生物电阻抗断层成像技术的研究进展
互联网
摘 要 电阻抗断层成像是一种新的成像技术，在临床图象监护和功能成像方面有很好的应用前景（无创、简单、容易应用等）. 作者在生物 电阻抗断层成像的基本原理的基础上，介绍目前研究的进展并提出了研究中的关键问题.
1 生物 电阻抗断层成像的基本原理
电阻抗断层成像(electrical impedance tomography，EIT)是根据人体内不同组织具有不同的电阻抗这一物理原理，通过给人体注入小的安全电流,测量体表的电位来重建人体内部的电阻抗分布图像，是医学成像技术的一个新方向.
电阻抗断层成像系统由数据测量系统（Data Measurement System, DMS）及图像重构软件两大部分组成. 数据测量系统的作用就是在正弦激励下从体表测量中解调出反映体内阻抗分布的电信号，经A/D及数据处理后为阻抗图像重构算法提供高精度的数据. EIT系统的总体结构如Fig 1所示.
其中，激励源的作用是产生对人体安全的正弦激励并以一定的激励模式施加于激励电极上；测量系统的主要功能是从测量电极以一定测量模式获取正弦激励下的体表电信号，经高精度放大后采用解调技术提取反映成像目标内阻抗分布信息，供算法重构阻抗图像应用；控制电路作为计算机与激励源及测量电路间的接口电路，主要负责激励源及测量电路的参数及模式设置，以及校正和定标等功能；计算机主要进行总体控制、数据处理、图像重构、图像显示等功能.
EIT技术具有很多优势. 既往研究表明某些人体组织的生理功能变化能引起组织阻抗的变化（如：组织充血和放电等），某些组织病理改变也能引起组织阻抗的变化（如癌变等）［1］，这些信息将会在EIT图像中体现出来. 所以EIT具有功能成像的性质. 该技术对人体无创无害，系统结构简单，测量简便，在对于患者长期的图像监护这方面具有广泛的应用前景，这些是目前多数临床成像手段难以做到的. 同时该技术造价低、费用低的特点也非常适合进行广泛的医疗普查. 虽然目前其图像分辨率不能与CT等成像技术相比，但它仍是一种有应用前景的新型成像技术，是对目前医学成像手段的一个有力的补充.
2 生物 电阻抗断层成像的研究概况
电阻抗断层成像是国外近些年的一个研究热点，欧洲、北美、前苏联等地区有许多研究小组在进行这方面的工作. 欧洲已建立了欧洲EIT统一行动组织（CAIT）来组织和协调EIT研究工作.
目前，根据成像的区别电阻抗断层成像技术主要可分为两种，一种以电阻抗分布的绝对值为成像目标，称为静态EIT；另一种是以电阻抗分布的相对值（差别）为成像目标，被称为动态EIT.
从激励频率上可将EIT分为单频及多频EIT，单频EIT只采用单一频率激励成像目标，而多频EIT采用多个激励频率（10 kHz－1 MHz），充分提取了成像目标内组织的阻抗频率特性，在此基础上还可得到组织的特征参数图像，为进一步鉴别和区分组织打下了基础，因而多频及参数成像越来越受到人们的重视.
从激励方式上可将EIT分为注入电流式(Injected Current EIT )和感应电流式（Induced Current EIT). 前者就是采用驱动及测量电极从成像目标表面激励及获取信息，而后者是近三年才提出的采用激励线圈及体表测量电极获取成像目标内感应电流场的分布信息，这种技术因成像精度相对不高，目前仅处于实验阶段.
EIT的图像重构算法是EIT成像系统的重要环节. EIT图像重建中的正问题和逆问题是其图像重建中两个关键性过程. 由模型的阻抗分布及驱动信号，求其内部的电压和电流分布，这在电磁场分析中被称为正问题，即由ρ求Φ；阻抗成像被认为是一个逆问题，被定义为：给出边界电流和边界电压的测量值，求模型内的阻抗分布，即，由和v求ρ. 正问题的求解可以利用求解拉普拉斯方程得出区域内部节点电压， 进而利用给定边界条件和阻抗分布模型计算其内部电流密度达到全面分析这一电场的目的.
