基于電阻抗成像技術的飛行員健康狀態監測系統研究

關鍵詞：生物阻抗技術； 肺部成像； 高斯-牛頓算法； 航空醫學生物； 飛行員

中圖分類號：O649 文獻標識碼：A DOI：10.19452/j.issn1007-5453.2024.10.012

在航空領域，微電子技術和計算機系統的迅速發展使得飛機駕駛場景中飛機的自動化水平越來越高[1]，戰斗機的性能整體得到顯著提升，包括更長的航程和續航時間。現代高性能戰斗機的飛行高度和飛行速度在短時間內快速增加，伴隨而來的是加速度負荷的上升。在飛行過程中可能會產生持續的過載效應，這可能導致飛行員體內血液分布發生突變，從而引發人腦供氧和供血不足的問題。這對戰斗機飛行員的身體素質提出了更高要求，需要考慮飛行員心理和生理等多方面情況[2]，而心肺功能成為其中重要評估指標之一。

在高空執行飛行任務時，飛行員的呼吸活動將經歷一系列變化，這將直接影響飛行員的呼吸功能。若未能實現及時的監測以及適當的防護，可能導致飛行員的呼吸功能下降，使其失去行動能力，甚至引發機毀人亡的悲劇。因此監測飛行員的心肺狀態從而實時確定飛行員的健康狀況，以便及時采取相應的防護或急救措施，保護飛行員生命及國家財產安全。

相關研究表明，人體的各組織具有不同且動態變化的阻抗特性，如骨骼的電阻率約為166Ω·m、肺（呼出-吸入）電阻率范圍約為7.27～23.63Ω·m。同時，人體作為一個動態系統，在進行生理活動或者發生疾病時，會導致人體阻抗信息的變化。因此，生物電阻抗攜帶著豐富的生理和病理信息。根據測量所得的組織（器官）阻抗值，可以生成阻抗分布圖。通過對圖像進行分析，并與參考數據或圖像進行對比，可以推斷出人體當前階段的病理和生理狀況。電阻抗成像（EIT）技術的應用前景十分廣闊，現階段主要集中在肺部呼吸功能成像、腹部臟器功能成像、腦部功能成像等領域[3]。

肺部呼吸功能成像是目前EIT 技術應用最成熟的技術之一。其與現有的較為完善的醫學成像技術（如X-ray、CT、MRI等）對比來看，EIT 技術對人體細胞無損害，可多次使用，反復測量，對工作環境的要求不高，具有成本低廉、便于攜帶、可以隨時隨地監測的特點，因此適用于醫療實時動態監測。近年來，EIT技術越來越受到研究人員的關注。

生物電阻抗的理論是由1798 年意大利科學家Galvani 發現了青蛙腿部神經活動的電性質而被提出來的。這一現象說明了生物組織內也存在著電信號，其特性可以用電學觀點進行表征。1871 年，德國科學家Herman 成功測定了骨骼肌的電阻值。20世紀初，Cole兄弟建立了生物組織的Cole-Cole等效電阻抗模型，并以此為基礎分析生物阻抗的頻譜特性。1957 年，Schwan提出的頻散理論進一步補充了對生物組織電學特性的闡述。生物電阻抗的理論基礎至此基本成型[4]。

在實現對生物電阻抗測量的技術方面，早期采用的方法是使用單頻的交流小信號進行生物阻抗的測量。由于存在個體以及待測部位的差異，對應的測量結果隨之呈現相當大的差異。因此，現代測量技術引入多頻率的交流小信號以降低個體差異性帶來的誤差。EIT 技術是20 世紀末期迅速發展起來的一種新型的成像技術，它的雛形出現在20 世紀20 年代，最早被應用于地址勘測領域。地質工作者首先將電流注入大地中，通過測量其地表上的電壓分布來確定不同電層的電阻率，經過一系列的分析研究，最后結合巖面和礦物質的特性來達到對礦藏分布的位置及儲量的預測。電阻抗成像便是基于此建立的。

EIT 技術在國外的研究相對成熟，已經從實驗室階段轉向了臨床研究，并取得了顯著成果。英國Sheffield 團隊研究了用于肺部成像EIT 技術；英國Oxford 團隊主要研究重建算法和自適應斷層掃描系統；美國Rensselaer 團隊研究了最佳電流配置和重建算法。國內在EIT 技術領域起步較晚，研究領域主要集中在數據采集系統、圖像重構算法，以及電極系統及臨床實踐等方面，也形成了自己的特色[5]。經過多年的研究和發展，國內在EIT 研究領域也取得了很多成果。激勵頻率也從單一頻率向多頻和掃頻發展，數據處理速度不斷提升，測量精度不斷提高。在成像算法上的優化和改進使得成像質量和分辨率上有大幅提高。但是目前尚處于實驗室研究階段，大部分醫療設備仍需從國外采購，價格較高。

