電阻抗成像技術(shù)(Electrical Impedance Tomography， EIT)是當(dāng)今生物醫(yī)學(xué)工程重大研究課題之一，是繼形態(tài)、結(jié)構(gòu)成像之后，于八十年代出現(xiàn)的新一代有效的無(wú)損傷功能成像技術(shù)。本章主要介紹電阻抗成像技術(shù)理論，生物電阻抗測(cè)量系統(tǒng)原理以及生物電阻抗測(cè)量系統(tǒng)中弱信號(hào)檢測(cè)技術(shù)理論，分析了常用的弱信號(hào)檢測(cè)方法并介紹了阻抗測(cè)量中弱信號(hào)檢測(cè)的噪聲來源及處理方法。

2.1電阻抗成像技術(shù)

電阻抗成像是一種基于傳統(tǒng)CT思想，以人體內(nèi)部電阻率(電導(dǎo)率)的分布為成像目標(biāo)的新型醫(yī)學(xué)成像技術(shù)，它是一種廉價(jià)的無(wú)損傷探測(cè)技術(shù)。它不使用放射源，對(duì)人體無(wú)害，可作為對(duì)患者進(jìn)行長(zhǎng)期的、連續(xù)的監(jiān)護(hù)的醫(yī)學(xué)監(jiān)護(hù)技術(shù)。它根據(jù)人體組織與器官的電特性(電阻率、電容率)，通過表面電極陣列施加激勵(lì)電流或電壓，測(cè)量邊界電壓或電流信號(hào)來獲取物體內(nèi)部電特性參數(shù)分布，進(jìn)而重建物體內(nèi)部結(jié)構(gòu)與功能特性圖像。因?yàn)槿梭w不同組織和器官的電特性不同，這種EIT圖像不僅包含了豐富的解剖學(xué)信息，而且可以獲得與組織和器官電特性相應(yīng)的生理、病理狀態(tài)和功能信息，在研究人體組織與器官功能變化和疾病診斷方面有重要的臨床價(jià)值。

EIT的主要研究問題有：EIT正問題、逆問題計(jì)算和硬件系統(tǒng)設(shè)計(jì)。硬件系統(tǒng)設(shè)計(jì)主要由三部分組成，電極陣列傳感器、數(shù)據(jù)采集和圖像重建計(jì)算機(jī)。傳感器將多相流體分布轉(zhuǎn)換成輸出電極，數(shù)據(jù)采集系統(tǒng)將電極值轉(zhuǎn)化為數(shù)字量并傳送給計(jì)算機(jī)，計(jì)算機(jī)根據(jù)圖像重建算法重建出被測(cè)物體的介質(zhì)分布。

電阻抗斷層成像EIT的目標(biāo)是檢測(cè)組織電特性的差異從而產(chǎn)生斷層圖像。EIT檢測(cè)出來的組織電特性的信息是其它成像手段所不能夠檢測(cè)的，這樣可能就會(huì)揭開一些其它檢測(cè)手段所不能夠提供的重要臨床醫(yī)療信息。它注入人體電流的幅度和頻率都比較低，與其他檢測(cè)手段如x射線、CT、核磁共振(MRI)相比，具有對(duì)人體無(wú)創(chuàng)無(wú)害、設(shè)備成本低廉、成像速度快捷、使用安全和攜帶方便的優(yōu)點(diǎn)。

人體可以看作是一個(gè)包含大量的具有不同電特性和不同空間分布的組織構(gòu)成的復(fù)雜的導(dǎo)體。人體不同部位不同器官不同的組織具有不同的構(gòu)成特點(diǎn)和組成成份，表現(xiàn)出相應(yīng)的阻抗特性，它們之間的差異也非常明顯。而且組織的阻抗與施加信號(hào)的頻率有直接的關(guān)系。表2.l和表2.2給出了不同離體組織在不同頻率下的電阻率和介電常數(shù)。

從表2.1和表2.2可以看出，頻率越高，生物組織的電導(dǎo)率越大，相對(duì)介電常數(shù)越小。EIT技術(shù)也在往高速高精度發(fā)展，系統(tǒng)中采樣速度和精度是最關(guān)鍵的因素。