逆问题求解比正问题要复杂的多， 就目前来说可借助于数值方法通过多次迭代修正阻抗分布的估计值来实现. 在迭代过程中要调用正问题求解过程， 利用正问题的解不断修正阻抗分布模型，以使之最接近真实阻抗分布.
有限元方法（FEM）是常用的求解电磁场的数值方法［2］，在EIT中这一方法被广泛用于正问题过程的求解，其基本思想是通过泛函求极值来为非线性方程求解. 为EIT构造FEM模型，其主要目的是通过将这一特殊边界条件的电场或场域边界作线性化近似，以解决人体外加电场在人体内引起的电流分布的非线性和非均匀性，其实质上是利用数值方法求解具有特殊定解条件的一组偏微分方程.
图像重构算法也是EIT研究的热点，目前研究的算法主要有扰动法(Perturbation Method)［3］修正的Newton-Raphson方法［4］双限定方法(Double Constraint Method)［5］敏感性方法（Sensitivity Method）［6］等位线反投影算法［7］. 谱展开法［8］M.Zadehkoochak算法［9］基于神经网络的重构算法［10］:广义逆法［11］等.
英国Sheffield大学Brown等［12］1987年建立了第一个完整的DMS（Mark I System），有16个激励及测量电极，采用相邻电极5 mA p-p 51 kHz恒流激励. 该系统有51 dB的信噪比，及每秒10幅图像数据获取速度. 1995年Smith等［13］在Mark I的基础上建立了第一个实时的供临床基础研究用的Mark Ⅱ系统，有16个电极，使用20 kHz 5 mA p-p恒流激励，采用16通道并行测量、数字相敏检测（Digital Phase Sensitivity Detector，DPSD）等技术，使成像速度达到25帧/s，测量电路CMRR＞60 dB, SNR＞60 dB，所测阻抗数据信噪比达到68 dB，该系统用于人体胸腔得到了初步成像结果，并已用于临床基础研究.
美国纽约Rensselaer Polytechnic Institute的Cook等于1988年建立了基于物理模型的自适应电流激励成像系统（Adaptive Current Tomograph, ACT2)［14］. 该系统采用32电极并行自适应电流15 kHz激励，单通道电压测量，电流幅值及电压测量有12 bit分辨率，30 s获取一组测量数据. 1991年Saulnier等在ACT2的基础上建立了32电极并行激励、并行测量、并行校正及补偿的高精度、高速度DMS（ACT3）［15］，激励频率30 kHz，系统精度可达16 bit，在此精度下获取一幅图像数据需133 ms，若将测量精度降为13 bit，则获取一幅图像数据只需2 ms. 该系统对一直径8 mm的铜摆进行动态连续成像（铜摆在盛盐水的直径30 cm的容器中摆动），成像结果较好，能对铜摆在不同时相的位置定位，但铜摆图像模糊，且明显大于实际尺寸.
美国Wisconsin-Madison大学的SaKamoto等1987年建立了基于物理模型的测量系统［16］. 该系统采用16个条形电极、50 kHz 1 mA(峰峰值)的恒流激励及模拟解调技术，测量最大误差3%，放大器CMRR＞80 dB、输入阻抗大于1 MΩ、噪声水平10 μV(50 kHz时）. 该系统基于12 cm×12 cm的方形物理模型得到了初步成像结果. 1991年Hua等,基于直径30 cm圆柱形物理模型建立了32通道优化电流激励测量系统［17］，采用32个外圈电流驱动、内部电压测量的不锈钢复合电极（Stainless current/voltage compound electrode)，激励频率50 kHz，32通道激励电流在每次图像迭代重构后都重新计算及校正，以得到最优电流激励模式（Optimal Current Pattern)，测量系统有12 bit的幅值分辨率. 该系统对位于模型中心、直径6 cm的绝缘体等进行了成像，经10次迭代后得到了较清楚的图像.
