CPS架构下急性肺损伤实时监测预警理论与计算模型

The acute lung injury can be triggered by many diseases. It has the characteristics of sudden onset and rapid development. Owing to lack of effective real-time monitoring method, the lesion of lung injury cannot be diagnosed on time, thus the best treatment is always missed. As a result, the cure rate and rehabilitation rate for acute lung injury are severely affected. In order to solve this problem, muti-frequency electrical impedance tomography (EIT) and computed tomography (CT) are fused in this project. The calculation model for real-time monitoring and early warning of acute lung injury under the framework of cyber-physical system (CPS) is built. Some crucial academic problems are studied in this work. The main contents of the work include: The mathematical model of dynamic muti-frequency EIT based on time-frequency information; The model for tensor fusion and dimensionality reduction of EIT and CT images is proposed to speed up the process of feature extraction under the condition of incremental data; The incremental deep computation model for lung injury diagnosis based on fused features. The contribution of the proposal can provide new theory for clinical monitoring and early diagnosis of lung injury, and will be of great importance to improve the level of prevention and treatment for lung injury both in China and the world.

急性肺损伤会由多种疾病引发，具有发病突然、病情发展迅速等特点。由于目前缺少有效的实时监测方法，使得发生肺损伤病变时不能及时发现，从而错过最佳治疗期，严重影响该类疾病的治愈率和康复率。为解决这个问题，本课题融合多频电阻抗成像（Electrical impedance tomography，EIT）与计算机断层扫描成像（Computed tomography，CT），在信息物理系统（Cyber-physical system，CPS）框架下构建急性肺损伤实时监测预警计算模型，并针对其中的关键理论问题展开研究，主要包括：基于时间-频率信息的动态多频EIT成像数学模型；EIT与CT图像张量融合与降维模型，在数据增量条件下提高特征提取速度；基于融合特征数据的肺损伤诊断增量式深度计算模型。研究成果可为肺损伤临床监测与早期诊断方法提供新理论，对我国乃至世界肺损伤防治水平的提高具有十分重要的意义。

急性肺损伤发病因素较多，具有发病突然、病情发展迅速的特点。电阻抗成像（Electrical impedance tomography，EIT）技术是一种无损功能成像技术，在床旁实时监测方面具有优势，对急性肺损伤的早期诊断与监测具有重要意义。本项目结合多频电阻抗成像和计算机断层扫描成像（Computed tomography, CT），研究肺损伤三维EIT成像理论，将其融入信息物理系统（Cyber-physical system, CPS）框架，探索急性肺损伤实时监测预警方法。 主要研究内容有：（1）动态多频EIT肺部成像模型构建；（2）融合CT先验信息，探索呼吸运动条件下肺部建模与三维成像方法；（3）肺损伤电阻抗成像深度学习模型构建；（4）结合CPS需求，构建肺部电阻抗成像数据采集与成像系统，开展动物实验分析肺损伤发展特性。. 获得的科研成果有：. （1）形成下急性肺损伤实时监测预警整体方案，包括测量方法、模型构建、图像重建与数据分析，适合于肺损伤实时可视化监测；. （2）研制完成面向信息物理系统的肺损伤动态电阻抗成像系统样机；. （3）发表论文24篇，其中SCI期刊论文12篇，EI期刊论文5篇，中文核心期刊论文5篇，EI国际会议论文3篇；. （4）授权发明专利1项，软件著作权4项；. （5）参加国际学术会议14人次，会议报告4人次；. （6）培养硕士研究生毕业9名，在读研究生5名；. （7）获“兆易创新杯”第十六届中国研究生电子设计竞赛全国三等奖。. 形成的重要研究成果为：. （1）针对肺损伤电学参数分布特点，构建加权频差EIT成像模型，并采用Krylov子空间方法求解，降低了求解复杂性，提高算法的稳定性；. （2）结合呼吸状态构建肺部三维正问题模型，并提出基于EIT的肺部呼吸移动检测方法，实现肺功能三维动态分析；. （3）提出电阻抗成像数据驱动与模型驱动智能学习框架，建立仿真数据与实验数据的映射关系模型，有效扩充训练样本库，实现高精度肺损伤智能成像；. （4）开展肺损伤动物实验，根据三维肺部EIT成像结果分析了肺部平均阻抗的变化，以及不同体位条件下潮气量、通气率和肺水比等生理参数随肺水肿发展的变化规律，证明本项目研究的方法用于肺损伤监测的可行性。