在軍事訓練和作戰任務中，許多飛行員置身于惡劣的駕駛環境，如飛機飛行速度和方向迅速改變引起的過載、高空的缺氧和減壓，以及飛行員高度專注所帶來的神經壓力等[6]。研究飛行員對各種不利因素的耐受度以及尋找相對應的防護措施具有重要意義。在航空領域方面，我國在機載呼吸防護設備投入了大量的精力進行相應的研發工作，但大多還停留在依靠飛行員自己判斷自身健康狀態，而缺乏監測設備對飛行員健康狀態的判斷，從而提醒飛行員及早進行自救或聯系地面采取相應救援措施。

本文基于EIT 技術設計實現了一種基于生物阻抗成像的飛行員健康監測測試系統，初步驗證了系統實時持續地監測人員健康狀態的能力，為未來便攜式飛行員肺部健康狀態監測系統的研究與開發提供技術支撐。

1 基于EIT技術的系統設計

本文設計了一款基于EIT 技術的健康狀態監測測試系統，為實現飛行員肺部健康實時持續監測提供了原理驗證與功能測試，系統的設計流程如圖1所示。

系統硬件部分由主控板和兩個拓展板構成，其中主傳感板由三個部分組成：用于對測量電極片注入交流信號的電流驅動電路；用于測量電流驅動輸出電壓的電壓測量電路；帶有ESP32 微控制器的控制電路，最終完成與上位機之間的通信[7]。拓展板是采集模塊的一部分，通過控制算法，可進行不同電極數量的電壓數據采集，并可通過拓展板進一步增加電極數量，進而提高測量的精度。

系統軟件部分將測量得到的試驗數據，采用正則化的高斯-牛頓算法在PyCharm 中實現了圓形場域的阻抗信息的圖像重建，實現對不同位置、不同個數的成像對象的圖像重建。

1.1 電流驅動電路

電流驅動電路由一個信號發生器、一個可調節的測量放大器和一個壓控電流源組成。信號發生器的作用是產生一個指定頻率的恒幅差分正弦波形。結合生物阻抗技術的測量原理和本文設計的系統需求分析，信號發生器應具備多頻率可調、幅值可調，以及能夠穩定輸出正弦信號等特性。同時，還需要考慮模塊的功耗、成本和集成度。

本文主要通過兩個運算放大器ADA4841 以一種鏡像的、改進的霍蘭德電路配置方式來實現。改進后為帶緩沖反饋的霍蘭德電流源電路如圖2 所示。其與標準霍蘭德電流源電路的區別在于：額外使用了一個運算放大器構成電壓跟隨電路，以驅動正反饋回路[8]。

1.2 電壓測量電路

考慮到人體安全電流的限制，向人體注入的電流非常微小，因此導致人體表面可以采集到的電壓信號也相對微弱。這對硬件電路的設計提出了較高的要求，電路的性能直接影響信號采集和提取的精度。是本文系統需要特別關注的模塊。

圖3呈現了本文系統中電壓測量電路的示意圖。測量電極獲得電壓信號，其幅值較小且帶載能力非常差。系統中的電壓緩沖放大電路對電壓信號進行近端保護，起到了增強信號質量的關鍵作用。通過使用高通濾波器處理緩沖后的信號，可進一步提高信號質量。濾波與緩沖后的電信號隨后輸入差分轉單端程控放大電路。緊接著信號進行調制，并適當降壓以驅動模數轉換器ADC。

A/D模數轉換電路是電壓測量模塊的最后一級電路，其功能是將經過處理的模擬電壓信號轉換為微控制器（MCU）能夠處理和分析的數字信號。本文系統選用模數轉換芯片為ADS901E。

1.3 多路復用板和電極

兩個多路復用器板可以堆疊在頂部，并將信號引導到各個電極。由于EIT 激勵電流和測量信號非常微弱，同時通道間存在耦合電容，可能導致靠近激勵電極的測量電極產生較大的誤差信號。多路開關的性能對EIT 系統的數據采集起到關鍵作用[9]。因此，需要確保多路開關在不同通道間的串擾較小，具備良好的通道隔離性能，以維持信號的準確性和穩定性。需要確保多路開關能夠有效地實現電極激勵通道及測量通道的快速切換。選用具有較低導通電阻和平坦導通電阻特性的多路開關，確保信號傳輸的穩定性和精度。此外，選擇經過可靠性測試、具有較長壽命和良好質量保證的多路開關，以確保系統的穩定性和持久性。

