CN113808078B - 一种基于电阻抗断层成像识别无效吸气努力的方法 - Google Patents
一种基于电阻抗断层成像识别无效吸气努力的方法 Download PDFInfo
- Publication number
- CN113808078B CN113808078B CN202110908932.6A CN202110908932A CN113808078B CN 113808078 B CN113808078 B CN 113808078B CN 202110908932 A CN202110908932 A CN 202110908932A CN 113808078 B CN113808078 B CN 113808078B
- Authority
- CN
- China
- Prior art keywords
- rif
- ineffective
- inspiratory effort
- electrical impedance
- impedance tomography
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000002593 electrical impedance tomography Methods 0.000 title claims abstract description 38
- 238000000034 method Methods 0.000 title claims abstract description 27
- 210000004072 lung Anatomy 0.000 claims abstract description 17
- 230000003434 inspiratory effect Effects 0.000 claims description 44
- 238000005070 sampling Methods 0.000 claims description 12
- 230000002685 pulmonary effect Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 210000001015 abdomen Anatomy 0.000 claims description 5
- 230000002269 spontaneous effect Effects 0.000 abstract description 5
- 230000005611 electricity Effects 0.000 abstract description 3
- 230000000877 morphologic effect Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 4
- 238000005399 mechanical ventilation Methods 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 238000010606 normalization Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- 208000028399 Critical Illness Diseases 0.000 description 1
- 230000003187 abdominal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 230000004118 muscle contraction Effects 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 238000010837 poor prognosis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000241 respiratory effect Effects 0.000 description 1
- 210000003019 respiratory muscle Anatomy 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0536—Impedance imaging, e.g. by tomography
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
- G06T2207/30061—Lung
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Molecular Biology (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Quality & Reliability (AREA)
- Heart & Thoracic Surgery (AREA)
