融入顱骨電阻率非均勻分布信息的電阻抗斷層成像方法

楊濱，徐燦華，代萌，史學濤，付峰，董秀珍

第四軍醫大學 生物醫學工程系，陜西西安 710032

資訊 177

融入顱骨電阻率非均勻分布信息的電阻抗斷層成像方法

楊濱，徐燦華，代萌，史學濤，付峰，董秀珍

第四軍醫大學 生物醫學工程系，陜西西安 710032

專欄——醫學電阻抗成像的研究（第二期）

編者按：20世紀以來，CT、MRI、PET等醫學成像技術和設備的發展使得臨床醫學診斷水平有了跨越式的提升。但是目前的成像技術并不能滿足臨床診斷治療的需求，無法實時動態監測體內病灶的發展變化和活體狀態下的生物過程，于是誕生了電阻抗成像和分子成像研究。我國第四軍醫大學、天津大學、重慶大學和醫學科學院生物醫學工程研究所等研究團隊一直堅持電阻抗成像研究，在顱腦電阻抗實時動態圖像監測方面達到國際領先水平，率先進入臨床研究。在胸腹部電阻抗成像與乳腺電阻抗成像方面也達到了國際先進水平。在《中國醫療設備》雜志社的倡導和大力支持下，組織了本專欄介紹我國的研究進展。

欄目主編：董秀珍

董秀珍，第四軍醫大學教授，博士生導師。我國知名生物醫學工程專家，一直走堅持交叉創新的學術道路。在我國我軍率先創立了軍事生物醫學工程學科方向，組織實施了生物雷達、傷員圖像監護、高原抗缺氧等軍事特色鮮明、軍民兩用的科研方向。率先提出床旁電阻抗斷層動態圖像監護和電阻抗掃描動態成像檢測乳腺癌的原始創新科研方向，帶領團隊不怕寂寞、刻苦攻關，取得關鍵突破，不僅在學術上達到國際領先水平，而且有望開辟圖像監護的新興醫療器械產業方向，為我國生物醫學工程和醫療器械產業作出貢獻。

本文提出一種融入顱骨電阻率非均勻分布信息的電阻抗斷層成像方法。利用頭部CT數據提供的解剖結構信息以及顱骨板障層厚度同顱骨電阻率的統計參數模型建立包含顱骨電阻率非均勻分布的頭部二維有限元模型，并將模型引入阻尼最小二乘成像算法。初步仿真實驗表明該方法提高了重構圖像的質量和成像目標的定位精度。

電阻抗斷層成像；電阻率非均勻分布；模糊C均值聚類

電阻抗斷層成像技術（Electrical Impedance Tomography，EIT）根據人體內不同組織在不同生理病理狀態下具有不同電阻率的基本原理，通過在人體表面施加安全驅動電流、測量響應電壓信號、重建反映體內電阻抗變化功能圖像的方法，提取與組織器官功能變化相聯系的電阻抗變化信息。由于EIT對組織與器官的電阻抗變化非常敏感，并且是一種不使用核素或射線的無損傷檢測技術，因而可以進行長時間、實時動態的圖像監測。正是基于這種特點，EIT已在腹腔出血[1]、肺通氣[2]及腦功能[3]監測上表現出了良好的應用前景。

在先前的腦部EIT研究中，通常使用圓域作為成像場域，并將初始電阻率分布近似為均勻分布，這種假設缺失被測對象內部解剖結構和阻抗分布信息，會造成較大的模型誤差，以至重構圖像與真實情況不符。因此，有研究通過半自動分割頭部CT或MRI圖像獲取組織結構并融入成像算法，修正EIT模型誤差[4]。但在此方法中，并未考慮顱骨層電阻率分布的特點對腦部EIT成像的影響。

