CN118121184A - 基于呼吸阻抗变化的肺功能评估方法、系统及设备 - Google Patents
基于呼吸阻抗变化的肺功能评估方法、系统及设备 Download PDFInfo
- Publication number
- CN118121184A CN118121184A CN202410267032.1A CN202410267032A CN118121184A CN 118121184 A CN118121184 A CN 118121184A CN 202410267032 A CN202410267032 A CN 202410267032A CN 118121184 A CN118121184 A CN 118121184A
- Authority
- CN
- China
- Prior art keywords
- exhalation
- regional
- time
- pixel
- person
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000008859 change Effects 0.000 title claims abstract description 56
- 230000000241 respiratory effect Effects 0.000 title claims abstract description 21
- 230000009325 pulmonary function Effects 0.000 title claims description 12
- 238000009826 distribution Methods 0.000 claims abstract description 134
- 230000004199 lung function Effects 0.000 claims abstract description 25
- 238000009423 ventilation Methods 0.000 claims abstract description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 29
- 230000009471 action Effects 0.000 claims description 22
- 238000010586 diagram Methods 0.000 claims description 18
- 210000003019 respiratory muscle Anatomy 0.000 claims description 18
- 230000006870 function Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 238000002593 electrical impedance tomography Methods 0.000 description 51
- 208000006545 Chronic Obstructive Pulmonary Disease Diseases 0.000 description 20
- 239000007789 gas Substances 0.000 description 20
- 210000004072 lung Anatomy 0.000 description 14
- 230000002123 temporal effect Effects 0.000 description 11
- 230000006735 deficit Effects 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 6
- 230000004202 respiratory function Effects 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 5
- 239000002360 explosive Substances 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000029058 respiratory gaseous exchange Effects 0.000 description 4
- 238000012360 testing method Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000414 obstructive effect Effects 0.000 description 3
- 208000024891 symptom Diseases 0.000 description 3
- 208000019693 Lung disease Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 208000006673 asthma Diseases 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 239000006185 dispersion Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 230000003601 intercostal effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 201000004193 respiratory failure Diseases 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010009126 Chronic respiratory failure Diseases 0.000 description 1
- 208000000059 Dyspnea Diseases 0.000 description 1
