CN114519708A - 一种cbist成像方法及成像系统 - Google Patents

一种cbist成像方法及成像系统 Download PDF

Info

Publication number
CN114519708A
CN114519708A CN202210153035.3A CN202210153035A CN114519708A CN 114519708 A CN114519708 A CN 114519708A CN 202210153035 A CN202210153035 A CN 202210153035A CN 114519708 A CN114519708 A CN 114519708A
Authority
CN
China
Prior art keywords
impedance
region
frequency
electrical
cancerous
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.)
Granted
Application number
CN202210153035.3A
Other languages
English (en)
Other versions
CN114519708B (zh
Inventor
姚佳烽
刘凯
尹鸿润
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jilun Medical Intelligent Technology Nanjing Co ltd
Original Assignee
Jilun Medical Intelligent Technology Nanjing Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Jilun Medical Intelligent Technology Nanjing Co ltd filed Critical Jilun Medical Intelligent Technology Nanjing Co ltd
Priority to CN202210153035.3A priority Critical patent/CN114519708B/zh
Priority to PCT/CN2022/092597 priority patent/WO2023155310A1/zh
Publication of CN114519708A publication Critical patent/CN114519708A/zh
Application granted granted Critical
Publication of CN114519708B publication Critical patent/CN114519708B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/136—Segmentation; Edge detection involving thresholding
    • 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
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • 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
    • 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
    • G06T2207/30096—Tumor; Lesion
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/30—Assessment of water resources

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • General Physics & Mathematics (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • General Health & Medical Sciences (AREA)
  • Radiology & Medical Imaging (AREA)
  • Medical Informatics (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • Animal Behavior & Ethology (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Biomedical Technology (AREA)
  • Pathology (AREA)
  • Quality & Reliability (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

本发明公开了一种CBIST成像方法及成像系统，其属于医疗检测领域。其技术要点在于：包括以下步骤：Step1,EIT成像；Step2,在EIT二值化图像上初步判断癌变区域并且得到每个癌变区域的中心坐标；Step3,对于每个癌变区域均计算其对应的频率‑电阻抗值实部‑电阻抗值虚部矩阵；Step4，根据每个癌变区域的频率‑电阻抗值实部‑电阻抗值虚部矩阵，提取每个癌变区域对应的BIS电气特征；Step5，根据Step4的结果，对每个癌变区域进行种类分析；Step6，成像多彩的电阻抗谱成像图。本发明旨在提供一种CBIST成像方法及成像系统，为临床医生提供相关信息。