2.2弱信號(hào)檢測(cè)方法

微弱信號(hào)檢測(cè)是EIT系統(tǒng)的前端處理技術(shù)，通過前端檢測(cè)預(yù)處理，不至于使有用信號(hào)淹沒于噪聲之中，更有利于獲取有用的信號(hào)。整個(gè)EIT系統(tǒng)精度隨之提高，性能同時(shí)也得到較大的改善。

2.2.1典型的阻抗測(cè)量系統(tǒng)原理

經(jīng)歷了近20年的發(fā)展，EIT成了一個(gè)有一定基礎(chǔ)的研究領(lǐng)域。各研究機(jī)構(gòu)也相繼推出各自的研究方法與系統(tǒng)。大多數(shù)研究機(jī)構(gòu)都是通過在人體成像部位周圍布置電極，將信號(hào)源通過電流施加到人體成像部位，同時(shí)測(cè)量邊界電壓或電流，通過各種方法獲得或存儲(chǔ)分析測(cè)得傳輸復(fù)阻抗數(shù)據(jù)，利用這些數(shù)據(jù)通過重建算法進(jìn)一步處理成像。其原理如圖2.1所示。

系統(tǒng)中控制及信號(hào)檢測(cè)采集單元常常是硬件設(shè)計(jì)的核心，這個(gè)關(guān)鍵因素直接影響后期算法重建及成像結(jié)果。給信號(hào)檢測(cè)與采集提供良好的前端信號(hào)正是本文研究的重點(diǎn)之一。

2.2.2典型的前端弱信號(hào)檢測(cè)系統(tǒng)原理

典型的前端信號(hào)采集的硬件電路主要包括采集電極、放大濾波電路和AD變換。依據(jù)生物肌體的電特性和采集技術(shù)的基本要求，生物肌體所反饋回來的電信號(hào)非常微弱，分布在mV級(jí)和μV級(jí)。因此，需要對(duì)微弱信號(hào)進(jìn)行放大，放大后才能達(dá)到AD采集單元的要求。典型的微弱信號(hào)檢測(cè)調(diào)理組成框圖如圖2.2所示，前端檢測(cè)預(yù)處理模塊的設(shè)計(jì)包括以下幾個(gè)部分：電極傳感器、電壓/電流測(cè)量放大、前置放大、ADC轉(zhuǎn)換電路等。

數(shù)據(jù)采集技術(shù)是信息獲取過程中的關(guān)鍵技術(shù)，是模擬世界到數(shù)字世界的橋梁。

數(shù)據(jù)采集技術(shù)作為信息技術(shù)的重要組成部分，已經(jīng)廣泛應(yīng)用于國(guó)民經(jīng)濟(jì)和國(guó)防建設(shè)各個(gè)領(lǐng)域，隨著科學(xué)技術(shù)的發(fā)展，尤其是計(jì)算機(jī)技術(shù)的發(fā)展和普及，數(shù)據(jù)采集技術(shù)有著廣泛的發(fā)展前景。

微弱信號(hào)檢測(cè)作為數(shù)據(jù)采集的前端工作，直接影響數(shù)據(jù)采集的采樣精度和采樣速度。在生物電阻抗測(cè)量中，數(shù)據(jù)采集有其特殊性，由于生物肌體本身就是電導(dǎo)體，工頻干擾和體外的電場(chǎng)、磁場(chǎng)感應(yīng)都會(huì)在人體內(nèi)形成測(cè)量噪聲，干擾信號(hào)檢測(cè)，因此，微弱信號(hào)檢測(cè)就成了整個(gè)系統(tǒng)研究的重點(diǎn)之一。

2.2.3阻抗測(cè)量中弱信號(hào)檢測(cè)的噪聲來源

在生物弱信號(hào)檢測(cè)過程中，由于實(shí)際工作情況并非理想狀態(tài)，檢測(cè)信號(hào)中往往含有很強(qiáng)的背景噪聲。這些噪聲既包括肌電噪聲、呼吸波噪聲、腦電噪聲、心電噪聲等生物噪聲，同時(shí)也有工頻噪聲、電路板內(nèi)部噪聲、共模噪聲等電噪聲。

噪聲對(duì)于弱信號(hào)檢測(cè)，幾乎是無(wú)處不在無(wú)處沒有的，它總是與信號(hào)共存的。在傳統(tǒng)檢測(cè)方法中，總是千方百計(jì)的通過抑制噪聲來檢測(cè)有用信號(hào)，然而抑制噪聲同時(shí)，難免會(huì)引起信號(hào)受到衰減和損失，因此，怎么處理這個(gè)矛盾常常是研究人員需解決的問題。