- 206010013975 Dyspnoeas Diseases 0.000 description 1
- 208000004756 Respiratory Insufficiency Diseases 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000001154 acute effect Effects 0.000 description 1
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001684 chronic effect Effects 0.000 description 1
- 230000005684 electric field Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000005284 excitation Effects 0.000 description 1
- 239000003862 glucocorticoid Substances 0.000 description 1
- 229960003971 influenza vaccine Drugs 0.000 description 1
- 229940125386 long-acting bronchodilator Drugs 0.000 description 1
- 210000000056 organ Anatomy 0.000 description 1
- 238000002640 oxygen therapy Methods 0.000 description 1
- 230000010412 perfusion Effects 0.000 description 1
- 238000004393 prognosis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 229940125387 short-acting bronchodilator Drugs 0.000 description 1
- 230000000391 smoking effect Effects 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 229940037128 systemic glucocorticoids Drugs 0.000 description 1
- 210000001519 tissue Anatomy 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
Abstract
本发明提供了一种基于呼吸阻抗变化的肺功能评估方法、系统、设备、介质和程序产品,涉及智能医疗领域。方法包括:获取待测者的时序EIT图像;基于时序EIT图像计算胸部在呼气阶段第一呼出气量处呼出的第一定量的气体量以及其所对应的第一时刻;提取第一时刻和FVC呼气末时刻之间各像素的时序阻抗变化,得到第一呼出气量处各像素的呼气变化特征参数;基于呼气变化特征参数,构建第一区域性时间分布图;并基于第一区域性时间分布图得到待测者在第一呼出气量处对应的分布特征参数;比较待测者与健康者在第一呼出气量处的标准分布特征参数,如果待测者的分布特征参数大于标准分布特征参数,输出待测者具有区域性通气功能损伤的结果。
Description
技术领域
本发明涉及智能医疗领域,更具体地,涉及一种基于呼吸阻抗变化的肺功能评估方法、系统、设备、介质和程序产品。
背景技术
吸烟、环境污染等实际引起的肺部疾病已经成为威胁人类健康的重要因素。早期干预可明显延缓病情,改善患者预后。因此,早期发现肺功能损害至关重要。使用肺活量计的肺功能测量(PFT)是一种成熟的肺功能测量方法,其相应的参数一秒钟用力呼气量(FEV1)和用力肺活量(FVC)可用于诊断和分级疾病的严重程度。然而,PFT仅能提供整体肺功能,无法反映在疾病过程早期可能发生的局部肺通气变化。
电阻抗断层扫描(EIT)能够反映区域性肺通气功能,已经被广泛应用于临床肺通气功能评估,特别适合于早期筛查和检测肺功能损伤。但依据动态时序EIT图像,如何评估肺功能已经成为利用EIT早期筛查肺功能损伤的重要实际问题。目前,有学者依据现有PFT参数,提出基于肺部电阻抗图像空间特性的方法,包括区域性FEV1,FEV1/FVC等,这些图像参数客观表征了在单位时间内的呼出气量,体现了人体呼吸肌肉的爆发力,在评估人体肺功能起到了良好的作用,但是这些指标无法反映呼出单位气量所需要的时间,而这些基于肺部电阻抗图像时间特性的参数,对于客观表征人体肺功能具有重要的意义,其不但与人体呼吸肌肉的爆发力有关,还与呼吸肌肉的耐力有关,可以较为全面评估呼吸功能。
发明内容
本发明旨在至少解决现有技术中存在的技术问题之一。为此,本发明提供一种基于呼吸阻抗变化的肺功能评估方法及其系统;本发明方法通过基于不同呼出气量的变化特点确定区域性时间分布及其分布特征参数,来表征在FVC中,呼出不同量气体所需的时间特征;再通过比较区域性时间分布和分布特征参数,精确且客观地表征人体肺部是否存在区域性通气功能损伤的结果,克服现阶段肺功能检查主要依赖于肺功能测定和症状评估的现状,也解决了现有学者提出的指标无法反映呼出单位气量所需要的时间的问题。
本申请第一方面公开一种基于呼吸阻抗变化的肺功能评估方法,所述方法包括:
获取待测者的时序EIT图像;所述时序EIT图像通过待测者实施FVC动作时间的胸部电阻抗信号数据得到;
基于所述时序EIT图像计算所述胸部在呼气阶段第一呼出气量处呼出的第一定量的气体量,以及其所对应的第一时刻;
提取所述第一时刻和FVC呼气末时刻之间各像素的时序阻抗变化,得到第一呼出气量处各像素的呼气变化特征参数;
基于所述各像素的呼气变化特征参数,构建第一区域性时间分布图;并基于所述第一区域性时间分布图得到待测者在第一呼出气量处对应的分布特征参数;
比较待测者在第一呼出气量处的分布特征参数与健康者在第一呼出气量处的标准分布特征参数,如果待测者的分布特征参数大于所述标准分布特征参数,输出所述待测者具有区域性通气功能损伤的结果。