Description

一种CBIST成像方法及成像系统
技术领域
本发明属于医疗检测领域，具体涉及一种CBIST(多彩生物电阻抗谱)成像方法及成像系统。
背景技术
电阻抗检测是一种利用生物组织与器官的电特性及其变化规律来分辨生物体是否病变的技术，其中，电阻抗断层成像(Electrical Impedance Tomography，EIT)和生物阻抗谱(Biological Impedance Spectroscopy，BIS)是目前应用最广泛的两种生物阻抗检测方法。EIT技术是向生物体注入安全的驱动电流，通过测量生物体体表的响应信息，重建生物体内部的电导率变化图像。BIS技术是向生物体注入安全的多频激励电流，以扫频方式采集生物组织不同频率下的阻抗信息，通过提取阻抗中有效的电学参数来定量分析生物组织的电学特性。这两种电阻抗检测方法均具有快速、免标记、易操作的特点，逐步成为肺检测研究中有效的分析工具。
参考文献1：任超世,李章勇,王妍,等.我国电阻抗断层成像实用化应用研究展望[J].航天医学与医学工程,2010(04):79-82；
参考文献2：王春艳.应用于肺部检测的电阻抗成像系统[D].天津大学，2007；
参考文献3：赵秋红.生物阻抗参数测量与特性分析[D].天津科技大学,2015.
从上述参考文献1-3可知，目前肺检测都是采用单一的EIT技术或单一的BIS技术。EIT技术在癌变区域可视化中获得了较好效果，而BIS技术则在精确识别癌变区域的具体信息上取得不错的进展。
但是，由于两种技术自身存在的局限性，单一检测方法很难同时将癌变区域可视化并精准直观的分辨出病变的具体情况。
而在很多情况下，对癌变区域可视化并给出病变具体信息都很有必要且具有重要意义。例如在肺癌早期筛查中，尽早识别出早期癌变区域的位置、形状并精确识别出种类信息有利于临床医生对早期肺癌患者进行针对性治疗，提高治愈率。
因此，在继承上述电阻抗检测方法优点的基础上，将二者融合实现对癌变区域可视化，精确辨别癌变区域具体信息，并将病变情况直观地显示在可视化图像中是解决上述局限的关键问题。
发明内容
本发明的目的是为了解决上述现有技术存在的问题，提供一种多彩生物电阻抗谱成像(Colorful Biological Impedance Spectroscopy Tomography,CBIST)方法，该方法是一种EIT与BIS融合的方法，能够对癌变区域可视化，并通过EIT图像特征寻找最近电极作为激励电极，结合EIT的图像特征与BIS的阻抗谱特征对癌变区域进行具体分类，并将获得的分类结果以不同的颜色呈现在最终的可视化图像中，实现癌变区域的精准直观分类并可视化。
本发明的通过以下技术方案来实现：
基于CBIST的成像系统，包括存储模块、EIT成像及处理模块、BIS电气特征提取模块、识别模块、显示模块；
所述存储模块与所述EIT成像模块、识别模块、显示模块均保持双向连通；
所述存储模块用于存储电压差数据以及存储每个癌变区域的频率-阻抗幅值-相位矩阵；
所述EIT成像及处理模块，用于读取存储模块的数据生成EIT二值化图像以及在EIT二值化图像上初步判断癌变区域并且得到每个癌变区域的中心坐标；
所述BIS电气特征提取模块，用于读取每个癌变区域的频率-阻抗幅值-相位矩阵、计算频率-电阻抗值实部-电阻抗值虚部、计算BIS电气特征；
所述识别模块，根据BIS电气特征提取模块计算得到的计算BIS电气特征，来对不同癌变区域给出其分类信息；
所述显示模块，用于实现多彩显示。
一种CBIST成像方法，包括以下步骤：
Step1,EIT成像：EIT成像模块读取存储模块的数据生成EIT二值化图像；
Step2,在EIT二值化图像上初步判断癌变区域并且得到每个癌变区域的中心坐标；
Step3,对于每个癌变区域均计算其对应的频率-电阻抗值实部-电阻抗值虚部矩阵；
Step4，根据每个癌变区域的频率-电阻抗值实部-电阻抗值虚部矩阵，提取每个癌变区域对应的BIS电气特征；
Step5，根据Step4的结果，对每个癌变区域进行种类分析；
Step6，成像多彩的电阻抗谱成像图。
