基于电阻抗断层扫描（EIT）的上呼吸道动态成像技术在阻塞性睡眠呼吸暂停研究中的应用

作者及发表信息
本研究由韩国庆熙大学（Kyung Hee University）生物医学工程系的Ghazal Ayoub、Young Eun Kim、Tong In Oh、Sang-Wook Kim和Eung Je Woo团队完成，发表于《Annals of Biomedical Engineering》期刊2019年1月刊。

学术背景

阻塞性睡眠呼吸暂停（Obstructive Sleep Apnea, OSA）是最常见的睡眠呼吸障碍，与高血压、中风、糖尿病等并发症密切相关。目前临床诊断的金标准是多导睡眠图（Polysomnography, PSG），但其提供的呼吸暂停低通气指数（Apnea-Hypopnea Index, AHI）无法全面反映上呼吸道塌陷的动态特征（如位置、形状和大小变化）。传统成像技术（如MRI）受限于静态、非连续监测的缺陷。因此，本研究提出了一种新型电阻抗断层扫描（Electrical Impedance Tomography, EIT）技术，旨在实现对上呼吸道尺寸和形态变化的实时、无创、连续监测，为OSA表型分析和个体化治疗提供新工具。

研究流程与方法

1. 实验设计与数据采集

研究招募了7名健康受试者（6男1女）和10名OSA患者（均为男性），在自然睡眠状态下同步进行PSG和EIT监测。EIT系统（KHU Mark2.5）采用16个表面电极环绕下颌部，注入11.25 kHz、1 mA的交流电，以50帧/秒的速率采集电压数据。PSG设备记录包括口鼻气流、胸腹呼吸运动、血氧饱和度等25项生理参数。

2. 数据预处理与噪声抑制

EIT原始数据包含四类干扰信号：
- 呼吸运动（频率0.1-0.3 Hz）
- 颈动脉血流（频率≈1 Hz）
- 头部运动（非周期性瞬变信号）
- 上呼吸道塌陷信号（特征为陡降-平台-陡升波形）

研究团队开发了基于独立成分分析（Independent Component Analysis, ICA）的预处理算法：
1. 从208个电压通道中筛选信噪比最高的16个通道作为ICA输入；
2. 通过频谱分析识别并剔除呼吸、血流和运动干扰成分；
3. 利用最小二乘法重建完整208通道的上呼吸道信号。

3. 图像重建与后处理

采用保真度嵌入正则化（Fidelity-Embedded Regularization, FER）算法重构时间差EIT图像。关键技术创新包括：
- 个性化有限元网格：基于3D深度相机（Sense）获取的电极位置数据构建患者特异性下颌截面模型；
- 感兴趣区域（ROI）提取：通过吞咽动作测试确定上呼吸道区域，阈值设为图像最大像素值的40%；
- 定量参数计算：
- 相对上呼吸道导电率变化（Δσua）：反映塌陷程度（公式：Δσua(t) = Δσ(t)/max(Δσ)×100%）；
- 椭圆拟合参数：长轴/短轴比（AR）和旋转角（θ），用于量化塌陷形态。

主要研究结果

1. 上呼吸道塌陷的动态特征

• 健康受试者：EIT图像显示上呼吸道始终开放（Δσua中位数4.45%）；
  
• OSA患者：
  
  • 阻塞性呼吸暂停：Δσua达100%（完全塌陷），伴随AR>1.5和θ≈160°的椭圆形闭合；
    
  • 低通气事件：Δσua中位数58.9%，塌陷形态与呼吸暂停相似但程度较轻。
    

2. 塌陷形态的个体化差异

• 患者1：塌陷初期AR=1.5、θ=160°，随后AR降至1.1；
  
• 患者2：塌陷期间AR缓慢变化，θ接近0°；
  
• 患者3：持续高AR（>1.5）和θ=131°的倾斜闭合模式。
  

结论与价值

本研究首次实现了自然睡眠状态下上呼吸道动态塌陷的连续EIT成像，其科学价值体现在：
1. 方法学创新：ICA-FER联合算法有效分离了生理噪声与目标信号，解决了运动伪影这一EIT技术长期存在的难题；
2. 临床意义：
- 补充PSG在塌陷定位和量化方面的不足；
- 为OSA表型分型（如塌陷形态分类）提供新维度；
- 指导个体化治疗选择（如根据塌陷位置选择腭部手术或下颌前移装置）。

研究亮点

1. 高时空分辨率：50 Hz采样率捕捉毫秒级塌陷动态；
   
2. 无创便携性：电极阵列可整合至现有PSG设备；
   
3. 定量化分析框架：Δσua、AR、θ三参数系统表征塌陷特征；
   
4. 跨学科技术融合：结合生物阻抗原理、信号处理算法与临床睡眠医学。
   

未来方向

作者建议开展多平面EIT成像以区分腭后（retropalatal）与舌后（retroglossal）塌陷，并探索该技术在家庭睡眠监测（Home Sleep Test, HST）中的应用潜力。研究获得韩国保健产业振兴院（KHIDI）和国家研究基金会（NRF）资助。