CN113749636B - 一种三维通气图像产生方法、控制器及装置 - Google Patents

Abstract

本发明公开了一种三维通气图像产生方法、控制器及装置，所述方法包括：通过信号提取算法和图像重建算法，根据对待测目标区域进行电阻抗测量得到的电阻抗信号，生成三维通气图像，其中，对待测目标区域进行电阻抗测量利用在待测目标区域的外围呈三维分布的电极阵列实现。本发明提供了能够反映人体胸腔内由于人体通气引起的电阻抗变化的三维通气图像，从而反映人体胸腔在三维空间中各个体积内的通气情况。

Description

一种三维通气图像产生方法、控制器及装置

技术领域

本发明属于电阻抗成像应用技术领域，具体涉及一种三维通气图像产生方法、控制器及装置。

背景技术

EIT(Electrical Impedance Tomography，电阻抗成像)技术是一种无创的、以人体或其他生物体内部的电阻率分布为目标的重建体内组织图像的技术。人体是一个大的生物电导体，各组织、器官均有一定的阻抗，当人体的局部器官发生病变时，局部部位的阻抗必然与其他部位不同，因而可以通过阻抗的测量来对人体器官的病变进行诊断。

现有技术只能生成二维的通气图像，这个二维的图像反映的是待测人体胸腔区域某个断面内由于气体含量变化引起的电阻抗变化。然而，二维的图像难以反映人体胸腔在三维空间中某个体积内的通气情况。

现在亟须一种三维通气图像产生方法、控制器及装置。

发明内容

本发明所要解决的技术问题是如何生成三维通气图像，从而反映人体胸腔在三维空间中各个体积内的通气情况。

针对上述问题，本发明提供了一种三维通气图像产生方法、控制器及装置。

第一方面，本发明提供了一种三维通气图像产生方法，包括以下步骤：

通过信号提取算法和图像重建算法，根据对待测目标区域进行电阻抗测量得到的电阻抗信号，生成三维通气图像，其中，对待测目标区域进行电阻抗测量利用在待测目标区域的外围呈三维分布的电极阵列实现。

在本发明的一些实施例中，通过信号提取算法和图像重建算法，根据对待测目标区域进行电阻抗测量得到的电阻抗信号，生成三维通气图像，包括以下步骤：

通过信号提取算法从对待测目标区域进行电阻抗测量得到的电阻抗信号中提取通气相关信号；

通过图像重建算法根据所述通气相关信号重建三维通气图像。

在本发明的一些实施例中，所述电阻抗信号包括通气相关信号和血液灌注相关信号，通过信号提取算法从对待测目标区域进行电阻抗测量得到的电阻抗信号中提取通气相关信号，包括以下步骤：

利用低通滤波器从对待测目标区域进行电阻抗测量得到的电阻抗信号中提取通气相关信号，其中，所述低通滤波器的截止频率大于通气相关信号的二次谐波频率，且小于血液灌注相关信号的基波频率。

