基于电阻抗成像的诊断系统和方法与流程

本发明涉及基于电阻抗成像(electrical impedance tomography(eit))的诊断系统和方法。

背景技术：

1、电阻抗成像是一种医学成像技术，其可用于确定受试者(例如动物、人类等)的身体部位的电导率、电容率和/或电阻抗。

技术实现思路

1、在第一方面，提供了一种计算机实现的方法，其包括：处理受试者的电阻抗成像数据集，以确定与该受试者的组织或器官相关联的一个或多个电导率特征，以及至少基于该一个或多个确定的电导率特征，确定该受试者的组织或器官的健康状态或状况。

2、可选地，该确定包括：至少基于该一个或多个确定的电导率特征，确定该受试者是否患有与该组织或器官相关联的疾病，以及可选地：进一步对与该组织或器官相关联的疾病的阶段或严重程度进行分类。

3、可选地，该确定包括：使用基于机器学习的处理模型来至少处理该受试者的该一个或多个确定的电导率特征和该受试者的一个或多个人体测量特征，以确定与该受试者的组织或器官的健康状态或状况相关联的定量或定性参数。

4、可选地，该确定包括：使用基于机器学习的处理模型来处理(i)该受试者的该一个或多个确定的电导率特征，(ii)该受试者的一个或多个人体测量特征，以及(iii)一个或多个参考受试者的一个或多个确定的电导率特征和/或包括该受试者和一个或多个参考受试者的组的一个或多个确定的电导率特征，以确定与该受试者的组织或器官的健康状态或状况相关联的定量或定性参数。

5、可选地，该基于机器学习的处理模型包括回归模型。可选地，该基于机器学习的处理模型包括分类模型。该基于机器学习的处理模型可以是循环模型或非循环模型。例如，该基于机器学习的处理模型可以包括递归神经网络、循环神经网络、长短期记忆网络模型、马尔可夫过程、强化学习、门控循环单元模型、深度神经网络、卷积神经网络、支持向量机、主成分分析、逻辑回归、决策树/森林、集成学习方法(组合模型)、回归(贝叶斯/多项式/回归)、随机梯度下降、线性判别分析、近邻分类或回归、朴素贝叶斯等。该基于机器学习的处理模型可以被训练为用于执行与诊断应用相关联的特定处理或分类任务。

6、可选地，该一个或多个人体测量特征包括以下一个或多个或与以下一个或多个相关：该受试者的年龄、该受试者的体重、该受试者的身高、该受试者的腰围、该受试者的腰围与身高之比(waist-over-height ratio)、该受试者的体重指数(bmi)、该受试者的性别以及该受试者的种族。其他人体测量特征也是可能的。

7、可选地，与该受试者的组织或器官的健康状态或状况相关联的定量或定性参数包括：与该受试者的组织或器官的估计性能相关联的值。例如，就肾脏而言，该值可以是估计的肾小球滤过率(egfr)或相关(例如算术相关)的值。例如，就肝脏而言，该值可以是受控衰减参数(cap)分数或相关(例如算术相关)的值。

8、可选地，该确定还包括：将与该受试者的组织或器官的健康状态或状况相关联的定量或定性参数与参考参数数据进行比较，以确定该受试者是否患有与该组织或器官相关联的疾病。

9、可选地，该确定还包括：基于该比较，对与该组织或器官相关联的疾病的阶段或严重程度进行分类。

10、可选地，电阻抗成像数据集包括从该受试者的包含该组织或器官的区域获取的电阻抗成像数据。可选地，电阻抗成像数据集是通过以下方式获取的：(a)经由附接到该受试者的该区域的电极，向该受试者提供一频率的激励信号；(b)测量由于提供该激励信号而经由该电极接收到的响应信号；(c)针对多个频率重复步骤(a)和(b)。电阻抗成像数据集包括多个电阻抗成像数据子集，其每个分别与该多个频率中的相应一个相关联。