进一步，Step2还包括：根据Step1所得的二值图像能够获得每个癌变区域内各节点坐标(xi，yi)和该节点坐标对应的电导率值σi，则能够获得每个癌变区域的中心坐标；
对于任意第j个癌变区域而言，其中心坐标(Xj,Yj)为：
Figure BDA0003511172650000031
其中，n表示第j个癌变区域的节点总数，其能够从Step1所得的二值图像上得知。
进一步，Step3，包括：对于任意第j个癌变区域，计算该癌变区域对应的频率-电阻抗值实部-电阻抗值虚部矩阵包括：
Step3-1：根据第j个癌变区域中心坐标(Xj,Yj)与各电极之间的欧氏距离，确定欧氏距离最近的两个电极为第j个癌变区域的阻抗谱激励-测量电极；
Step3-2,对于任意第j个癌变区域通过Step3-1中选定激励-测量电极使用阻抗分析仪在不同频率下(f1，f2，...，fi，…，fq)下采集该癌变区域的阻抗幅值和相位进而获得：频率-阻抗幅值-相位矩阵，该矩阵可表达为：
Figure BDA0003511172650000032
其中，Zi为与fi对应的阻抗幅值，
Figure BDA0003511172650000033
为与fi对应的相位角；
Step3-3,计算该癌变区域对应的频率-电阻抗值实部-电阻抗值虚部矩阵，采用下述矩阵表示：
Figure BDA0003511172650000034
其中：
与频率fi对应的电阻抗值实部
Figure BDA0003511172650000035
与频率fi对应的电阻抗值虚部
Figure BDA0003511172650000041
进一步，Step4还包括：BIS电气特征为RC、CC；
Step4-1:根据Step3-2的频率-阻抗幅值-相位矩阵，计算数据集：
(ω1，ω2………ωq)、(Z”'1，Z”'2………Z”'q)
对于任意第i个阻抗复值Z”'i、第i个角频率ωi，求解方式如下：
Figure BDA0003511172650000042
j表示虚部单位；
Step4-2,利用数据集：(ω1，ω2………ωq)、(Z”'1，Z”'2………Z”'q)以及下式，通过数据拟合能够求取RC、CC：
Figure BDA0003511172650000043
其中:RL1、CL1、RL2、CL2、RO和CO代表正常肺部电气特征能够通过健康肺模型获得，均为已知值。
进一步，Step5，判断出不同癌变区域的种类信息:
对于任意第j个癌变区域的BIS电气特征:RC和CC：
当RC＜Rthresh时
若CC＜Cthresh则为肺小细胞癌；若CC＞Cthresh则为肺鳞癌；
当RC＞Rthresh时
若CC＜Cthresh则为肺腺癌；若CC＞Cthresh则为肺大细胞癌。
进一步，Step6还包括：
Step6-1，将Step1所得的EIT二值化图像转化为伪彩图；
Step6-2，在Step6-1中的伪彩图标识每个癌变区域以及该癌变区域对应的种类：
结合Step5中得到的结果:对伪彩图中对应的每个癌变区域的像素值进行替换，从而实现多彩显示：不同色彩对应不同的癌变种类。
本发明技术方案的优点主要体现在：
第一，本申请提出了一种用于CBIST成像方法(本申请的方法本身并非医疗治疗方 法)，该方法能精准、直观地实现对肺癌区域的位置检测并对肺癌种类进行识别，且该方法为非侵入式成像，成像较快、无辐射、对人体无损伤，检测设备具有便携、易操作等优点，可于社区肺癌筛查(本申请的方法本质上属于医疗器械的内部工作方法，并不是医疗治疗方法本身)，并且该方法可以获得癌变区域的位置、形状以及精确的种类信息，可为临床医生提供相关信息。
第二，本申请的核心发明在于：解决了“肺癌”的BIS电气特征。这个是CBIST成像方法应用在“肺部”最大的难题。
本申请提出的肺癌电气模型如下:
Figure BDA0003511172650000051
其中:Z”'表示阻抗复值，Z”'＝Z'+Z”j；ω表示角频率，ω＝2πf；j表示虚部单位；RL1、CL1、RL2、CL2、RO、CO均为已知值；
未知值为：RC、CC。