在本发明的一些实施例中，通过信号提取算法和图像重建算法，根据对待测目标区域进行电阻抗测量得到的电阻抗信号，生成三维通气图像，包括以下步骤：

通过图像重建算法根据对待测目标区域进行电阻抗测量得到的电阻抗信号重建三维图像；

通过信号提取算法从所述三维图像中提取三维通气图像。

在本发明的一些实施例中，通过信号提取算法从所述三维图像中提取三维通气图像，包括以下步骤：

根据多个时刻下的三维图像数据列出三维图像中每个像素的时间序列，其中，每个像素的时间序列由每个像素在不同时刻下的值组成；

从三维图像中每个像素的时间序列中提取通气相关像素的时间序列；

根据通气相关像素的时间序列构建三维通气图像。

在本发明的一些实施例中，从三维图像中每个像素的时间序列中提取通气相关像素的时间序列通过频域滤波法、主成分分析法和神经网络法中的任意一种算法实现。

在本发明的一些实施例中，所述信号提取算法为频域滤波法、主成分分析法和神经网络法中的任意一种算法。

在本发明的一些实施例中，所述图像重建算法为线性差分重建算法或基于神经网络的图像重建算法。

第二方面，本发明提供了一种三维通气图像产生控制器，其包括存储器和处理器，该存储器上存储有计算机程序，该计算机程序被处理器执行时实现上述方法的步骤。

第三方面，本发明提供了一种三维通气图像产生装置，包括：

在待测目标区域的外围呈三维分布的电极阵列，其用于对待测目标区域进行电阻抗测量，并将测量得到的电阻抗发送至三维通气图像产生控制器；和

上述三维通气图像产生控制器。

与现有技术相比，上述方案中的一个或多个实施例可以具有如下优点或有益效果：

应用本发明的三维通气图像产生方法，通过信号提取算法和图像重建算法，根据对待测目标区域进行电阻抗测量得到的电阻抗信号，生成三维通气图像，其中，对待测目标区域进行电阻抗测量利用在待测目标区域的外围呈三维分布的电极阵列实现，能够提供三维通气图像，从而反映人体胸腔在三维空间中各个体积内的通气情况。

本发明的其它特征和优点将在随后的说明书中阐述，并且部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例共同用于解释本发明，并不构成对本发明的限制。在附图中：

图1示出了本发明实施例一三维通气图像产生方法的流程图；

图2示出了本发明实施例一三维通气图像产生方法的另一流程图；

图3(a)示出了本发明实施例二三维通气图像产生方法的流程图；

图3(b)示出了本发明实施例二三维通气图像产生方法的另一流程图；

图4(a)示出了本发明实施例二人体胸腔测量数据的时域信号示意图；

图4(b)示出了本发明实施例二人体胸腔测量数据的频域信号示意图；

图5(a)示出了本发明实施例二人体胸腔测量数据滤波后的通气相关信号的时域信号示意图；

图5(b)示出了本发明实施例二人体胸腔测量数据滤波后的通气相关信号的频域信号示意图；

图6示出了本发明实施例二利用图3(a)中示出的三维通气图像产生方法生成的人体胸腔三维通气图像示意图；

图7示出了本发明实施例二利用图3(b)中示出的三维通气图像产生方法生成的人体胸腔三维差分图像示意图；

图8(a)示出了图7中示例像素点的时域信号示意图；

图8(b)示出了图7中示例像素点的频域信号示意图；

图9(a)示出了图7中示例像素点数据滤波后的通气相关信号的时域信号示意图；

图9(b)示出了图7中示例像素点数据滤波后的通气相关信号的频域信号示意图；

图10示出了本发明实施例二利用图3(b)中示出的三维通气图像产生方法生成的人体胸腔三维通气图像示意图。

具体实施方式

以下将结合附图及实施例来详细说明本发明的实施方式，借此对本发明如何应用技术手段来解决技术问题，并达成技术效果的实现过程能充分理解并据以实施。需要说明的是，只要不构成冲突，本发明中的各个实施例以及各实施例中的各个特征可以相互结合，所形成的技术方案均在本发明的保护范围之内。

实施例一

为解决现有技术中存在的上述技术问题，本发明实施例提供了一种三维通气图像产生方法，其中，本实施例的三维通气图像产生方法通过两种方式实现，具体如图1和图2所示。

参照图1，本实施例的三维通气图像产生方法，包括以下步骤：

S110，通过信号提取算法从对待测目标区域进行电阻抗测量得到的电阻抗信号中提取通气相关信号，其中，对待测目标区域进行电阻抗测量利用在待测目标区域的外围呈三维分布的电极阵列实现，电极阵列可以采用多条阻抗带或者是采用电极呈三维分布的电极背心；

S120，通过图像重建算法根据所述通气相关信号重建三维通气图像。

在一个具体实施方式中，所述电阻抗信号包括通气相关信号和血液灌注相关信号，通过信号提取算法从对待测目标区域进行电阻抗测量得到的电阻抗信号中提取通气相关信号，包括以下步骤：

