振蕩肺功能原理及技術實現

【作者】張政波，倪路，劉曉莉，李德玉，王衛東

1 解放軍總醫院醫學工程保障中心，北京市，100853

2 北京航空航天大學生物與醫學工程學院，北京市，100191

振蕩肺功能原理及技術實現

【作者】張政波1，倪路2，劉曉莉2，李德玉2，王衛東1

1 解放軍總醫院醫學工程保障中心，北京市，100853

2 北京航空航天大學生物與醫學工程學院，北京市，100191

強迫振蕩技術是一種無創的呼吸系統力學特性測量技術。通過給呼吸系統施加高頻激勵信號（通常為4～40 Hz的振蕩壓力信號），采用系統辨識原理，可實現不同頻率、不同氣道部位、不同阻力成分的阻抗特性的測量。該文綜述了振蕩肺功能基本原理、技術實現和臨床應用，包括測量原理、激勵信號、系統等效模型、辨識算法以及測量系統軟硬件基本要求等，并對該技術的發展趨勢作了展望。

強迫振蕩技術；呼吸力學；系統辨識；壓力-流量；脈沖振蕩

0　引言

相對于傳統肺功能儀(如spir°metry和 b°dy plethysm°graphy)，振蕩肺功能儀是一種較新型的呼吸系統功能測試儀器，最早由DuB°is及其同事提出，通過給呼吸系統一定激勵(壓力振蕩)，觀察系統響應(流量)的方法，運用系統辨識技術，研究呼吸系統的力學特性[1]。該技術經過50多年的發展，由實驗室原型技術，逐漸發展成可應用于臨床疾病診斷的成熟技術[2-3]。2005年歐洲呼吸協會(Eur°pean Respirat°ry S°ciety, ERS)針對強迫振蕩技術(F°rced Oscillati°n Technique, FOT)的臨床應用提出了相應的技術規范[2]，標志著該技術逐漸走向技術成熟期。相比于傳統肺功能檢測技術，FOT技術的最大優點是受試者配合少，在平靜自主呼吸狀態下，較短的時間(1 min，3～5次有效呼吸)內即可完成呼吸系統力學特性分析，適合老年人和兒童肺功能測試使用[2-3]。FOT技術尤其對氣道阻力變化更加敏感，通過選擇不同的激勵頻率(通常是4～40 Hz)，可以實現對呼吸氣道不同部位和不同成分阻力變化的檢測，且可以進一步分辨出吸氣相和呼氣相阻力變化[4-5]，因此對慢性阻塞性肺疾病、哮喘以及急性肺損傷等病人的指導用藥和療效觀察具有重要價值。目前振蕩肺功能技術的相關研究主要集中在國外，國內發表的文章以FOT技術的臨床應用研究為主，只有少數研究機構針對該技術的原理和實現技術做過研究。本文基于ERS的技術規范，結合相關文獻以及我們先期開展的研究工作，系統性地介紹了振蕩肺功能技術的基本原理、實現技術、臨床應用等內容，綜述了該領域的技術演進，并對該技術的發展前景做了展望。

1　振蕩肺功能實現原理

1.1基本原理

FOT技術本質上是系統辨識技術，相對于傳統肺功能檢測技術，它是一種主動測量技術，通過給呼吸系統外加激勵，測量系統響應，進而辨識系統傳遞函數[2]。在技術實現上，通過壓力振蕩單元(通常是揚聲器)產生一個高頻壓力振蕩信號，加載在呼吸氣道上，受試者自主呼吸過程中，呼吸系統對該高頻壓力振蕩信號的響應信息調制在自主呼吸的流量信號上，通過同步采集自主呼吸過程中的壓力和流量信號，運用系統辨識算法，便可以計算出呼吸系統力學特性。ERS給出的FOT系統示意圖如圖1所示，其中L°udspeaker產生高頻壓力振蕩信號，加載到呼吸系統上，通過同步測量的壓力信號Pao和流量信號V'，實現呼吸系統力學特性辨識。

圖1　強迫振蕩肺功能系統示意圖[2]Fig.1 Schematic arrangement °f the f°rced °scillat°ry respirat°ry impedance measurement[2]