綜合考慮，本文系統的多路模擬開關選用ADI 公司的型號為ADG731 芯片，其為32 通道模擬多路復用器，配有一個串行控制的三線式接口。ADG731 將32 路輸入（S1-S32）之一切換至公共輸出D。多路復用器采用三線式串行接口，并且與接口標準兼容。

EIT系統中，輸入/輸出通道個數小于電極數目，而且EIT 測量方式是遍歷所有電極對，這時就需要高速模擬多路復用器模塊來連接電極傳感器和信號輸入/輸出通道[10]。

在EIT系統中電極數目最常用的是8 電極、16 電極、32電極和64 電極。隨著電極數量的提高，測量精度也在不斷增強，但是隨之而來的是更長的測量時間以及電極之間的影響。在多路復用器的設計上，本文選擇使用32 選1 的芯片，EIT 系統激勵和測量方式選擇四端電極的相鄰測量法，相鄰測量法如圖4 所示。

兩個電極用于施加電流，稱為激勵電極，另外兩個電極用于測量電壓，稱為測量電極。激勵電極施加電流，而測量電極用于測量電壓。傳統的兩電極測量中，電極與電解質接觸會導致電極極化，影響測量準確性。四電極測量法通過獨立的電流電極和電壓電極，使得電極極化影響降到最低。

1.4 控制電路

本文系統使用ESP32進行控制，其集成了Wi-Fi 和藍牙雙模，可以在同一設備上同時運行Wi-Fi 和藍牙連接。這使得它適用于需要同時進行Wi-Fi 和藍牙通信的應用，如智能家居設備。同時ESP32 采用先進的電源管理技術，可以實現低功耗操作，這對于移動設備和需要長時間運行的電池供電的應用非常重要。

電流驅動電路和電壓測量電路均由ESP32 微控制器通過SPI 通道和GPIO 引腳控制。通過兩條獨立的SPI 總線（HSPI 和VSPI）實現控制電路。第一條SPI 總線用于控制信號發生器（AD5930）和數字變阻器（AD5270）。第二條SPI 總線用于IO擴展器（MCP23S17），該擴展器驅動多路復用器的芯片選擇引腳以及各種其他數字輸入。ADC轉換器輸出直接路由到ESP32 GPIO引腳，并以20MHz采樣。

2 系統測量實現

將EIT 設備、測量電極片以及被測物連接好后，編寫程序測量信號。將測量需要設置的參數輸入庫的構造函數中去，然后調用庫的take_measurement（）函數開始收集數據，通過初始化構造函數進行確定電極數量，再通過自動校準，最大化ADC通道范圍內的電壓響應，校準完成后，可以通過take_measurement（）函數開始收集數據。默認情況下，測量數據按順序從電極對檢索，即從一個電極對開始，然后從陣列周圍的其余電極對檢索。通過Arduino IDE 的串口傳輸助手，將EIT 測量板測量數據返回到上位機中。使用Python 進行數據處理，最終完成被測物的成像[11]，現有健康狀態數據對比，反映出健康狀態。

3圖像重建

EIT技術包含正問題和逆問題的求解。正問題是指根據物體體內的電導率的分布和注入的電流值來計算物體周圍的電位值，如圖5 所示。逆問題則是根據注入的電流和物體周圍測量出來的電位值來求解物體內部的電阻率的值及其分布，如圖6所示。

在實際的情況下，EIT系統中的電流場其實是一個三維場，但由于三維效應對人體不同部位的影響不同，在當較大縱向范圍內橫截面電導率分布差別不大的部位影響較小時，忽略不計，可將EIT場域近似為二維場域進行研究。

對于電阻抗成像而言，由于施加的電流為低頻恒定電流，一般小于100kHz，可以使得位移電流忽略不計，為了計算方便，本文做出以下假設：（1）電流場滿足似穩條件，即待測場域的最大尺寸遠遠小于電流場的波長。這樣便可以使得場域中任何一點電流的變化都是同步的[12]。（2）為了可以在場域中應用歐姆定律，以及電場強度和自由電荷分布之間的關系式，需要假設場內沒有與外加電流頻率相同的電流源[12]。（3）假設被研究的物體可以視為一個離子導電體。（4）為了問題簡化，假設場域的電導率與電流密度無關，且是各向同性的。這樣電導率的分布就可以用標量函數來進行表示。