利用低通滤波器从对待测目标区域进行电阻抗测量得到的电阻抗信号中提取通气相关信号，其中，所述低通滤波器的截止频率大于通气相关信号的二次谐波频率，且小于血液灌注相关信号的基波频率。

在步骤S110中，所述信号提取算法为频域滤波法、主成分分析法和神经网络法中的任意一种算法。

在步骤S120中，所述图像重建算法为线性差分重建算法或基于神经网络的图像重建算法。

参照图2，本实施例的三维通气图像产生方法，包括以下步骤：

S210，通过图像重建算法根据对待测目标区域进行电阻抗测量得到的电阻抗信号重建三维图像，其中，对待测目标区域进行电阻抗测量利用在待测目标区域的外围呈三维分布的电极阵列实现；

S220，根据多个时刻下的三维图像数据列出三维图像中每个像素的时间序列，其中，每个像素的时间序列由每个像素在不同时刻下的值组成；

S230，从三维图像中每个像素的时间序列中提取通气相关像素的时间序列；

S240，根据通气相关像素的时间序列构建三维通气图像。

在步骤S230中，从三维图像中每个像素的时间序列中提取通气相关像素的时间序列通过频域滤波法、主成分分析法和神经网络法中的任意一种算法实现。

在步骤S210中，所述图像重建算法为线性差分重建算法或基于神经网络的图像重建算法。

实施例二

为解决现有技术中存在的上述技术问题，本发明实施例基于实施例一提供了一种应用于人体胸腔的三维通气图像产生方法，其中，本实施例的三维通气图像产生方法通过两种方式实现，具体如图3(a)和图3(b)所示。

如图3(a)所示，本实施例的三维通气图像产生方法包括以下步骤：首先，对待测人体胸腔区域进行电阻抗测量；然后，从测量信号中提取通气相关信号；最后，重建三维通气图像。具体过程如下：

第一步，对待测人体胸腔区域进行电阻抗测量。在所述电阻抗测量中，首先，需要在待测人体胸腔周围固定电极阵列。所述电极阵列包含若干个分布在三维空间内的电极。然后，通过电极阵列对待测人体胸腔进行激励并测量由此产生的响应，即：轮流对电极施加电流激励，并依次在其他电极上测量由此产生的电压信号；

第二步，从上一步测量得到的电阻抗信号中提取通气相关信号。在本步骤的一个实施例中，利用滤波器从所测量的电阻抗信号中提取通气相关信号。滤波器可以使用有限脉冲响应滤波器或无限脉冲响应滤波器等。下面是对人体胸腔进行测量的实施例。图4(a)示出了测量数据的时域信号。图中曲线代表特定电极激励时，在特定电极上测量得到的电压信号。其他激励-测量情况得到的数据与之类似。需要说明的是，图中纵坐标为从数字电压表直接读取的数值，仍未将其转换为电压值。图4(b)示出了测量数据的频域信号。图4(b)所示信号由图4(a)所示信号经过傅里叶变换得到。由图4(b)可以分辨出通气相关信号和血液灌注相关信号。为了提取通气相关信号，设计一个低通滤波器，可以是有限脉冲响应低通数字滤波器，该滤波器的截止频率大于通气相关信号的二次谐波频率，且小于血液灌注相关信号的基波频率。滤波后的信号图形如图5(a)和图5(b)所示，其中，图5(a)为时域信号图形，图5(b)为频域信号图形。

在本步骤的另一个实施例中，使用基于PCA(Principle Component Analysis，主成分分析)的方法提取通气相关信号。具体地，假设测量信号为u。其尺寸为N_t×N_c，其中，N_t为采样点数，N_c为特征数(在这里为测量通道数)。利用主成分分析得到信号的主成分

其中，p_i(i＝1,2,…,N_c)的尺寸为N_t×1，且其对应的特征值依次减小。将前若干个主成分(如p₁，p₂)作为模板对信号u进行模板匹配滤波，得到通气相关信号u_V。