系統辨識示意圖如圖2所示，可以將呼吸系統作為一個‘黑箱’，通過觀察系統的輸入（壓力Pao）和輸出（流量V'），辨識系統特性（阻抗Zrs）。為便于理解，我們可以將呼吸系統等效為一個由電阻、電感、電容等電子元件構成的電學系統，通過電壓（振蕩壓力）和電流（振蕩氣流），來實現系統特性和參數辨識。

圖2　呼吸系統力學特性辨識示意圖Fig.2 Schematic diagram °n the the°ry °f FOT

雖然FOT的基本原理相對簡單，是一個典型的系統辨識技術，但是實現起來并不容易，一方面是由于壓力和流量信號都是小信號，在基于壓力和流量信號作呼吸系統力學特性分析時，分析結果容易受呼吸運動諧波成分的影響[2,6]，尤其在低頻段，影響辨識精度；另一方面，系統辨識過程中，涉及到振蕩單元和呼吸系統兩大環節的系統特性辨識，激勵信號（振蕩信號）必須充分考慮振蕩單元的幅頻響應特性，在幅度和相位上進行優化，以產生理想的呼吸系統激勵信號[6]，從而實現有效的系統力學特性辨識。

1.2激勵信號類型

目前FOT原理都是基于線性系統辨識技術，因此從系統辨識的角度看，要實現系統狀態的有效辨識，激勵信號的頻率和幅度都要滿足一定的要求，既要保證系統的各個狀態被充分激勵，又要避免激勵幅度過大引入非線性效應[2]。在激勵信號類型上，先后出現過單頻正弦、白噪聲、偽隨機和周期性脈沖四類信號，目前廣泛使用的是單頻正弦、偽隨機和周期性脈沖[2]。

1.2.1單頻正弦信號

從系統辨識的角度看，正弦信號是最常用的激勵信號源，早期的振蕩肺功能技術采用的都是單頻正弦信號作為呼吸系統激勵信號[1]。單頻正弦作為呼吸系統激勵源的優點是信噪比比較高[2]，缺點是要獲得呼吸阻抗的頻響特性曲線，需要多個正弦依次激勵，檢測時間太長。

1.2.2偽隨機信號

系統辨識常用的另一種激勵信號源是偽隨機信號，相對于白噪聲序列，偽隨機信號能夠產生類似白噪聲序列的頻譜特性，可以達到較好的系統辨識效果，工程上又容易實現[7]。在振蕩肺功能領域，應用最多的偽隨機信號不是二進制偽隨機序列，而是多正弦信號組合的偽隨機序列，以解決單頻正弦信號作為系統激勵源時存在的檢測時間太長的難題[8]。該偽隨機信號在技術實現上需要考慮振蕩單元頻響特性，在多正弦信號的幅度和相位上充分優化，提高低頻激勵能量，從而提高系統辨識精度[6,9]。

1.2.3周期性脈沖信號

周期性脈沖激勵是近幾年發展起來的一種振蕩肺功能實現技術，被稱為脈沖振蕩肺功能(Impulse Oscillati°n System, IOS)[2-3]，用一種持續時間短的（如幾十毫秒）的周期性脈沖（如5 Hz的三角波）作為激勵信號源，實現更快速的呼吸系統阻抗特性辨識，例如可以實現實時的吸氣相和呼氣相呼吸系統力學特性檢測。周期性三角脈沖信號及其傅立葉變換如圖3所示，左圖所示三角脈沖持續時間25 ms，每秒鐘重復2次，其頻域變換為右圖所示，頻域采樣率為5 Hz。從信號分析的角度看，周期性三角脈沖中包含了系統辨識所需的多正弦信號，因此通過調整三角脈沖持續時間及重復周期，就能產生系統辨識所需要的各類正弦激勵信號，實現系統辨識的目的。與偽隨機信號的技術實現一樣，周期性脈沖信號需要考慮振蕩單元頻響特性在三角脈沖波形上充分優化，以產生理想的激勵信號。

圖3　周期性三角脈沖序列及其傅立葉變換結果Fig.3 Peri°dical triangular wave and it's amplitude-frequency characteristics calculated by F°urier transf°rm