所述提取第一时刻和FVC呼气末时刻之间各像素的时序阻抗变化,得到第一呼出气量处各像素的呼气变化特征参数,包括:提取所述第一时刻和FVC呼气末时刻之间的局部时序EIT图像,并得到第i个像素的时序阻抗;基于所述局部时序EIT图像拟合(指数拟合)各像素的时序阻抗变化,得到所述各像素的呼气变化特征参数。
所述第一定量的气体的获取方式包括:
基于所述时序EIT图像提取实施FVC动作时间的胸部整体阻抗变化;
计算并得到所述胸部整体阻抗变化中的最大值;
利用第一呼出气量与所述最大值的乘积计算并得到所述第一定量的气体量;所述呼出气量以FVC的百分比表示。
所述分布特征参数包括以下任一种或几种:中位数、四分位距、均值、标准差。
所述方法还包括:
基于所述时序EIT图像得到待测者包含时间特性的不同呼出气量分别对应的第二区域性时间分布图;并基于所述第二区域性时间分布图得到不同呼出气量对应的区域性时间分布值;
比较第二呼出气量处的所述待测者的区域性时间分布值与第三呼出气量处的健康者的标准值,如果待测者的区域性时间分布值大于所述标准值,输出所述待测者的呼吸肌肉爆发差的结果;
所述包含时间特性的不同呼出气量分别对应的第二区域性时间分布图的获取方式包括:
计算并得到实施FVC动作时间各像素的最大值;
利用不同呼出气量与所述各像素的最大值的乘积计算并得到所述不同呼出气量处呼出的定量的气体量,即各像素阻抗变化;
计算并得到所述各像素阻抗变化对应的时刻;
基于所述各像素阻抗变化对应的时刻和所述各像素阻抗变化,得到所述第二区域性时间分布图。
所述方法还包括:基于所述第二区域性时间分布图得到至少2个不同呼出气量对应的区域性时间分布值;
比较第二呼出气量处的所述待测者的区域性时间分布值与第三呼出气量处的健康者的标准值,比较第三呼出气量处的所述待测者的区域性时间分布值与第三呼出气量处的健康者的标准值;
如果待测者在第二呼出气量、第三呼出气量处的区域性时间分布值均大于各自对应的所述标准值,计算待测者在第二呼出气量处的区域性时间分布值与其对应标准值的差值为第一差值,计算待测者在第三呼出气量处的区域性时间分布值与其对应标准值的差值为第二差值,如果所述第一差值小于第二差值,输出所述待测者呼吸肌肉耐力差的结果,第二呼出气量小于第三呼出气量。
所述方法还包括:
基于所述第二区域性时间分布图计算第二区域性时间分布图的变异系数;
比较第二呼出气量处的所述待测者的变异系数与第二呼出气量处的健康者的标准系数,如果待测者的变异系数大于对应的所述标准系数,输出所述待测者具有区域性通气功能损伤的结果;
所述变异系数的获取方法包括以下任一种:基于所述第二区域性时间分布图计算所述第二区域性时间分布图的标准差和均值;利用所述均值除以所述标准差得到所述变异系数;或者,采用聚类方法计算得到所述变异系数,聚类方法包括以下任一种或几种:Kmeans算法、DBSCAN算法、谱聚类算法、拉普拉斯映射算法、PCA、GMM、MeanShift算法(均值迁移)、层次聚类算法。
本申请第二方面公开一种基于呼吸阻抗变化的肺功能评估系统,包括计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
本申请第三方面公开一种计算机设备,所述设备包括:存储器和处理器;所述存储器用于存储程序指令;所述处理器用于调用程序指令,当程序指令被执行时,用于执行上述的方法的步骤。
本申请第四方面公开一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
本申请第五方面公开一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法的步骤。
本申请具有以下有益效果:
1、本申请创新性的公开一种基于呼吸阻抗变化的肺功能评估方法,本方法首先通过以FVC呼气末时刻为参考,重构人体在实施FVC动作时间的时序EIT图像,提取所述时序EIT图像中胸部整体的阻抗变化,接着再提取实施FVC动作时间期间指定时间内的时序EIT图像,拟合该指定时间内的EIT图像中各像素的时序阻抗变化,根据该时序阻抗变化得到各像素的呼气变化特点(即对应像素的呼气变化特征参数),进一步构建基于呼出气量变化特点的区域性时间分布图像,再采用直方图展示呼气变化特征参数的分布,直观展示人体肺部是否存在区域性通气功能损伤;有效克服现阶段肺功能检查主要依赖于肺功能测定和症状评估的现状,也解决了现有学者提出的指标无法反映呼出单位气量所需要的时间的问题。
2、本申请创新性地又提出一种基于肺部电阻抗图像时间特性的肺功能评估方法,基于所述时序EIT图像可以得到包含时间特性的区域性时间分布图,根据从该区域性时间分布图中分析得到的不同呼出气量的区域性时间分布及其变异系数,精确反映出单位呼出气量所需要的时间,客观表征人体呼吸肌肉的爆发力、呼吸肌肉的耐力,以及肺部是否存在损伤的功能,更加全面地评估人体肺部的呼吸功能。
3、本申请创新性的使用包含时间特性的区域性时间分布图,得到包含时间特性的相关参数,表征在FVC中呼出不同量气体所需的时间特征,不仅可以体现人体呼吸肌肉的爆发力,还能表征人体呼吸肌肉的耐力,从多维度全方面进行评估,大大提高对人体呼吸功能分析的精度和深度。此外,本申请涉及的方法能够反映局部肺功能状态,且无创无辐射的肺功能评估方法,更加全面地评估呼吸功能,更加适用于临床。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获取其他的附图。
图1是本发明实施例第一方面提供的方法流程示意图;
图2是本发明实施例第二方面提供的系统示意流程图;
图3是本发明实施例提供的计算机设备的示意图;
图4是本发明实施例提供的健康者在T25处的基于呼出气量变化特点的区域性时间分布示意图;
图5是本发明实施例提供的COPD患者在T25处的基于呼出气量变化特点的区域性时间分布示意图;
图6是本发明实施例提供的健康者在T25,T50,T75,T90处的区域性时间分布示意图;
图7是本发明实施例提供的COPD患者在T25,T50,T75,T90处的区域性时间分布示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获取的所有其他实施例,都属于本发明保护的范围。
