与标准霍兰德电流源电路的区别在于：额外使用了一个运算放大器构成电压跟随电路，以驱动正反馈回路[8]。

1.2 电压测量电路

考虑到人体安全电流的限制，向人体注入的电流非常微小，因此导致人体表面可以采集到的电压信号也相对微弱。这对硬件电路的设计提出了较高的要求，电路的性能直接影响信号采集和提取的精度。是本文系统需要特别关注的模块。

图3呈现了本文系统中电压测量电路的示意图。测量电极获得电压信号，其幅值较小且带载能力非常差。系统中的电压缓冲放大电路对电压信号进行近端保护，起到了增强信号质量的关键作用。通过使用高通滤波器处理缓冲后的信号，可进一步提高信号质量。滤波与缓冲后的电信号随后输入差分转单端程控放大电路。紧接着信号进行调制，并适当降压以驱动模数转换器ADC。

A/D模数转换电路是电压测量模块的最后一级电路，其功能是将经过处理的模拟电压信号转换为微控制器（MCU）能够处理和分析的数字信号。本文系统选用模数转换芯片为ADS901E。

1.3 多路复用板和电极

两个多路复用器板可以堆叠在顶部，并将信号引导到各个电极。由于EIT 激励电流和测量信号非常微弱，同时通道间存在耦合电容，可能导致靠近激励电极的测量电极产生较大的误差信号。多路开关的性能对EIT 系统的数据采集起到关键作用[9]。因此，需要确保多路开关在不同通道间的串扰较小，具备良好的通道隔离性能，以维持信号的准确性和稳定性。需要确保多路开关能够有效地实现电极激励通道及测量通道的快速切换。选用具有较低导通电阻和平坦导通电阻特性的多路开关，确保信号传输的稳定性和精度。此外，选择经过可靠性测试、具有较长寿命和良好质量保证的多路开关，以确保系统的稳定性和持久性。

综合考虑，本文系统的多路模拟开关选用ADI 公司的型号为ADG731 芯片，其为32 通道模拟多路复用器，配有一个串行控制的三线式接口。ADG731 将32 路输入（S1-S32）之一切换至公共输出D。多路复用器采用三线式串行接口，并且与接口标准兼容。

EIT系统中，输入/输出通道个数小于电极数目，而且EIT 测量方式是遍历所有电极对，这时就需要高速模拟多路复用器模块来连接电极传感器和信号输入/输出通道[10]。

在EIT系统中电极数目最常用的是8 电极、16 电极、32电极和64 电极。随着电极数量的提高，测量精度也在不断增强，但是随之而来的是更长的测量时间以及电极之间的影响。在多路复用器的设计上，本文选择使用32 选1 的芯片，EIT 系统激励和测量方式选择四端电极的相邻测量法，相邻测量法如图4 所示。

两个电极用于施加电流，称为激励电极，另外两个电极用于测量电压，称为测量电极。激励电极施加电流，而测量电极用于测量电压。传统的两电极测量中，电极与电解质接触会导致电极极化，影响测量准确性。四电极测量法通过独立的电流电极和电压电极，使得电极极化影响降到最低。

1.4 控制电路

本文系统使用ESP32进行控制，其集成了Wi-Fi 和蓝牙双模，可以在同一设备上同时运行Wi-Fi 和蓝牙连接。这使得它适用于需要同时进行Wi-Fi 和蓝牙通信的应用，如智能家居设备。同时ESP32 采用先进的电源管理技术，可以实现低功耗操作，这对于移动设备和需要长时间运行的电池供电的应用非常重要。

电流驱动电路和电压测量电路均由ESP32 微控制器通过SPI 通道和GPIO 引脚控制。通过两条独立的SPI 总线（HSPI 和VSPI）实现控制电路。第一条SPI 总线用于控制信号发生器（AD5930）和数字变阻器（AD5270）。第二条SPI 总线用于IO扩展器（MCP23S17），该扩展器驱动多路复用器的芯片选择引脚以及各种其他数字输入。ADC转换器输出直接路由到ESP32 GPIO引脚，并以20MHz采样。

2 系统测量实现

将EIT 设备、测量电极片以及被测物连接好后，编写程序测量信号。将测量需要设置的参数输入库的构造函数中去，然后调用库的take_measurement（）函数开始收集数据，通过初始化构造函数进行确定电极数量，再通过自动校准，最大化ADC通道范围内的电压响应，校准完成后，可以通过take_measurement（）函数开始收集数据。默认情况下，测量数据按顺序从电极对检索，即从一个电极对开始，然后从阵列周围的其余电极对检索。通过Arduino IDE 的串口传输助手，将EIT 测量板测量数据返回到上位机中。使用Python 进行数据处理，最终完成被测物的成像[11]，现有健康状态数据对比，反映出健康状态。

3图像重建

EIT技术包含正问题和逆问题的求解。正问题是指根据物体体内的电导率的分布和注入的电流值来计算物体周围的电位值，如图5 所示。逆问题则是根据注入的电流和物体周围测量出来的电位值来求解物体内部的电阻率的值及其分布，如图6所示。

在实际的情况下，EIT系统中的电流场其实是一个三维场，但由于三维效应对人体不同部位的影响不同，在当较大纵向范围内横截面电导率分布差别不大的部位影响较小时，忽略不计，可将EIT场域近似为二维场域进行研究。