當滿足以上假設和條件，被研究的物體體內的電流場可以視為一個準靜態場，根據麥克斯韋方程組、歐姆定律和拉普拉斯方程，得到

通過以上的拉普拉斯方程組和邊界條件，可以根據測量得到的邊界節點的電位計算出被測物體內部的電導率分布。

當涉及電阻抗成像時，有動態電阻抗成像（DEIT）和靜態電阻抗成像（SEIT）兩種主要方法。DEIT 法通過在生物體內施加交變電流，并測量相應的電壓響應來實現成像。這種方法涉及在不同時間點應用交變電流，然后測量相應的電壓，通過這些電壓數據構建圖像，反映生物體內的電阻抗分布。動態電阻抗成像可以提供關于生物體組織結構和特性的動態信息。DEIT 法通常需要復雜的電子設備和算法來處理動態數據，系統較為復雜。SEIT 法通過在生物體內施加恒定電流，并測量相應的電壓響應來實現成像。系統穩定性較高，適用于研究生物體內的靜態結構、器官形態和位置等。EIT 逆問題是一個高度病態且非線性的問題。這種問題存在不唯一解，并且對輸入數據中的微小擾動非常敏感，這使得無法通過解析方法得到精確解。因此，通常必須依賴數值方法來求解。需要建立仿真模型，設定并使用初始電阻率分布進行正向計算，得到模型內部的電流分布和邊界電壓分布。基于邊界電壓分布，利用圖像重建算法（如反問題求解算法）嘗試重建更準確的電阻率分布。根據重建得到的電阻率分布，不斷修正初始電阻率分布的估計值。使其逼近實際的阻抗分布。

基于牛頓算法的EIT 圖像重建過程包括構建與邊界測量電位有關的目標函數，從目標函數中獲取電導率的步長，進而獲取電導率的更新值并計算相應值下的邊界電位，將實際測量電位與正問題計算的電位進行比較，直至兩種電位的差值滿足問題的求解條件。此時的電導率即為目標函數的解[14]。

正則化高斯-牛頓算法流程如圖7 所示。采用正則化高斯-牛頓算法解決EIT 逆問題，利用相關數據庫進行求解。首先，對場域模型進行有限元剖分，得到141 個節點和248 個剖分單元。在被測場域模型中設置均勻的初始電導率分布為250S/m，將目標區域電導率設為50S/m，并以不同顏色加以區分。設定正則化參數為0.00001，采用16 個電極，通過計算得到電極上的電位分布，并在不同迭用相對激勵-相鄰測量方式。通過正問題代次數下進行仿真，生成成像結果如圖8～圖10 所示，歸一化尺度下電導率單位S/m。

根據以上結果圖顯示，使用具有16 電極的EIT 系統可以實現良好的成像效果。該系統不僅能夠有效區分不同大小的目標，還能準確定位和檢測這些目標。隨著迭代次數的增加，場域的阻抗分布變得更加清晰。采用正則化的高斯-牛頓算法可以大致反映被測場域的電阻抗分布，而且成像速度較快。然而，在目標區域周圍可能會出現一些偽影，這是由成像算法的誤差和重構過程的病態性造成的[8]。

此外，通過引入正則化參數和單位矩陣，能夠減小海森矩陣最大和最小特征值之間的差值，從而降低海森矩陣的條件數，改善其病態性。正則化參數的選擇與病態性改善相關，其取值既不能過小也不能過大。取值過小則可能增加海森矩陣的條件數，從而影響改善效果；而當值過大時，可能影響海森矩陣所包含的信息。同時，隨著迭代次數的增加，重建圖像變得更清晰，但也會導致運行時間增加，影響系統的實時性。

因此，如何選擇最適合的正則化參數和迭代次數需要進一步深入研究，以進一步完善成像結果，更準確、更快速地反映場域內的阻抗分布情況。

4 結論與展望

高性能戰機持續高載荷、高角加速度等特點，以及飛行環境中突發的急性缺氧、呼吸肌疲勞等對飛行員的機體儲備、特別是對心肺功能的耐受力提出了較高要求。本文基于EIT 技術設計實現了一種基于生物阻抗成像的飛行員健康監測測試系統。基于參考及測試的相關電壓數據，采用正則化的高斯-牛頓算法在PyCharm 中實現了圓形場域的阻抗圖像重建，解決了EIT 的逆問題，實現了對不同位置、不同個數的成像對象的圖像重建。初步驗證了系統實時持續地監測人員肺部健康狀態的能力，可為便攜式飛行員肺部健康狀態監測系統的研究與開發提供技術支撐。

目前國內外對飛行員飛行中肺功能狀態實時監測系統的實際應用較少，大多仍停留于地面訓練。對于此類系統進一步深入研究與開發能為飛行員的健康監測提供便捷而有效的解決方案，為飛行員自救及地面人員對飛行員施救提供有力保障。