图1是本发明实施例提供的一种基于呼吸阻抗变化的肺功能评估方法流程示意图,具体地,所述方法包括如下步骤:
101:获取待测者的时序EIT图像;所述时序EIT图像通过待测者实施FVC动作时间的胸部电阻抗信号数据得到;
在一个实施例中,所述时序EIT图像的获取方法包括:
获取待测者的胸部电阻抗信号数据,所述胸部电阻抗信号数据为待测者实施FVC动作时间的胸部电阻抗信号数据;在一个实施例中,所述胸部电阻抗信号数据的获取方法包括:在待测者胸腔表面放置N个电极,待测者实施FVC动作,通过与电极连接的EIT设备实时采集待测者实施FVC动作时间的胸部电阻抗信号数据;N为大于等于2的自然数整数;优选地,在待测者第四、五肋间的胸腔表面放置N个电极;所述待测者实施FVC动作的标准包括:待测者平静呼吸三个周期后,做深吸气动作,快速且用力呼气,完成呼气动作后,用力深吸气,恢复平静呼吸。N优选为16。
以FVC呼气末时刻为参考,利用GREIT算法重建待测者实施FVC动作时间的时序EIT图像,即为所述时序EIT图像。t时刻的EIT图像为其中,N为EIT图像的像素总数。
在一个实施例中,待测者为呼吸功能有异常或者患有肺部疾病的患者,或者怀疑呼吸功能有异常的患者。
GREIT算法是常用的电阻抗重建算法之一,除了GREIT算法以外,还可以使用其他EIT算法,比如:传统二阶范数加权算法、稀疏加权算法等。
102:基于所述时序EIT图像计算所述胸部在呼气阶段第一呼出气量处呼出的第一定量的气体量,以及其所对应的第一时刻;
在一个实施例中,所述第一定量的气体的获取方式包括:
基于所述时序EIT图像提取实施FVC动作时间的胸部整体阻抗变化;
计算并得到所述胸部整体阻抗变化中的最大值;
利用第一呼出气量与所述最大值的乘积计算并得到所述第一定量的气体量;所述呼出气量以FVC的百分比表示。
103:提取所述第一时刻和FVC呼气末时刻之间各像素的时序阻抗变化,得到第一呼出气量处各像素的呼气变化特征参数;
在一个实施例中,所述提取第一时刻和FVC呼气末时刻之间各像素的时序阻抗变化,得到第一呼出气量处各像素的呼气变化特征参数,包括:提取所述第一时刻和FVC呼气末时刻之间的局部时序EIT图像,并得到第i个像素的时序阻抗;基于所述局部时序EIT图像拟合(指数拟合)各像素的时序阻抗变化,得到所述各像素的呼气变化特征参数。
104:基于所述各像素的呼气变化特征参数,构建第一区域性时间分布图;并基于所述第一区域性时间分布图得到待测者在第一呼出气量处对应的分布特征参数;
在一个实施例中,所述分布特征参数包括以下任一种或几种:中位数、四分位距、均值、标准差。
105:比较待测者在第一呼出气量处的分布特征参数与健康者在第一呼出气量处的标准分布特征参数,如果待测者的分布特征参数大于所述标准分布特征参数,输出所述待测者具有区域性通气功能损伤的结果。
理论上,只要待测者有损伤的肺区,分布特征参数中的任意一种指标都会发生变化的,在本实施例中,只要有一个分布特征参数与标准分布特征参数相比存在异常就能判断肺功能有问题。
在一个实施例中,所述方法还包括:
基于所述时序EIT图像得到待测者包含时间特性的不同呼出气量分别对应的第二区域性时间分布图;并基于所述第二区域性时间分布图得到不同呼出气量对应的区域性时间分布值;
比较第二呼出气量处的所述待测者的区域性时间分布值与第三呼出气量处的健康者的标准值,如果待测者的区域性时间分布值大于所述标准值,输出所述待测者的呼吸肌肉爆发差的结果;
在一个实施例中,所述包含时间特性的不同呼出气量分别对应的第二区域性时间分布图的获取方式包括:
计算并得到实施FVC动作时间各像素的最大值;
利用不同呼出气量与所述各像素的最大值的乘积计算并得到所述不同呼出气量处呼出的定量的气体量,即各像素阻抗变化;所述呼出气量以FVC的百分比表示;
计算并得到所述各像素阻抗变化对应的时刻;根据选定的呼出气量拟合出对应的时刻;
基于所述各像素阻抗变化对应的时刻和所述各像素阻抗变化,得到所述第二区域性时间分布图。
在一个实施例中,以Tx表示区域性时间分布图,以Cx区域性时间分布图的变异系数,其中,x表示呼出气量,以FVC的百分比表示。Tx计算方法如下:
首先,计算FVC动作期间各像素的最大值Pi max,其中,i表示第i个像素;
其次,计算各像素在呼气阶段呼出定量的气体x*Pi max。
然后,计算各像素阻抗变化x*Pi max所对应的时刻进一步,获得第二区域性时间分布图/>
在一个实施例中,所述方法还包括:基于所述第二区域性时间分布图得到至少2个不同呼出气量对应的区域性时间分布值;
比较第二呼出气量处的所述待测者的区域性时间分布值与第三呼出气量处的健康者的标准值,比较第三呼出气量处的所述待测者的区域性时间分布值与第三呼出气量处的健康者的标准值;
如果待测者在第二呼出气量、第三呼出气量处的区域性时间分布值均大于各自对应的所述标准值,计算待测者在第二呼出气量处的区域性时间分布值与其对应标准值的差值为第一差值,计算待测者在第三呼出气量处的区域性时间分布值与其对应标准值的差值为第二差值,如果所述第一差值小于第二差值,输出所述待测者呼吸肌肉耐力差的结果,第二呼出气量小于第三呼出气量。具体地,计算待测者至少2个不同呼出气量对应的不同时间分布,2个不同呼出气量分别记做x1和x2,x1对应的时间分布为Tx1,x2对应的时间为Tx2,x1小于x2;当待测者在Tx1处的区域性时间分布值大于标准值,输出所述待测者呼吸肌肉爆发差的结果;如果待测者在Tx1和Tx2处的区域性时间分布值均大于标准值,计算待测者在Tx1处的区域性时间分布值与标准值的差值为第一差值,计算待测者在Tx2处的区域性时间分布值与标准值的差值为第二差值,如果所述第一差值小于第二差值,则输出所述待测者呼吸肌肉耐力差的结果。
在比较时,所述第一呼出气量和第二呼出气量指的是在同一呼气过程(呼气阶段),每一个呼气过程指的就是FVC的用力呼气过程,这个区域呼气时间常数是通过一个指数拟合呼气曲线获得的指数参数,它表征的是呼出一定量气体(例如总呼出气量的75%)所需要的时间:
在一个实施例中,所述方法还包括:
