人工肛門括約肌系統(tǒng)便意感知重建

朱 東，姜萍萍，顏國正，王志武，韓 玎 趙 凱，華芳芳，姚盛健，丁紫凡，周澤潤

(上海交通大學(xué) 電子信息與電氣工程學(xué)院， 上海 200240)

肛門失禁是指人體失去主動控制糞便排泄的能力，是臨床上一種較為常見的可能由直腸癌、傷害、事故或先天性遺傳引起的非致命性病癥.目前針對肛門失禁的手術(shù)治療法主要有括約肌修補(bǔ)術(shù)[1-2]、括約肌重建術(shù)[3]、結(jié)腸造口[4]和骶神經(jīng)刺激[5]等.但由于手術(shù)治療過程復(fù)雜，手術(shù)難度大，并發(fā)癥發(fā)病率高，且手術(shù)后易復(fù)發(fā).針對以上缺點(diǎn)，近年來，人工肛門括約肌成為學(xué)者們的研究熱點(diǎn)，它的出現(xiàn)為治療肛門失禁提供了一種全新的思路.

排便控制是涉及結(jié)腸輸送功能、直腸容量及順應(yīng)性、肛門直腸感覺功能、肛門括約肌、盆底肌與神經(jīng)功能等多機(jī)制相互作用的復(fù)雜生理功能.肛門失禁的病因也存在直腸容量及順應(yīng)性下降、直腸感覺功能不全、肛門括約肌功能失常及神經(jīng)支配障礙等多種[6].國內(nèi)外曾提出的一些人工肛門括約肌系統(tǒng)(AAS)有磁性肛門括約肌增強(qiáng)術(shù)(MAS)[7]、水泵式人造腸道括約肌(ABS)[8]以及基于NiTi合金的形狀記憶合金式人工肛門括約肌系統(tǒng)(AS-SMA)[9]等，雖然在臨床實(shí)驗(yàn)取得不錯成果，但是存在著AAS裝置的環(huán)形機(jī)構(gòu)擠壓腸道時貼合位置易產(chǎn)生高壓區(qū)造成腸道供血不足甚至腸道壞死、缺少便意感知功能，以及由于系統(tǒng)設(shè)計(jì)缺陷或材料限制導(dǎo)致的排泄物遺漏、控便不完全等諸多弊病[10].德國弗萊堡大學(xué)H.Shrag提出的智能人工肛門括約肌系統(tǒng)(GASS)[11]雖然集成有遠(yuǎn)程數(shù)據(jù)傳輸系統(tǒng)，但直腸壓力信號的重建能力以及數(shù)據(jù)分析預(yù)測能力仍不足.

肛門直腸感知能力對于排便控制過程有著重要的意義，人工肛門括約肌系統(tǒng)具有穩(wěn)定的直腸感知能力重建模塊，對于幫助患者實(shí)現(xiàn)自主控便并在體內(nèi)長期正常工作起到至關(guān)重要的作用.本人所在的研究團(tuán)隊(duì)提出的上一代人工肛門括約肌系統(tǒng)假體結(jié)構(gòu)由上下兩個固定環(huán)臂、中間1個活動擺臂、微電機(jī)控制模塊及5個壓力傳感器組成[12].然而傳感器的分布位置是由體外搭建的理想假體夾持模型中歸納得出，且根據(jù)相關(guān)醫(yī)學(xué)文獻(xiàn)設(shè)置壓力閾值實(shí)現(xiàn)排便控制的閾值法[13-14]，方式單一，準(zhǔn)確性差，很難保證假體在體內(nèi)實(shí)際工作中有效地實(shí)現(xiàn)排便控制功能.

針對以上問題，本文開發(fā)了一種新的人工肛門括約肌系統(tǒng)，將上下環(huán)臂改為活動式結(jié)構(gòu)，與活動中臂一起夾住直腸，在擺臂上安裝有10個不同位置的壓力傳感器.同時，在假體主控模塊內(nèi)部增加了數(shù)據(jù)無線傳輸模塊，因此可以分析直腸各種不同狀態(tài)下壓力數(shù)據(jù)的實(shí)時變化與不同排泄?fàn)顟B(tài)的關(guān)系，從而建立更為可靠的直腸感知重建模型，幫助患者得知腸道內(nèi)容物狀態(tài)，對人工肛門括約肌系統(tǒng)進(jìn)行合適時機(jī)的排泄控制.結(jié)合硬件上對數(shù)據(jù)采集的優(yōu)化以及基于主元分析和支持向量機(jī)(PCA-SVM)數(shù)據(jù)分析方法，對建立便意感知重建系統(tǒng)進(jìn)行研究.