通过Step3-2得到的数据，即：Z已知有一组数据，ω已知有一组数据(与Z的数据对应)，求Rc、Cc。
Figure BDA0003511172650000052
通过Rc、Cc与阈值Rthresh和Cthresh的比较，从而能够知晓癌变区域的种类。
附图说明
下面结合附图中的实施例对本发明作进一步的详细说明，但并不构成对本发明的任何限制。
图1为本发明用于肺癌检测的CBIST方法图。
图2为本发明中的肺癌电学模型图。
图3是本发明的基于CBIST的成像系统的设计图。
附图标记说明如下：
存储模块100；
EIT成像及处理模块200；
BIS电气特征提取模块300；
识别模块400；
显示模块500。
具体实施方式
本发明的目的、优点和特点，将通过下面优选实施例的非限制性说明进行解释。这些实施例仅是应用本发明技术方案的典型范例，凡采取等同替换或者等效变换而形成的技术方案，均落在本发明要求保护的范围之内。
实施例1：基于CBIST的成像系统
CBIST是Colorful Biological Impedance Spectroscopy Tomography的简称，其特别之处在于采用以下设计，下面结合附图对本发明作进一步的说明。
基于CBIST的成像系统，包括存储模块100、EIT成像及处理模块200、BIS电气特征提取模块300、识别模块400、显示模块500；
所述存储模块与所述EIT成像模块、识别模块、显示模块均保持双向连通；
所述存储模块用于存储电压差数据以及存储每个癌变区域的频率-阻抗幅值-相位矩阵；
所述EIT成像及处理模块，用于读取存储模块的数据生成EIT二值化图像以及在EIT二值化图像上初步判断癌变区域并且得到每个癌变区域的中心坐标；
所述BIS电气特征提取模块，用于读取每个癌变区域的频率-阻抗幅值-相位矩阵、计算频率-电阻抗值实部-电阻抗值虚部、计算BIS电气特征；
所述识别模块，根据BIS电气特征提取模块计算得到的计算BIS电气特征，来对不同癌变区域给出其分类信息；
所述显示模块，用于实现多彩显示。
各个模块的作用见表1所示。
表1基于CBIST的成像系统的构成
Figure BDA0003511172650000061
Figure BDA0003511172650000071
进一步，广义的基于CBIST的成像系统，还包括：电极组传感器；所述电极组传感器，用来采集胸腔边界电压值以及阻抗值。
实施例2：一种CBIST成像方法
采集数据：通过均匀分布在第4-5肋骨间的16个心电电极采集数据(心电电极具有用于连接的端子，用于通过端子线与多路复用器连接，使用电阻抗分析仪进行测量，通过PC端控制多路复用器模块实现激励、采集通道的切换，将信号依次注入到微型EIT传感器的指定电极对上，并采集剩余电极的电压传回PC端)，并通过计算获得边界电压差U。上述采集好的数据存储到存储模块中。
所述的CBIST成像方法，包括以下步骤：
Step1,基于16电极传感器对肺部进行EIT成像：
EIT成像模块读取数据(该数据存储在存储模块100)，计算生成EIT图像的各个像素点的电导率差值Δσ：
Δσ＝(STS+μI+ηdiag(STS))-1STU
上式中：
Δσ是电导率变化量，是待测值；
S是敏感矩阵，可以通过仿真预先获得；
ST是敏感矩阵S的转置矩阵；
U是边界电压差，可通过测量获得；
I为单位矩阵；
μ和η是正则化系数；
diag(STS)是STS的对角矩阵。
对电导率差值进行归一化处理，可以生成EIT二值化图像；
Step2，对Step1得到的EIT图像进行阈值化处理，得到更直观的EIT成像二值图像，从而获取癌变区域位置：
根据Step1所得的二值图像可以获得癌变区域内各节点坐标(xi，yi)和该节点坐标对应的电导率值σi，则能够获得任意第j个癌变区域的中心坐标(Xj,Yj)为：
Figure BDA0003511172650000081
Step3，对于任意第j个癌变区域，计算该癌变区域对应的频率-电阻抗值实部-电阻抗值虚部矩阵：
Step3-1：根据第j个癌变区域中心坐标(Xj,Yj)与各电极之间的欧氏距离，确定欧氏距离最近的两个电极为第j个癌变区域的阻抗谱激励-测量电极；