11、可选地，该处理包括：(i)处理该电阻抗成像数据集，以获得频差(frequencydifference,fd)电阻抗成像数据集，该频差电阻抗成像数据集包括多个频差电阻抗成像数据子集；(ii)使用该频差电阻抗成像数据集和对应于一个或多个参考受试者的一个或多个参考频差电阻抗成像数据集进行组源分离操作，以确定该频差电阻抗成像数据集中与该组织或器官相关的成分(component)以及该一个或多个参考频差电阻抗成像数据集中的每一个与该组织或器官相关的成分；以及(iii)使用该频差电阻抗成像数据集中与该组织或器官相关的成分以及可选地该一个或多个参考频差电阻抗成像数据集中的每一个与该组织或器官相关的成分进行电导率特征提取操作，以至少确定该一个或多个电导率特征。

12、可选地，该处理还包括：在(i)中的处理之前预处理该电阻抗成像数据集，以使得在(i)中处理的该电阻抗成像数据集是经预处理的电阻抗成像数据集。

13、可选地，该电阻抗成像数据集的该预处理包括：对该多个电阻抗成像数据子集中的每一个进行过滤和/或平滑。

14、可选地，该电阻抗成像数据集的该预处理包括：使用分类器模型处理该电阻抗成像数据集，以确定该多个电极中的每一个的相应性能，该性能与从该相应的电极获取的响应信号或数据的质量相关联；以及防止经由被确定为性能不足的该多个电极中的任何一个或多个获取的响应信号或数据被包括在该经处理的电阻抗成像数据集中。可选地，在(ii)中对该电阻抗成像数据集的该处理包括：对于该多个经处理的电阻抗成像数据子集的相应一个或多个中的每一个，确定相应经处理的电阻抗成像数据子集与参考电阻抗成像数据子集之间的相应差异，从而获得该多个频差电阻抗成像数据子集，其每个分别与相应经处理的电阻抗成像数据子集和参考电阻抗成像数据子集之间的相应差异相关联。

15、可选地，该参考电阻抗成像数据子集包括该多个经处理的电阻抗成像数据子集中的至少一个。

16、可选地，进行该组源分离操作包括：对该频差电阻抗成像数据集和对应于一个或多个参考受试者的一个或多个参考频差电阻抗成像数据集进行降维操作。

17、可选地，进行该电导率特征提取操作包括：使用该频差电阻抗成像数据集中与该组织或器官相关的该成分，确定该受试者的一个或多个电导率特征。该受试者的一个或多个电导率特征可以包括该受试者的一个或多个统计性(statistical)电导率特征(例如，该受试者的频差电阻抗成像数据或电阻抗成像数据的任何部分的平均值、中位数、众数、标准差等(可以表示为电导率图或图像))。

18、可选地，进行该电导率特征提取操作包括：利用该频差电阻抗成像数据集中与该组织或器官相关的该成分和该一个或多个参考频差电阻抗成像数据集中的每一个中与该组织或器官相关的相应成分，确定包括该受试者和该一个或多个参考受试者的组的一个或多个电导率特征。该受试者的组织或器官的健康状态或状况的该确定还基于该组的一个或多个电导率特征。该受试者的一个或多个电导率特征可以包括该组的一个或多个统计性电导率特征(例如，该组的频差电阻抗成像数据或电阻抗成像数据的任何部分的平均值、中位数、众数、标准差等(可以表示为电导率图或图像))。

19、可选地，该受试者的组织或器官的健康状态或状况的该确定还基于该一个或多个参考受试者的该一个或多个电导率特征。该一个或多个参考受试者的该一个或多个电导率特征可以包括该组的一个或多个统计性电导率特征(例如，该一个或多个参考受试者的频差电阻抗成像数据或电阻抗成像数据的任何部分的平均值、中位数、众数、标准差等(可以表示为电导率图或图像))。