- Biomedical Technology (AREA)
- Pathology (AREA)
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
一种基于电阻抗断层成像识别无效吸气努力的方法,通过肺部EIT图像准确识别出无效吸气努力的方法,通过分析RIF形态特征准确识别患者是否存在自发的吸气努力,甚至检测出从流速压力波形上不明显的无效吸气努力。本发明为医生提供一种检测无效吸气努力的新方法,由于方法是从患者肺部气体分布变化来直接分析患者的吸气动作,而不是从压力流速波形上间接分析,更不需要食道压或膈肌电等复杂昂贵的手段来检测,本发明可以为医生提供一种检测无效吸气努力的新思路。
Description
技术领域
本发明涉及一种基于电阻抗断层成像的机械通气无效吸气努力检测方法,属于医学信号处理领域。
背景技术
在使用呼吸机对重症病人实施有创机械通气期间,常会发生人机不同步,当呼吸神经的吸气时间与机械通气时间不匹配时容易发生人机不同步。人机不同步可能造成机械通气时间延长,患者预后变差等结果,因此准确地识别出人机不同步,进而修正人机不同步具有重要的医学研究价值。
无效吸气努力是人机不同步中最常见的类型之一。无效吸气努力原理是由于在呼气阶段,患者本能的呼吸肌肉收缩想要吸气,但吸气的幅度比较弱,气道压力未达到呼吸机的送气阈值。所以检测无效吸气努力只需要判断呼气阶段患者是否存在微弱的吸气努力。
目前,尽管医学领域对无效吸气努力的机制和识别进行了很多研究,但很少注意不同步发生时肺部局部潮气量分布的变化。医生通常通过呼吸机波形来间接判断是否发生无效吸气努力,但有的时候,患者有吸气努力却在呼吸机波形上没有明显变化,导致部分无效吸气努力被遗漏。部分医生通过食道压或膈肌电监测等方式来识别吸气努力,尽管这些方法被认为是金标准,但方法需要操作过于麻烦,不适用于临床日常工作。
发明内容
为了克服现有技术的不足,本发明提出一种基于电阻抗断层成像(ElectricalImpedance Tomography,EIT)的方法来判断患者是否存在吸气努力的动作,EIT是监测局部肺通气的有效工具,基于EIT可以根据局部潮气量变化来分析无效吸气努力的发生。本发明通过EIT计算得到局部密度分数(Regional Intensity Fraction,RIF)曲线,进而根据RIF来鉴别无效吸气努力,为识别无效吸气努力提供一种更精准合理的途径。
本发明解决其技术问题所采用的技术方案是:
一种基于电阻抗断层成像识别无效吸气努力的方法,包括以下步骤:
a.获取单次呼吸的肺部EIT图像采样数据,采样频率ωHz;
b.将每张肺部EIT图像水平划分为大小相等两个区域,分别为腹侧区域和背侧区域。将每个区域的像素值分别累加,记为IV(t)和ID(t);
c.对IV(t)和ID(t)求一阶差分,得到IV′(t)和ID′(t),进而将差分结果进行归一化处理,归一化到γ1到γ2之间;归一化的公式如下:
其中,Max是I′(t)的最大值,Min是I′(t)的最小值,Norm.I′(t)表示对I′(t)进行归一化处理,归一化到γ1到γ2之间;
d.把c步骤得到的背部和腹部区域结果相除,我们称得到的结果为区域密度分数曲线RIF,其中每次呼吸的RIF计算公式如下:
e.定义呼气阶段RIF的峰值为RIFmax,呼气开始时刻一直到幅值达到RIFmax时刻期间,RIF的最小值为RIFmin,定义ΔRIF=RIFmax-RIFmin,若ΔRIF>α则该次呼吸判断为无效吸气努力,否则判断为非无效吸气努力;
f.将上述步骤应用于呼吸机导出的连续的肺部EIT图像采样数据,即能自动检测出符合要求的无效吸气努力。
进一步,所述步骤a中,用呼吸机导出的连续的肺部EIT图像采样数据,采样频率应高于20Hz。
再进一步,所述步骤b中,EIT图像划分两个区域,分割线是图像正中间的水平线,划分为上半部分为背侧区域,下半部分为腹侧区域。图像每帧像素会随时间变化,所以累加值IV(t)和ID(t)都是随时间动态变化。
所述步骤c中,做一阶差分可以得到变化趋势,归一化是为了防止d步骤的除法运算出现零的情况。
更进一步,所述步骤d中,每次呼吸都存在对应的RIF(t),具体的计算过程已经在公式中展示。
所述步骤e中,在呼气阶段,可能由于干扰因素存在若干波峰,取最大的波峰为RIFmax,该波峰之前的最小值为RIFmin,两值之差ΔRIF>α则认为是无效吸气努力,如果不存在波峰或者ΔRIF很小等其它情况都是因为肺部潮气量变化幅度不明显,也可以说患者没有产生自发的吸气动作,属于非无效吸气努力。
本发明的有益效果主要表现在:通过肺部EIT图像准确识别出无效吸气努力的方法,通过分析RIF形态特征准确识别患者是否存在自发的吸气努力,甚至检测出从流速压力波形上不明显的无效吸气努力。本发明为医生提供一种检测无效吸气努力的新方法。由于方法是从患者肺部气体分布变化来直接分析患者的吸气动作,而不是从压力流速波形上间接分析,更不需要食道压或膈肌电等复杂昂贵的手段来检测,本发明可以为医生提供一种检测无效吸气努力的新思路。