一般認(rèn)為，信號(hào)是確定的，是時(shí)間的函數(shù)，我們能夠事先計(jì)算且測(cè)量出它在某一時(shí)刻的值。在實(shí)際的信號(hào)檢測(cè)中，信號(hào)常常伴隨有噪聲或其他干擾。

由于生物醫(yī)學(xué)的特殊性，傳感器的輸出信號(hào)通常都很微弱，并且淹沒在強(qiáng)噪聲背景中，從而噪聲成為信號(hào)檢測(cè)的主要問題。微弱信號(hào)檢測(cè)的目的是將信號(hào)和噪聲區(qū)分，把淹沒與噪聲中的信號(hào)提取恢復(fù)。在信號(hào)檢測(cè)系統(tǒng)中，可以處理的最高信號(hào)電平受電路特性的限制，但最小可檢測(cè)的電平取決于噪聲，即噪聲限制了系統(tǒng)的動(dòng)態(tài)范圍和傳感器的分辨率。對(duì)于生物電阻抗測(cè)量系統(tǒng)來說，更是如此。生物電阻抗測(cè)量中的噪聲包括兩個(gè)部分，一部分是由生物肌體自身阻抗等特性帶來的干擾，它通過傳感器、電極接觸面和個(gè)人自身個(gè)體差異形成噪聲；另一部分是由電路中的隨機(jī)擾動(dòng)產(chǎn)生的電噪聲。

2.2.3.1生物肌體噪聲

電源激勵(lì)信號(hào)的幅值小、噪聲強(qiáng)。因此，能否有效去除微弱的電源激勵(lì)信號(hào)中的噪聲并提取其特征信息對(duì)電源激勵(lì)信號(hào)的研究和臨床應(yīng)用具有重要意義。生物的腦電、心電、肌電都會(huì)成為噪聲產(chǎn)生的原因。腦電是人腦神經(jīng)元突觸后電位的綜合結(jié)果，是腦神經(jīng)細(xì)胞電生理活動(dòng)在大腦皮層或頭皮表面的總體反映[20]。在不受外界刺激的自然狀態(tài)下，人腦產(chǎn)生的自發(fā)腦電信號(hào)一般被看做是非平穩(wěn)比較突出的隨機(jī)信號(hào)。生物本身的心電和肌電信號(hào)是人體在自然狀態(tài)下產(chǎn)生的類似周期性的信號(hào)，也會(huì)引起噪聲。

2.2.3.2電噪聲

檢測(cè)中的電噪聲主要是由檢測(cè)系統(tǒng)內(nèi)部噪聲引起，由電阻和各種器件產(chǎn)生的。絕大多數(shù)的電噪聲是一個(gè)連續(xù)型隨機(jī)變量，是一種前后獨(dú)立的平穩(wěn)隨機(jī)過程，在任何時(shí)刻，它的幅度、相位以及波形都是隨機(jī)的，但還是服從于一定的統(tǒng)計(jì)分布規(guī)律。

電阻熱噪聲是由電阻內(nèi)部自由電子的熱運(yùn)動(dòng)而產(chǎn)生的。起伏電流，電阻中的帶電微粒(自由電子)在一定溫度下受到熱激發(fā)后，在導(dǎo)體內(nèi)部作無(wú)規(guī)則的運(yùn)動(dòng)(熱騷動(dòng))而相互碰撞，兩次碰撞之間進(jìn)行時(shí)，就產(chǎn)生一持續(xù)時(shí)間很短的脈沖電流。許多這樣的隨機(jī)熱騷動(dòng)電子所產(chǎn)生的這種脈沖電流組合，就在電阻內(nèi)部形成了無(wú)規(guī)律的電流。在一足夠長(zhǎng)的時(shí)間內(nèi)，其電流的平均值等于零，而瞬時(shí)值就在平均值上下變動(dòng)。當(dāng)實(shí)際電路中包含多個(gè)電阻時(shí)，每一個(gè)電阻都將引入一個(gè)噪聲源。一般若有多個(gè)電阻并聯(lián)時(shí)，總噪聲電流等于各個(gè)電導(dǎo)所產(chǎn)生的噪聲電流的均方值相加。

