醫學電學層析成像技術發展

譚 超 ，陳旖璇

（1.天津市過程檢測與控制重點實驗室；2.天津大學電氣自動化與信息工程學院，天津 300072）

人類健康與醫療是現代社會的基礎需求，隨著現代醫學的快速發展，新的診斷、治療與康復手段不斷涌現。傳統的醫療器械、設備與裝備，特別是隨著智能技術的快速發展，以人體測量信號分析為基礎的診斷與康復設備逐漸成為新的、快速增長的領域?，F代醫學與醫療技術是伴隨著新型儀器設備的發展而快速成長的，從診斷、治療到康復的過程中均離不開儀器設備的支撐。因此，醫療器械已經成為國家重要的行業領域，也是經濟增長與科技創新的重要引擎之一。醫工結合本身是一個自然交叉融合的領域，隨著人口老齡化與城鎮化比例的提高，以現代工程技術為核心的新型儀器設備與技術將成為支撐人類健康發展的重要基礎。目前，在健康領域廣泛出現了以工程技術為核心的技術，如3D打印人工器官、人工心臟、智能成像、康復設備、手術機器人等，其核心技術多為工程技術與醫學應用的交叉領域。此外，一些基礎理工科知識也逐漸被應用于醫學中，如將流體力學應用于人體呼吸機設計中，提高對患者痰液堆積的處理效率。可以說，將自然科學，特別是將工程技術中的基本原理、理論及儀器應用于醫學中，將極大豐富醫學的診斷、治療手段。

目前，在醫工交叉領域中，主要以信息技術、材料科學及機械工程3個典型工科學科為主。本文僅從信息領域入手，以電學層析成像技術為例，從人體信息的獲取、處理、智能3個層面對信息領域醫工交叉作一綜述。

1 電學層析成像技術

醫療影像技術作為現代醫療檢測最常用的手段之一，對疾病診斷與篩查起到至關重要的作用，其基本原理是通過從不同角度對人體進行測量投影，并結合反演算法重構出人體組織電性能參數分布。醫學影像技術根據所利用的物理場不同，可分為超聲影像、CT、MRI、正電子發射斷層成像（PET）等。醫療影像技術的出現，為臨床醫學提供了十分直觀的診療手段，可清晰區分出不同組織的形狀、尺寸及位置，用于判定病灶與病情評估。因此，圖像重建的精度是醫學成像領域的關鍵技術。從超聲成像到高精度的MRI以及功能性磁共振成像（fMRI）的出現，已經為臨床醫師提供了大量有價值的信息。

新型檢測技術是醫工交叉的核心技術，其通過新的檢測方法，獲取更多的人體特性參數用于臨床疾病的診斷和治療，或者是獲取更高精度的人體參數，打破現有技術的瓶頸和局限，例如提升醫學影像技術的空間分辨率等；在工業中也存在較多的工業層析成像與檢測技術，可以為醫學檢測提供新的測試模態與成像方法，例如電阻抗層析成像（EIT）、電磁層析成像（MIT）、電容層析成像（ECT）等，其掃描速度可達上千幀每秒，能捕捉人體血流、心臟跳動等快速過程，可提供功能成像與動態信息，是現有醫學結構成像的有益補充。

1.1 EIT EIT利用人體不同組織電特性之間的差異，向貼于皮膚表面的電極陣列注入安全電流并獲得邊界電壓測量數據，運用圖像重建算法計算出被測區域內組織的電特性分布，進而實現人體內部組織分布的可視化。EIT技術具有非侵入、低成本、無輻射、響應快、使用便攜及可視化等特點，因此在醫學成像領域受到了廣泛的關注。EIT技術在現有臨床醫學研究中的應用場景主要集中在肺部呼吸及水腫監測、腦卒中診斷、心臟活動監測等。