基于所述第二区域性时间分布图计算所述第二区域性时间分布图的变异系数;具体地,均值用mean(Tx)表示,变异系数Cx用表示,均值指平均数,主要是一个算术术语,指几个不相等的数之和除以这些数的个数而得出的数值;肺功能存在异常的人的均值和健康人的均值也会不一样,不过变异系数可以反映是否有问题的情况。
比较第二呼出气量处的所述待测者的变异系数与第二呼出气量处的健康者的标准系数,如果待测者的变异系数大于对应的所述标准系数,输出所述待测者具有区域性通气功能损伤的结果;
所述变异系数的获取方法包括以下任一种:基于所述第二区域性时间分布图计算所述第二区域性时间分布图的标准差和均值;利用所述均值除以所述标准差得到所述变异系数,即Cx=std(Tx)/mean(Tx);或者,采用聚类方法计算得到所述变异系数,聚类方法包括以下任一种或几种:Kmeans算法、DBSCAN算法、谱聚类算法、拉普拉斯映射算法、PCA、GMM、MeanShift算法(均值迁移)、层次聚类算法。聚类的原理是反映所有像素的趋近程度,越趋近,变异系数越小;变异系数越大,表明肺部部分区域损伤越大,和健康人差的越多。
标准差(外文名:Standard Deviation,又称:均方差)是总体各单位标准值与其平均数离差平方的算术平均数的平方根,用σ表示,标准差是方差的算术平方根。标准差在概率统计中最常使用作为统计分布程度,还能反映一个数据集的离散程度。平均数相同的两组数据,标准差未必相同。
在一个实施例中,所述区域性时间分布值通过区域性时间分布图得到。
本申请的目的在于公开一种基于肺部电阻抗图像时间特性的肺功能评估系统,包括计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
图2是本发明实施例提供的一种基于呼吸阻抗变化的肺功能评估系统,包括:
获取单元201,用于获取待测者的时序EIT图像;所述时序EIT图像通过待测者实施FVC动作时间的胸部电阻抗信号数据得到;
第一处理单元202,用于基于所述时序EIT图像计算所述胸部在呼气阶段第一呼出气量处呼出的第一定量的气体量,以及其所对应的第一时刻;
第二处理单元203,用于提取所述第一时刻和FVC呼气末时刻之间各像素的时序阻抗变化,得到第一呼出气量处各像素的呼气变化特征参数;
第三处理单元204,用于基于所述各像素的呼气变化特征参数,构建第一区域性时间分布图;并基于所述第一区域性时间分布图得到待测者在第一呼出气量处对应的分布特征参数;
第四处理单元204,用于比较待测者在第一呼出气量处的分布特征参数与健康者在第一呼出气量处的标准分布特征参数,如果待测者的分布特征参数大于所述标准分布特征参数,输出所述待测者具有区域性通气功能损伤的结果。
结合附图4、附图5所示,为本发明的一个具体实施例,其中,图4是本发明实施例提供的健康者在T25处的基于呼出气量变化特点的区域性时间分布示意图;图5是本发明实施例提供的COPD患者在T25处的基于呼出气量变化特点的区域性时间分布示意图;附图4和附图5中的横坐标和纵坐标均为像素。具体包括:
健康受试对象信息:51岁,男性。COPD患者信息:56岁,男性。
第一步,采集人体实施FVC动作时间的胸部电阻抗信号。被试佩戴EIT电极带于被试胸部,通常为第4-5肋间,可根据实际情况对电极带高度进行适当的调整。打开EIT机器,实时采集人体胸部电阻抗信号。指导病人实施FVC呼吸动作,即,平静呼吸三个周期后,做深吸气动作,继而快速且用力的呼气,在完成呼气后,用力深吸气,然后逐渐恢复平静呼吸。以FVC动作呼气末时刻为参考,重构整个FVC动作实施期间的时序EIT图像,t时刻的EIT图像为其中,N为EIT图像的像素总数。在本实施例中,采用GREIT算法重构时序EIT图像,且EIT图像被离散化为32*32像素的图像。
第二步,分析基于EIT图像时间特性的特征参数。
为了表征在FVC中,呼出不同量气体所需的时间特征,本发明实施例提供一种基于呼出气量变化特点的区域性时间分布及其分布特征参数。x表示呼出气量,以FVC的百分比表示。
首先,提取FVC实施期间的胸部整体阻抗变化G=[G1,G2,...,Gt,...],其中,Gt为时刻t的胸部阻抗,并计算其最大值Gmax=max[G1,G2,…,Gt,…],
其次,计算胸部整体在呼气阶段呼出定量的气体Gx=x*Gmax,以及其所对应的时刻tx。
然后,以tx和FVC呼气末时刻tend-exp为时间期限,提取该时间期限内的时序EIT图像,第i个像素的时序阻抗为
下一步,采用指数形式拟合各像素的时序阻抗变化,如,针对第i个像素的时序阻抗,从而获得各像素的呼气变化特点,即第i个像素的呼气变化特征参数为/>进一步构建基于呼出气量变化特点的区域性时间分布图像/>
最后,采用直方图方式表示分布,并以中位数加四分位距和均值加标准差表示/>分布特征。
在本实施例中,以胸部整体在呼气阶段呼出25%的FVC所对应时刻计算呼气特征参数,即G25所对应的时刻t25。健康人的区域性时间分布以及直方图如图4所示,其中位数和均值分别为,和/> COPD患者的区域性时间分布以及直方图如图5所示,其中位数和均值分别为,和/>从结果中可以看出,较健康人,COPD患者的区域性时间分布范围更大,且分布特征参数(平均数和变异度)的值也更大,表征了COPD患者存在明显的区域性通气功能损伤。其中,变异度可以理解为分布的不均一程度。
结合附图6、附图7所示,为本发明的一个具体实施例,其中,图6是本发明实施例提供的健康者在T25,T50,T75,T90处的区域性时间分布示意图;图7是本发明实施例提供的COPD患者在T25,T50,T75,T90处的区域性时间分布示意图;在附图6和附图7中,T25写为T25,T50写为T50,T75写为T75,T90写为T90,附图6和附图7中的横坐标和纵坐标均为像素,色阶条的单位为时间(s)。具体包括:
本研究经过伦理委员会通过。受试对象为一名健康人和一名COPD患者,COPD患者指的是患有慢性阻塞性肺疾病的患者。
健康受试对象信息:51岁,男性。COPD患者信息:56岁,男性。
