论文部分内容阅读
目前临床上采用的胃肠动力障碍性疾病（Disorders of Gastrointestinal Motility,DGIM）诊断方法有直肠测压法、排粪造影、闪烁扫描术、结肠传输、结肠测压法等，然而测压法需要把测压导管从口腔或肛门插入人体内，不仅给患者带来了极大的痛苦，同时也增加了肠穿孔和交叉感染的几率，并且无法检测小肠。排粪造影和闪烁扫描术对人体有辐射，且不同的医生对造影结果的判断不同。结肠传输无法检测正常传输型便秘（Normal Transit Constipation,NTC）。以上问题制约了DGIM的诊断效果，阻碍了人们对胃肠运动规律的全面透彻的认识。因此开发人体胃肠道生理参数无创检测设备，研究胃肠动力及其变化规律具有重要的意义。 本文在国家自然科学基金和载人航天领域预研项目的资助下，重点研究了胃肠动力无创检测的关键技术，获取了正常生理状态下的胃肠道生理参数，并利用非线性分析方法对胃肠道生理信息进行分析，建立了一套较为系统的胃肠动力评价方法。本文的主要研究内容如下： 1.设计了基于低功耗专用集成电路（Application Specific Integrated Circuit,ASIC）的生理参数胶囊，有效解决了胶囊寿命短、测量精度不高等问题。由于生理参数胶囊对功耗、体积、测量精度要求较高，因此针对功耗问题，设计了低功耗ASIC，并在其内部应用了三态时钟管理和能量管理等低功耗技术，实验测试表明，新研制的胶囊与2008年研制的第一代胶囊相比，系统功耗明显降低，胶囊使用寿命延长至233小时，系统稳定性增强；针对胶囊体积问题，设计了自封装的微型压力、pH、温度传感器，大大减少了胶囊的体积，封装完成后的胶囊直径为11mm，长度为25mm，受试者可顺利吞服；针对微型压力和pH传感器测量精度不高问题，设计了基于加强板的压力传感器封装结构和基于多孔滤芯的pH传感器封装结构，实验结果表明，设计的微型压力、pH、温度传感器的精度高于美国SmartPill公司研制的传感器。 2.提出一种基于独立分量分析（Independent Component Analysis,ICA）的综合性胃肠动力评估方法，发现了结肠运动特性，并且与已发表的文献相比，提高了便秘的识别率。首先，针对胃肠道压力数据的非线性和非平稳性特点，提出应用阈值法和ICA对数据进行滤波。滤波结果表明，阈值法可有效滤除原始压力数据中含有的咳嗽、电磁干扰等噪声，而ICA可有效滤除数据中的呼吸及低频干扰。其次，为提取能有效表征胃肠动力的特征参数，提出基于波形识别算法定义平均动力指数和收缩频率等9个胃肠动力参数。再次，为实现胃肠动力信息评估，应用威尔科克森符号秩检验（Wilcoxon’s Sign Rank Test,WSRT）对正常人和便秘病人的胃肠动力参数进行了统计学分析，并以正常范围的5％为阈值，对便秘进行了识别。分析结果表明，对于结肠，定义的9个特征参数中，有6个可有效识别便秘病人，且便秘识别率高于美国哈佛大学医学院的Lenuta Kloetzer发表的文献。最后，为研究结肠的局部运动特性，对结肠压力数据进行了分段，对每段数据分别计算了上述9个特征参数，并比较了特征参数从近结肠到远结肠的变化趋势。比较结果表明，正常人的结肠运动具有如下特性：即结肠的平均动力指数和收缩频率等参数从近结肠到远结肠呈逐渐增加趋势，而便秘病人的结肠动力参数无此规律。 3.首次提出应用混沌特性指标评估结肠动力。混沌理论作为一种非线性分析方法已被应用到涡流、脑电波、人类运动和导弹系统等分析中，但从已发表的文献看，还没有人利用混沌特性指标评估结肠动力。结肠压力活动看似是随机的、无规则的，而实际上，它们起源于确定的神经系统，整体上是有序的、规则的，可用混沌特性指标定量描述。首先，应用集合经验模态分解（Ensemble Empirical Mode Decomposition,EEMD）对压力数据进行了滤波；其次，对滤波后的一维压力数据进行了相空间重构（Phase Space Reconstruction,PSR），并在多维的相空间中计算了相关维数、最大李雅普诺夫指数、K熵三个混沌特性指标；最后运用统计学方法分析了正常人和便秘病人的混沌特性指标。分析结果表明，结肠压力活动具有混沌特性，因表征混沌特性的指标—相关维数是有限值且为小数，而最大李雅普诺夫指数大于零。此外，相关维数可有效区分正常人和各种类型（NTC、第一种慢传输型便秘和第二种慢传输型便秘）的便秘病人；而K熵可有效区分正常人与NTC。 4.基于神经网络提出了一种有效自动的结肠动力分类方法。与直接抽取结肠动力特征参数不同，创新性的提出利用小波系数作为结肠动力特征参数抽取的基函数。用小波系数作为基函数提取结肠动力参数具有以下优点： ①可以使我们对每个具体的生理活动做深入的分析； ②与直接抽取法相比，可以抽取出更多的特征参数，提高分类算法的分类准确度。首先，基于小波系数抽取出了27种结肠动力特征参数；其次，应用t检验筛选出了最优特征参数；然后，应用支持向量机（Support Vector Machine,SVM）对正常人和便秘病人的结肠动力进行了分类；最后，为评价分类方法的分类效果，定义了分类敏感性、特异性、准确度三个指标，并与增强型逆向传播神经网络（Enhanced Back PropagationNetwork,EBPN）、概率神经网络（Probabilistic Neural Network,PNN）做了对比。分析结果显示，与EBPN、PNN相比，提出的分类方法具有更高的敏感性、特异性和分类准确度。 本文优化了系统的低功耗设计，提高了传感器的测量精度，利用多种非线性分析方法对结肠动力进行了研究，并建立了一套较为完整的结肠动力评价方法。本文得出的结论为进一步研究结肠动力，诊断结肠动力障碍性疾病提供了重要参考依据。