在肺部監測應用中，由于人體在吸入氣體時會使肺泡擴張，導致電流流動路徑長度增加，胸腔內的電阻率顯著增大。EIT技術通過向放置于胸腔周圍的電極陣列注入交變電流并測量電極間電壓來重建胸腔內的電阻率分布，從而實現肺部通氣情況的可視化測量[1]。急性呼吸窘迫綜合征是一種嚴重的異質性肺損傷，具有較高的死亡率，此類患者肺部通氣分布極不均勻，不合理的機械通氣方案會進一步加重急性呼吸窘迫綜合征患者的肺部損傷[2]。而EIT技術可以通過重建肺部通氣分布來評估其不均勻程度，從而優化肺通氣治療方案[3]。此外，EIT技術還可應用于肺部水腫的診斷與監測中。肺部水腫病因復雜，可由多種疾病引起。NOBLE等[4]使用16電極陣列獲得了由急性左心衰竭引起的肺部水腫患者的胸部EIT圖像，成像結果表明，相比于未患病者的EIT圖像，肺部水腫患者肺部的電導率值明顯增加。ARAD等[5]利用8電極陣列EIT系統重建了胸腔積液患者胸腔內部左右兩肺的電導率，重建結果表明，具有積液一側的肺組織與另一側肺組織的平均電阻率差值為 -48 Ω/m，進一步證明了EIT技術在肺部水腫監測中的可行性。

在腦卒中診斷中應用EIT技術也受到了國內外學者的廣泛關注。腦卒中按照其病因可分為兩種類型：缺血性腦卒中和出血性腦卒中。其中，缺血性腦卒中是由于顱內動脈的狹窄或閉塞、腦供血不足引起；而出血性腦卒中是由于血管的破裂或泄露引起。腦卒中發病后必須迅速區分這兩種病因，然后才能根據各自特點制定不同的治療方案[6-7]。EIT技術利用了出血部位、缺血部位與正常頭部組織間的電導率差異，根據人體頭部電導率分布的重建結果來確定腦卒中類型，并判斷出血或缺血部位的具體位置及嚴重程度?，F有研究中用于腦卒中診斷的EIT成像方法主要包括時差法、頻差法和多頻方法。時差法利用病變前后邊界測量值的差值進行圖像重建，這種方法雖然可以獲得較好的成像效果，但由于對于病變前先驗數據的依賴性使其實際應用受到限制[8]；頻差法利用生物組織電導率隨頻率變化的特點，利用不同頻率下測量數據之間的差值來重建不同頭部組織的電導率變化，這一方法避免了時差法中對于病變前先驗數據的依賴性，更符合腦出血檢測的實際應用需求[9-10]；多頻方法同樣利用了頭部組織電導率隨頻率變化的特點，而多頻數據的利用極大地增加了EIT系統獲得的測量數據量，從而有利于獲得更全面、準確的出血或缺血部位信息。YANG等[11]提出了一種基于電導率譜分解的多頻EIT方法用于腦卒中檢測，該方法首先獲得多個頻率下頭部組織的電導率譜圖像，再利用獨立分量分析方法從譜圖像中分離出病變部位的圖像，結果表明，這一方法能夠有效減輕頭部背景組織對于病變部位成像的影響，提高EIT系統對于腦卒中的檢測精度。MCDERMOTT等[12]提出了一種結合機器學習的多頻對稱差分EIT方法，通過支持向量機分類方法實現了缺血性卒中和出血性卒中的識別與區分。

此外，EIT技術也被應用于心臟活動監測中。利用該技術可以重建出一個心動周期內的電導率分布圖像序列，通過重建圖像的電導率分布差異來判斷心動周期內的不同階段[13]。心律失常是一種常見的心臟疾病，通過心電射頻消融術可對其進行有效治療。而有關心肌內病變部位發展狀況的信息對手術的安全性和有效性至關重要，EIT技術可以通過重建電導率分布圖像來判斷病變部位的尺寸并監測其發展狀況，從而有利于輔助心律失常病患的臨床治療[14]。

1.2 MIT MIT是一種基于電磁感應原理的非接觸式成像技術，通過向激勵線圈中注入正弦交變電流產生交變主磁場，進而由被測介質內部的感應渦流產生次級磁場，兩者的疊加會在檢測線圈中產生感應電壓。利用傳感器陣列中各個檢測線圈獲得的邊界測量數據即可重建出被測區域內介質的電導率或磁導率分布。在MIT技術檢測中，傳感器陣列不需要與被測物體直接接觸，從而避免了EIT技術中存在的接觸阻抗問題。此外，由于磁場可以穿透低電導率的顱骨組織，所以克服了EIT技術對于被測介質導電性的依賴。許多研究人員也開展了將MIT技術用于腦部成像的研究。

