В работе представлена разработка трехмерной компьютерной модели (геометрии) средостения человека для применения в электроимпедансной томографии, включающей легкие, сердце, ребра, позвоночник, мышечные ткани и кожные покровы. Целью данного исследования являлась разработка компьютерных моделей в среде COMSOL Multiphysics для решения прямой задачи в области электроимпедансной томографии при моделировании патологий дыхания, которые могут возникнуть при искусственной вентиляции легких. Для решения поставленных задач были применены современные методы компьютерного моделирования: геометрия органов разрабатывалась в Blender 3D с последующим экспортом в формат STL и импортом в COMSOL Multiphysics, где для каждого анатомического объекта создавались конечно-элементные модели с заданными электрофизическими параметрами тканей (удельной проводимостью и диэлектрической проницаемостью). Особое внимание уделялось разработке модульной системы электродов с возможностью вариации их формы и размеров, где в базовой конфигурации использовались идеально проводящие материалы. Установлено, что разработанная модель позволяет дифференцировать нормальное состояние дыхательной системы от патологических изменений, таких как заполнение легких жидкостью или уменьшение их функционального объема. Подтверждена применимость разработанной 3D-модели для мониторинга вентиляционной функции легких и выявления патологий дыхательной системы. Полученные результаты создают основу для дальнейшего развития модели за счет увеличения анатомической детализации, конфигурации электродных систем и снижения вариабельности измерительных параметров, что в совокупности позволит повысить эффективность исследования в области электроимпедансной томографии.
This paper presents the development of a 3D computer model (geometry) of the human mediastinum for use in electrical impedance tomography, including the lungs, heart, ribs, spine, muscle tissue, and skin. The aim of this study was to develop computer models in COMSOL Multiphysics to solve a direct problem in electrical impedance tomography for modeling respiratory pathologies that may occur during mechanical ventilation. To address these challenges, modern computer modeling methods were employed: organ geometry was developed in Blender 3D, then exported to STL format and imported into COMSOL Multiphysics, where finite element models with specified tissue electrophysical parameters (specific conductivity and permittivity) were created for each anatomical object. Particular attention was paid to the development of a modular electrode system with the ability to vary their shape and size, with the basic configuration using perfectly conducting materials. The developed model was found to differentiate normal respiratory function from pathological changes, such as fluid accumulation in the lungs or a decrease in their functional volume. The applicability of the developed 3D model for monitoring lung ventilation function and identifying respiratory pathologies was confirmed. The obtained results provide a basis for further development of the model by increasing anatomical detail, configuring electrode systems, and reducing the variability of measurement parameters, which, taken together, will improve the efficiency of electrical impedance tomography research.
1. Cui Z., Liu X., Qu H., Wang H. Technical Principles and Clinical Applications of Electrical Impedance Tomography in Pulmonary Monitoring // Sensors (Basel). 2024. Vol. 24. Is. 14. Art. 4539. DOI: 10.3390/s24144539. URL: https://www.mdpi.com/1424-8220/24/14/4539 (дата обращения: 10.11.2025).
2. Scaramuzzo G., Pavlovsky B., Adler A., Baccinelli W. [etc.]. Electrical impedance tomography monitoring in adult ICU patients: state-of-the-art, recommendations for standardized acquisition, processing, and clinical use, and future directions // Critical Care. 2024. Vol. 28. Is. 1. Art. 286. DOI: 10.1186/s13054-024-05173-x. URL: https://ccforum.biomedcentral.com/articles/10.1186/s13054-024-05173-x (дата обращения: 10.11.2025).
3. She L., Zhou R., Pan P., Li Z., Liu J., Xie F. Research progress on electrical impedance tomography in pulmonary perfusion // Sheng Wu Yi Xue Gong Cheng Xue Za Zhi [Journal of Biomedical Engineering]. 2023. Vol. 40. Is. 6. P. 1249–1254. DOI: 10.7507/1001-5515.202302025. URL: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10753299/ (дата обращения: 10.11.2025).
4. Rocheleau C.J., Overton T.D., da Rosa N.B.Jr., Saulnier G.J., Shishvan O.R., Baker C.D., Enzer K.G., Mueller J.L. Use of an anatomical atlas in real-time EIT reconstructions of ventilation and pulsatile perfusion in preterm infants // Scientific Reports. 2025. Vol. 15. Is. 1. Art. 29622. DOI: 10.1038/s41598-025-15543-2. URL: https://www.nature.com/articles/s41598-025-15543-2 (дата обращения: 10.11.2025).
5. Huang N., Ma Y., Zhang M. [etc.]. Finite Element Modeling of Human Thorax Based on MRI Images for EIT Image Reconstruction // Journal of Shanghai Jiaotong University (Science). 2021. Vol. 26. P. 33–39. DOI: 10.1007/s12204-020-2232-x. URL: https://link.springer.com/article/10.1007/s12204-020-2232-x (дата обращения: 10.11.2025).
6. Mayer M., Brunner P., Merwa R., Smolle-Jüttner F.M., Maier A., Scharfetter H. Direct reconstruction of tissue parameters from differential multifrequency EIT in vivo // Physiological Measurement. 2006. Vol. 27. Is. 5. P. S93–S101. DOI: 10.1088/0967-3334/27/5/S08. URL: https://iopscience.iop.org/article/10.1088/0967-3334/27/5/S08 (дата обращения: 10.11.2025).
7. Pryor R.W. Multiphysics Modeling Using COMSOL: A First Principles Approach. Sudbury: Jones and Bartlett Publishers. 2011. 852 p. URL: https://archive.org/details/multiphysicsmode0000pryo (дата обращения: 19.05.2025). ISBN: 978-0763779993.