1.3呼吸系統等效模型

常用的呼吸系統等效模型多為電學模型，將粘性阻力、彈性阻力和肺的順應性分別等效為電阻(R)、電感(I)和電容(C)，根據辨識的不同目的，構建了不同的等效模型。圖4 為最基本的RIC集總參數模型，其中R代表氣道粘性阻力，I代表慣性阻力，C代表呼吸系統順應性。

圖4　呼吸系統RIC集總參數模型Fig.4 RIC lumped m°del f°r respirat°ry system

在該基本模型的基礎上，發展出了多種不同的辨識模型，包括DuB°is模型[1]、Mead模型[10-12]、RIC擴展模型(eRIC，EXTENDED-RIC)[13-14]、RIC增強模型(aRIC，AUGMENTED-RIC)[14-16]等，如圖5所示。根據不同的系統辨識目的，以及不同的激勵信號源類型，可以選擇不同的參數模型。

圖5　目前發展的幾類呼吸系統等效模型Fig.5 M°dels devel°ped f°r respirat°ry impedance estimati°n

1.4系統辨識算法

最常用的系統辨識算法還是基于快速傅立葉變換（FFT）的方法，根據線性系統辨識理論，結合圖2，系統輸入信號P(t)、系統傳遞函數h(t)、系統輸出信號V(t)之間存在如下關系：

兩邊進行傅立葉變換后，進一步得到系統傳遞函數：

等效于電學知識（電壓-電流-阻抗的關系）可以進一步得到系統阻抗：

若采用隨機信號模型，則采用功率譜分析技術來實現上述阻抗測量[8]。由于測量信號中往往有干擾成分，可以采用相關分析法來提高測量精度[7]，對于呼吸系統等效模型中的參數估計，可以采用最小二乘或者最大似然估計等算法實現[6-7]。

2　技術實現

綜上所述可以看到，FOT的原理相對簡單，就是基于壓力和流量信號的系統辨識技術，但是該技術的具體實現并不容易，對硬件系統和軟件系統都有一定要求。

2.1硬件系統基本要求

2.1.1壓力信號測量

所選壓力傳感器應具有很好的頻響特性，使高頻振蕩信號(4～40 Hz)能有效通過，同時具有較好的線性度(在＜0.5 kPa測量范圍內，線性度在2%以內)[2]。

2.1.2流量信號測量

所選流量傳感器也應具有很好的頻響特性，使高頻振蕩信號(4～40 Hz)能有效通過，同時具有較好的線性度(在1 L/s流量范圍內，線性度在2%以內)。傳感器優選Lily型雙向氣體流量傳感器，在高至50 Hz的頻帶范圍內，共模抑制比不小于60 dB[2]。

2.1.3振蕩單元

振蕩單元要能夠在足夠短的時間內產生足夠量的振蕩氣體，以周期性脈沖振蕩技術為例，在氣道阻力約為0.1 Pa.s/L的情況下，要在40 ms時間內產生至少40 mL的振蕩氣體，才能達到系統辨識的要求。同時，振蕩單元產生的振蕩壓力信號又不能超過5 cmH2O，以免呼吸系統被過度激勵產生非線性失真，理想的振蕩壓力水平為1～3 cmH2O[2,17]。在氣路結構上，應使與大氣相連的氣阻對高頻振蕩信號為高阻態，對人體自主呼吸信號為低阻態，從而保證壓力振蕩信號能有效地加載在呼吸系統上[4]。

2.2軟件系統基本要求

2.2.1信號采集

軟件系統要求能夠同步地采集振蕩壓力和呼吸氣流信號，AD采樣位數應在12 bit以上，常規振蕩肺功能(4～40 Hz)所需采樣率為200 Hz[2]。信號采集系統應同時具備DA和AD功能，DA用于產生所需的單頻正弦、偽隨機和周期性脈沖信號，經過功率放大后驅動揚聲器。