Al-ZEIBAK等[15]首先研制出一套用于醫學檢測的單通道MIT系統，通過機械旋轉被測物體，得到了多個方向的投影數據進行圖像重建，成像結果表明，利用該系統可以區分出不同電導率的生物組織，從而驗證了MIT技術應用于生物醫學成像的可行性。隨后，KORJENEVSKY等[16]設計了一套多通道MIT實驗系統，該系統采用環形傳感器陣列，由16個激勵線圈和16個檢測線圈組成，工作頻率為20 MHz，結合基于人工神經網絡的圖像重建算法，該系統成功重建出了人體頭部的電導率分布圖像。多通道系統中的電子掃描取代了之前的機械掃描方式，極大地提高了成像速度，使MIT技術既可以實現對人體頭部的快速實時成像，又可以對病變部位進行長期持續監測[17]。環形傳感器陣列是MIT系統中最典型的陣列結構，但其獨立測量數據有限，基于半球形傳感器陣列MIT系統的提出，不僅為圖像重建提供了更多的獨立測量數據，而且打破了環形傳感器陣列的二維截面成像模式，提供了MIT人腦三維成像的可能。XU等[18]研制了一套用于顱內出血檢測的半球形MIT系統，結合差值算法實現了電導率分布重建。GRIFFITHS等[19]綜合考慮了重建圖像質量與實際系統的成本和需求，對用于腦部成像的半球形MIT系統的傳感器參數進行了優化，提高MIT系統對于出血部位附近的局部靈敏度。XIAO等[20-21]研究了一種局部曲面傳感器陣列結構，在仿真中利用不同出血大小的三維腦模型對局部曲面結構與圓環結構系統的成像效果進行了對比分析，仿真結果表明，局部曲面結構MIT系統在傳感器陣列附近具有更高的靈敏度與成像精度，這種結構還可以實現對顱內出血的局部檢測，相比于環形與半球形陣列在實際應用中更加便捷。但由于生物組織的電導率較低，其產生的次級磁場相比于激勵線圈產生的主磁場十分微弱，難以準確檢測，尤其對于局部傳感器結構，由于各傳感器間的距離較近，激勵線圈產生的主磁場對檢測信號的影響更大。為了減小主磁場的影響，提高MIT系統對腦組織電磁信號的檢測精度，CHEN等[22]利用Bx傳感器的主磁場抵消原理設計了一種用于顱內出血檢測的局部平面傳感器陣列，并對傳感器參數進行了優化，仿真與實驗結果表明，局部平面MIT系統可正確重建不同體積、不同位置顱內出血的電導率分布。

1.3 ECT ECT通過測量安裝在被測區域邊界的電極對之間的電容值，結合圖像重建算法，獲得被測區域內介質的介電常數分布。現有研究中對于ECT技術的醫學應用主要集中于牙齒與人腦活動檢測中。牙髓治療，也被稱為根管治療，是牙醫學中治療牙髓壞死和牙根感染的一種常見方法。通過X射線照片可以確定牙齒的結構和位置，同時也可以作為離線診斷與治療的參考。但由于X射線的電離輻射與CT技術的成像速度問題，使其在治療過程中對牙根部位進行持續監測并提供實時圖像等應用受限。ECT技術具有低成本、無輻射、成像速度快等特點，可以在根管治療過程中提供牙齒的實時圖像。此外，還可以將ECT圖像與X射線照片進行圖像配準，從而進一步提高牙根部位的成像質量，使根管治療更加準確有效[23-24]。

除了輔助牙髓治療外，ECT技術還可用于人腦活動檢測中。人類大腦活動成像是神經科學研究中的重要課題，在預防和治療神經系統疾病方面具有重要意義。大腦活動會引起頭皮上或頭皮內特定區域的電勢變化，而這一電勢變化影響著大腦內部的介電常數分布[25]。ECT技術可根據傳感器陣列各電極對之間的電容測量數據，重建頭部的介電常數分布圖像，進而實現對大腦活動的監測。TARUNO等[26]設計了一種頭盔式的ECT傳感器陣列進行大腦活動成像，實驗結果表明，在移動右手、移動左手及閱讀書籍這3種不同的大腦活動下，利用ECT系統重建出的介電常數分布圖像存在顯著差異，證明了ECT技術在人腦活動檢測中的可行性。

2 可穿戴式電學層析成像

可穿戴設備是人體健康監測與管理的重要發展方向。目前如心率、血氧飽和度等參數的隨身監測技術已經獲得了較成熟的發展，而對于血糖、血脂等基礎性慢性疾病指標的監測還未達到成熟的無創可穿戴檢測水平。電學層析成像也可以用于可穿戴的檢測中，例如肺部呼吸過程、心臟活動及疲勞監測等。