第一步,采集人体实施FVC动作时间的胸部电阻抗信号。被试佩戴EIT电极带于被试胸部,通常为第4-5肋间,可根据实际情况对电极带高度进行适当的调整。打开EIT机器,实时采集人体胸部电阻抗信号。指导病人实施FVC呼吸动作,即,平静呼吸三个周期后,做深吸气动作,继而快速且用力的呼气,在完成呼气后,用力深吸气,然后逐渐恢复平静呼吸。以FVC动作呼气末时刻为参考,重构整个FVC动作实施期间的时序EIT图像,t时刻的EIT图像为其中,N为EIT图像的像素总数。在本实施例中,采用GREIT算法重构时序EIT图像,且EIT图像被离散化为32*32像素的图像。
第二步,分析基于EIT图像时间特性的特征参数。
为了表征在FVC中,呼出不同量气体所需的时间特征,本发明实施例提供一种基于不同呼出气量的区域性时间分布及其变异系数。
以Tx表示区域性时间分布图,以Cx区域性时间分布图的变异系数,其中,x表示呼出气量,以FVC的百分比表示。Tx计算方法如下:
首先,计算FVC动作期间各像素的最大值Pi max,其中,i表示第i个像素;
其次,计算各像素在呼气阶段呼出定量的气体x*Pi max。
然后,计算各像素阻抗变化x*Pi max所对应的时刻进一步,获得区域性时间分布图/>
最后,计算区域性时间分布图的均值和变异系数Cx。可采用均值除以标准差方式计算,即,Cx=std(Tx)/mean(Tx),也可采用聚类方法进行计算。
在本实施例中,得出呼吸肌肉耐力差的结果,至少需要2个呼出气量才能比较,本实施例分别计算了FVC的25%,50%,75%和90%的4个呼出气量所对应的区域性时间分布,即T25,T50,T75和T90。健康人的区域性时间分布如图6所示,区域性时间分布图的变异系数分别为C25=0.018,C50=0.023,C75=0.028和C90=0.034。COPD患者的区域性时间分布如图7所示,区域性时间分布图的变异系数分别为C25=0.038,C50=0.041,C75=0.088和C90=0.19。从结果中可以看出,在T25,T50处,COPD患者的区域性时间分布值明显大于健康人,且随着呼出气量增大,在T75和T90处,COPD患者的区域性时间分布值更加明显地大于健康人,说明了COPD患者地呼吸肌肉不但爆发较差,而且,呼吸肌肉耐力也较差;而且,较健康人,COPD患者的区域性时间分布的变异系数更大,反应了COPD患者的区域性通气功能损伤。
图3是本发明实施例提供的一种计算机设备,所述设备包括:存储器和处理器;所述存储器用于存储程序指令;所述处理器用于调用程序指令,当程序指令被执行时,用于执行上述的方法的步骤。
本发明实施例还公开一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述的方法的步骤。
本发明实施例还公开一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述的方法的步骤。
定义:
FEV1即forced expiratory volume in one second,为第1秒用力呼气容积,也称一秒量,是指最大吸气后用力快速呼气1秒所呼出的最大气量,一般成年人正常为3.65L。是临床上最常用的指标,重复性好、用力依赖性较强。限制性障碍和阻塞性障碍均可导致其发生下降。
FEV1/FVC即forced expiratory volume in one second/forced vitalcapacity,为一秒率,是FEV1与FVC的比值。正常范围约83%左右。它数值的下降常见于阻塞性障碍,>90%则提示存在限制性障碍。
在轻度气流阻塞疾病,患者可充分呼出气体,FVC可基本正常或仅轻度下降,但呼气流量减慢,FEV1下降,FEV1/FVC也相应下降;随着阻塞加重,FEV1和FEVl/FVC皆进一步下降;若为重度阻塞,患者常难以完成充分呼气,FVC也明显下降,FEV1/FVC反而可能有所升高,因此FEV1/FVC可反映气流阻塞的存在,但不能准确反映阻塞的程度。
FEV1是最大深吸气后做最大呼气,最大呼气第秒呼出的气量的容积,FEV1%测定是判定哮喘和COPD的一个常用指标,哮喘主要是出现呼气性的呼吸困难,所以FEV1%测定会降低或者明显降低。临床上常以FEV1/用力肺活量FVC的比值(一秒率)做判定,正常值为83%:阻塞性或者混合型是轻度降低到明显降低;限制性是数值正常或轻微升动。
根据FEV1/FVC、FEV1占预计值百分比和症状可对COPD(慢性阻塞性肺疾病)的严重程度做出分级:
I级(轻度):FEV1/FVC<70%,FEV1占预一值百分比>80%;避免危险因素:接种流感疫苗;按需使用短效支气管舒张剂
II级(中度):FEV1/FVC<70%,50%SFEV1占预计值百分比-80%,在上一级治疗的基础上,规律应用种或多种长效支气管舒张剂,康复治疗
II级(重度):FEV1/FVC<70%,30%SFEV1占预i值百分比<50%,在上一级治疗的基础上,反复急性发作,可吸入糖皮质激素
IV(极重度):FEV1/FVC<70%,FEV1占预计值百分比<30%,或FEV1<50%伴有慢性呼吸衰竭,在上级治疗的基础上,如有呼吸衰竭,长期氧疗,可考虑外科治疗。
电阻抗成像(Electrical Impedance Tomography,EIT)是指当人体表面加入一定的电流或电压时,体内不同的阻抗分布就会在体表测量到不同的电压或电流所以,电阻抗成像技术实际上就是:通过人体特定部位注入已知电压来测量在体表所引起的电流,或者注入一已知电流来测量在体表所引起的电压,利用所测量的电流电压值,依照一定的重建算法,计算出人体内部各组织、器官在电场作用下所呈现的阻抗分布,利用计算机产生断层成像。具体的,如果本申请中基于激励电流测量体表边界电压数据,根据现有的重建算法重建肺灌注EIT图像。
四分位距,又称四分差,IQR。是描述统计学中的一种方法,以确定第三四分位数和第一二分位数的区别。与方差、标准差一样,表示统计资料中各变量分散情形,但四分差更多为一种稳健统计。四分位距通常是用来构建箱形图,以及对概率分布的简要图表概述。对一个对称性分布数据,其中位数必然等于第三四分位数与第一四分位数的算术平均数,二分之一的四分差等于绝对中位差。
