使用多维集体实证模式分解的电阻断层扫描图像流的通风和 perfusion 的分离

科学领域:

• 生物医学工程 生物医学工程
• 生理监测 生理监测
• 信号处理 信号处理

背景情况:

• 胸部电阻断层扫描 (EIT) 显示出同时监测呼吸和心脏活动的前景.
• 目前的EIT方法缺乏有效的信号分解技术来分离通风和心脏信号.

研究的目的:

• 开发和评估一种新的方法,用于从EIT图像流中分离与通风有关的和与心脏有关的信号的源.
• 评估多维集体实证模式分解 (MEEMD) 与适应性噪声用于EIT信号处理的有效性.

主要方法:

• 使用完整的集体实证模式分解与自适应噪声 (CEEMDAN) 来减少,消除噪声和分离EIT数据的来源.
• 开发了一种新的基于频率的组合标准和根平均平方误差 (RMSE) 方法来识别肺部,心脏和 perfused 区域.
• 收集了9名健康男性受试者的EIT数据,并将结果与胸部运动和光斑血图 (PPG) 信号进行了比较.

主要成果:

• 提出的方法成功地将生理上有意义的通风和心脏信号从EIT数据中分离出来.
• 与通风相关的信号和与心脏相关的信号与参考胸部运动和PPG信号有很高的相似性.
• 相关性分析显示,心脏相关信号和PPG信号之间存在可行的相关性 (0.587到0.905).

结论:

• 开发的方法提供了有效的源分离的呼吸和心脏活动从胸部EIT监测.
• 该方法为增强的EIT信号分析提供可选的损害和撤销功能.
• 这种技术具有很大的潜力,可以通过EIT推进使用连续,同时的生理监测.