根據課題組先前的研究結果，標準3層顱骨的外側密致骨（皮質骨）同中間板障層（髓質骨）電阻率差異顯著，其電阻率由板障層的厚度決定[5]，而板障層厚度分布不均一，不同部位、不同個體均不一樣，板障層厚度同顱骨電阻率之間存在顯著的統計關系，以上特點決定了顱骨電阻率的非均勻分布。如果在EIT成像中，將顱骨近似為電阻率均勻分布的一層結構，那么重構計算中融入的顱腔內電流密度分布形式同被測對象的真實形式將完全不同，造成EIT圖像質量退化，成像目標定位不準確，制約了EIT技術的臨床應用。

綜上所述，在頭部EIT成像中，為提高成像目標的定位精度，改善重構圖像的質量，需要一種能夠融入被測對象個體特異的顱骨電阻率非均勻分布信息的電阻抗成像方法。

1 材料與方法

1.1 頭部組織分層結構的自動分割

選擇EIT頭部電極所在橫斷面的CT圖像作為提取測量對象頭部組織解剖結構的依據（圖1）。

圖1 電阻抗斷層成像技術頭部電極分布位置與對應CT圖像

通過統計分析，發現CT圖像中頭皮和顱骨區域的HU值多集中在固定范圍內且相互間區別較大、受外界因素干擾較小，可以通過的模糊C均值（Fuzzy C-Means，FCM）聚類分割算法進行分割。為了提高分割速度，對經典FCM算法的目標函數進行優化，通過引入最佳模糊約束C劃分[6]，獲得高斯直方圖約束的多閾值FCM算法。其方法基本原理為：按照公式⑴統計CT圖像的灰度直方圖，式中M、N為圖像像素尺寸，G為圖像中最大灰度級。

由圖像勢直方圖提取最大峰值對應的灰度值和所有局部峰值中對應的最大灰度值作為直方圖約束的多閾值FCM分割算法的初始分類中心ν。

其模糊約束函數ω和隸屬度μ分別由公式（3）和（4）定義，式中C為劃分類數、m為模糊系數。

將約束系數ω和隸屬度μ代入公式（5）計算新的聚類中心，

由二值分割模板便可提取各組織層邊界，方法為遍歷各組織層二值分割模板選取任一邊界點作為種子點，利用生長算法由種子點向8個方向搜索邊界點，直到返回種子點為止，保存各組織層邊界信息。

1.2 構建頭部二維有限元模型并配置電阻率分布先驗信息

依據各層組織邊界曲線的曲率定義邊界采樣點，將離散點定義為限定端點，各層采樣點間的線段定義為限定線段。利用NetGen進行剖分，根據網格中各層組織邊界的限定線段信息，對網格進行組織區域劃分，標記網格的組織屬性。

提取顱骨層的CT數據，按骨窗進行窗寬窗位變化。利用高斯直方圖約束的多閾值FCM算法，自動獲取顱骨內、外板密質骨以及中間板障層的空間分布信息，建立顱骨密致骨層的二值分割模板。將顱骨二值分割模板繞原點進行逆時針旋轉，間隔角度為1°。每旋轉1次計算顱骨區域與X軸重疊的像素個數，這個值表示顱骨在此角度的像數厚度。同理，將密質骨二值分割模板繞原點逆時針旋轉，間隔角度為1°。每旋轉1次計算密質骨區域與X軸重疊的像數個數，表示密質骨在此角度的像數厚度。則顱骨板障厚度百分比（Percentage on Thickness of Diploe，PTD）可由公式（5）計算：

由于骨縫結構的存在，會形成密致骨二值分割模板中內、外側密致骨均不連續的區域，或單側密致骨不連續區域，使密致骨在空間分布上不連續。對于骨縫區域的PTD均按80％賦值，對應齒狀骨縫的電阻率值（電阻率最低的顱骨組織結構）。根據顱骨電阻率同PTD對應的統計參數模型即公式（7）計算顱骨電阻率值，單位為Ω·m。