Step3-2,通过PC电脑来控制多路复用模块切换采集通道，选定起始频点f1(在肺癌检测中通常取1000Hz)与截止频点fq(在肺癌检测中通常取10MHz)并将起始和截止频点之间的频段进行指数平均划分，获得采样频点(f1，f2，...，fi，…，fq),对于任意第j个癌变区域通过Step3-1中选定的激励-测量电极使用阻抗分析仪在选定采样频点下采集该癌变区域的阻抗幅值和相位，获得：频率-阻抗幅值-相位矩阵，该矩阵可表达为：
Figure BDA0003511172650000082
其中，Zi为与fi对应的阻抗幅值，
Figure BDA0003511172650000083
为与fi对应的相位角(
Figure BDA0003511172650000084
分别是与fi对应的采集的电压信号、激励的电流信号的相位角)；
Step3-3,计算该癌变区域对应的频率-电阻抗值实部-电阻抗值虚部矩阵，采用下述矩阵表示：
Figure BDA0003511172650000091
其中：
与频率fi对应的电阻抗值实部
Figure BDA0003511172650000094
与频率fi对应的电阻抗值虚部
Figure BDA0003511172650000095
Step4，结合Step2中的EIT位置特征与Step3得到的每个癌变区域对应的频率-电阻抗值实部-电阻抗值虚部矩阵，提取每个癌变区域对应的BIS电气特征:
如图2所示是一种肺癌电气模型，由于其他肺癌区域距离第j个癌变区域的激励-采集电极较远，因此自需考虑第j个癌变区域对阻抗谱数据的影响，可得到肺癌电气模型如下:
Figure BDA0003511172650000092
其中:
Z”'表示阻抗复值，Z”'＝Z'+Z”j；
ω表示角频率，ω＝2πf；
j表示虚部单位；
RL1、CL1、RL2、CL2、RO和CO代表正常肺部电气特征，可以通过健康肺模型获得，即均为已知值；
RC和CC代表癌变区域的BIS电气特征，根据阻抗谱数据拟合可以获得。
对于RC、CC而言，其拟合时：Z”'、ω(ω＝2πf，f对应于Step3-2的f实测值)；根据肺癌电气模型与阻抗谱数据拟合得到癌变区域电气参数，即获得RC、CC，拟合方法如下：
Figure BDA0003511172650000093
其中：
RC，CC表示待求癌变区域电气参数值；
Figure BDA0003511172650000101
表示第i个频率下测量得到的阻抗复值；
Figure BDA0003511172650000102
表示第i个频率下通过肺癌电气模型计算得到的阻抗复值。
Step5，判断出不同癌变区域的种类信息:
结合根据EIT图像获得的癌变区域中心与激励-采集电极距离可形成完备的分类特征，通过训练并测试机器学习模型得出不同癌变区域的电气特征划分阈值Rthresh和Cthresh(Rthresh、Cthresh基于机器学习能够获得，为已知值)；
任意第j个癌变区域的电气特征RC和CC：
当RC＜Rthresh时，若CC＜Cthresh则为肺小细胞癌，若CC＜Cthresh则为肺鳞癌；
当RC＞Rthresh时，若CC＜Cthresh则为肺腺癌，若CC＞Cthresh则为肺大细胞癌。
Step6，成像多彩的电阻抗谱成像图：
Step6-1，将Step1所得的EIT二值化图像转化为伪彩图；
Step6-2，在Step6-1中的伪彩图标识每个癌变区域以及该癌变区域对应的种类：
结合Step5中得到的结果:对伪彩图中对应的每个癌变区域的像素值(像素值不同，即色彩不同)进行替换，从而实现多彩显示：不同色彩对应不同的癌变种类。
以上所举实施例为本发明的较佳实施方式，仅用来方便说明本发明，并非对本发明作任何形式上的限制，任何所属技术领域中具有通常知识者，若在不脱离本发明所提技术特征的范围内，利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例，并且未脱离本发明的技术特征内容，均仍属于本发明技术特征的范围内。