2.3常用弱信號(hào)檢測(cè)算法

生物弱信號(hào)的特點(diǎn)是幅度小，往往淹沒在噪聲之中。為了檢測(cè)被背景噪聲覆蓋的微弱信號(hào)，人們進(jìn)行了長(zhǎng)期的研究工作，分析噪聲產(chǎn)生原因及規(guī)律，研究被測(cè)信號(hào)的特點(diǎn)、相關(guān)性及噪聲的統(tǒng)計(jì)特性，以尋找從背景噪聲中檢測(cè)出有用信號(hào)的方法。常用的微弱信號(hào)檢測(cè)方法有：相干檢測(cè)法、基于混沌振子的微弱信號(hào)檢測(cè)、同步累積法、雙路消噪法、窄帶濾波法等。

2.3.1相干檢測(cè)法

相關(guān)接收技術(shù)是應(yīng)用信號(hào)周期性和噪聲隨機(jī)性的特點(diǎn)，通過自相關(guān)或互相關(guān)運(yùn)算，達(dá)到去除噪聲、檢測(cè)出信號(hào)的一種技術(shù)[13][15]。由于信號(hào)和噪聲是相互獨(dú)立的過程，根據(jù)相關(guān)函數(shù)和互相關(guān)函數(shù)定義，信號(hào)只與信號(hào)本身相關(guān)，與噪聲不相關(guān)，而噪聲之間一般也不相關(guān)。

2.3.1.1自相關(guān)檢測(cè)

實(shí)現(xiàn)自相關(guān)檢測(cè)的原理框圖[13]如圖2.3所示。

設(shè)輸入x i(t)由被測(cè)信號(hào)s i(t)和噪聲n i(t)組成，即：

x i(t)同時(shí)輸入到相關(guān)接收機(jī)兩個(gè)通道，其中一路將經(jīng)過延時(shí)器，使它遲延一段時(shí)間τ。經(jīng)過遲延的x i(t-τ)和未經(jīng)遲延的x i(t)均送入乘法器內(nèi)，再將其乘積積分，然后輸出平均值，從而得到相關(guān)函數(shù)上一點(diǎn)的相關(guān)值。如果變更遲延時(shí)間τ，重復(fù)上述計(jì)算就能得到相關(guān)函數(shù)R xx(τ)與τ的關(guān)系曲線，即得自相關(guān)的輸出為：

根據(jù)互相關(guān)函數(shù)性質(zhì)，由于信號(hào)s(t)與噪聲n(t)不相關(guān)，并且噪聲的平均值為零，得到R sn(τ)=0，R ns(τ)=0，則R xx(τ)= R ss(τ) +R nn(τ)。隨著τ的增大，R nn(τ)→0，則對(duì)充分大的τ，可得R xx(τ)= R ss(τ)。這樣就得到了信號(hào)s i(t)的自相關(guān)函數(shù)R xx(τ)，它將包含著s i(t)所攜帶的某些信息。

隨著時(shí)間τ的增加，噪聲的自相關(guān)函數(shù)迅速衰減，而信號(hào)的自相關(guān)函數(shù)是小衰減的周期函數(shù)，從而可檢測(cè)出有用信號(hào)。

2.3.1.2互相關(guān)檢測(cè)

如果發(fā)送信號(hào)的重復(fù)周期或頻率已知，就可在接收端發(fā)出一路重復(fù)周期與發(fā)送信號(hào)相同的本地信號(hào)，將本地信號(hào)與混有噪聲的輸入信號(hào)進(jìn)行互相關(guān)。如圖2.4是實(shí)現(xiàn)互相關(guān)檢測(cè)的原理框圖，設(shè)輸入x(t)為：x (t ) = s (t ) +n (t )

s(t)為待測(cè)信號(hào)，n(t)為信號(hào)s(t)中混入的噪聲，y(t)為己知參考信號(hào)，若y(t)與信號(hào)s(t)有相關(guān)性，而與噪聲n(t)無(wú)相關(guān)性，輸入經(jīng)延時(shí)、相乘、積分及平均運(yùn)算后，得到互相關(guān)輸出R xy(τ)為

由于參考信號(hào)y(t)與信號(hào)s(t)有某種相關(guān)性，而y(t)與噪聲n(t)沒有相關(guān)性，且噪聲的平均值為零，則有R ny(τ)=0，即：