20、可选地，该组织或器官包括肺、肾脏、肝脏或心脏。

21、在第二方面，提供了一种系统，其包括一个或多个处理器和存储器，该存储器存储被配置为由该一个或多个处理器执行的一个或多个程序。该一个或多个程序包括用于执行或促进执行第一方面的计算机实现的方法的指令。在第三方面，提供了一种非暂时性计算机可读存储介质，其存储被配置为由一个或多个处理器执行的一个或多个程序。该一个或多个程序包括用于执行或促进执行第一方面的计算机实现的方法的指令。

22、在第四方面，提供了一种计算机程序产品，其包括指令，当该计算机程序由计算机执行时，该指令导致或促进该计算机执行第一方面的计算机实现的方法。

23、在第五方面，提供了一种计算机实现的方法，其包括：处理从受试者获取的电阻抗成像数据，该电阻抗成像数据包括多个电势数据集，每个电势数据集都是响应于依次施加到每个电极的设定频率的激励信号(例如，电流)而在附接到(直接或间接)该受试者的电极处获取的，该施加的设定频率对于不同的数据集是不同的并且对于相同的数据集是相同的；以及基于该处理，确定该受试者是否患有疾病。

24、可选地，该多个电势数据集至少包括与第一频率的激励信号(例如电流)相关联的第一电势数据集、与第二频率的激励信号(例如电流)相关联的第二电势数据集，以及与第三频率的激励信号(例如电流)相关联的第三电势数据集。可选地，该处理包括：确定第一和第二电势数据集之间的差，以获得第一电势差数据集；确定第一和第三第二电势数据集之间的差，以获得第二电势差数据集；将第一和第二电势差数据集应用于频谱分解(spectralunmixing)模型，以确定指示由组织类型i对第一和第二电势差数据集造成的影响的参数；以及基于第一和第二校正电势差数据集以及该受试者的一个或多个人体测量指标，确定与该疾病相关联的参数的值。在本示例中，第一电势数据集被用作参考数据集。参考数据集可能在所有数据集中具有最高的信噪比。

25、可选地，该频谱分解模型包括其中δv(ω)是第一和第二电势差数据集、ai是表示由组织类型i造成的影响的参数，δσi(ω)是特定于组织类型i的预定频谱，m是组织类型的总数，∈是误差项。在一个示例中，误差项为0，在这种情况下，频谱分解模型包括其中δv(ω)是第一和第二电势差数据集、ai是表示由组织类型i造成的影响的参数，δσi(ω)是特定于组织类型i的预定频谱，m是组织类型的总数。

26、可选地，该多个电势数据集至少包括与第一频率的激励信号(例如电流)相关联的第一电势数据集、与第二频率的激励信号(例如电流)相关联的第二电势数据集、与第三频率的激励信号(例如电流)相关联的第三电势数据集、与第四频率的激励信号(例如电流)相关联的第四电势数据集。可选地，该处理包括确定第一和第二电势数据集之间的差，以获得第一电势差数据集；确定第一和第三第二电势数据集之间的差，以获得第二电势差数据集；确定第一和第四第二电势数据集之间的差，以获得第三电势差数据集；将第一、第二和第三电势差数据集应用于频谱分解模型，以确定指示由组织类型i对第一、第二和第三电势差数据集造成的影响的参数；以及基于第一、第二和第三校正电势差数据集以及该受试者的一个或多个人体测量指标，确定与该疾病相关联的参数的值。可选地，该频谱分解模型包括其中δv(ω)是第一、第二和第三电势差数据集、ai是表示由组织类型i造成的影响的参数，δσi(ω)是特定于组织类型i的预定频谱，m是组织类型的总数，∈是误差项。在一个示例中，误差项为0，在这种情况下，频谱分解模型包括其中δv(ω)是第一和第二电势差数据集、ai是表示由组织类型i造成的影响的参数，δσi(ω)是特定于组织类型i的预定频谱，m是组织类型的总数。