Claims (10)

1.一种CBIST成像方法，其特征在于，包括以下步骤：
Step1，EIT成像：EIT成像模块读取存储模块的数据生成EIT二值化图像；
Step2，在EIT二值化图像上初步判断癌变区域并且得到每个癌变区域的中心坐标；
Step3，对于每个癌变区域均计算其对应的频率-电阻抗值实部-电阻抗值虚部矩阵；
Step4，根据每个癌变区域的频率-电阻抗值实部-电阻抗值虚部矩阵，提取每个癌变区域对应的BIS电气特征；
Step5，根据Step4的结果，对每个癌变区域进行种类分析；
Step6，成像多彩的电阻抗谱成像图。
2.根据权利要求1所述的一种CBIST成像方法，其特征在于，Step2还包括：根据Step1所得的二值图像能够获得每个癌变区域内各节点坐标(xi，yi)和该节点坐标对应的电导率值σi，则能够获得每个癌变区域的中心坐标；
对于任意第j个癌变区域而言，其中心坐标(Xj，Yj)为：
Figure FDA0003511172640000011
其中，n表示第j个癌变区域的节点总数，其能够从Step1所得的二值图像上得知。
3.根据权利要求2所述的一种CBIST成像方法，其特征在于，Step3，包括：对于任意第j个癌变区域，计算该癌变区域对应的频率-电阻抗值实部-电阻抗值虚部矩阵包括：
Step3-1：根据第j个癌变区域中心坐标(Xj，Yj)与各电极之间的欧氏距离，确定欧氏距离最近的两个电极为第j个癌变区域的阻抗谱激励-测量电极；
Step3-2，对于任意第j个癌变区域通过Step3-1中选定激励-测量电极使用阻抗分析仪在不同频率下(f1，f2，...，fi，...，fq)下采集该癌变区域的阻抗幅值和相位进而获得：频率-阻抗幅值-相位矩阵，该矩阵可表达为：
Figure FDA0003511172640000021
其中，Zi为与fi对应的阻抗幅值，
Figure FDA0003511172640000022
为与fi对应的相位角；
Step3-3，计算该癌变区域对应的频率-电阻抗值实部-电阻抗值虚部矩阵，采用下述矩阵表示：
Figure FDA0003511172640000023
其中：
与频率fi对应的电阻抗值实部
Figure FDA0003511172640000024
与频率fi对应的电阻抗值虚部
Figure FDA0003511172640000025
4.根据权利要求3所述的一种CBIST成像方法，其特征在于，Step4还包括：BIS电气特征为RC、CC；
Step4-1：根据Step3-2的频率-阻抗幅值-相位矩阵，计算数据集：
(ω1，ω2………ωq)、
Figure FDA0003511172640000026
对于任意第i个阻抗复值
Figure FDA0003511172640000027
第i个角频率ωi，求解方式如下：
Figure FDA0003511172640000028
j表示虚部单位；
Step4-2，利用数据集：(ω1，ω2………ωq)、
Figure FDA0003511172640000029
以及下式，通过数据拟合能够求取RC、CC：
Figure FDA00035111726400000210
其中：RL1、CL1、RL2、CL2、RO和CO代表正常肺部电气特征能够通过健康肺模型获得，均为已知值。
5.根据权利要求4所述的一种CBIST成像方法，其特征在于，Step5，判断出不同癌变区域的种类信息：
对于任意第j个癌变区域的BIS电气特征：RC和CC：
当RC＜Rthresh时
若CC＜Cthresh则为肺小细胞癌；若CC＞Cthresh则为肺鳞癌；
当RC＞Rthresh时
若CC＜Cthresh则为肺腺癌；若CC＞Cthresh则为肺大细胞癌。
6.根据权利要求5所述的一种CBIST成像方法，其特征在于，Step6还包括：
Step6-1，将Step1所得的EIT二值化图像转化为伪彩图；
Step6-2，在Step6-1中的伪彩图标识每个癌变区域以及该癌变区域对应的种类：
结合Step5中得到的结果：对伪彩图中对应的每个癌变区域的像素值进行替换，从而实现多彩显示：不同色彩对应不同的癌变种类。
7.基于CBIST的成像系统，其特征在于，包括：存储模块、EIT成像及处理模块、BIS电气特征提取模块、识别模块、显示模块；
所述存储模块与所述EIT成像模块、识别模块、显示模块均保持双向连通；
所述存储模块用于存储电压差数据以及存储每个癌变区域的频率-阻抗幅值-相位矩阵；
所述EIT成像及处理模块，用于读取存储模块的数据生成EIT二值化图像以及在EIT二值化图像上初步判断癌变区域并且得到每个癌变区域的中心坐标；
所述BIS电气特征提取模块，用于读取每个癌变区域的频率-阻抗幅值-相位矩阵、计算频率-电阻抗值实部-电阻抗值虚部、计算BIS电气特征；
所述识别模块，根据BIS电气特征提取模块计算得到的计算BIS电气特征，来对不同癌变区域给出其分类信息；
所述显示模块，用于实现多彩显示。
8.根据权利要求7所述的一种基于CBIST的成像系统，其特征在于，计算频率-电阻抗值实部-电阻抗值虚部的方法为：
A：根据第j个癌变区域中心坐标(Xj，Yj)与各电极之间的欧氏距离，确定欧氏距离最近的两个电极为第j个癌变区域的阻抗谱激励-测量电极；
B，对于任意第j个癌变区域通过选定的激励-测量电极使用阻抗分析仪在不同频率下(f1，f2，...，fi，...，fq)下采集该癌变区域的阻抗幅值和相位进而获得：频率-阻抗幅值-相位矩阵，该矩阵可表达为：
Figure FDA0003511172640000041
其中，Zi为与fi对应的阻抗幅值，
Figure FDA0003511172640000042
为与fi对应的相位角；
C，计算该癌变区域对应的频率-电阻抗值实部-电阻抗值虚部矩阵，采用下述矩阵表示：
Figure FDA0003511172640000043
其中：
与频率fi对应的电阻抗值实部
Figure FDA0003511172640000044
与频率fi对应的电阻抗值虚部
Figure FDA0003511172640000045
9.根据权利要求8所述的一种基于CBIST的成像系统，其特征在于，计算BIS电气特征的方法为：
BIS电气特征为RC、CC，包括如下步骤：
A：根据频率-阻抗幅值-相位矩阵，计算数据集：
(ω1，ω2………ωq)、
Figure FDA0003511172640000046
对于任意第i个阻抗复值
Figure FDA0003511172640000047
第i个角频率ωi，求解方式如下：
Figure FDA0003511172640000048
j表示虚部单位；
B，利用数据集：(ω1，ω2………ωq)、
Figure FDA0003511172640000051
以及下式，通过数据拟合能够求取RC、CC：
Figure FDA0003511172640000052
其中：RL1、CL1、RL2、CL2、RO和CO代表正常肺部电气特征能够通过健康肺模型获得，均为已知值。
10.根据权利要求8所述的一种基于CBIST的成像系统，其特征在于，
识别模块“在根据BIS电气特征提取模块计算得到的计算BIS电气特征来对不同癌变区域给出其分类信息”的具体方式为：
对于任意第j个癌变区域的BIS电气特征：RC和CC：
当RC＜Rthresh时
若CC＜Cthresh则为肺小细胞癌；若CC＞Cthresh则为肺鳞癌；
当RC＞Rthresh时
若CC＜Cthresh则为肺腺癌；若CC＞Cthresh则为肺大细胞癌。
CN202210153035.3A 2022-02-18 2022-02-18 一种cbist成像方法及成像系统 Active CN114519708B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202210153035.3A CN114519708B (zh) 2022-02-18 2022-02-18 一种cbist成像方法及成像系统
PCT/CN2022/092597 WO2023155310A1 (zh) 2022-02-18 2022-05-13 一种cbist成像方法及成像系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210153035.3A CN114519708B (zh) 2022-02-18 2022-02-18 一种cbist成像方法及成像系统