上面介绍了几个有代表性的电流驱动的测量系统，在电压驱动的DMS中，美国Washington大学的Woo等在1986年建立了32电极、激励频率100 KHz的测量系统［18］；比利时Geeraerts等在1992年建立了基于物理模型的32电极14 bit 精度的电压激励电流测量系统［19］；英国Oxford Polytechnic的Zhu等［20］在上述ACT2，ACT3的基础上于1992年设计了有32个复合电极的自适应电压激励及电压测量系统.
上述研究小组的数据测量系统大部分仅限于对物理模型的测量，只有Sheffield大学的Smith等在Mark Ⅱ测量系统的基础上结合等位线反投影图像重构算法，在英国皇家Hallamshire医院建立了第一个供临床基础研究用的动态EIT实时系统，用于人体肺、胃、大脑、食管等不同部位的成像，证明其具有功能成像的特点［21］. 近三年来，电阻抗成像在二维和单频的基础上向三维［22］及多频［23］成像方面发展，也有学者从事感应电流（induced current）EIT的研究［24］.
我国在EIT领域的研究起步较晚，重庆大学、中国医学科学院、第四军医大学有研究小组在进行电阻抗成像系统的研究，这方面的工作才刚刚起步，目前完整的EIT数据测量系统国内未见报道.
几年来，该技术又有了许多新的发展，出现了以人体三维阻抗分布为成像目标的三维EIT技术，以外围线圈激励的感应EIT以及多频激励测量进行复阻抗成像的多频EIT，这些研究都得到了初步的实验结果［25］.
3 EIT研究的关键及难点
3.1 信息的质量、数量问题
3.1.1 电场在体内的分布的研究 电场在人体内的分布是非线性的，而人体的结构又是非常复杂的，对其进行深刻的研究掌握其在各种组织各种体液中的分布规律对研究驱动测量技术、图象重构算法有重大意义.
3.1.2 高精度、高信噪比的数据测量系统 目前EIT因采用体表弱电流激励及体表测量技术，使内部阻抗信息在体表测量中表现为弱信号、大动态范围. 有文献报道［26］，在一个心动周期中血流入肺而导致肺组织的阻抗变化为3%，从体表仅能测量到这种变化的1/20，即内部3%的阻抗变化在体表只能得到0.15%的改变. 由此看出，由生理特性决定EIT技术对DMS提出了具有高精度、高信噪比的要求. 另外，阻抗图像重构的算法中有大量矩阵运算或多次迭代运算，经测量系统得到的数据的信噪比大小将直接影响成像质量. 因此，为得到质量较好的重构图像，也要求DMS必须有高精度、高信噪比的基本特性.
3.1.3 新的驱动检测原理技术研究 由于测量电极的限制，每次只能得到非常有限的独立测量数据（N个电极能得到N（N-1）/2个数据），因此需对驱动检测方法做进一步的研究探讨，驱动检测技术包括向人体施加电能的原理（电流或电压等）研究；施加电能的方式（接触或感应等）研究；电极的尺寸、个数和排列方法研究等；电极的尺寸与断层截面的厚度、电极的数量与信息量的矛盾、电极固定位置与测量的稳定性的矛盾等问题的研究. 这些问题需有新的突破才能使阻抗断层成像技术上一个新台阶.
3.2 关于重构算法问题 由于EIT是非线性问题，在求解算法方面存在很多困难，虽然在动态及静态EIT技术都提出很多种算法，但是图像重构效果都不能令人满意. 这些算法基本上都是基于有限元方法，目前各种算法的主要问题在于收敛性能、抗噪能力较差，而且随着抛分规摸的增加计算量也大幅度增加,病态性程度也增加等.