2.2.2信號處理

由于激勵信號(壓力振蕩)的響應信息（流量振蕩）調制在自主呼吸氣流信號上，針對壓力和流量信號進行系統辨識時，需要濾除自主呼吸信號以及其他高頻干擾信號[2,6-7]，可以采用濾波器的方法和時域加窗，如Hamming窗的方法[6]，然后再對同步采集到壓力和流量信號做FFT變換。IOS系統中用到了呼吸基線估計的方法，把每一次激勵產生的脈沖氣流信號提取出來，將同步的壓力和流量信號作FFT變換，進行系統辨識。

2.2.3參數估計

影響呼吸系統力學特性辨識最主要的問題在于低頻段的阻抗特性估計，除了在激勵信號發生環節，要充分考慮激勵單元特性以產生較理想的激勵信號（主要是低頻特性補償），在參數估計上，要采用一些信號處理方法，消除自主呼吸的影響，否則對呼吸阻抗的估計將是有偏估計，尤其在低頻段[6]。目前在偽隨機信號激勵模型下，應用較好的是Navajas等[18]提出的參數估計器，Farre等[19]提出了時域平均技術以提高參數估計精度，L°rin°等[6]系統的比較了各類信號處理技術對呼吸系統阻抗估計的影響。在數據段選擇上，只有壓力和流量信號的頻域相干系數＞0.95才認為該段數據有效，辨識結果可信[20]。

3　臨床應用

3.1適用人群

研究證明，FOT在檢測呼吸道阻力變化以及由于吸煙或職業暴露導致的肺損傷方面與傳統肺功能一樣敏感[2]，而在反應呼吸系統力學狀態變化方面，能夠提供比常規肺功能更加豐富的信息[3]。因此該技術適用于各類人群，尤其適合于老年人和兒童使用，在哮喘、慢性阻塞性肺疾病以及急性肺損傷等疾病方面更有優勢[2-3]，如FOT可以區分慢性阻塞性肺疾病病變過程中的中心氣道阻塞和外周氣道阻塞，研究表明呼吸阻抗是判斷慢性阻塞性肺病患者氣流阻塞的敏感指標，FOT測定是診斷哮喘、判斷病情輕重的一個有用工具，其中共振頻率這個指標與疾病程度非常敏感。

3.2FOT參數

FOT是一種全新的呼吸系統力學特性檢測技術，測量結果不同于傳統的肺功能儀，隨著激勵信號頻率的不同，會獲得一系列的呼吸阻抗測量結果，可以反應呼吸生理和呼吸力學特性變化。臨床上常用的有明確診斷意義的參數包括：Zrs：呼吸系統總阻抗；R5：總氣道阻力；R20：中心氣道阻力；fres：諧振頻率或響應頻率，該頻率點彈性阻力等于慣性阻力；X5：周邊彈性阻力；RC：中心阻力；Rf：周邊阻力；Ers：肺和胸廓的彈性阻力。大氣道阻塞時，R值在全頻率范圍內抬高，而周圍氣道阻塞時，R5明顯抬高。限制型通氣功能障礙時，R值在全頻率范圍內抬高，X值向負值方向壓低，fres＞10 Hz。除了上述參數，還可以得到阻抗容積圖(impedancev°lume graph)、阻抗頻譜圖(impedance-spectrum graph)、結構參數圖(structure parameter graph)以及Intrabreath圖等，可以從不同的角度觀察呼吸系統力學特性。

4　總結與展望

振蕩肺功能經過50多年的發展，已經成為呼吸生理和呼吸系統力學特性研究以及呼吸系統相關疾病診斷的一個重要工具，能夠獲得常規肺功能檢測無法獲得一些重要的呼吸力學信息，因此有著非常廣闊的應用前景，有望成為解決當前呼吸醫學所面臨的生理和臨床問題的一項穩健、無創的呼吸力學檢測技術[3]。

振蕩肺功能最新的技術演進是脈沖振蕩技術，能夠在更短的時間內完成測量，日本Chest公司推出的M°stGraph借助該技術可以實現實時的逐呼吸的呼吸系統阻抗描記[4-5]，為呼吸系統疾病診斷提供了更豐富的信息。FOT實現阻抗測量的技術難點在于低頻段(＜10 Hz)參數的準確估計，而從呼吸生理和疾病診斷角度看，0.1～10 Hz頻帶內的呼吸力學特性準確測量更具有價值[3]，因此低頻段呼吸力學參數測量和臨床應用是工程技術研發的一個重點。研究方法上，振蕩阻抗測量必須與功能影像和多尺度建模等技術結合，以明確特定結構改變（肺部）與振蕩阻抗變化間的關系，使振蕩肺功能的檢查結果能夠合理指導臨床用藥和手術方案。