遍歷顱骨區域內的所有三角形單元，計算每個三角形單元的內切圓圓心，求出該點與顱骨質心連線與X軸的夾度∠S（范圍為[0°，360°）），利用不同角度的PTD和公式（7）計算單元格電阻率。頭皮層和腦實質層單元格電阻率則按相關文獻記錄賦予2.27[7]和6.67Ω·m[8]，形成用于EIT動態成像計算的頭部二維有限元模型。

1.3 融入顱骨電阻率非均勻分布的EIT重構實驗

利用融入非均勻顱骨的密剖有限元模型設置出血仿真目標（電阻率為1.53Ω·m[9]），生成擾動目標由中心向左顳部遞進的5幀仿真數據。分別使用頭部均勻背景、均勻顱骨和非均勻顱骨有限元模型作為逆問題模型結合阻尼最小二乘（Damped Least-Squares，DLS）算法[10]進行重構計算，比較成像結果。其中，DLS算法如公式（8）所述，式中為重構計算得到的電阻率變化量、為依據重構模型計算得到的雅可比矩陣、為矩陣主對角線元素、為Tikhonov正則化參數，其中的選取可以使用L型曲線法。

2 結果

2.1 自動分割結果

從一組頭部CT序列圖像中選取的EIT電極所在層面圖像（圖1），經過高斯直方圖約束的多閾值FCM算法分割和邊界提取后，結果見圖2a。自動分割算法可以有效獲取頭皮和顱骨組織的完整邊界，為后續有限元模型的構建提供真實解剖結構信息。

圖2 頭部組織分層結果分割結果和3類有限元模型

2.2 二維有限元模型構建結果

將頭皮和顱骨內外側邊界離散后得到限定端點和限定線段，經NetGen剖分獲得二維有限元模型（圖2）。這里為仿真實驗中對比顱骨電阻率分布對EIT成像的影響，通過網格電阻率屬性配置形成三類EIT重構模型。圖2d表示非均勻顱骨模型，其顱骨電阻率分布是由顱骨3層結構分割結果和PTD計算得到的。由結果可以看出非均勻顱骨中，高阻值的標準3層骨多分布在額、枕和顳部，而低阻值的骨縫結構分布在左右顳部與額、枕部的銜接部位，這與顱骨骨縫結構的生理分布相符合。

2.3 仿真實驗結果

利用前述的方法構建包含出血擾動目標的非均勻顱骨仿真模型，擾動目標位置見圖3a，由顱內中心位置向左側顳部遞進。由此生成的5幀EIT仿真數據，分別由融入均勻背景、均勻顱骨和非均勻顱骨重構模型的阻尼最小二乘算法進行成像。針對出血目標3種重構模型的成像結果見圖3b～d。

由成像結果可以看出非均勻顱骨模型的重構結果在成像目標形狀、位置上更接近擾動目標。尤其在靠近左側顳部的顱骨的位置，均勻背景模型的成像目標偏向中心，而均勻顱骨模型的成像目標則過于靠近顱骨，說明非均勻顱骨模型在EIT成像中能如實反應擾動目標的形狀和位置。

3 討論

在人頭部各種組織中，顱骨對EIT測量中注入的激勵電流有很大影響。包裹腦實質的顱骨是人體頭部重要的組織，它對腦部起到包含和支撐的作用。但是顱骨同頭部其它組織在電阻抗特性上有很大差別，具有相對較高的電阻率值，使得顱骨對注入電流起到阻礙效果。根據對顱骨阻抗頻譜特性的測量研究發現，顱骨電阻率的分布是非均勻的，隨自身結構的變化其電阻率也會發生相應的改變，而影響顱骨電阻率的主要結構因素是骨縫的存在和三層顱骨結構中PTD。然而，國內外無論在2D-EIT還是3D-EIT的研究與應用中，還未曾出現顱骨電阻率非均勻分布的真實頭部有限元模型。國外研究小組將顱骨設定為具有均勻電阻率分布的一層結構，與真實顱骨電阻率分布存在較大差異，無疑增加了圖像重構中的模型帶來的誤差。因此，將顱骨電阻率非均勻分布信息融入成像算法是改進EIT成像效果的重要途徑之一。