1 人體便意感知機(jī)制分析

醫(yī)學(xué)研究表明，人體便意的產(chǎn)生是一個由直腸外圍所分布的壓力感受器與神經(jīng)組織和大腦形成的反饋回路，而大量壓力感受器集中于直腸壺腹下方所在的盆底組織以及恥骨直腸肌內(nèi)，當(dāng)直腸壺腹內(nèi)存積糞便量達(dá)到一定值，便引發(fā)排便反射[15].因此人體便意信號的形成取決于靠近直腸壺腹下方的大量壓力感受器是否在該段直腸內(nèi)糞便產(chǎn)生的綜合壓力刺激下形成生物便意信號，排便反射的形成關(guān)鍵也在于綜合分析這些不同位置和方向的壓力信號并判斷生物便意信號的產(chǎn)生時機(jī).

2 基于PCA-SVM的便意感知

2.1 便意感知重建模型原理

目前，對于便意感知模型的探索均缺少對腸道不同分布點(diǎn)壓力的綜合分析，從腸道單一位置檢測所得的壓力信號受腹腔內(nèi)多種因素的影響，此方法判斷便意是否產(chǎn)生可信度低，容錯性差.因此，本文對原機(jī)構(gòu)優(yōu)化，在假體與腸道的接觸面上選取10個不同位置的壓力檢測點(diǎn)，并進(jìn)行自動秒級周期采集壓力傳感器數(shù)據(jù)并無線傳輸存儲至體外設(shè)備.大幅度還原直腸表面壓力在體內(nèi)時間和空間上的分布信息，并針對數(shù)據(jù)特性選擇合適的算法組合進(jìn)行便意狀態(tài)分類，從而建立起一個效果理想的便意感知重建模型.實(shí)驗(yàn)中對實(shí)驗(yàn)豬植入優(yōu)化后的新AAS裝置并驗(yàn)證此便意感知重建模型具有良好的識別效果.

2.2 基于主元分析(PCA)的壓力信號特征提取

主元分析(PCA)是一種將數(shù)據(jù)降維的方法，旨在找出幾個綜合指標(biāo)來代表原來眾多特征，使這些綜合指標(biāo)盡可能地反映原來變量的信息，且彼此之間互不相關(guān)，從而簡化指標(biāo)因量.數(shù)據(jù)冗余可能會導(dǎo)致數(shù)據(jù)過擬合，為了降低對預(yù)測精度的影響，本文使用PCA算法分析動物實(shí)驗(yàn)中所采集的各壓力指標(biāo)數(shù)據(jù)來精簡壓力指標(biāo)因量.

2.3 基于支持向量機(jī)的便意分類預(yù)測

支持向量機(jī)(SVM)是一種適合處理二分類問題的模型，其原理是尋找一個超平面對樣本進(jìn)行分割，按照間隔最大化原則進(jìn)行分割，最終轉(zhuǎn)化為一個凸二次規(guī)劃問題進(jìn)行求解，近年來在工程領(lǐng)域的廣泛成功應(yīng)用證明它是一種泛化能力很強(qiáng)的優(yōu)秀分類工具，且在處理小樣本非線性數(shù)據(jù)的二分類問題上有著良好的表現(xiàn).本文采用PCA算法與SVM結(jié)合的方法，提出一種便意感知重建模型并以兩頭不同實(shí)驗(yàn)豬體內(nèi)所采集的數(shù)據(jù)進(jìn)行驗(yàn)證.

非線性SVM算法是通過非線性變換把輸入空間中的非線性分類問題轉(zhuǎn)化為某個n維特征空間中的線性分類問題，在高維特征空間學(xué)習(xí)線性支持向量機(jī).其算法如下：

輸入訓(xùn)練數(shù)據(jù)集T={(x1,y1),(x2,y2),…,(xN,yN)}，其中xi∈n(n維向量空間)，yi∈{+1,-1},i=1,2,…,N，xi為同時刻不同壓力指標(biāo)數(shù)據(jù)組成的第i個多維特征向量，xi組成輸入空間Ω，yi為類標(biāo)記，yi=1時為有便意類，yi= -1 時為無便意類.