振蕩肺功能技術演進的另一個方向是小型化、便攜式，可用于家庭和遠程呼吸力學特性監測使用[21-23]，也可以作為一個功能部件，與機械通氣和睡眠呼吸機結合[2,23]，實現治療過程中的實時呼吸阻抗測量，優化治療方案。

FOT是建立在線性系統理論基礎上的系統辨識技術，相比于傳統肺功能檢測技術，理論基礎完備，應用面廣泛。但由于FOT要保證呼吸系統處于線性狀態，只能使用低幅度的振蕩信號作為系統激勵源，而且假定整個測試過程是線性、穩態的，信號采集和分析上也嚴格符合線性系統要求，因此可能會對一些重要的非線性呼吸力學特性無法揭示，這是目前基于線性系統理論的FOT的技術不足。在激勵信號發生以及壓力、流量信號分析上，能否嘗試一些新的方法，如數據處理上不使用FFT，而使用能處理非線性、非穩態信號的經驗模式分解技術，是值得探索的一個方向。

[1] DuB°is AB, Br°dy AW, Lewis DH, et al. Oscillati°n mechanics °f lungs and chest in man[J]. J Appl Physi°l, 1956, 8(6): 587-594.

[2] O°stveen E, MacLe°d D, L°rin° H, et al. The f°rced °scillati°n technique in clinical practice:meth°-d°l°gy, rec°mmendati°ns and future devel°pments[J]. Eur°p Respirat J, 2003, 22(6): 1026-1041.

[3] Kaczka D, DellacaRL.Oscillati°n mechanics °f the respirat°ry system: applicati°n t° lung disease[J]. Crit Rev Bi°med Eng, 2011, 39(4): 337-359.

[4] Shirai T, M°ri K, Mikam°M, et al. Usefulness °f C°l°red 3D Imaging °f Respirat°ry Impedance in Asthma[J]. Allergy Asthma Immun°l Res, 2013, 5(5): 322-328.

[5] Nagase T, Yamauchi Y, K°hyama T, et al. Dynamic change in respirat°ry resistance during inspirat°ry a-nd expirat°ry phases °f tidal breathing in patients with chr°nic °bstructive pulm°nary disease[J]. Int J Chr°n Obstruct Pulm°n Dis, 2012, 7: 259-269.

[6] Daróczy B, Hant°sZ.Generati°n °f °ptimum pseud°rand°m signals f°r respirat°ry impedance measur-ements[J]. Int J Bi°med C°mput, 1990, 25(1): 21-31.

[7] Michaels°n ED, Grassman ED, Peters WR. Pulm°nary mechanics by spectral analysis °f f°rced rand-°m n°ise[J]. J Clin Invest, 1975,5(5):1210-1230.

[8] R°tger M, Peslin R, Navajas D, et al. Density dependence °f respirat°ry input impedance re-evaluated with a head generat°r minimizing upper airway shunt[J]. Eur Respir J, 1988, 1(5): 439-444.

[9] Bickel S, P°pler J, Lesnick B, et al. Impulse °scill°metry: interpretati°n and practical applicati°ns[J]. Chest, 2014, 146(3): 841-847.

[10] Ram°s C, Nazeran H, G°ldman MD, et al. Circuit analysis justifies a reduced Mead's m°del °f thehuman respirat°ry impedance f°r impulse °scill°metry data[C]. IEEE EMBS, 2010, 548-552.

[11] Nguyen TU, Di°ng B. Evaluati°n °f tw° mead-related m°dels °f adult respirat°ry impedance based °n IOS data[C]. Regi°n 5 Tech C°nf, IEEE, 2007: 303-308.

[12] W°° T, Di°ng B, Mansfield L, et al. A c°mparis°n °f vari°us respirat°ry system m°dels based °n parameter estimates fr°m Impulse Oscill°metry data[C]. IEEE EMBS, 2004: 3828-3831.