在本步骤的另一个实施例中，使用基于神经网络的方法提取通气相关信号。具体地，所述基于神经网络的方法分为训练和预测两个阶段。在训练阶段，利用训练数据通过有监督或无监督的方法训练一个通气相关信号提取网络；在预测阶段，利用训练好的通气相关信号提取网络来提取电阻抗测量信号中的通气相关信号。

第三步，利用第二步所提取的通气相关信号，通过图像重建算法重建三维通气图像。所述三维通气图像反映由于呼吸引起的待测人体区域内的电阻抗变化。在本步骤的一个实施例中，所述图像重建算法是线性差分重建算法。下面是线性差分重建算法进行重建三维通气图像的实施例。

假设第二步所提取出的通气相关信号的时域形式为u(t)，其中，t为时间变量。EIT差分重建可以表述为如下最小二乘问题：

min_δσ||J·δσ-δu||²+α||R·δσ||²，

其中，J为雅可比矩阵，δu＝u(t)-u(t_ref)为信号在时刻t相对于参考时刻t_ref的变化，δσ为上述两个时刻人体内由于通气引起的电导率变化，R为正则化矩阵，α为正则化参数。参考时刻t_ref既可以设置为在整个图像重建过程中固定不变，也可以设置为随着图像重建过程的进行而动态地更新。δσ定义在离散化的三维模型中，如四面体网格或体素网格。上述问题的解为

δσ_*＝(J^T·J+αR^T·R)^-1·J^T·δu.

令D＝(J^T·J+αR^T·R)^-1·J^T，则上述公式可以表示为：

δσ_*＝D·δu.

上述δσ_*即为计算所得的三维通气图像。

图6示出了利用上述方法所产生的人体胸腔的三维通气图像的一个示意图。

在本步骤的另一个实施例中，所述图像重建算法为基于机器学习的方法。EIT差分成像可以表示为：

其中，

为重建算子，δu为不同时刻测量数据的变化，δσ为相应时刻电导率的变化。所述基于机器学习的方法分为训练和预测两个阶段。首先，在训练阶段，给定训练数据{δuⁱ,δσⁱ}，可以训练一个机器学习模型

来近似算子

在预测阶段，给定差分测量信号δu，可以通过

来预测相应的电导率变化：

除了上述实施例中的图像重建算法外，本步骤还可以使用各种线性的或非线性的、迭代的或非迭代的、随机的或确定性的图像重建算法。

如图3(b)所示，本实施例的三维通气图像产生方法包括以下步骤：首先，通过对待测人体胸腔区域进行电阻抗测量，然后重建三维差分图像，最后从三维差分图像中提取三维通气图像。具体过程如下：

第一步，对待测人体胸腔区域进行电阻抗测量。

第二步，利用上一步测量得到的电阻抗信号，通过图像重建算法重建三维差分图像。所述三维差分图像反映了待测人体胸腔内的电阻抗变化，该电阻抗变化可能是由人体通气或血液灌注引起的。所述图像重建算法可以采用上述图像重建算法。图7示出了利用图4所示数据和线性差分重建算法生成的三维差分图像。

第三步，从上一步得到的三维差分图像中提取通气图像。在本步骤的一个实施例中，利用滤波器从三维差分图像中提取通气图像。假设N个时刻的三维差分图像可排列为一个矩阵A＝{a₁,a₂,…,a_M}^T，其中，a_i(i＝1,2,…,M)为像素i在N个时刻的值所组成的列向量，M为三维图像中像素的总数。对每个像素i的时间序列a_i(i＝1,2,…,M)进行低通滤波可以得到通气图像上对应像素的时间序列。具体地，假设滤波函数为f(·)，则通气图像为A_V＝{f(a₁),f(a₂),…,f(a_M)}^T。

图8(a)和其对应的频谱图8(b)示出了图7中人体胸腔三维差分图像示例像素点的时间序列。由图8(b)可以分辨出通气相关信号和血液灌注相关信号。为了提取通气相关信号，设计一个低通滤波器，可以是有限脉冲响应低通数字滤波器，该滤波器的截止频率大于通气相关信号的二次谐波频率，且小于血液灌注相关信号的基波频率。