对于电阻抗成像而言，由于施加的电流为低频恒定电流，一般小于100kHz，可以使得位移电流忽略不计，为了计算方便，本文做出以下假设：（1）电流场满足似稳条件，即待测场域的最大尺寸远远小于电流场的波长。这样便可以使得场域中任何一点电流的变化都是同步的[12]。（2）为了可以在场域中应用欧姆定律，以及电场强度和自由电荷分布之间的关系式，需要假设场内没有与外加电流频率相同的电流源[12]。（3）假设被研究的物体可以视为一个离子导电体。（4）为了问题简化，假设场域的电导率与电流密度无关，且是各向同性的。这样电导率的分布就可以用标量函数来进行表示。

当满足以上假设和条件，被研究的物体体内的电流场可以视为一个准静态场，根据麦克斯韦方程组、欧姆定律和拉普拉斯方程，得到

通过以上的拉普拉斯方程组和边界条件，可以根据测量得到的边界节点的电位计算出被测物体内部的电导率分布。

当涉及电阻抗成像时，有动态电阻抗成像（DEIT）和静态电阻抗成像（SEIT）两种主要方法。DEIT 法通过在生物体内施加交变电流，并测量相应的电压响应来实现成像。这种方法涉及在不同时间点应用交变电流，然后测量相应的电压，通过这些电压数据构建图像，反映生物体内的电阻抗分布。动态电阻抗成像可以提供关于生物体组织结构和特性的动态信息。DEIT 法通常需要复杂的电子设备和算法来处理动态数据，系统较为复杂。SEIT 法通过在生物体内施加恒定电流，并测量相应的电压响应来实现成像。系统稳定性较高，适用于研究生物体内的静态结构、器官形态和位置等。EIT 逆问题是一个高度病态且非线性的问题。这种问题存在不唯一解，并且对输入数据中的微小扰动非常敏感，这使得无法通过解析方法得到精确解。因此，通常必须依赖数值方法来求解。需要建立仿真模型，设定并使用初始电阻率分布进行正向计算，得到模型内部的电流分布和边界电压分布。基于边界电压分布，利用图像重建算法（如反问题求解算法）尝试重建更准确的电阻率分布。根据重建得到的电阻率分布，不断修正初始电阻率分布的估计值。使其逼近实际的阻抗分布。

基于牛顿算法的EIT 图像重建过程包括构建与边界测量电位有关的目标函数，从目标函数中获取电导率的步长，进而获取电导率的更新值并计算相应值下的边界电位，将实际测量电位与正问题计算的电位进行比较，直至两种电位的差值满足问题的求解条件。此时的电导率即为目标函数的解[14]。

正则化高斯-牛顿算法流程如图7 所示。采用正则化高斯-牛顿算法解决EIT 逆问题，利用相关数据库进行求解。首先，对场域模型进行有限元剖分，得到141 个节点和248 个剖分单元。在被测场域模型中设置均匀的初始电导率分布为250S/m，将目标区域电导率设为50S/m，并以不同颜色加以区分。设定正则化参数为0.00001，采用16 个电极，通过计算得到电极上的电位分布，并在不同迭用相对激励-相邻测量方式。通过正问题代次数下进行仿真，生成成像结果如图8～图10 所示，归一化尺度下电导率单位S/m。

根据以上结果图显示，使用具有16 电极的EIT 系统可以实现良好的成像效果。该系统不仅能够有效区分不同大小的目标，还能准确定位和检测这些目标。随着迭代次数的增加，场域的阻抗分布变得更加清晰。采用正则化的高斯-牛顿算法可以大致反映被测场域的电阻抗分布，而且成像速度较快。然而，在目标区域周围可能会出现一些伪影，这是由成像算法的误差和重构过程的病态性造成的[8]。

此外，通过引入正则化参数和单位矩阵，能够减小海森矩阵最大和最小特征值之间的差值，从而降低海森矩阵的条件数，改善其病态性。正则化参数的选择与病态性改善相关，其取值既不能过小也不能过大。取值过小则可能增加海森矩阵的条件数，从而影响改善效果；而当值过大时，可能影响海森矩阵所包含的信息。同时，随着迭代次数的增加，重建图像变得更清晰，但也会导致运行时间增加，影响系统的实时性。

因此，如何选择最适合的正则化参数和迭代次数需要进一步深入研究，以进一步完善成像结果，更准确、更快速地反映场域内的阻抗分布情况。

4 结论与展望

高性能战机持续高载荷、高角加速度等特点，以及飞行环境中突发的急性缺氧、呼吸肌疲劳等对飞行员的机体储备、特别是对心肺功能的耐受力提出了较高要求。本文基于EIT 技术设计实现了一种基于生物阻抗成像的飞行员健康监测测试系统。基于参考及测试的相关电压数据，采用正则化的高斯-牛顿算法在PyCharm 中实现了圆形场域的阻抗图像重建，解决了EIT 的逆问题，实现了对不同位置、不同个数的成像对象的图像重建。初步验证了系统实时持续地监测人员肺部健康状态的能力，可为便携式飞行员肺部健康状态监测系统的研究与开发提供技术支撑。

目前国内外对飞行员飞行中肺功能状态实时监测系统的实际应用较少，大多仍停留于地面训练。对于此类系统进一步深入研究与开发能为飞行员的健康监测提供便捷而有效的解决方案，为飞行员自救及地面人员对飞行员施救提供有力保障。