临床痛点：运动伪影，阻碍精准诊断的“拦路虎”
准确定位致痫区（Epileptogenic Zone, EZ）是癫痫患者能否通过外科手术获得成功治疗的关键。EIT作为一种无创、无辐射、可实时监测的成像技术，在致痫区定位方面具有巨大潜力。
然而，在临床实践中，一个核心痛点始终难以解决：运动伪影。
癫痫患者在发作期间不可避免地会产生剧烈身体运动，这会导致监测电极脱落或位置发生微小变动。这些运动会产生严重的图像伪影，要么直接导致数据失效，要么混入正常的生理信号中，形成误导性图像。这使得在患者最需要监测的关键时刻，EIT图像的准确性和可靠性大打折扣，严重限制了其临床应用价值。
科研创新：一套“组合拳”精准狙击运动干扰
本研究提出了一种集成策略，旨在解决由电极脱落和位置不确定这两大运动相关问题引发的伪影。该策略无需修改数据采集方案或重建算法，计算复杂度低，适用于临床实时检测。
该集成策略包含三个关键步骤：
故障电极检测：利用Z-score和皮尔逊相关系数（PCC）分析原始边界电压的幅值信息，快速识别脱落的电极。
错误数据补偿：采用鲸鱼优化算法（WOA）优化的反向传播神经网络（BPNN），对因电极脱落产生的错误数据进行精准补偿。
运动干扰抑制：运用粒子群优化（PSO）的变分模态分解（VMD）技术，分析原始边界电压的频率信息，自适应地消除与运动干扰相关的频率分量。
研究验证：永川科技EIT监测设备支持，图像质量显著提升
该研究采用杭州永川科技EIT设备EH-300，该系统以0.5 mA的测量电流、50 kHz的频率运行，数据采集帧率为2帧/秒。借助该设备，通过动物实验（麻醉大鼠、清醒大鼠、癫痫发作大鼠）和人体试验（健康志愿者进行8种预设动作）验证了该策略的有效性。
精准检测：可通过特定指标可靠识别出因运动导致的脱落电极（PCC < 0.9 且 Z-score > 3）。
有效补偿：WOA-BPNN方法能有效修复错误数据，使EIT图像的结构相似性指数（SSIM）显著提升（如动物实验中从0.41提升至0.87）。
干扰抑制：PSO-VMD方法能有效分离并抑制运动伪影，在保留生理和病理信号的同时，显著改善图像质量（如人体实验中SSIM提升约15%，图像噪声IN降低约30%）。
应用前景：拓展EIT临床应用的无限可能
这项研究的意义远不止于癫痫监测。本研究针对运动伪影问题，首次提出了一种旨在提升脑部电阻抗断层成像（EIT）数据质量的综合策略。该策略通过检测原始边界电压的幅值信息来识别故障电极，并对错误数据进行补偿；进一步利用原始边界电压的频率信息，区分并剔除混杂在生理与病理信息中的身体运动干扰。本次研究对未来EIT的发展具有以下重要价值：
提升诊断信心：显著提高了癫痫发作期间EIT成像的准确性和可靠性，为医生提供更可信的诊断依据。
解锁应用场景：使得EIT技术能够应用于更多会产生运动干扰的临床场景，如重症监护、新生儿监测等。
推动技术普及：该算法计算复杂度低，无需修改现有设备，易于集成和推广，加速了EIT技术从实验室走向临床的进程。