8. Щербаков И.Д., Алексанян Г.К., Прийма М.А., Волченков Е.А. Разработка приложения моделирования процесса измерения методом электроимпедансной томографии в среде Comsol Multiphysics для решения исследовательских и образовательных задач // Успехи современной науки и образования. 2018. № 4. С. 13–17. URL: https://www.elibrary.ru/item.asp?id=36347240 (дата обращения: 28.10.2025).
9. Кучер А.И., Ланкина Ю.К., Щербаков И.Д., Алексанян Г.К. Применение средств трехмерного моделирования в среде Comsol Multiphysics для задач обучения основам электроимпедансной томографии // Успехи современной науки и образования. 2018. № 4. С. 45–49. URL: https://www.elibrary.ru/item.asp?id=36782947 (дата обращения: 28.10.2025).
10. Adler A., Lionheart W.R. Uses and abuses of EIDORS: an extensible software base for EIT // Physiological Measurement. 2006. Vol. 27. Is. 5. P. S25–S42. DOI: 10.1088/0967-3334/27/5/S03. URL: https://iopscience.iop.org/article/10.1088/0967-3334/27/5/S03 (дата обращения: 28.10.2025).
11. Aller M., Mera D., Manuel J., Cotos and Sebastián Villaroya. Study and comparison of different Machine Learning-based approaches to solve the inverse problem in Electrical Impedance Tomographies // Neural Computing and Applications. 2023. Vol. 35. P. 5465–5477. DOI: 10.1007/s00521-022-07988-7. URL: https://link.springer.com/article/10.1007/s00521-022-07988-7 (дата обращения: 28.10.2025).
12. Dalley A.F., Agur A.M.R. Moore’s Clinically Oriented Anatomy. 9th ed. Philadelphia: Wolters Kluwer Health/Lippincott Williams & Wilkins. 2023. 1200 p. URL: https://www.lww.co.uk/9781975154066/moores-clinically-oriented-anatomy/ (дата обращения: 28.10.2025).
13. Ahad M.A., Baidya S., Tarek M.N. Comparison of Circular and Rectangular-Shaped Electrodes for Electrical Impedance Myography Measurements on Human Upper Arms // Micromachines (Basel). 2023. Vol. 14. Is. 6. Art. 1179. DOI: 10.3390/mi14061179. URL: https://www.mdpi.com/2072-666X/14/6/1179 (дата обращения: 28.10.2025).
14. Melchor-Uceda I.A., Gutiérrez-Medina J.D., Gutiérrez-Gnecchi J.A., González-Vázquez A., Reyes-Archundia E., Olivares-Rojas J.C., Mendéz-Patiño A. Evaluation of electrical impedance tomography electrodes in the measurement of biceps muscle activity // Journal of Physics: Conference Series. 2025. Vol. 3014. Art. 012014. DOI: 10.1088/1742-6596/3014/1/012014. URL: https://iopscience.iop.org/article/10.1088/1742-6596/3014/1/012014 (дата обращения: 28.10.2025).
15. Gallagher G. Finite Element Analysis. Fundamentals. New Jersey: Prentice-Hall. 1975. 428 p. URL: https://archive.org/details/finiteelementana0000gall (дата обращения: 28.10.2025).
16. Алексанян Г.К. Экспериментальная апробация макета информационно-измерительной системы мониторинга регионарного вентиляционно-перфузионного отношения легких человека // Современные наукоемкие технологии. 2021. № 12-1. С. 9–14. DOI: 10.17513/snt.38947. URL: https://top-technologies.ru/article/view?id=38947 (дата обращения: 28.10.2025).
17. Chaudhry R., Omole A.E., Bordoni B. Anatomy, Thorax, Lungs // StatPearls. Treasure Island (FL): StatPearls Publishing. 2025. URL: https://www.ncbi.nlm.nih.gov/books/NBK470197/.
18. Алексанян Г.К. Методы и аппаратно-программные комплексы персонализированного мониторинга системы внешнего дыхания человека на основе многочастотной электроимпедансной томографии: дис. … докт. техн. наук. Новочеркасск: ЮРГПУ (НПИ) имени М.И. Платова. 2024. 298 с. URL: https://viewer.rsl.ru/ru/rsl01013181488 (дата обращения: 28.10.2025).
19. von Düring S., Parhar K.K.S., Adhikari N.K.J., Urner M., Kim S.J., Munshi L., Liu K., Fan E. Understanding ventilator-induced lung injury: The role of mechanical power // Journal of Critical Care. 2024. Vol. 85. Art. 154902. DOI: 10.1016/j.jcrc.2024.154902. URL: https://pubmed.ncbi.nlm.nih.gov/39241350/. (дата обращения: 28.10.2025).
20. Chen H., Harui A., Feng Y., Li L., Patel S., Schmidt J., Roth M.D., Zhu Y.A Ventilated Three-Dimensional Artificial Lung System for Human Inhalation Exposure Studies // Environmental Science and Technology. 2024. Vol. 58. Is. 52. P. 22651–22661. DOI: 10.1021/acs.est.4c08315. URL: https://pubs.acs.org/doi/10.1021/acs.est.4c08315 (дата обращения: 28.10.2025).
21. Khan S., Rahmani H., Shah S.A.A., Bennamoun M.A Guide to Convolutional Neural Networks for Computer Vision. Morgan & Claypool Publishers, 2018. 207 p. DOI: 10.2200/S00822ED1V01Y201712COV015.