圖3 針對出血目標3種重構模型的成像結果

4 結論

本文實現了人頭部CT圖像的自動分割和有限元剖分方法，構建了具有真實解剖形狀和顱骨電阻率非均勻分布的EIT重構模型。通過仿真實驗研究可以看出，引入與真實測量目標近似的顱骨電阻率非均勻分布信息的EIT成像算法可以有效地改善EIT重構圖像質量和成像目標定位精度。

[1]Tucker AS,Ross EA,Paugh-Miller J,et al.In vivo quantification of accumulating abdominal fluid using an electrical impedance tomography hemiarray[J].PhysiolMeas,2011,32（2）：151-165.

[2]Elke G,Pulletz S,Schadler D,et al.Measurement of regional pulmonary oxygen uptake-a novel approach using electrical impedance tomography[J].PhysiolMeas,2011,32（7）：877-886.

[3]Bagshaw AP,Liston AD,Bayford RH,et al.Electrical impedance tomography of human brain function using reconstruction algorithms based on the finite element method[J].NeuroImage, 2003,20（2）：752-764.

[4]VonachM,Marson B,YunM,et al.A method for rapid production ofsubjectspecific finite element meshes for electrical impedance tomography of the human head[J].PhysiolMeas,2012, 33（5）：801-816.

[5]Tang C,You F,Cheng G,et al.Correlation betweenstructure and resistivity variations of the live humanskull[J].IEEE Trans Biomed Eng,2008,55（9）：2286-2292.

[6]裴繼紅,謝維信.直方圖模糊約束FCM聚類自適應多閾值圖像分割[J].電子學報,1999,27（10）：38-42.

[7]Burger HC,vanMilaan JB.Measurements of thespecific Resistance of the human Body todirect Current[J].ActaMedScand,1943,114（6）：584-607.

[8]Geddes LA,Baker LE.Thespecific resistance of biological material--a compendium ofdata for the biomedical engineer and physiologist[J].Med Biol Eng,1967,5（3）：271-293.

[9]Shimazu T,Ishikawa K.Modulation by the hypothalamus of glucagon and insulinsecretion in rabbits：studies with electrical and chemicalstimulations[J].Endocrinology,1981,108（2）：605-611.

[10]Xu C,DaiM,You F,et al.An optimizedstrategy for real-time hemorrhage monitoring with electrical impedance tomography[J].PhysiolMeas,2011,32（5）：585-598.

An Electrical Impedance Tomography ImagingMethod Incorporated with Inhomogeneously-Distributed Skull Resistivity

YANG Bin, XU Can-hua, DAIMeng, SHI Xue-tao, FU Feng, DONG Xiu-zhen

Department of Bio-Medical Engineering, the FourthMilitary University, Xi'an Shaanxi 710032, China

An electrical impedance tomography imaging method incorporated with inhomogeneouslydistributedskull resistivity was put forward in the paper, which made use of the anatomical informationsegmented from brain CT as well as thestatistical parameter model of thediploe thickness andskull resistivity to establish a twodimensional brain finite element model containing inhomogeneouslydistributedskull resistivity. A noveldamped leastsquares incorporated with this model was used forsimulationstudies. According to the preliminarysimulation experimental results, this imaging methodshowed its effectiveness in improved quality of reconstructed images and enhanced positioning accuracy of the imaging target.

electrical impedance tomography；inhomogeneously-distributed resistivity；fuzzy C-means

TM934.7

A

10.3969/j.issn.1674-1633.2015.08.001

1674-1633（2015）08-0001-04

2015-07-24

軍隊課題（AWS14C006，CWS12J102）；國家自然科學基金（51207161）；國家科技支撐計劃（2011BAI08B13，2012BAI20B02）。

董秀珍，教授。

通訊作者郵箱：dongxiuzhen@fmmu.edu.cn