27、可选地，确定该受试者是否患有疾病包括将该确定的值与预定参考标准(scale)进行比较。该预定参考标准可以包括根据疾病是否存在以及可选地疾病的严重程度分类的参数的预定值。

28、可选地，可以对该第一电势差数据集进行处理，以提供该受试者的电导率变化图(例如，平均电导率变化图)。

29、可选地，可以对该第二电势差数据集进行处理，以提供该受试者的电导率变化图(例如，平均电导率变化图)。

30、可选地，与该疾病相关联的参数包括受控衰减参数。

31、可选地，该受试者的该一个或多个人体测量指标包括腰围与身高之比的指标(即受试者的腰围除以受试者的身高)。可选地，该受试者的该一个或多个人体测量指标包括该受试者的年龄。可选地，该受试者的该一个或多个人体测量指标包括该受试者的胸围(chest circumference)。

32、可选地，该处理还包括在确定该差之前过滤该电势数据集。该过滤可以去除异常值。

33、可选地，该计算机实现的方法还包括从该受试者获取该电阻抗成像数据。

34、可选地，该疾病包括肝病、肺病、肾病等。在一个示例中，该疾病包括脂肪肝疾病(例如，非酒精性脂肪性肝病)。

35、可选地，该计算机实现的方法还包括基于该处理确定该疾病的严重程度。

36、可选地，该计算机实现的方法还包括向用户呈现该确定的结果。该呈现可以包括向用户显示该结果。该结果可以包括"是/否"结果(关于该受试者是否患有该疾病)以及可选地该疾病的严重程度。

37、可选地，该受试者是人类。可选地，该受试者是非人类动物。

38、在第六方面，提供了一种系统，其包括：一个或多个处理器，其被布置为处理从受试者获取的电阻抗成像数据，该电阻抗成像数据包括多个电势数据集，每个电势数据集都是响应于依次施加到每个电极的设定频率的激励信号(例如，电流)而在附接到(直接或间接)该受试者的电极处获得的，该施加的设定频率对于不同的数据集是不同的并且对于相同的数据集是相同的；以及基于该处理，确定该受试者是否患有疾病。

39、可选地，该多个电势数据集至少包括与第一频率的激励信号(例如电流)相关联的第一电势数据集、与第二频率的激励信号(例如电流)相关联的第二电势数据集，以及与第三频率的激励信号(例如电流)相关联的第三电势数据集。可选地，该一个或多个处理器被布置为：确定第一和第二电势数据集之间的差，以获得第一电势差数据集；确定第一和第三第二电势数据集之间的差，以获得第二电势差数据集；将第一和第二电势差数据集应用于频谱分解模型，以确定指示由组织类型i对第一和第二电势差数据集造成的影响的参数；以及基于第一和第二校正电势差数据集以及该受试者的一个或多个人体测量指标，确定与该疾病相关联的参数的值。在本示例中，第一电势数据集被用作参考数据集。参考数据集可能在所有数据集中具有最高的信噪比。

40、可选地，该频谱分解模型包括其中δv(ω)是第一和第二电势差数据集、ai是表示由组织类型i造成的影响的参数，δσi(ω)是特定于组织类型i的预定频谱，m是组织类型的总数，∈是误差项。在一个示例中，误差项为0，在这种情况下，频谱分解模型包括其中δv(ω)是第一和第二电势差数据集、ai是表示由组织类型i造成的影响的参数，δσi(ω)是特定于组织类型i的预定频谱，m是组织类型的总数。该系统可以包括存储器，其存储该频谱分解模型并且与该一个或多个处理器可操作地连接。