作者简介：董秀珍，女，1945-10-31生,河北省丰润县人，汉族. 1968年哈尔滨军事工程学院毕业，教授，系主任. 电话：(029)3374358
作者单位：第四军医大学生物 医学工程系，陕西 西安 710033
参考文献
1 Seagar AD, Barber DC, Brown BH. Theoretical limits to sensitivity and resolution in impedance imaging. Clin Phys Physiol Meas,1987;8:13-31
2 Woo EJ, Hua P, Webster JG et al. Finite-element method in electrical impedance tomography. Med Bio Eng & Comput,1994;32(4):530-536
3 Kim Y, Webster JG，Tompkins WJ. Electrical impedance imaging of the thorax. J Microwave Power, 1983;18:245-257
4 Yorkey TJ, Webster JG，Tompkins WJ. Comparing recon-struction algrithms for electrical impedance tomography. IEEE Trans Biomed Eng,1987;34(11):843-852
5 Wexler A, fry B and Neuman MR. Impedance-computed tomography algrithm and system. Applied Optics,1985;24(23):3985-3992
6 Murai T，Kagawa Y. Electrical impedance computed tomography based on a finite element model. IEEE Trans Biomed Eng, 1985; 32(3)177-184
7 Barber DC, Seagar AD. Fast reconstruction of resistive images. Clin Phys and Physiol Meas, 1987;8(supplement A):47-54
8 Meeson S, Killingback ALT, Blott BH. The dependence of EIT images on the assumed inital conductivity distribution: a study of pelvic imaging. Phys Med Biol,1995; 40(5)：643-657
9 Zadehkoochak M, Hames TK, Blott BH et al. A transputer implemented algorithm for electrical impedance tomography. Clin Phys Physiol Meas, 1990;11(3):223-230
10 Andy Adler, Robert Guardo. A neural network image reconstruction technique for electrical impedance tomography. IEEE Trans on Med Imag, 1994; 13: 594-600
11 汤梦星. 动态电阻抗断层成像算法的研： ［硕士毕业论文］. 西安：第四军医大学，1997
12 Brown BH. Cardiac and respiratory related electrical impedance changes in the human thorax. IEEE Trans Biomed Eng,1994; 41(8):729-733
13 Robert WM, Smith HJ. A real-time electrical impedance tomography system for clicinal use-design and preliminary results. IEEE Trans Biomed Eng, 1995;42(2) 133-140
14 Newell JC. An Electric Current Tomograph. IEEE Trans Biomed Eng, 1988;35(10):828-833
15 Saulnier GJ, Cook RD. A high-speed high-precision electrical impedance tomograph. Ann Inter Conf of the IEEE Eng in Med and Bio Soc，1991;13(1):5-6
16 SaKamoto K, Yorkey TJ, Webster JG. Some Physical Results from An Impedance Camera Clin. Phys Physiol Meas, 1987;8(Suppl A):71-75
17 Hua Ping, Woo JE, Webster JG. Iterative Reconstruction Methods Using Regularization and Optimal Current Patterns in Electrical Impedance Tomography. IEEE Trans on Med Imag,1991;10(4):621-628
18 Woo HW, and Kim Y. A Medical System With Electrical Impedance. IEEE/Eighth Annu Conf of the Eng in Med and Bio Soc,1986:343-346
19 Geeraerts B, Van Petegem W. Voltage versus current driven high frequency EIT systems.IEEE 0-7803-0785-2,1992:1703
20 Zhu QS. A Voltage Driven Current Tomograph.IEEE 0-7803-0785-2,1992:1704-1705
21 Robert WM,Smith HJ. A real-time electrical impedance tomography system forclicinal use-design and preliminary results. IEEE Trans Biomed Eng, 1995;42(2): 133-140
22 Morucci JP. 3D reconstruction in electrical impedance imaging using a direct sensitivity matrix approach. Physiol Meas, 1995;16(Suppl 3A):123-128
23 Povill R,and Riu P. Quantification in multifrequency tomography. Physiol Meas, 1995;16(Suppl 3A):69-78
24 Anderson DK. Analytic solution of the forward problem for induced current EIT systems. IEE Proc-Sci Meas Technol, 1995;142(6): 425-432
25 Rabbani KS, Kabir AM. Studies on the effect of the third dimension on a two-dimensional electrical impedance tomography system. Clin Phys Physiol Meas, 1991; 12(4):393-402
26 Brown BH, Seagar AD. The Sheffield data collection system. Clin Phys Physiol Meas, 1987;8(Suppl A):91-97
<center> <p> </p> </center>
上一篇：生物超弱发光及其应用研究概述 下一篇：极低频脉冲磁场生物效应的实验研究
