【技术实现步骤摘要】
本专利技术属于电阻抗成像检测，具体涉及一种基于信号结构特征的电阻抗成像体动干扰抑制方法。
技术介绍
1、胸部电阻抗成像是一种用于人呼吸过程中观察肺通气状态的成像方法，它在人胸腔一周安放16或32个电极，然后在激励安全电流的同时采集相应的电压，最后把上述数据传输至计算机通过图像重建算法，获得一幅反映人体胸腔内部阻抗变化分布的图像。由于人吸入的空气具有高阻抗特性，因此电阻抗成像可实时反映肺吸气呼气的过程变化，具有重要的临床应用价值。
2、但是在胸部电阻抗成像检测中，电阻抗信号常受到体动干扰的影响，特别是对于需要长期监测的患者而言，医护人员的干预治疗、翻身护理、病人自由活动或躁动都会对检测信号产生较大体动噪声，最终使得电阻抗图像产生伪影，影响监测的连续性与病情诊断。因此，如何有效抑制电阻抗成像中的体动干扰是本领域的重要研究问题。由前期分析可知(gzhang,et al.biomed eng online,2019)，电阻抗体动信号的特点是由连续多点构成的脉冲信号，所以简单的频域滤波或中值滤波难以消除此种干扰。
技术实现思路
1、本专利技术提供了一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其改进之处在于，所述包括
2、(1)通过电阻抗成像系统获取电阻抗成像数据；
3、(2)判断数据中是否存在体动干扰数据；
4、(3)对于存在体动干扰的数据进行矩阵分解；
5、(4)进行电阻抗成像。
6、进一步地，所述步骤(1)包括
7、其中，m表示电阻抗成像原始数据的通道数，n表示数据点数。
8、进一步地，所述步骤(2)包括对矩阵x进行逐行分析：
9、对于第i行数据，求解中位数αi和方差δi，αi代表第i行数据的中位数，δi代表第i行数据的中位数的方差；
10、遍历第i行的数据xij，以xij代表第i行数据上的第j个元素，j是由1变化到n的正整数，当xij＞αi+3δi，则判定该xij为体动干扰数据，并标记数据点位置。
11、进一步地，所述步骤(3)包括对于存在体动干扰的矩阵x，对x进行矩阵分解，分解为一个低秩矩阵l和稀疏矩阵s，即x＝l+s；分解的过程为求约束最小化问题的过程，即求解minl,s||l||*+λs||1，约束项为x＝l+s；其中，|| ||*代表核范数，|| ||1代表1范数，λ为正则化参数。
12、更进一步地，所述步骤(3)包括
13、(3.1)进行初始化参数，设l(0)和s(0)是低秩矩阵l和稀疏矩阵s的初始值，将l(0)和s(0)定义为零矩阵，y(0)是拉格朗日乘子矩阵y的初始值，定义y(0)为零矩阵，正则化参数为步长参数μ＝1/||x2，||||2代表矩阵2范数，m表示电阻抗成像原始数据的通道数，n表示数据点数，收敛阈值为ε＝0.001，最大迭代次数k＝1000；
14、(3.2)迭代求解，对于每次k＝1,2,3k,k；
15、(3.3)获得l(k)和s(k)的结果。
16、更进一步地，其特征在于，所述步骤(3.2)包括
17、(3.2.1)对l(k)进行更新：
18、设m是中间矩阵，计算矩阵m＝x-s(k-1)+μ-1y(k-1)，其中s(k-1)代表第k-1次更新的s矩阵，y(k-1)代表第k-1次更新的y矩阵；
19、对矩阵m进行奇异值分解，得到m＝uσvt，其中u为左奇异向量，其中v为右奇异向量，σ为奇异值矩阵；
20、对奇异值矩阵σ的每个奇异值进行阈值处理，设原奇异值为σi，新奇异值为σ′i，新奇异值选择σi-μ-1和0相比较大的值，即σ′i＝max(σi-μ-1,0)；
21、重构l(k)：l(k)＝uσ'vt，其中σ'是阈值处理后，由σ′i在对角线上构建的奇异值矩阵；
22、(3.2.2)对s(k)进行更新：
23、设n是中间矩阵，计算矩阵n＝x-l(k)+μ-1y(k-1)；
24、矩阵n的元素nij进行阈值处理得到s(k)，s(k)中的每个元素为其中sign()表示为符号函数；
25、(3.2.3)对y(k)进行更新：y(k)＝y(k-1)+μ(x-l(k)-s(k))；