41、可选地，该多个电势数据集至少包括与第一频率的激励信号(例如电流)相关联的第一电势数据集、与第二频率的激励信号(例如电流)相关联的第二电势数据集、与第三频率的激励信号(例如电流)相关联的第三电势数据集、与第四频率的激励信号(例如电流)相关联的第四电势数据集。可选地，该一个或多个处理器被布置为：确定第一和第二电势数据集之间的差，以获得第一电势差数据集；确定第一和第三第二电势数据集之间的差，以获得第二电势差数据集；确定第一和第四第二电势数据集之间的差，以获得第三电势差数据集；将第一、第二和第三电势差数据集应用于频谱分解模型，以确定指示由组织类型i对第一、第二和第三电势差数据集造成的影响的参数；以及基于第一、第二和第三校正电势差数据集以及该受试者的一个或多个人体测量指标，确定与该疾病相关联的参数的值。

42、可选地，该频谱分解模型包括其中δv(ω)是第一、第二和第三电势差数据集、ai是表示由组织类型i造成的影响的参数，δσi(ω)是特定于组织类型i的预定频谱，m是组织类型的总数，∈是误差项。在一个示例中，误差项为0，在这种情况下，频谱分解模型包括其中δv(∈)是第一和第二电势差数据集、ai是表示由组织类型i造成的影响的参数，δσi(ω)是特定于组织类型i的预定频谱，m是组织类型的总数。该系统可以包括存储器，其存储该频谱分解模型并且与该一个或多个处理器可操作地连接。可选地，该一个或多个处理器被布置为：将该确定的值与预定参考标准(scale)进行比较，以确定该受试者是否患有疾病。该预定参考标准可以包括根据疾病是否存在以及可选地疾病的严重程度分类的参数的预定值。

43、可选地，该一个或多个处理器被布置为对该电势差数据集进行处理，以提供该受试者的电导率变化图(例如，平均电导率变化图)。

44、可选地，与该疾病相关联的参数包括受控衰减参数。

45、可选地，该受试者的该一个或多个人体测量指标包括腰围与身高之比的指标(即受试者的腰围除以受试者的身高)。可选地，该受试者的该一个或多个人体测量指标包括该受试者的年龄。可选地，该受试者的该一个或多个人体测量指标包括该受试者的胸围。

46、可选地，该一个或多个处理器被布置为在确定该差之前过滤该电势数据集。该过滤可以去除异常值。

47、可选地，该疾病包括肝病、肺病、肾病等。在一个示例中，该疾病包括脂肪肝疾病(例如，非酒精性脂肪性肝病)。

48、可选地，该一个或多个处理器被布置为基于该处理确定该疾病的严重程度。

49、可选地，该系统还包括输出装置(例如显示器)，其用于向用户呈现该确定的结果。该呈现可以包括向用户显示结果。该结果可以包括"是/否"结果(关于该受试者是否患有该疾病)以及可选地该疾病的严重程度。

50、可选地，该受试者是人类。可选地，该受试者是非人类动物。

51、在第七方面，提供了一种非暂时性计算机可读存储介质，其存储被配置为由一个或多个处理器执行的一个或多个程序。该一个或多个程序包括用于执行或促进执行第四方面的计算机实现的方法的指令。

52、在第八方面，提供了一种计算机程序产品，其包括指令，当该计算机程序由计算机执行时，该指令导致或促进该计算机执行第四方面的计算机实现的方法。

53、通过考虑具体实施方式和附图，本发明的其他特征和方面将变得显而易见。在适当和适用的情况下，本文关于一个方面或实施方式描述的任何特征可以与本文关于任何其他一个方面或实施方式描述的任何其他特征组合。根据上下文，程度术语例如"一般"、"大约"、"大体"或类似术语用于考虑制造公差、退化、趋势、倾向、不完美的实际条件等。例如，当一个值用程度术语(例如"大约")修饰时，这种表达可以包括所述值的±10％、±5％、±2％或±1％。

54、除非另有说明，否则术语"连接"、"联接"、"安装"等旨在包括直接和间接连接、联接、安装等。除非另有说明或上下文另有要求，否则术语"电导率"等指导电率或生物电导率。