輸出分離超平面和分類決策函數(shù)：

(1) 選取適當(dāng)?shù)暮撕瘮?shù)K(x,z) 和懲罰參數(shù)C,C>0，其中x,z為輸入空間Ω中任意向量，構(gòu)造并求解凸二次規(guī)劃問題:

(1)

j=1,2,…,N

(2)

式中：ai為拉格朗日乘子，且0≤ai≤C.得到最優(yōu)解：

(3)

(4)

(3) 得到分類決策函數(shù)：

(5)

針對本實(shí)驗(yàn)中樣本維度低數(shù)量小的特點(diǎn)，本文選用高斯核函數(shù)作為分類器核函數(shù)：

(6)

此時分類決策函數(shù)：

f(x)=

(7)

式中σ為帶寬.為免造成SVM過學(xué)習(xí)通過交叉驗(yàn)證并優(yōu)先選擇懲罰因子C較小的一組作為最優(yōu)參數(shù)構(gòu)造基于PCA-SVM的便意感知重建模型.

3 直腸原始壓力數(shù)據(jù)采集

3.1 假體內(nèi)置傳感器結(jié)構(gòu)設(shè)計(jì)

如圖1所示，假體擺臂結(jié)構(gòu)設(shè)計(jì)為3條只可向一側(cè)彎曲的機(jī)械擺臂封閉組裝而成的鉗式結(jié)構(gòu)，植入后套在直腸上，擺臂只可進(jìn)行兩種運(yùn)動方式，其中上下擺臂向直腸外側(cè)運(yùn)動，中間擺臂向另一側(cè)運(yùn)動，到達(dá)極限位置時假體完全打開，直腸處于完全松弛狀態(tài).上下擺臂與中間擺臂同時向直腸收縮運(yùn)動，到達(dá)極限位置時假體完全關(guān)閉，直腸處于完全夾緊狀態(tài).

該AAS裝置假體擺臂上均內(nèi)嵌柔性壓力傳感器，其中在上中擺臂軸向和徑向各分布4個，下擺臂徑向分布2個，在靠近肛口的直腸段上10個不同位置分別采集壓力信號，較為均勻地從不同位置重構(gòu)了腸道壓力模型，不同位置壓力傳感器及其對應(yīng)編號如圖2所示.其中上臂軸向1、2號兩個傳感器對應(yīng)壓力指標(biāo)Pre1和Pre2；上臂徑向3、4號兩個傳感器對應(yīng)壓力指標(biāo)Pre3和Pre4；中臂徑向5、6號兩個傳感器對應(yīng)壓力指標(biāo)Pre5和Pre6；中臂軸向7、8號兩個傳感器對應(yīng)壓力指標(biāo)Pre7和Pre8；下臂徑向9、10號兩個傳感器對應(yīng)壓力指標(biāo)Pre9和Pre10.

在體外使用豬大腸模擬新一代人工肛門括約肌系統(tǒng)與直腸的接觸受力情況，假體在體內(nèi)處于夾持狀態(tài)，豬大腸在無內(nèi)容物和充盈內(nèi)容物時兩種狀態(tài)下假體與腸道的接觸受力情況如圖3所示.新一代AAS系統(tǒng)在靠近假體夾持處的直腸段可采集到不同狀態(tài)下10個壓力傳感器反饋的壓力數(shù)據(jù)，圖3(a)中標(biāo)明了在該直腸段所監(jiān)測的10個不同壓力矢量的位置與方向，各壓力矢量數(shù)值對應(yīng)其壓力指標(biāo)Pre1～Pre10.

3.2 數(shù)據(jù)采集存儲模塊原理

數(shù)據(jù)采集存儲原理圖如圖4所示，腸道壓力經(jīng)傳感器模塊轉(zhuǎn)化為壓力信號，傳感器模塊由壓力傳感器裸片、硅凝膠以及硅膠膜封裝的柔性壓力傳感器和信號放大電路組成，壓力信號通過假體主控模塊轉(zhuǎn)換為壓力數(shù)據(jù)置入緩存區(qū)，通過兩種不同方式在體外控制器記錄所采集壓力數(shù)據(jù)：

(1) 主控程序設(shè)置每8.5 s對全部傳感器進(jìn)行一次毫米級的壓力數(shù)據(jù)采集， 并將每4次采集后緩存區(qū)的壓力數(shù)據(jù)打包為合并數(shù)據(jù)包，發(fā)送至體外控制器的數(shù)據(jù)存儲模塊；

(2) 體外控制器發(fā)送實(shí)時讀取指令，假體主控模塊實(shí)時采集當(dāng)前時刻腸道壓力數(shù)據(jù)，返回體外控制器并由液晶屏實(shí)時顯示.

3.3 植入實(shí)驗(yàn)及數(shù)據(jù)提取

實(shí)驗(yàn)豬采用巴馬小香豬，實(shí)驗(yàn)開始前每天喂食飼料兩次，一次250 g，查閱資料得知豬正常生理狀況下每天排便約4次，統(tǒng)計(jì)每天排便總量約280 g.動物試驗(yàn)中打斷實(shí)驗(yàn)豬的肛門括約肌使其失去主動排泄能力，但神經(jīng)組織仍能感受并發(fā)送便意信號[16]，新一代AAS裝置植入手術(shù)及肛門括約肌打斷手術(shù)如圖5所示.

實(shí)驗(yàn)過程中按同標(biāo)準(zhǔn)對實(shí)驗(yàn)豬喂食飼料并進(jìn)行24 h視頻監(jiān)控，觀察到實(shí)驗(yàn)豬產(chǎn)生便意后有主動去往生活場地的某固定排泄場所進(jìn)行排便動作的行為，觀察到的豬正常狀態(tài)與產(chǎn)生排便意識狀態(tài)如圖6所示.

每天打開一次實(shí)驗(yàn)豬體內(nèi)的AAS裝置，對照正常狀態(tài)的排便量待豬將腸內(nèi)糞便排空，再關(guān)上AAS裝置，使實(shí)驗(yàn)豬腸道處于控便狀態(tài).同時考慮到豬從排空直腸糞便到第一次產(chǎn)生排便意識后，若未及時進(jìn)行排便則可能會因?yàn)槟c道排泄物的不斷累積反復(fù)產(chǎn)生排便意識，此時壓力信號對于判斷便意是否產(chǎn)生失去了意義，因此通過視頻回放尋找實(shí)驗(yàn)豬每天在腸內(nèi)糞便排空后第一次去往生活場地的固定角落進(jìn)行排便動作時刻所對應(yīng)的壓力信號數(shù)據(jù)作為有便意標(biāo)簽向量.由于動物實(shí)驗(yàn)過程中不可避免出現(xiàn)動物的運(yùn)動及姿態(tài)對壓力傳感器的作用影響，無線通信模塊的通信信號強(qiáng)弱以及一些實(shí)驗(yàn)操作中需要間斷性地關(guān)閉數(shù)據(jù)流的采集等因素，測得的壓力數(shù)據(jù)中包含有明顯的異常值，缺失值等，對該類數(shù)據(jù)進(jìn)行去除和標(biāo)簽調(diào)整等數(shù)據(jù)清洗操作后.并在每天排空直腸到第一次產(chǎn)生排便意識期間隨機(jī)選取4組壓力數(shù)據(jù)作為無便意標(biāo)簽向量.在20天動物實(shí)驗(yàn)中共選取80組無便意標(biāo)簽向量和20組有便意標(biāo)簽向量組成5維有效壓力指標(biāo)向量.

4 便意感知重建

4.1 基于前饋神經(jīng)網(wǎng)絡(luò)的便意預(yù)測

使用基于前饋神經(jīng)網(wǎng)絡(luò)的分類識別算法進(jìn)行便意感知預(yù)測，對每個作為壓力指標(biāo)信號的傳感器所采集到并在樣本中對應(yīng)的直腸壓力信號分別獨(dú)立進(jìn)行試驗(yàn)，對10個壓力參數(shù)各選擇90組數(shù)據(jù)，其中各隨機(jī)選擇53組作為訓(xùn)練數(shù)據(jù)，37組作為測試樣本，10組作為驗(yàn)證數(shù)據(jù).設(shè)置30個神經(jīng)元數(shù)目，對感知重建模型的輸入信號進(jìn)行分類識別，當(dāng)首次識別到便意標(biāo)簽對應(yīng)的壓力信號值后，認(rèn)為大于該壓力信號所對應(yīng)時刻均處于需要排便狀態(tài).各組前饋神經(jīng)網(wǎng)絡(luò)預(yù)測的訓(xùn)練和測試準(zhǔn)確率如表1所示.可以看出前饋神經(jīng)網(wǎng)絡(luò)最優(yōu)指標(biāo)的預(yù)測準(zhǔn)確率為83.78%.

表1 基于前饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測試樣本分類預(yù)測準(zhǔn)確率

4.2 基于PCA-SVM的便意預(yù)測

再使用基于PCA-SVM的便意感知重建模型對前面提取的100組有效壓力指標(biāo)向量進(jìn)行分類識別，調(diào)用Python sklearn庫中的PCA包處理連續(xù)20天動物實(shí)驗(yàn)中所采集的各傳感器對應(yīng)壓力指標(biāo)數(shù)據(jù)，繪制其結(jié)果如圖7所示.可以看出，前6個指標(biāo)貢獻(xiàn)率已經(jīng)超過85%，因此本文選擇前6個壓力指標(biāo)來優(yōu)化原始壓力指標(biāo).

選取53組作為訓(xùn)練樣本，47組為測試樣本，選擇高斯核函數(shù)并經(jīng)交叉驗(yàn)證[17]選擇最優(yōu)的懲罰因子C=0.059 5 和核函數(shù)寬度σ=0.953 6，將訓(xùn)練樣本輸入模型后再輸入測試樣本，設(shè)置-1為無便意標(biāo)簽值，1為有便意標(biāo)簽值，檢測測試樣本中帶有便意標(biāo)簽的向量，進(jìn)行便意感知的預(yù)測，其測試樣本中實(shí)際分類和預(yù)測分類如圖8所示.其中預(yù)測分類集與實(shí)際分類集未重合的樣本處沒有對便意做出準(zhǔn)確預(yù)測，測得準(zhǔn)確預(yù)測樣本數(shù)為44組，可得基于PCA-SVM的便意感知重建模型預(yù)測準(zhǔn)確率為93.62%.

4.3 便意預(yù)測結(jié)果對比

前饋神經(jīng)網(wǎng)絡(luò)算法預(yù)測準(zhǔn)確率最高為1號壓力指標(biāo)的83.78%，最低為10號壓力指標(biāo)的62.16%.與基于PCA-SVM的便意感知重建模型預(yù)測結(jié)果對比如表2所示.

表2 基于前饋神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和測試樣本分類預(yù)測準(zhǔn)確率

結(jié)合表1，2可以看出，基于主元分析法所選出的優(yōu)化指標(biāo)通過PCA-SVM算法和前饋神經(jīng)網(wǎng)絡(luò)算法預(yù)測的準(zhǔn)確率均大于75%，證明選出的優(yōu)化指標(biāo)可以代表直腸壓力信號的主要特征.對比表2中基于PCA-SVM和前饋神經(jīng)網(wǎng)絡(luò)的便意感知模型的便意預(yù)測率可以看出，前者的準(zhǔn)確率為93.62%，明顯高于準(zhǔn)確率為83.78%～62.16%的后者，可明顯提高對便意預(yù)測的準(zhǔn)確度.可見，基于PCA-SVM建立的直腸便意感知重建模型是一種更優(yōu)秀的分類預(yù)測方法.實(shí)驗(yàn)結(jié)果表明，基于PCA-SVM的便意感知重建方法可提高人工肛門括約肌系統(tǒng)對排便時機(jī)的感知精確度，彌補(bǔ)了以往系統(tǒng)僅依靠閾值預(yù)測法所帶來的單一、容錯性差等缺陷.

5 結(jié)語

為了滿足人工肛門括約肌系統(tǒng)在為肛門失禁患者臨床治療過程掌握精確排便時機(jī)的需求，分析現(xiàn)有重建患者直腸感知功能方法的弊端，通過在假體擺臂上設(shè)置不同位置的多壓力傳感器以獲得更為全面的直腸表面壓力原始信號，設(shè)計(jì)數(shù)據(jù)采集存儲模塊并加入體外控制電路以獲取在時間序列上直腸表面壓力指標(biāo)向量.通過PCA算法優(yōu)化指標(biāo)選擇，經(jīng)調(diào)參后的SVM算法進(jìn)行便意分類預(yù)測，對比基于前饋神經(jīng)網(wǎng)絡(luò)的分類預(yù)測方法，基于PCA-SVM的便意感知重建模型有更為精確的便意預(yù)測效果，可在下一步的研究中為新一代人工肛門括約肌設(shè)計(jì)更為完善易操作的便意感知重建模塊提供依據(jù).