共查询到14条相似文献,搜索用时 140 毫秒
1.
2.
目的 在仿真模型的基础上,研究一种用感应电流激励的动态电阻抗断层成像算法-牛顿迭代法的特性及其对独立测量数的依赖性。方法 利用有限元法对成像区域进行离散,然后再用牛顿迭代法针对不同的线圈数进行求解、成像、比资比较。结果 对同一目标,分别就不同的线圈数得到了成像结果,表明牛顿迭代法对电导率扰动的定位是基本准确的,成像误差随线圈数的增加而减小。结论 用牛顿迭代法解动态感应电流电阻抗断层成像的逆问题是可行的,但在独立测量数小于剖分单元数的情况下,迭代过程不全准确的收敛于实际的电导率分布,而是一种的近似;在独立测量数大于部分单元数的情况下,迭代过程可以收敛于实际的电导率分布,从而得到高质量的重构图像。 相似文献
3.
4.
5.
6.
动态电阻抗断层成像反投影算法的仿真研究 总被引:4,自引:1,他引:3
在计算机上建立动态电阻抗断层成像仿真系统。其中包括;建立模仿人体躯干的计算机有限元模型,实现模型的电场数值计算,并实现了以反投影技术为基础的两种动态图像重建算法,得到的初步的成像结果表明:反投影法对目标定位准确,速度快,但对于目标在远离电极的位置,重构误差相对大,且对噪声敏感。 相似文献
7.
8.
目的比较几种电阻抗成像(Electrical Impedance Tomography,EIT)重建算法的性能,为EIT应用于肺部实时功能成像提供参考依据。方法设计三组实验,分别用一步高斯牛顿法、反投影算法、GREIT算法和基于L1正则化的成像算法对仿真数据及人体实测数据进行图像重建。在L1正则化求解过程中采用交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)。将四种算法对仿真数据与实测数据的重建图像以及评价参数进行对比分析。结果GREIT算法在无噪声重建目标的参数评价中表现最优,ADMM算法在加入噪声数据的重建中受到的影响最小,评价参数变化幅度最小,具有很好的抗干扰性能。结论GREIT算法与ADMM算法可以应用于肺部EIT重建,实现对肺部的功能成像。 相似文献
9.
在电阻抗成像技术应用于临床的过程中,准确判断目标阻抗扰动变化程度至关重要。目前大多数动态电阻抗成像算法都以目标扰动较小为前提,采用线性化方法进行求解,使得在强扰动的情况下,重构结果中扰动目标阻抗变化与实际阻抗变化之间存在很大误差,无法准确判断扰动目标实际阻抗变化程度,特别是强扰动目标的实际阻抗变化程度。针对这一问题,本文提出了一种基于强扰动目标的电阻抗成像算法。首先,通过对重构算法的研究分析,确定了线性化所引入的误差来源;其次,借助仿真模型,确定了实际情况下扰动目标的电阻抗值与重构电阻抗变化值之间的对应关系;然后,根据已得的对应关系,提出了对数化后的补偿修正方法;最后,开展仿真实验验证了算法的有效性。仿真结果表明,本文方法可以减小重构阻抗变化与实际阻抗变化之间的误差,很好地实现强扰动目标的重构,为将来临床应用中准确判断目标阻抗扰动变化程度打下了基础。 相似文献
10.
11.
适用于脑部电阻抗断层成像的单源驱动电流模式 总被引:2,自引:2,他引:0
目的: 寻求一种更适合于脑部电阻抗断层成像技术(EIT)的单源驱动模式. 方法: 针对脑部电阻率分布的特点和数据采集系统的实际情况,在一个由7300多个电阻构成的脑部电阻率分布等效电路模型上,对比了邻近、交叉、对向和新提出的准对向这四种驱动模式在动态范围、独立测量数、边界电压变化量和抗噪性能等方面的差异.结果:除动态范围外,准对向驱动模式均为最优,对向和交叉驱动模式次之,邻近模式最差.结论: 准对向驱动模式最适合于脑部EIT使用. 相似文献
12.
13.