附图说明
图1为本发明的流程示意图。
图2为本发明在肺部EIT图划分感兴趣区域的示意图。
图3为本发明根据RIF判断无效吸气努力的示意图。
具体实施方式
为了更好的解释本发明,以便于理解,下面结合附图,通过具体实施方式,对本发明作详细描述。
参照图1~图3,一种基于电阻抗断层成像识别无效吸气努力的方法,通过连续EIT图像数据采样,划分为两个感兴趣区域,再累加区域像素值后差分归一化,最后这两个区域的结果相除得到RIF,用RIF大小来判断是否为无效吸气努力,该方法是一种更精准更合理更直接的途径,包括以下步骤:
a.获取单次呼吸的肺部EIT图像采样数据,采样频率20Hz;
b.图2给每张肺部EIT图像划分为大小相等两个感兴趣区域ROIV和ROID,分别表示背部区域和腹部区域,每个区域的像素值累加。也就是说,每帧都有一张EIT图像,对应两个累加值依次为IV(t)和ID(t);
c.对IV(t)和ID(t)都求一阶差分依次得到I′V(t)和I′D(t),进而把差分结果做归一化处理,归一化到0.1到1之间;归一化的公式如下:
其中,Max是f(t)中的最大值,Min是f(t)中的最小值,Norm.f(t)表示对f(t)进行归一化处理,归一化到0.1到1之间。把I′V(t)和I′D(t)代入f(t)就可以得到计算结果。
d.把背部区域Norm.I′V(t)和腹部区域Norm.I′D(t)相除,我们称得到的商为区域密度分数曲线(RIF),其中每次呼吸的RIF计算公式如下:
其中,f′(t)表示f(t)的一阶差分;
e.如图3所示,绿色虚线是呼气起始位置,在呼气阶段,RIF的峰值最大的波峰幅值为RIFmax,呼气开始时刻一直到幅值达到RIFmax时刻期间,RIF的最小值为RIFmin。我们定义ΔRIF=RIFmax-RIFmin,若ΔRIF>0.25则该次呼吸判断为无效吸气努力,否则判断为非无效吸气努力;
f.将上述步骤应用于EIT设备导出的连续的肺部EIT图像采样数据,即能自动检测出符合要求的无效吸气努力。
本实施例的步骤a中,用EIT设备导出的连续的肺部EIT图像采样数据,采样频率应在20Hz。
步骤b中,EIT图像划分两个区域,分割线是图像正中间的水平线,划分为上半部分为背部区域,下半部分为腹部区域。图像每帧像素会随时间变化,所以累加值IV(t)和ID(t)都是随时间动态变化。
步骤c中,做一阶差分可以得到变化趋势,归一化是为了防止d步骤的除法运算出现零的情况。
步骤d中,每次呼吸都存在对应的RIF(t),具体的计算过程已经在公式中展示。
步骤e中,在呼气阶段,可能由于干扰因素存在若干波峰,取最大的波峰为RIFmax,该波峰之前的最小值为RIFmin,两数之差ΔRIF>0.25,则认为是无效吸气努力。如果不存在波峰或者ΔRIF很小等等其他情况都是因为肺部潮气量变化幅度不明显,也可以说患者没有产生自发的吸气动作,属于非无效吸气努力。如图3所示,(A)属于非无效吸气努力,(B)和(C)都属于无效吸气努力,我们可以看出,更具本方法可以很好地区分无效吸气努力,而且(C)这种从流速波形看吸气表现不明显的情况,用RIF方法也能精准识别出来。
本发明中的采样频率ω根据呼吸机具体型号而定;γ1和γ2在实例中基于经验设定为0.1和1,其中γ1也可以设定为其他大于零的很小的数;α阈值设定范围0.2<α<0.3;在应用中,可根据实际情况分析后做适当调整。
本发明是一种通过肺部EIT图像准确识别出无效吸气努力的方法,通过分析RIF形态特征准确识别患者是否存在自发的吸气努力,甚至检测出从流速压力波形上不明显的无效吸气努力。将本发明应用于可以导出肺部EIT图像的呼吸机中,能自动精准的检测到无效吸气努力的结果,更能准确挖掘出真正的无效吸气努力。
本发明为医生提供一种检测无效吸气努力的新方法,本方法不是从压力流速波形上间接分析,更不需要食道压或膈肌电等复杂昂贵的方式,所以本发明可以为医生提供一种检测无效吸气努力的新思路。自动快速精准的检测减少了医护人员的工作量。将来应用到呼吸机上可以实时的提醒医生,可以更好的指导进一步肺保护通气的实施。
对6022次呼吸周期进行算法评估。算法检测出3865个无效吸气努力以及2157个非无效吸气努力。医生专家最后评估核实,算法检测出的无效吸气努力中有2945个正确,920个错误;而算法检测出的非无效吸气努力全部正确,表明算法具有很高的灵敏度和特异性,可以说,算法检测不会漏掉任何一个无效吸气努力,在医学上这种高精度预警指标是非常重要的。
本说明书的实施例所述的内容仅仅是对发明构思的实现形式的列举,仅作说明用途。本发明的保护范围不应当被视为仅限于本实施例所陈述的具体形式,本发明的保护范围也及于本领域的普通技术人员根据本发明构思所能想到的等同技术手段。
Claims (5)
1.一种基于电阻抗断层成像识别无效吸气努力的方法,其特征在于,所述方法包括以下步骤:
a.获取单次呼吸的肺部EIT图像采样数据,采样频率ωHz;
b.将每张肺部EIT图像水平划分为大小相等两个区域,分别为腹侧区域和背侧区域,将每个区域的像素值分别累加,记为IV(t)和ID(t);