[13] Di°ng B, Rajagiri A, G°ldman M, et al. The augmented RIC m°del °f the human respirat°ry syste-m[J]. Med Bi°l Eng C°mput, 2009, 47(4): 395-404.

[14] R°cha R, Carl°s D. M°deling impulse °scill°metry data: Using augmented-RIC and extended-RIC respirat°ry impedance m°del parameters t° track pulm°nary health and disease[D]. Texas: The Un-iversity °f Texas at El Pas°, 2011.

[15] Rajagiri A, Di°ng B. Evaluati°n °f Augented RIC M°del °f Child Respirat°ry Impedance Based °n Impulse Oscill°metry Data[C]. Regi°n 5 C°nf, IEEE, 2006: 291-295.

[16] R°tger M, Peslin R, FarreR, et al. Influence °f amplitude, phase and freqency c°ntent °f pseud°rand-°m pressure input °n impedance data and their variability[J]. Eur Respir J, 1991, 1(3): 178–182.

[17] Navajas D, Farré R, R°tger M. A new estimat°r t° minimize the err°r due t° breathing in the measurement °f respirat°ry impedance[J].IEEE Trans Bi°med Eng, 1988, 35(12): 1001-1005.

[18] Farré R1, R°tger M, NavajasD. Optimized estimati°n °f respirat°ry impedance by signal averaging in the time d°main[J]. J Appl Physi°l, 1992, 73(3): 1181-1189.

[19] Lándsér FJ, Nagles J, Demedts M, et al. A new meth°d t° determine frequency Characteristics °f t-he respirat°ry system[J]. J Appl Physi°l, 1976,41(1):101-106.

[20] Dellacà RL, G°bbi A, Pastena M, et al. H°me m°nit°ring °f within-breath respirat°ry mechanics by a simple and aut°matic f°rced °scillati°n technique device[J]. Physi°l Meas, 2010, 31(4): N11-24.

[21] Rigau J1, Farré R, R°ca J, et al. A p°rtable f°rced °scillati°n device f°r respirat°ry h°me m°nit°ring[J]. Eur Respir J, 2002, 19(1): 146-150.

[22] Timmins SC, Diba C, Thamrin C, et al. The feasibility °f h°me m°nit°ring °f impedance with the f°rced °scillati°n technique in chr°nic °bstructive pulm°nary disease subject[J]. Physi°l Meas, 2013, 34(1): 67-81.

[23] Campana LM, Owens RL, Suki B, et al. Measuring upper and l°wer airway resistance during sleep with the f°rced °scillati°n technique[J]. Ann Bi°med Eng, 2012, 40(4): 925-933.

Methodology and Implementation of Forced Oscillation Technique for Respiratory Mechanics Measurement

【 Writers 】ZHANG Zhengbo1, NI Lu2, LIU Xiaoli2, LI Deyu2, WANG Weidong1
1 The Medical Engineer Support Center, Chinese PLA General Hospital, Beijing, 100853
2 School of Biological Science and Medical Engineering, Beihang University, Beijing, 100191

【 Abstract 】The forced oscillation technique (FOT) is a noninvasive method for respiratory mechanics measurement. For the FOT, external signals (e.g. forced oscillations around 4～40 Hz) are used to drive the respiratory system, and the mechanical characteristic of the respiratory system can be determined with the linear system identification theory. Thus, respiratory mechanical properties and components at different frequency and location of the airway can be explored by specifically developed forcing waveforms. In this paper, the theory, methodology and clinical application of the FOT is reviewed, including measure ment theory, driving signals, models of respiratory system, algorithm for impedance identification, and requirement on apparatus. Finally, the future development of this technique is also discussed.

forced oscillation technique, respiratory mechanics, system identification, pressure-flow, impulse oscillation

R318.6

A

10.3969/j.issn.1671-7104.2015.06.012

1671-7104(2015)06-0432-05

2015-07-17

國家科技支撐計劃課題（2013BAI03B05）；國家自然科學基金面上項目（61471398）

張政波，E-mail: zhengb°zhang@126.c°m