26、(3.2.4)检查收敛条件：若||x-l(k)-s(k)||f≤ε||x||f或达到最大迭代次数k＝1000。其中|| ||f代表f范数。
27、进一步地，所述步骤(4)包括
28、分解结果，l(k)为去掉体动干扰后的电阻抗测量数据，s(k)为体动干扰数据；对l(k)数据中，体动干扰的数据段进行电阻抗成像，获得无体动干扰的结果。
29、有益效果：
30、本专利技术有效抑制电阻抗成像中的体动干扰，解决了由于体动干扰使得电阻抗图像完全失真，无法明确肺通气成像，通过本专利技术处理后，可明确地观察到有节律的肺通气序列图。
31、本专利技术通过有效抑制电阻抗成像中的体动干扰，极大提高了电阻抗图像的清晰度和准确性。传统的电阻抗成像技术在面对体动干扰时，常会出现图像失真，无法准确反映肺部通气情况，采用本专利技术即使在体动干扰下，也能获取到清晰、有节律的肺通气序列图。这对于监测和评估患者的肺功能状态具有重要价值，尤其是在需要长时间监测呼吸功能的临床情境中，如重症监护或术后恢复。因此，本专利技术不仅提高了电阻抗成像技术的实用性，也为临床医生提供了更为可靠的诊断工具，有助于提高患者治疗的准确性和效率。
32、应了解的是，上述一般描述及以下具体实施方式仅为示例性及阐释性的，其并不能限制本申请所欲主张的范围。
本文档来自技高网...【技术保护点】
1.一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其特征在于，所述包括
2.根据权利要求1所述的一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其特征在于，所述步骤(1)包括通过电阻抗成像系统采集电阻抗成像的原始测量数据矩阵X，设为电阻抗成像原始多通道数据集，
3.根据权利要求1所述的一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其特征在于，所述步骤(2)包括对矩阵X进行逐行分析：
4.根据权利要求1所述的一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其特征在于，所述步骤(3)包括对于存在体动干扰的矩阵X，对X进行矩阵分解，分解为一个低秩矩阵L和稀疏矩阵S，即X＝L+S；分解的过程为求约束最小化问题的过程，即求解约束项为X＝L+S；其中，|| ||*代表核范数，|| ||1代表1范数，λ为正则化参数。
5.根据权利要求4所述的一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其特征在于，所述步骤(3)包括
6.根据权利要求5所述的一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其特征在于，所述步骤(3.2
7.根据权利要求1所述的一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其特征在于，所述步骤(4)包括
...【技术特征摘要】
1.一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其特征在于，所述包括
2.根据权利要求1所述的一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其特征在于，所述步骤(1)包括通过电阻抗成像系统采集电阻抗成像的原始测量数据矩阵x，设为电阻抗成像原始多通道数据集，
3.根据权利要求1所述的一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其特征在于，所述步骤(2)包括对矩阵x进行逐行分析：
4.根据权利要求1所述的一种基于信号结构特征的电阻抗成像体动干扰抑制方法，其特征在于，所述步骤(3)包括对于存在体动干扰的矩阵x...
【专利技术属性】
技术研发人员：谢菲，曹璐，温若譞，陆彧，
申请(专利权)人：中国人民解放军总医院第一医学中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。