WU等[27]設計了一套基于高性能的有源電極專用集成電路的多功能可穿戴EIT系統，該系統將柔性印刷電路板與由32個電極組成的傳感器陣列固定在一個環形織帶上，并通過計算機對獲得的臨床參數進行可視化，利用這一可穿戴EIT系統成功實現了肺部呼吸過程成像與心率監測。為了最大限度地提高胸腔檢測的便捷性，RAPIN等[28]對可穿戴EIT系統進行了優化設計，將傳感器陣列集成在一件背心上，傳感器在接觸皮膚時自動開啟，然后進行連續測量，直至患者脫下背心停止測量。在測量過程中，數據存儲在主傳感器中，并在測量結束后通過Wi-Fi將其傳輸到外部單元（如計算機）中，患者只需穿上背心即可實現對肺部呼吸過程及心臟活動的監測。DARMA等[29]提出了一種適用于可穿戴EIT中柔性邊界傳感器的實時動態成像方法，這一研究中所設計的傳感器由4個可伸縮層組成，包括電極層、固定電極位置的彈性織物材料、拉伸檢測器及角度檢測器，利用拉伸檢測器與角度檢測器的測量數據可實現柔性邊界的形狀估計；最終，利用設計的可穿戴EIT系統成功實現了人體手臂成像。XIE等[30]設計了一種用于生物力學運動監測的可穿戴電磁傳感器，這一設計將電磁傳感器附著在日常的可穿戴物品上（如假睫毛、手套等），眼瞼或關節之間的相對運動會引起電磁傳感器間的互相阻抗與電感信號變化，利用這一可穿戴電磁傳感器的檢測數據，可實現對眨眼頻率、手腕或手指的彎曲程度、頻率進行實時監測，從而有助于眼部疲勞與腕管綜合征的及時檢測與治療。

3 人工智能與醫學影像

醫學影像技術的出現同時帶動了現代信息處理與人工智能技術在醫療領域中的應用，機器學習的能力是建立在醫學影像技術的基礎上的，也就是說，機器能識別病灶的前提是醫學影像技術能準確獲取高精度的病灶影像。因此，醫學影像圖像的高精度重建是人工智能技術的基礎，即利用機器學習的智能分析手段，通過分析海量的醫學影像圖像，學習各類病灶的形狀特性等，并給出專家級評估。其優勢在于，計算機可以通過學習，持續不斷地改進對病灶圖像的識別能力，能將臨床醫師看片的經驗量化，并快速迭代增加評估經驗促進性能的進化。因此，人工智能技術在醫學影像分析上有很大的發展潛力，目前已經在腦癌、肺癌等腫瘤性疾病的診斷方面，達到甚至超過了專家醫師看片的能力。

COUDRAY等[31]利用inception v3深度卷積神經網絡模型對從癌癥基因組圖譜中獲得的全切片圖像進行自動分類，結果表明，這一方法可以實現對不同的肺癌類型與正常肺部組織的準確識別，同時可以預測不同類型的基因突變，在癌癥治療中具有重要意義。LAKHANI等[32]利用AlexNet和GoogLeNet深度卷積神經網絡模型實現了胸部醫學影像中對患有肺結核的肺部與正常肺部圖像的分類。CHOI等[33]利用深度卷積神經網絡模型結合脫氧葡萄糖和AV-45正電子發射層析成像的成像結果，預測輕度認知障礙患者的認知能力下降程度，并判斷其轉化為阿爾茲海默癥的可能性，從而有助于對該病的早期診斷與治療。LEE等[34]研制了一套深度學習系統用于急性顱內出血的檢測，利用深度卷積神經網絡模型實現了對CT圖像中不同出血類型的準確識別，以促進對顱內出血的及時診斷與治療。

但機器學習的弊端在于泛化能力較弱，對于已有訓練樣本的病灶通過大量訓練可以實現較高的識別率和評估水平，而對于特殊病例的識別和評估則容易因為機器學習模型的泛化能力而導致識別率低下，因此臨床醫師與機器智能結合是目前的解決方案。

4 總結與展望

醫工結合是當前十分熱門的研究方向，如何將豐富的工科技術，應用于醫療中是多個研究領域中需要不斷探討與探索的問題。此外，由于醫療檢測技術的不斷發達，其也可以在工科領域中進行應用，例如超聲醫學檢測中常用的成像技術、MRI技術等，已經逐步被用于工業復雜流體檢測研究中，并展現出各自的獨特優勢。因此，醫工結合并不是僅將工程技術移植于醫學中，而是兩個領域互相滲透與借鑒的過程。