使用心电图作为替代信号的呼吸诱导肝脏运动预测

《International Journal of Computer Assisted Radiology and Surgery》：Respiratory-induced liver motion prediction using ECG as surrogate signal

　　

目的：本研究探讨了使用心电图（ECG）作为替代信号来建模肝脏的呼吸诱导运动。方法：研究人员训练了一个基于学习的模型，仅依靠ECG数据预测呼吸诱导的肝脏运动，无需额外成像。定义了一个基于编码器-解码器架构的对应模型，从ECG信号映射内部肝脏运动。通过一项涉及八名参与者执行不同呼吸模式的人体实验进行验证。结果：正常呼吸时的平均绝对误差为2.83 mm，考虑所有呼吸模式的总误差为4.02 mm，相关系数高于0.90。超过90%的预测落在文献报道的针穿刺手术可接受误差范围内。当深呼吸模式中肝脏运动增加时，模型性能下降。结论：ECG可以作为预测肝脏运动的可靠无创替代信号。该方法具有在临床环境中易于获得的优势，可为介入手术提供准确指导。

**论文解读：基于心电图替代信号的呼吸诱导肝脏运动预测研究**

**研究背景与问题**
肝癌是全球第六大常见癌症及第三大癌症死亡原因，早期诊断与治疗可将5年生存率提高60%以上。常见诊疗手段包括经皮穿刺活检、消融及放疗，但呼吸诱导的肝脏运动显著影响胸腹部病灶的定位精度。正常呼吸时，肝脏在头尾（SI）方向移动约10–30 mm，在前后（AP）方向移动2–12 mm，导致诊断与治疗偏差。现有术中引导技术如超声、计算机断层扫描（CT）、CT透视及磁共振成像（MRI）各有局限：超声软组织对比度差、图像质量低；MRI和CT成本高且存在采集延迟；CT增加辐射暴露。为克服这些限制，研究人员提出基于替代信号的实时运动追踪方法，如Cyberknife系统结合腹部光学标记或电磁跟踪器，但这些方法需额外设备、增加操作复杂度及成本，且部分存在侵入性或视线限制。已有研究表明，心电图（ECG）可衍生呼吸信号（ECG-derived respiration, EDR），通过肺体积变化导致的胸阻抗改变及电极相对心脏运动产生基线漂移和幅度调制，并与呼吸相位相关。然而，现有EDR研究仅关注呼吸状态检测，未量化组织特异性位移。据此，研究人员假设ECG信号与呼吸诱导肝脏运动存在足够相关性，可结合对应模型实现精准预测。

**研究内容与结论**
本研究引入ECG作为新型替代信号，通过编码器-解码器神经网络建立对应模型，预测肝脏在SI和AP方向的呼吸诱导运动。实验在8名健康志愿者（年龄20–30岁，2男6女）中进行，采集动态MRI（1.5T，采样频率3.55 Hz）和四通道ECG（400 Hz）数据，志愿者执行正常、深、腹式、胸式呼吸及吸气/呼气屏气等模式，每名受试者重复3次实验。通过模板匹配从MRI提取肝脏穹顶位移作为金标准，ECG与位移数据同步后重采样至40 Hz，并采用滑动窗口（10秒）训练模型，预测未来150 ms的位移以补偿临床设备延迟。模型为三层卷积编码器-解码器，含Gaussian Error Linear Unit激活函数与dropout，损失函数为Huber损失，采用60次实验（6折交叉验证×8受试者）评估。结果显示：总体平均绝对误差（MAE）为4.02 mm，AP和SI方向相关系数分别为0.90和0.92；正常呼吸时MAE为2.83 mm，深呼吸时为4.75 mm，吸气屏气误差最高；超过90%的预测误差小于5 mm（对应10 mm病灶的可接受范围），83.7%（SI）和93.5%（AP）的误差小于3 mm，与文献中腹部替代信号性能相当。研究人员指出，ECG作为替代信号的优势在于非侵入性、临床常规可用，无需额外设备，可降低成本和操作复杂度。该研究发表在《International Journal of Computer Assisted Radiology and Surgery》。

**关键技术方法**
本研究采用以下关键技术：（1）**ECG信号采集**：使用四电极（RA、RL、LL、LA）获取四通道ECG，采样频率400 Hz，后重采样至40 Hz。（2）**MRI动态扫描与金标准提取**：采用1.5T MRI（Magnetom Aera）的TrueFISP序列（矢状位，2D切片，采样频率3.55 Hz，像素大小2.2×2.2 mm2），通过模板匹配追踪肝脏穹顶在SI和AP方向的位移，以呼气位中位数作为参考位置。（3）**对应模型架构**：基于编码器-解码器卷积神经网络（CNN），含三个下采样和上采样块，每块含两组卷积与归一化，输入为10秒滑动窗口的四通道ECG，输出为未来150 ms的肝脏位移，损失函数为Huber损失（含长期上下文权重）。（4）**训练与验证**：每名受试者独立建模，采用留一法交叉验证（3次实验组合，共6个模型），z-score标准化，基于验证集最低损失选择最佳模型，平均前向传播时间2.3±0.2 ms。样本队列来源：8名健康志愿者（University of Twente伦理批准，申请号230551）。

**研究结果**
（1）**整体预测性能**：总体MAE为4.02 mm，AP和SI方向相关系数分别为0.90和0.92，表明ECG与肝脏运动存在强相关性。
（2）**不同呼吸模式下的表现**：正常呼吸时MAE最低（2.83 mm），深呼吸时升至4.75 mm，吸气屏气误差最高。实验表明，模型对训练集中包含的呼吸模式预测准确，但对未包含的模式（如特定屏气类型）预测失败，凸显训练数据多样性的重要性。
（3）**峰值间距离（PTT）比较**：真实与预测位移的PTT差异在SI方向约3 mm，AP方向约1 mm，进一步验证模型捕捉运动幅度的能力。
（4）**误差百分比分析**：SI和AP方向分别有90.2%和93.5%的预测误差小于5 mm，83.7%和93.5%的误差小于3 mm，达到文献中经皮穿刺手术的可接受标准。

**讨论与结论**
讨论部分指出，本研究表明ECG可作为可靠的非侵入性替代信号预测肝脏运动，但模型在深呼吸和吸气屏气时性能下降，可能与肝脏运动幅度增大及参与者依从性差异有关。此外，金标准依赖于模板匹配，受限于MRI空间分辨率；未来需评估更先进的病灶分割技术。ECG信号的局限性包括电极放置、药物影响及心血管疾病患者的心电图形态变异，但已有研究证明即使在房颤波形下仍可提取呼吸率，表明该替代信号具有鲁棒性。当前模型为受试者特异性，需额外影像数据，未来可探索通用模型以简化临床流程。同时，模型未考虑针穿刺或肝脏弹性变化等其他变形源，建议结合术中工具追踪与生物力学模型。架构上，CNN受限于感受野，后续可引入Transformer模块以增强时序依赖建模。

**结论翻译**：本研究引入使用心电图（ECG）作为替代信号，对肝脏在SI和AP方向的呼吸诱导运动进行建模。编码器-解码器网络作为对应模型，将ECG观测映射到肝脏位移。该方法在人体实验中进行了评估，参与者执行了不同呼吸模式，包括正常、腹式、胸式和深式呼吸，以及不同屏气位置。观察到总体预测误差为4.02 mm，根据先前文献[38]，该误差在经皮穿刺手术中被认为是可接受的。尽管如此，仍需进一步研究评估ECG形态变异对对应模型性能的影响，纳入更多样化的人群，并整合术中数据及其他变形源，以在肝脏手术中为临床医生提供指导。