本验证实施例的验证结果表明,为适应症分配固有权重相对于默认设置来说可以适度改善本方法的性能。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上对本发明所提供的一种计算机设备进行了详细介绍,对于本领域的一般技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (10)
1.基于呼吸阻抗变化的肺功能评估方法,其特征在于,所述方法包括:
获取待测者的时序EIT图像;所述时序EIT图像通过待测者实施FVC动作时间的胸部电阻抗信号数据得到;
基于所述时序EIT图像计算所述胸部在呼气阶段第一呼出气量处呼出的第一定量的气体量,以及其所对应的第一时刻;
提取所述第一时刻和FVC呼气末时刻之间各像素的时序阻抗变化,得到第一呼出气量处各像素的呼气变化特征参数;
基于所述各像素的呼气变化特征参数,构建第一区域性时间分布图;并基于所述第一区域性时间分布图得到待测者在第一呼出气量处对应的分布特征参数;
比较待测者在第一呼出气量处的分布特征参数与健康者在第一呼出气量处的标准分布特征参数,如果待测者的分布特征参数大于所述标准分布特征参数,输出所述待测者具有区域性通气功能损伤的结果。
2.根据权利要求1所述的基于呼吸阻抗变化的肺功能评估方法,其特征在于,所述提取第一时刻和FVC呼气末时刻之间各像素的时序阻抗变化,得到第一呼出气量处各像素的呼气变化特征参数,包括:提取所述第一时刻和FVC呼气末时刻之间的局部时序EIT图像,并得到第i个像素的时序阻抗;基于所述局部时序EIT图像拟合各像素的时序阻抗变化,得到所述各像素的呼气变化特征参数。
3.根据权利要求1所述的基于呼吸阻抗变化的肺功能评估方法,其特征在于,所述第一定量的气体的获取方式包括:
基于所述时序EIT图像提取实施FVC动作时间的胸部整体阻抗变化;
计算并得到所述胸部整体阻抗变化中的最大值;
利用第一呼出气量与所述最大值的乘积计算并得到所述第一定量的气体量;
所述呼出气量以FVC的百分比表示。
4.根据权利要求1所述的基于呼吸阻抗变化的肺功能评估方法,其特征在于,所述分布特征参数包括以下任一种或几种:中位数、四分位距、均值、标准差。
5.根据权利要求1-4任一项所述的基于呼吸阻抗变化的肺功能评估方法,其特征在于,所述方法还包括:
基于所述时序EIT图像得到待测者包含时间特性的不同呼出气量分别对应的第二区域性时间分布图;并基于所述第二区域性时间分布图得到不同呼出气量对应的区域性时间分布值;
比较第二呼出气量处的所述待测者的区域性时间分布值与第三呼出气量处的健康者的标准值,如果待测者的区域性时间分布值大于所述标准值,输出所述待测者的呼吸肌肉爆发差的结果;
可选的,所述包含时间特性的不同呼出气量分别对应的第二区域性时间分布图的获取方式包括:
计算并得到实施FVC动作时间各像素的最大值;
利用不同呼出气量与所述各像素的最大值的乘积计算并得到所述不同呼出气量处呼出的定量的气体量,即各像素阻抗变化;
计算并得到所述各像素阻抗变化对应的时刻;
基于所述各像素阻抗变化对应的时刻和所述各像素阻抗变化,得到所述第二区域性时间分布图。
6.根据权利要求5所述的基于呼吸阻抗变化的肺功能评估方法,其特征在于,所述方法还包括:基于所述第二区域性时间分布图得到至少2个不同呼出气量对应的区域性时间分布值;
比较第二呼出气量处的所述待测者的区域性时间分布值与第三呼出气量处的健康者的标准值,比较第三呼出气量处的所述待测者的区域性时间分布值与第三呼出气量处的健康者的标准值;
如果待测者在第二呼出气量、第三呼出气量处的区域性时间分布值均大于各自对应的所述标准值,计算待测者在第二呼出气量处的区域性时间分布值与其对应标准值的差值为第一差值,计算待测者在第三呼出气量处的区域性时间分布值与其对应标准值的差值为第二差值,如果所述第一差值小于第二差值,输出所述待测者呼吸肌肉耐力差的结果,第二呼出气量小于第三呼出气量。
7.根据权利要求5所述的基于呼吸阻抗变化的肺功能评估方法,其特征在于,所述方法还包括:
基于所述第二区域性时间分布图计算所述第二区域性时间分布图的变异系数;比较第二呼出气量处的所述待测者的变异系数与第二呼出气量处的健康者的标准系数,如果待测者的变异系数大于对应的所述标准系数,输出所述待测者具有区域性通气功能损伤的结果;
可选的,所述变异系数的获取方法包括以下任一种:基于所述第二区域性时间分布图计算所述第二区域性时间分布图的标准差和均值;利用所述均值除以所述标准差得到所述变异系数;或者,采用聚类方法计算得到所述变异系数,聚类方法包括以下任一种或几种:Kmeans算法、DBSCAN算法、谱聚类算法、拉普拉斯映射算法、PCA、GMM、MeanShift算法(均值迁移)、层次聚类算法。
8.基于呼吸阻抗变化的肺功能评估系统,包括计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1-7任意一项所述的方法的步骤。
9.一种计算机设备,其特征在于,所述设备包括:存储器和处理器;所述存储器用于存储程序指令;所述处理器用于调用程序指令,当程序指令被执行时,用于执行权利要求1-7任意一项所述的方法的步骤。
10.一种计算机可读存储介质,其特征在于,其上存储有计算机程序,所述计算机程序被处理器执行时,实现权利要求1-7任意一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410267032.1A CN118121184A (zh) | 2024-03-08 | 2024-03-08 | 基于呼吸阻抗变化的肺功能评估方法、系统及设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410267032.1A CN118121184A (zh) | 2024-03-08 | 2024-03-08 | 基于呼吸阻抗变化的肺功能评估方法、系统及设备 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118121184A true CN118121184A (zh) | 2024-06-04 |
Family
ID=91241705