Publications (2)

Publication Number Publication Date
CN114519708A true CN114519708A (zh) 2022-05-20
CN114519708B CN114519708B (zh) 2023-08-15

Family

ID=81598438

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210153035.3A Active CN114519708B (zh) 2022-02-18 2022-02-18 一种cbist成像方法及成像系统

Country Status (2)

Country Link
CN (1) CN114519708B (zh)
WO (1) WO2023155310A1 (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115035208A (zh) * 2022-06-10 2022-09-09 中国医学科学院北京协和医院 肺灌注与区域v/q无创成像方法、系统及设备
CN115530791A (zh) * 2022-12-02 2022-12-30 中国医学科学院北京协和医院 基于盐水造影的心内分流电阻抗图像分析方法及系统
CN116869510A (zh) * 2023-07-10 2023-10-13 南京航空航天大学 基于生物阻抗谱的肺容积测量方法及机械通气控制方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101241094A (zh) * 2008-03-12 2008-08-13 天津大学 非接触式电阻抗传感器及基于该传感器的图像重建方法
CN101564294A (zh) * 2009-06-01 2009-10-28 中国人民解放军第四军医大学 一种结构信息融合的电阻抗断层成像方法
US20170172451A1 (en) * 2015-12-16 2017-06-22 General Electric Company System and method for enhanced electrical impedance tomography
CN108664928A (zh) * 2018-05-10 2018-10-16 西京学院 一种面向手掌bis大数据的椭圆特征模型及其特征选择的方法
US20190038173A1 (en) * 2017-08-02 2019-02-07 Drägerwerk AG & Co. KGaA Device and method for determination of difference parameters on the basis of eit data
CN111248909A (zh) * 2020-01-19 2020-06-09 上海交通大学 基于生物电阻抗断层成像的医疗成像系统、方法及设备
CN111643079A (zh) * 2020-04-26 2020-09-11 南京航空航天大学 基于生物阻抗谱与电阻抗成像互为补偿的肿瘤细胞精准电阻抗检测方法

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20050135707A1 (en) * 2003-12-18 2005-06-23 Turek Matthew W. Method and apparatus for registration of lung image data
CN101194833A (zh) * 2006-12-08 2008-06-11 南京东影生物医学影像技术有限责任公司 电阻抗乳腺扫描诊断仪

