用于脑卒中早期检测与快速鉴别的多频电阻抗谱识别成像算法研究

Early detection of stroke and rapid type identification is crucial to improve the stroke treatment. The existing clinical examination technology is not suitable for pre-hospital emergency environment such as preliminary medical units or ambulances due to the large size and high cost of the equipment. Multi-frequency electrical impedance tomography (MFEIT) is a new modality of electrical impedance tomography, which has the advantage of portable and rapid imaging and thus is suitable technique for rapid detection of stroke in the pre-hospital emergency stage. However, MFEIT cannot be applied to the actual human stroke detection, and the bottleneck is: lack of an imaging algorithm that can detect and identify stroke in complex brain background. To address this issue, the project proposes a new MFEIT spectrum recognition imaging algorithm, which includes: firstly, establishing an accurate human head model with real anatomical structure and impedance distribution to provide an accurate imaging model for the algorithm; secondly, researching and identifying the optimal frequency range of stroke detection to improve the detection accuracy of the algorithm; finally, a novel MFEIT spectrum recognition algorithm based on space and frequency domain features of the head impedance is proposed to realize stroke detection and identification，and the algorithm is verified by simulation experiments, phantom experiments and preliminary human experiments. This project will lay a reliable imaging algorithm for the future clinical application of MFEIT.

脑卒中早期检测和快速鉴别是提高脑卒中救治水平的关键。现有临床检查技术因设备体积庞大、价格昂贵等原因，并不适用于基层社区医疗单位或急救车等院前急救环境。多频电阻抗成像是电阻抗成像技术（EIT）的新方法，其利用同一时刻、不同频率的数据进行一次性快速成像，有望成为在院前检测和鉴别脑卒中的适宜技术。但现有多频EIT成像算法无法在人颅脑复杂背景下检测和鉴别脑卒中，已成为制约该领域研究发展的瓶颈。为此，本项目拟研究全新的多频EIT谱识别成像算法，具体包括：首先，构建具有真实解剖结构和阻抗分布的精准人头模型，为算法提供准确的成像模型；其次，研究检测和鉴别脑卒中的最优频率，以提高检测精度；最终，提出基于颅脑复阻抗空间分布和频域特征的多频EIT谱识别算法，实现脑卒中检测和鉴别，并通过仿真、物理模型和初步人体实验验证算法的性能。本项目将为多频EIT向临床研究迈进奠定坚实的成像算法基础。

脑卒中早期检测和快速鉴别是提高脑卒中救治水平的关键。现有临床检查技术因设备体积庞大、价格昂贵等原因，并不适用于基层社区医疗单位或急救车等院前急救环境。多频电阻抗成像是电阻抗成像技术（EIT）的新方法，其利用同一时刻、不同频率的数据进行一次性快速成像，有望成为在院前检测和鉴别脑卒中的适宜技术。但现有多频EIT成像算法无法在人颅脑复杂背景下检测和鉴别脑卒中，已成为制约该领域研究发展的瓶颈。为此，本项目提出了全新的多频EIT谱识别成像算法。首先，采用模糊均值算法和基于灰度特征向量的聚类算法分割人头组织，并通过三角剖分方法和配置人头组织特定的阻抗频谱特性，构建了多频EIT精准人头成像模型。其次，基于精准人头模型，模拟不同性质（不同位置、不同体积和不同类型）的脑卒中病灶引起的多频EIT边界电压谱，并定量分析了发生脑卒中前后以及不同类型脑卒中引起的多频EIT 边界电压频谱，获得了检测脑卒中的最优频率段（缺血性：10 Hz-100 kHz；出血性：200 kHz-1 MHz）以及鉴别卒中类型的最优频率段（10 Hz-1 kHz和100 kHz-1 MHz）。第三，设计并实现了基于颅脑复阻抗空间分布和频域特征的多频EIT 谱识别算法：采用检测和鉴别脑卒中最优频率段内的电阻抗频谱数据进行成像，构建了多频EIT 正问题数学描述；采用阻尼最小二乘方法进行图像重构，获得多频EIT 谱图像（谱图像）；根据脑卒中病灶和正常组织的空间独立分布特征，借鉴盲源分离思想，从EIT 谱图像中分离脑卒中病灶和正常人头组织，实现区分脑卒中病灶和正常组织；将实测的脑卒中组织的阻抗频谱特性作为先验信息，区分卒中类型。最后，系列仿真、物理模型、动物模型和初步人体实验表明，本项目提出的算法能够在真实人头多组织复杂阻抗分布条件下检测脑卒中病灶。本项目提出的多频EIT谱识别算法为多频EIT向临床研究迈进奠定坚实的成像算法基础。