基于腦部電阻抗信息的非線性動力學腦卒中診斷方法

施艷艷,高振,王萌,婁亞君,楊濱

(1.河南師范大學 電子與電氣工程學院,河南 新鄉 453007;2.中國人民解放軍空軍軍醫大學 生物醫學工程學院,西安710032)

腦卒中已成為我國成人致死、致殘的首要原因[1].其中,缺血性腦卒中的發病人數約占腦卒中發病總人數的55%～90%[2],一旦發病極容易致殘,治愈后復發概率也較高[3].如何降低患者死亡率并改善預后效果,是目前亟待解決的問題.

在臨床診斷中,計算機斷層掃描(Computed Tomography,CT)和磁共振成像(Magnetic Resonance Imaging,MRI)是常用的監測方法[4-5].然而,CT和MRI不能對缺血性腦卒中的病情發展進行動態監測.電阻抗層析成像(Electrical Impedance Tomography,EIT)作為一種便攜無創的動態監測手段,更適用于疾病的早期診斷和床邊監護[6].EIT腦卒中監測采用安全電流注入附著在頭皮上的一對相對電極中,測量剩余電極對之間的邊界電壓,以重建檢測區域內的電導率分布.然而,電導率重建逆問題具有嚴重的病態性,易導致重建質量不佳,嚴重影響診斷的準確性[7].為了提高重建圖像質量,國內外學者提出了一些高性能的圖像重建算法[8-10],但以上研究主要針對單幀檢測信息條件下病態逆問題的求解,缺乏對EIT數據時間序列信息的深入挖掘和分析,難以建立電阻抗信息與腦卒中病情的內在聯系,進而實現腦卒中病情的準確診斷.

為了實現腦卒中病情診斷,本文提出一種基于腦部電阻抗信息的非線性動力學腦卒中診斷方法.該方法研究了正常大腦和缺血性腦卒中大腦的電阻抗變化,通過對獲取的電阻抗信息進行預處理得到阻抗變化的一維時間序列;研究了2組一維時間序列分別在距離矩陣和遞歸圖上的差異性,采用遞歸率、確定性和平均對角線長度對2組遞歸圖中非線性動力學參數變化進行定量分析;揭示了由缺血性腦卒中所引發的非線性動力學參數變化;最后通過假手術組和右側中動脈阻塞組大鼠的實驗中驗證了缺血性腦卒中會引發阻抗變化的非線性動力學參數改變,并通過統計學分析加以證明.

1 研究方法

1.1 電阻抗信息采集和預處理

在電阻抗信息采集過程中,電極傳感器陣列作為激勵源和測量傳感器,需在相對電極對上施加電流激勵,測量除激勵電極外相鄰電極之間的電壓[11].采用8電極EIT傳感器模型進行測量時,每測量一幀數據需要進行8次相對電流激勵,每次激勵采集除對向激勵電極(1和5)外的其余6個相鄰電極間的電壓信號.每次激勵可得4個電壓值,故一幀共采集到32個電壓數據.圖1為8電極EIT傳感器模型.σ1和σ2分別表示被測場域中不同介質的電導率.σ1對應腦缺血區域.

1.2 遞歸圖建立與定量分析方法

根據EIT數據預處理得到的一維時間序列,采用非線性動力學分析方法,建立其遞歸圖[12].

首先,將被分析的時間信號映射到相空間,獲得對應的相空間軌跡.通常將時間序列T進行m維的一個拓展,xk=(tk,tk+τ,tk+2τ,…,tk+(m-1)τ),式中,tk表示時間序列T中第k(k=1,2,…,L-(m-1)τ)次激勵的值,m為嵌入維度,τ為延遲時間.嵌入維度和延遲時間分別采用假臨近法和平均互信息法[13]確定.根據相空間軌跡xk,求出歐式距離Di,j=‖xi-xj‖.最后,求得遞歸矩陣R.當距離Di,j<ε,Ri,j=1;否則Ri,j=0;式中,ε為閾值,取為原始信號標準差的10%.

進一步,為了更好地描述信號的特性,獲取遞歸點的分布規律,需要對所建立的遞歸圖進行小范圍復雜度分析即遞歸定量分析[14].

