Абдомінальне ожиріння або жир, який накопичується навколо шлунка та живота, здавна вважався високим ризиком для здоров’я людей. Тому вимірювання "центрального ожиріння" - як його часто називають - допомагає передбачити схильність до розладів, спричинених надмірною вагою в області живота.

ожиріння

У статті, опублікованій наступного тижня в "SIAM Journal on Imaging Sciences", дослідники з Федеральна політехнічна школа (ETH) Цюріха, у Швейцарії та Сеульський університет Йонсея, у Південній Кореї пропонують нову методику оцінки ожиріння живота шляхом оцінки товщини підшкірного жиру.

"Недавні дослідження показали, що ожиріння живота пов'язане з такими захворюваннями, як застійна серцева недостатність та метаболічний синдром", - говорить автор Джин Кеун Со. Статична електрична імпедансна томографія (EIT) може бути використана як неінвазивний сурогат для прогресування захворювання в цих умовах ".

Окрім неінвазивного методу візуалізації, EIT надає дані в режимі реального часу без використання іонізуючого випромінювання, що робить його кращим перед комп’ютерною томографією (КТ), оскільки він менш шкідливий для пацієнтів. Інша техніка візуалізації, яка зазвичай використовується для цієї мети, магнітно-резонансна томографія (МРТ) має меншу просторову роздільну здатність, ніж EIT.

"Порівняно з КТ, ЗНО є більш вигідним, оскільки він є неіонізуючим і тому може використовуватися для постійного самоконтролю пацієнта для відстеження стану жиру в організмі щоденно", - пояснює Сео. На відміну від КТ та МРТ, ЗНО - це недорога, портативна та проста у використанні приліжкова техніка для розподілу зображень електропровідності ".

Оскільки електропровідність біологічної тканини залежить від її клітинної структури, це може допомогти зобразити різні тканини в організмі та відрізнити їх одна від одної. Клітинна структура жиру та м’язів сильно відрізняється; отже, значення електропровідності жиру та м’язів різняться на різних частотах.

Багаточастотний EIT (MFEIT) відновлює картину провідності всередині людського тіла на основі цієї залежності провідності тканин від частоти. І оскільки кістки, м’язи та жир по-різному проводять електрику на різних частотах, MFEIT може використовувати дані відношення граничного напруження на різних частотах для оцінки кількості жиру. Знову ж таки, оскільки жир у організмі менш провідний, ніж вода та тканини, такі як м’язи, цю різницю можна використовувати для оцінки товщини вісцеральної та підшкірної жирової тканини.

З використанням попередньої анатомічної інформації

Конкретний процес включає конкретно обраний поточний шаблон, який формує набір даних, що залежить від глибини, який використовується для окреслення меж між жиром та м’язами. Струм подається через одну пару електродів, а наступне падіння напруги вимірюється на іншій парі електродів.

Взаємозв'язок між введеним струмом і падінням напруги дає коефіцієнт пропускання або відношення струму до напруги, який залежить від положення двох пар електродів, геометрії корпусу та розподілу допусків, який поєднує в собі обидва провідність як діелектрична проникність.

Припускаючи, що розмір електродів дуже малий порівняно з розміром межі між різними ділянками тканини, автори використовують точкову електродну модель, яка забезпечує хороше наближення до розчину, при цьому значно спрощуючи модель.

Однією з проблем ЗНО є те, що методика схильна до прямих помилок моделювання; ці помилки часто включають геометрію межі та невизначеності положення електродів. У цій роботі автори пропонують новий метод реконструкції, який компенсує цю пастку ЗНО, використовуючи попередню анатомічну інформацію за рахунок просторового дозволу та покращуючи відтворюваність. Чисельне моделювання показує, що результат реконструкції є задовільним при ідентифікації підшкірного жиру.

"Існуючі підходи до візуалізації статичної провідності засновані на мінімізації різниці між виміряним напруженням та отриманим в результаті чисельного моделювання", - пояснює Хьєкнам. Отже, отримання надійного розподілу провідності вимагає точного моделювання електродного домену та конфігурації. Цей новий метод може отримати точний розподіл зображення шляхом скасування помилок моделювання ".