基于径向基函数神经网络的肺部加权频差电阻抗成像方法

目的 对肺通气过程进行床旁实时连续图像监控，是机械通气患者和临床医生的迫切需求。肺部电阻抗成像（EIT）可反映呼吸引起的胸腔电特性变化分布，在肺通气监测方面具有天然的优势。本文目的在于建立基于径向基函数神经网络（RBFNN）的肺部加权频差电阻抗成像（wfd-EIT）方法，实现对肺通气的高空间分辨率成像。方法 利用肺部wfd-EIT成像方法实时描绘胸腔电导率分布状况，再通过RBFNN将目标区域可视化并精准识别其边界信息。首先通过数值分析模拟，在各个激励频率利用COMSOL与MATLAB软件建立2 028个仿真样本，分为训练样本集和测试样本集，验证所提出成像方法的可行性和有效性。其次，为了验证仿真结果，建立肺部物理模型，选用具有低电导特性的生物组织模拟肺部通气区域，对其进行成像实验，并采用图像相关系数（ICC）和肺区域比（LRR）定量数据衡量成像方法的准确性。结果 wfd-EIT方法可以在任意时刻进行图像重建，并能够准确反映出目标区域的电特性分布；利用基于RBFNN的算法能够增强目标区域的成像精度，ICC可达0.94以上，更好地凸显其边界轮廓信息。结论 通过wfd-EIT成像方法，利用多频阻抗谱同步测量实现目标区域的快速可视化，并结合RBFNN网络逼近任意非线性函数的优点，实现对目标区域电特性变化的精准识别，为下一步进行临床肺通气的EIT图像监测奠定了理论和技术基础。