c.对IV(t)和ID(t)求一阶差分,得到IV ′(t)和ID ′(t),进而将差分结果进行归一化处理,归一化到γ1到γ2之间;归一化的公式如下:
其中,Max是I′(t)的最大值,I′(t)表示IV ′(t)或ID ′(t),Min是I′(t)的最小值,Norm.I′(t)表示对I′(t)进行归一化处理,归一化到γ1到γ2之间;
d.把c步骤得到的背部和腹部区域结果相除,称得到的结果为区域密度分数曲线RIF,其中每次呼吸的RIF计算公式如下:
e.定义呼气阶段RIF的峰值为RIFmax,呼气开始时刻一直到幅值达到RIFmax时刻期间,RIF的最小值为RIFmin,定义ΔRIF=RIFmax-RIFmin,若ΔRIF>α则该次呼吸判断为无效吸气努力,否则判断为非无效吸气努力;
f.将上述步骤应用于呼吸机导出的连续的肺部EIT图像采样数据,即能自动检测出符合要求的无效吸气努力。
2.如权利要求1所述的一种基于电阻抗断层成像识别无效吸气努力的方法,其特征在于,所述步骤a中,用呼吸机导出的连续的肺部EIT图像采样数据,采样频率应高于20Hz。
3.如权利要求1或2所述的一种基于电阻抗断层成像识别无效吸气努力的方法,其特征在于,所述步骤b中,EIT图像划分两个区域,分割线是图像正中间的水平线,划分为上半部分为背侧区域,下半部分为腹侧区域,图像每帧像素会随时间变化,所以累加值IV(t)和ID(t)都是随时间动态变化。
4.如权利要求1或2所述的一种基于电阻抗断层成像识别无效吸气努力的方法,其特征在于,所述步骤d中,每次呼吸都存在对应的RIF(t)。
5.如权利要求1或2所述的一种基于电阻抗断层成像识别无效吸气努力的方法,其特征在于,所述步骤e中,在呼气阶段,取最大的波峰为RIFmax,该波峰之前的最小值为RIFmin,两值之差ΔRIF>α则认为是无效吸气努力,如果不存在波峰或者ΔRIF小于预设阈值都是因为肺部潮气量变化幅度不明显,属于非无效吸气努力。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908932.6A CN113808078B (zh) | 2021-08-09 | 2021-08-09 | 一种基于电阻抗断层成像识别无效吸气努力的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110908932.6A CN113808078B (zh) | 2021-08-09 | 2021-08-09 | 一种基于电阻抗断层成像识别无效吸气努力的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113808078A CN113808078A (zh) | 2021-12-17 |
CN113808078B true CN113808078B (zh) | 2024-03-22 |
Family
ID=78942861
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110908932.6A Active CN113808078B (zh) | 2021-08-09 | 2021-08-09 | 一种基于电阻抗断层成像识别无效吸气努力的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113808078B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101043913A (zh) * | 2004-10-20 | 2007-09-26 | 雷斯梅德有限公司 | 用于检测无效吸气努力并改进患者-呼吸机相互作用的方法和装置 |
CN111563451A (zh) * | 2020-05-06 | 2020-08-21 | 浙江工业大学 | 基于多尺度小波特征的机械通气无效吸气努力识别方法 |
CN112156301A (zh) * | 2020-10-15 | 2021-01-01 | 北京航空航天大学 | 一种基于电阻抗成像的呼吸机peep自动优化设置方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102013213526B4 (de) * | 2013-02-05 | 2015-10-01 | Dräger Medical GmbH | Elektroimpedanztomographie-Gerät und -Verfahren |
-
2021
- 2021-08-09 CN CN202110908932.6A patent/CN113808078B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101043913A (zh) * | 2004-10-20 | 2007-09-26 | 雷斯梅德有限公司 | 用于检测无效吸气努力并改进患者-呼吸机相互作用的方法和装置 |
CN102512736A (zh) * | 2004-10-20 | 2012-06-27 | 雷斯梅德有限公司 | 检测无效吸气努力并改进患者-呼吸机相互作用的系统 |