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410267032.1A Pending CN118121184A (zh) | 2024-03-08 | 2024-03-08 | 基于呼吸阻抗变化的肺功能评估方法、系统及设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118121184A (zh) |
-
2024
- 2024-03-08 CN CN202410267032.1A patent/CN118121184A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schulze et al. | Methacholine challenge in young children as evaluated by spirometry and impulse oscillometry | |
Dikshit et al. | Lung functions with spirometry: An Indian perspective-I. Peak expiratory flow rates | |
Morris et al. | Analysis of expiratory tidal flow patterns as a diagnostic tool in airflow obstruction | |
Tabata et al. | A novel method for detecting airway narrowing using breath sound spectrum analysis in children | |
JP2004503316A (ja) | 自律神経系機能の指標を与えるための方法及び装置 | |
Liou et al. | Spirometry | |
Colwell et al. | Calculated versus measured MVV-surrogate marker of ventilatory CPET | |
Faria et al. | Assessment of respiratory mechanics in patients with sarcoidosis using forced oscillation: correlations with spirometric and volumetric measurements and diagnostic accuracy | |
Kannisto et al. | Interrupter technique for evaluation of exercise‐induced bronchospasm in children | |
Jat et al. | Lung function tests in infants and children | |
Maarsingh et al. | Airflow limitation in asthmatic children assessed with a non-invasive EMG technique | |
CN117174294A (zh) | 一种构建慢阻肺评估模型方法及系统 | |
Kars et al. | Does phase 2 of the expiratory PCO2 versus volume curve have diagnostic value in emphysema patients? | |
Blonshine et al. | Optimizing performance of respiratory airflow resistance measurements | |
CN118121184A (zh) | 基于呼吸阻抗变化的肺功能评估方法、系统及设备 | |
CN118121183A (zh) | 基于肺部电阻抗图像时间特性的肺功能评估方法和系统 | |
CN210903016U (zh) | 一种用于评估受试者气流受限的装置 | |
Lutfi | Vital capacity derived spirometric measurements | |
Fitzgerald et al. | Office Evaluation of Pulmonary Function: Beyond the Numbers. | |
Zouari et al. | Standalone electrical impedance tomography predicts spirometry indicators and enables regional lung assessment | |
Higashijima et al. | Utility of a simple expiratory pressure measurement device in the evaluation of pulmonary function | |
Kazemi et al. | Assessment on methods used to detect asthmatic and non-asthmatic conditions using capnogram signal | |
de Torres et al. | Electromyographic validation of the mouth pressure–time index: a noninvasive assessment of inspiratory muscle load | |
Pittman et al. | Lung function testing in infants | |
Jaganathan | ASSOCIATION OF PEAK EXPIRATORY FLOW RATE WITH AGE AND HEIGHT AMONG MALAYSIAN ADULTS. |
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 |