图9(a)和频谱图9(b)示出了对图7中示例像素点进行滤波后的时域信号。对三维差分图像中的每个像素进行上述低通滤波后，即可得到三维通气图像，如图10所示。在本步骤的另外两个实施例中，可以使用基于主成分分析和基于神经网络的方法提取通气图像。

需要说明的是，图8(a)、图8(b)、图9(a)和图9(b)中的A.U.为任意单位。

本实施例的应用于人体胸腔的三维通气图像产生方法提供了能够反映人体胸腔内由于人体通气引起的电阻抗变化的三维通气图像，从而反映人体胸腔在三维空间中各个体积内的通气情况。

实施例三

为解决现有技术中存在的上述技术问题，本发明实施例提供了一种三维通气图像产生控制器。

本实施例的三维通气图像产生控制器.，其包括存储器和处理器，该存储器上存储有计算机程序，该计算机程序被处理器执行时实现实施例一和实施例二所述的方法的步骤。

实施例四

为解决现有技术中存在的上述技术问题，本发明实施例还提供了一种三维通气图像产生装置。

本实施例的三维通气图像产生装置，包括：

在待测目标区域的外围呈三维分布的电极阵列，其用于对待测目标区域进行电阻抗测量，并将测量得到的电阻抗发送至三维通气图像产生控制器；

实施例三所述的三维通气图像产生控制器。

本实施例的三维通气图像产生装置，还包括：图像显示装置，其用于对所述三维通气图像产生控制器产生的三维通气图像并进行显示。

虽然本发明所公开的实施方式如上，但所述的内容只是为了便于理解本发明而采用的实施方式，并非用以限定本发明。任何本发明所属技术领域内的技术人员，在不脱离本发明所公开的精神和范围的前提下，可以在实施的形式上及细节上作任何的修改与变化，但本发明的保护范围，仍须以所附的权利要求书所界定的范围为准。

Claims (6)

1.一种三维通气图像产生方法，其特征在于，包括以下步骤：

通过图像重建算法根据对待测目标区域进行电阻抗测量得到的电阻抗信号重建三维图像，其中，对待测目标区域进行电阻抗测量利用在待测目标区域的外围呈三维分布的电极阵列实现；

根据多个时刻下的三维图像数据列出三维图像中每个像素的时间序列，其中，每个像素的时间序列由每个像素在不同时刻下的值组成；

从三维图像中每个像素的时间序列中提取通气相关像素的时间序列；

根据通气相关像素的时间序列构建三维通气图像，其中，所述三维通气图像的构建公式为：

A_V＝{f(a₁),f(a₂),…,f(a_M)}^T

所述A_V指通气图像，f指滤波函数，a_M指像素a在M时刻的值所对应的列向量。

2.根据权利要求1所述的方法，其特征在于，所述电阻抗信号包括通气相关信号和血液灌注相关信号，从三维图像中每个像素的时间序列中提取通气相关像素的时间序列，包括以下步骤：

利用低通滤波器从三维图像中每个像素的时间序列中提取通气相关像素的时间序列，其中，所述低通滤波器的截止频率大于通气相关信号的二次谐波频率，且小于血液灌注相关信号的基波频率。

3.根据权利要求1所述的方法，其特征在于，从三维图像中每个像素的时间序列中提取通气相关像素的时间序列通过主成分分析法和神经网络法中的任意一种算法实现。

4.根据权利要求1的方法，其特征在于，所述图像重建算法为线性差分重建算法或基于神经网络的图像重建算法。

5.一种三维通气图像产生控制器，其包括存储器和处理器，其特征在于，该存储器上存储有计算机程序，该计算机程序被处理器执行时实现如权利要求1至4中任一项所述方法的步骤。

6.一种三维通气图像产生装置，其特征在于，包括：

在待测目标区域的外围呈三维分布的电极阵列，其用于对待测目标区域进行电阻抗测量，并将测量得到的电阻抗发送至三维通气图像产生控制器；和

根据权利要求5所述的三维通气图像产生控制器。

Images