2 研究結果和討論

2.1 動物模型和數據提取

為了驗證該方法對缺血性腦卒中診斷的性能,開展了大鼠模型實驗研究.該實驗得到中國人民解放軍空軍軍醫大學動物研究倫理委員會的批準,并按照該委員會的動物實驗指導方針進行.實驗系統采用自主研發的FMMU-EIT5系統進行數據采集,正弦激勵電流大小為250 μA,頻率為50 kHz,采集速度為1 幀/s.實驗共采集了8只雄性Sprague Dawley 大鼠(體質量240～270 g)連續監測7 000 sEIT數據.實驗中,剃掉大鼠頭頂的毛發,并用手術刀切除頭頂皮膚和骨膜.在大鼠頭頂形成一個冠狀方向(寬)2.5 cm,矢狀方向(長)3 cm的橢圓區域.將8枚電極(牙釘)沿橢圓區域緣均勻釘入顱骨但不穿透,深度控制在1 mm以下.其中4只大鼠采取右側大腦中動脈栓塞手術處理,另外4只采用假手術操作進行處理[15].圖2為實驗數據采集裝置和EIT電極排列位置.

2.2 實驗結果分析

對采集到的數據進行預處理,分別得到術后2組大鼠腦部阻抗變化的一維時間序列{tq}.圖3為各組中某只大鼠的數據.從圖3(b)可以看出右側大腦中動脈阻塞組大鼠腦部電壓幅值急速上升后趨于平緩,這是由于右側中動脈阻塞形成后,右側腦部供血不足所引發的局部阻抗上升.而當被測區域的激勵電流不變,在邊界上采集到的電壓將升高.將2組數據的一維時間序列進行相空間拓展,嵌入維度m=3,延遲時間τ=10,求取距離矩陣D.為了更直觀地觀察遞歸狀態點的分布特征,求出2組數據的遞歸矩陣并繪制出對應的遞歸圖(如圖4所示,Ri,j=1對應黑點).

從圖4可以發現,相對于假手術組,右側大腦中動脈阻塞組擁有更多的遞歸狀態的點和較為大的塊狀結構,且遞歸狀態的點出現成塊狀集中.這表明缺血性腦卒中發生時,腦部阻抗變化的非線性特征顯著增加,通過遞歸圖中遞歸狀態點的數量和塊狀的排布方式可以明顯分別假手術組和右側大腦中動脈阻塞組大鼠.

為了量化分析遞歸圖中遞歸狀態點的分布,分別計算了2組數據的遞歸率、確定性和平均對角線長度參數,并對這3個參數進行統計分析,以確定其分布是否有差異.附圖Ⅰ為遞歸定量分析參數的箱線圖和統計學分析圖,其中,箱線圖的上下限代表每組參數的最大值和最小值,橫線為中位數,小方塊為均值.

通過對比附圖Ⅰ(a)中2組數據遞歸率Rrate的均值可以發現,當缺血性腦卒中發生時大腦阻抗變化的遞歸狀態的點增多,遞歸特性提升.附圖Ⅰ(b)右側中動脈阻塞組大鼠的確定性Rd均值要高于假手術組,表明缺血性腦卒中發生時由于血管阻塞導致大腦局部血流減少,阻抗上升,導致腦部阻抗變化的相關性增強.并且附圖Ⅰ(c)動脈阻塞組大鼠的平均對角線長度Rlmean均值高于假手術組.附圖Ⅰ(d)中,采用獨立分析T檢驗分別對2組數據的遞歸率、確定性和平均對角線長度進行統計分析.從附圖Ⅰ(d)可以看出,2組數據中遞歸率和確定性的P<0.05,表明其分布具有顯著差異,且平均對角線長度的P<0.01,表明平均對角線長度具有非常顯著的差異.通過統計學分析可知,假手術組和右側大腦中動脈阻塞組大鼠的非線性動力學參數遞歸率、確定性和平均對角線長度分布具有顯著的差異.進一步證明了當缺血性腦卒中發生時,由于大腦部分阻抗上升導致腦部阻抗變化的相關性增強,如遞歸率、確定性和平均對角線長度升高且在分布上與正常大腦具有顯著差異,可以作為診斷腦卒中的依據.

3 結 論

針對現有EIT研究難以建立電阻抗信息與腦卒中病情的內在聯系,進而實現對腦卒中病情準確診斷的問題,本文提出了一種基于腦部電阻抗信息的非線性動力學腦卒中診斷方法.通過測量假手術組和右側中動脈阻塞組大鼠腦部的阻抗信息,并采用非線性動力學的分析方法遞歸圖和遞歸定量分析提取與缺血性腦卒中診斷相關的非線性動力學特征,將其作為診斷缺血性腦卒中的依據.實驗結果表明,假手術組大鼠和右側中動脈阻塞組大鼠在遞歸圖上具有不同的結構,并且2組遞歸圖的遞歸率(P<0.05),確定性(P<0.05)和平均對角線長度(P<0.01)具有顯著差異.實驗結果支持該方法診斷缺血性腦卒中的有效性.

附 錄

附圖Ⅰ見電子版(DOI:10.16366/j.cnki.1000-2367.2023.06.009).