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101241094A (zh) * 2008-03-12 2008-08-13 天津大学 非接触式电阻抗传感器及基于该传感器的图像重建方法
CN101564294A (zh) * 2009-06-01 2009-10-28 中国人民解放军第四军医大学 一种结构信息融合的电阻抗断层成像方法
US20170172451A1 (en) * 2015-12-16 2017-06-22 General Electric Company System and method for enhanced electrical impedance tomography
US20190038173A1 (en) * 2017-08-02 2019-02-07 Drägerwerk AG & Co. KGaA Device and method for determination of difference parameters on the basis of eit data
CN108664928A (zh) * 2018-05-10 2018-10-16 西京学院 一种面向手掌bis大数据的椭圆特征模型及其特征选择的方法
CN111248909A (zh) * 2020-01-19 2020-06-09 上海交通大学 基于生物电阻抗断层成像的医疗成像系统、方法及设备
CN111643079A (zh) * 2020-04-26 2020-09-11 南京航空航天大学 基于生物阻抗谱与电阻抗成像互为补偿的肿瘤细胞精准电阻抗检测方法

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115035208A (zh) * 2022-06-10 2022-09-09 中国医学科学院北京协和医院 肺灌注与区域v/q无创成像方法、系统及设备
CN115035208B (zh) * 2022-06-10 2023-11-14 中国医学科学院北京协和医院 肺灌注与区域v/q无创成像方法、系统及设备
CN115530791A (zh) * 2022-12-02 2022-12-30 中国医学科学院北京协和医院 基于盐水造影的心内分流电阻抗图像分析方法及系统
CN115530791B (zh) * 2022-12-02 2023-03-10 中国医学科学院北京协和医院 基于盐水造影的心内分流电阻抗图像分析方法及系统
CN116869510A (zh) * 2023-07-10 2023-10-13 南京航空航天大学 基于生物阻抗谱的肺容积测量方法及机械通气控制方法

Also Published As

Publication number Publication date
CN114519708B (zh) 2023-08-15
WO2023155310A1 (zh) 2023-08-24

Similar Documents

Publication Publication Date Title
CN114519708B (zh) 一种cbist成像方法及成像系统
EP2175776B1 (en) Impedance measurement process
Moqadam et al. Cancer detection based on electrical impedance spectroscopy: A clinical study
CN103037763B (zh) 评定对组织的电阻抗测量的品质的方法和设备
KR20110123753A (ko) 환자의 조직내 질환 상태를 진단하기 위한 방법 및 장치
US11617518B2 (en) Method for detecting both pre-cancerous and cancerous tissues
US20150038872A1 (en) Multiple-electrode electrical impedance sensing biopsy sampling device and method
US20210219913A1 (en) Noninvasively locating and measuring tissue based on real-time feedback
Berte et al. Impact of micro-, mini-and multi-electrode mapping on ventricular substrate characterisation
Sarode et al. Role of bioimpedance in cancer detection: A brief review
CN114287906A (zh) 一种便携式检测传感器、检测系统、检测方法
EP3651641B1 (en) System for measuring the electrical impedance in human tissues
Deng et al. Three-dimensional bioelectrical impedance spectroscopic tomography for visualization of breast tumor
JPH07250837A (ja) 組織タイプ認識方法およびそのための装置
Meani et al. Electrical Impedance Spectroscopy for Ex-Vivo Breast Cancer Tissues Analysis
Hu et al. An electrode array sensor for tongue cancer detection with bioelectrical impedance spectroscopic tomography
Kent et al. Development of a tissue discrimination electrode embedded surgical needle using vibro-tactile feedback derived from electric impedance spectroscopy
Halonen et al. Biopsy needle including bioimpedance probe with optimized sensitivity distribution
Piccinelli et al. 3d vision based robot assisted electrical impedance scanning for soft tissue conductivity sensing
Cortés et al. Electrical Impedance Tomography Simulation for Detection of Breast Tumors Based on Tumor Emulators
KR102091828B1 (ko) 임피던스를 이용한 인공지능 기반 피부질환 진단시스템
Kossmann An Electrical Impedance Tomography Based Probe for Intraoperative Surgical Margin Assessment
EP4193916A1 (en) Noninvasive medical diagnostics using electrical impedance metrics and clinical predictors
Emran Novel bioimpedance spectroscopic methods for examination of oral mucosal tissues
CN115399734A (zh) 一种乳腺癌检测传感器、检测装置、信号采集方法

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