CN111563451A (zh) * | 2020-05-06 | 2020-08-21 | 浙江工业大学 | 基于多尺度小波特征的机械通气无效吸气努力识别方法 |
CN112156301A (zh) * | 2020-10-15 | 2021-01-01 | 北京航空航天大学 | 一种基于电阻抗成像的呼吸机peep自动优化设置方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113808078A (zh) | 2021-12-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103068312B (zh) | 诊断支援系统以及图像处理方法 | |
CN1767785B (zh) | 用于自动化正气压滴定的算法 | |
US11291784B2 (en) | Detection of asynchrony | |
US10517528B2 (en) | Method and system for validating inspiratory muscle activity of a patient, and mechanical ventilation system using the same | |
US6261238B1 (en) | Phonopneumograph system | |
CN101394885B (zh) | 阻塞性睡眠呼吸暂停的改进的气流受限检测方法和装置 | |
CN111563451B (zh) | 基于多尺度小波特征的机械通气无效吸气努力识别方法 | |
CN101043913A (zh) | 用于检测无效吸气努力并改进患者-呼吸机相互作用的方法和装置 | |
RU2018132930A (ru) | Улучшение оценки параметра дыхания и алгоритмы определения асинхронности с помощью измерения центрального венозного давления | |
US20110178968A1 (en) | System and method for detecting respiratory insufficiency in the breathing of a subject | |
CN104706355A (zh) | 呼吸暂停事件的种类的确定方法及系统 | |
CN110533658A (zh) | 智能肺气肿诊断信息处理系统及方法、信息数据处理终端 | |
EP3334339B1 (en) | Capnography with decision support system architecture | |
KR102219685B1 (ko) | 저호흡 모니터링 시스템 및 방법 | |
US20220330837A1 (en) | Process and device for determining a respiratory and/or cardiogenic signal | |
CN113808078B (zh) | 一种基于电阻抗断层成像识别无效吸气努力的方法 | |
US11944464B2 (en) | Methods and system for detecting inhalations and extracting measures of neural respiratory drive from an EMG signal | |
CN115414026A (zh) | 一种基于流速波形的呼吸自动切分方法及其系统 | |
CN109978857A (zh) | 医疗设备电力供应系统 | |
CN112915330B (zh) | 一种机械通气平台压测量合规性评估方法 | |
US20240009413A1 (en) | System for detecting asynchronous respiratory events and associated methods and components | |
Coronel et al. | 0460 detecting respiratory events by respiratory effort derived from 3D time-of-flight camera and SpO2 | |
WO2023089615A1 (en) | Capnography-based evaluation of respiratory obstruction level | |
CN115381432A (zh) | 一种基于单口呼吸波形的人机失调检测方法及其系统 | |
CN114668384A (zh) | 一种改进的压力控制机械通气下肺部准静态顺应性估测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |