Temporal and frequency differentiation of healthy and pathological lung tissue through minimally invasive electrical impedance spectroscopy

Autor/a

Company Se, Georgina

Director/a

Nescolarde Selva, Lexa Digna

Codirector/a

Bragós Bardia, Ramon

Fecha de defensa

2023-07-03

Páginas

138 p.



Departamento/Instituto

Universitat Politècnica de Catalunya. Departament d'Enginyeria Electrònica

Programa de doctorado

DOCTORAT EN ENGINYERIA BIOMÈDICA (Pla 2012)

Resumen

(English) Respiratory diseases, along with heart diseases, are the most prevalent in the world. The acquisition of lung samples is essential for a correct diagnosis of the disease. For peripheral lesions it is not easy to access the sample and ensure that it is taken at the point previously identified using medical imaging techniques. By measuring bioimpedance, it is intended to evaluate differences in lung tissue according to its state (cancerous, fibrotic, pneumonic, healthy or emphysematous) in order to confirm the appropriate location for taking pathological samples. In order to obtain the highest differentiation between the different states of the tissue, first of all a study is carried out on the measurement method that allows a greater differentiation between healthy tissue and bronchial tissue. The possibility of implementing the 3-electrode method to replace the 4-electrode method, used in preliminary measurements, is evaluated, since it provides practical advantages. Subsequently, due to the great dispersion of the measurements within the same type of tissue among the different patients, the implementation of a calibration method, already used for cardiac applications, is studied. This method consists of using a measurement made in the main bronchus to calibrate the measurements of the lung parenchyma, thus reducing the effect of geometric differences between patients. Next, the thesis presents the global study on the differentiation between the different types of lung tissue with a population of 102 patients on whom 116 measurements have been performed. Finally, the implementation of Machine learning classification algorithms for the real-time classification of measurements is studied in a complementary way in order to help in the correct location of the bronchoscope to take samples of pathological tissue, thus improving the efficiency of bronchoscopy, with the limitations of the low number of measurements. The results of the different studies show that the 3- electrode measurements improve the differentiation and/or separation between tissues compared to the 4-electrode method. In turn, the calibration of the measurements using a sample taken from the bronchus decreases the intragroup dispersion and, consequently, increases the intergroup separation, which improves the differentiation capacity. On the other hand, the differentiation of the tissues (using the 3-electrode method and after the subsequent calibration of the measurements) evaluating the two most discriminatory frequencies, shows significant differences between those pathologies that entail an increase in tissue density (neoplasm, fibrosis and pneumonia) and those tissues that carry a greater amount of air in the lungs compared to the previous ones and/or destruction of tissue (healthy, emphysema). Thus, significant differences are found in the four impedance parameters analyzed [module (|Z|), phase angle (PA), resistance (R) and reactance (Xc)] between: neoplasm and pneumonia (p < 0.05); neoplasm and healthy tissue (p < 0.001); neoplasm and emphysema (p < 0.001); fibrosis and healthy tissue (p < 0.001) and pneumonia and healthy tissue (p < 0.01). There are also significant differences in |Z|, R and Xc between fibrosis and emphysema (p < 0.05) and in |Z| and R between pneumonia and emphysema (p < 0.05). Finally, after the implementation of different classification algorithms, the results show great accuracy when it comes to classifying and detecting a sample of neoplasm tissue, and allow separating some pathologies not detected with classical statistical methods. In conclusion, the implementation of bioimpedance measurements through bronchoscopy can improve clinical diagnosis, since it is capable of discriminating between different types of tissue in a minimally invasive way. However, for the combined use with Artificial Intelligence techniques, the number of measures should be increased for a greater training of the algorithms.


(Español) Las enfermedades respiratorias, junto con las enfermedades cardíacas, son las más prevalentes en el mundo. La adquisición de muestras pulmonares es esencial para un correcto diagnóstico de la enfermedad. En lesiones periféricas no es sencillo acceder a la muestra y asegurar que se toma en el punto previamente identificado mediante técnicas de imagen médica. Mediante la medición de bioimpedancia, se pretende evaluar diferencias en el tejido pulmonar de acuerdo con su estado (canceroso, fibrótico, neumónico, sano o enfisematoso) con el fin de confirmar la localización adecuada para la toma de muestras patológicas. Para obtener la mayor diferenciación entre los distintos estados del tejido, primero se realiza un estudio sobre el método de medida que permite una mayor diferenciación entre tejido sano y bronquio. Se evalúa la posibilidad de implementar el método de 3-electrodos para reemplazar al de 4-electrodos, utilizado en mediciones preliminares, ya que aporta ventajas de tipo práctico. Posteriormente, debido a la gran dispersión de las medidas dentro de un mismo tipo de tejido entre los distintos pacientes, se estudia la implementación de un método de calibración, ya usado para aplicaciones cardíacas. El método consiste en el uso de una medida realizada en el bronquio principal para calibrar las medidas del tejido pulmonar, reduciendo el efecto de las diferencias geométricas entre pacientes. A continuación, se presenta el estudio sobre la diferenciación entre los distintos tipos de tejido pulmonar con una población de 102 pacientes sobre los que se han llevado a cabo 116 medidas. Finalmente, se estudia, de forma complementaria, la implementación de algoritmos de machine learning para la clasificación en tiempo real de las medidas con el fin de ayudar en la correcta localización del broncoscopio para tomar muestras del tejido, mejorando así la eficacia de la broncoscopia, con las limitaciones propias del bajo número de medidas. Los resultados de los distintos estudios muestran que las medidas a 3 electrodos mejoran la diferenciación y/o separación entre tejidos respecto al método de 4 electrodos. A su vez, la calibración de las medidas usando una muestra tomada en el bronquio disminuye la dispersión intragrupo y, en consecuencia, aumenta la separación intergrupal, lo que mejora la capacidad de diferenciación. Por otro lado, la diferenciación de los tejidos, (empleando el método de 3 electrodos y tras la posterior calibración de las medidas) evaluando las dos frecuencias más discriminatorias, muestra diferencias significatives entre aquellas patologías que conllevan un aumento en la densidad del tejido (neoplasia, fibrosis y neumonía) y aquellos tejidos que conllevan una mayor cantidad de aire en los pulmones respecto a los anteriores y/o destrucción de tejido (sano, enfisema). De esta forma, se encuentran diferencias significativas en los cuatro parámetros de impedancia analizados [modulo (|Z|), fase (PA), resistencia (R) y reactancia (Xc)] entre: neoplasia y neumonía (p < 0.05); neoplasia y tejido sano (p < 0.001); neoplasia y enfisema (p < 0.001); fibrosis y tejido sano (p < 0.001) y neumonía y tejido sano (p < 0.01). También se encuentran diferencias significativas en |Z|, R y Xc entre fibrosis y enfisema (p < 0.05) y en |Z| y R entre neumonía y emfisema (p < 0.05). Por último, tras la implementación de diferentes algoritmos de clasificación, los resultados muestran una gran eficacia a la hora de clasificar y detectar una muestra de tejido neoplásico, y permiten separar algunas patologías no detectadas con métodos estadísticos clásicos. En conclusión, la implementación de mediciones de bioimpedancia mediante broncoscopia, puede mejorar el diagnóstico clínico, puesto que es capaz de discriminar entre distintos tipos de tejido de forma mínimamente invasiva. Sin embargo, para el uso combinado con técnicas de Inteligencia Artificial, se debe aumentar la muestra de las medidas para un mayor entrenamiento de los algoritmos.

Materias

616.2 - Patología del aparato respiratorio; 621.3 - Ingeniería eléctrica. Electrotecnia. Telecomunicaciones

Área de conocimiento

Àrees temàtiques de la UPC::Enginyeria electrònica; Àrees temàtiques de la UPC::Enginyeria biomèdica

Nota

Tesi en modalitat de compendi de publicacions

Documentos

TGCS1de1.pdf

5.923Mb

 

Derechos

L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc/4.0/
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc/4.0/

Este ítem aparece en la(s) siguiente(s) colección(ones)