在改进的有限元模型上实现一种较严格的动态电阻抗断层 …

对一种较为严格的图像重构算法广义逆法进行了推导，并在计算机有限无限 模型上实现了算法，重构出了反映阻抗变化量的图像，并根据阻抗重构问题的特点、改进了残有的有限元计算机重构模型，在改进模型上实现了广义逆法。改进的模型与原有模型相比，其正向矩阵的病态性得到较大的改善。     

电阻抗断层成象

介绍电阻抗断层成像的原理、技术及其临床应用前景     

一种实用的动态电阻抗断层成象算法

在电阻抗断层成象技术 (EIT)的研究中提出并推导了一种较为严格的图象重构算法 广义逆法 ,在此基础上针对EIT的病态性问题 ,对该算法进行了改进 ,并在一种新的计算机有限元模型上实现了该算法 ,重构出了反映阻抗变化量的图象 (即动态成象 )。改进的广义逆法突破了原广义逆法在剖分规模上的限制 ,能在较大的剖分规模上进行 ,更有利于图象的重构。将该算法用于计算机仿真研究 ,结果表明 :改进的广义逆法与现有算法 等位线法相比 ,成象定位更准确、重构图象的误差小 ,在信号信噪比较高时能较好地重构出阻抗分布复杂的模型。最后 ,对改进该算法的噪声性能进行了讨论。     

实时电阻抗断层成像系统中的一种动态成像算法

本文研究了一种用于电阻抗断层成像 (EIT)的动态成像算法—等电位线反投影法。给出了EIT技术中正向问题计算中的偏微分方程原型、等价变分问题、有限元离散化求解等过程的完整数学描述 ,并详细描述了等位线反投影法的算法原理和实现过程     

电阻抗断层图像重构算法

人体电阻抗断层成像研究是近年来国际生物医学工程界研究热点之一，阻抗重构算法是这一技术的核心。本文回顾了十多年来这一领域的研究成果，集中讨论了几种有代表性的阻抗重构算法，并根据它们各自的理论基础和实验结果，分别对其性能进行了全面的综合评价。     

电阻抗断层成象

介绍电阻抗断层成像的原理、技术及其临床应用前景。     

一种基于频谱约束的多频动态电阻抗断层成像算法

本文旨在提出一种基于频谱约束的多频动态电阻抗断层成像(EIT)算法。在已知成像域内各组分电导率频谱的情况下,通过重构独立于频率的参数——体积分数变化,同时利用多个激励频率下的测量电压差重构一帧时差图像,从而大大增加测量数据量以改善逆问题的病态性。数值仿真实验显示,该算法较传统阻尼最小二乘算法具有更小的图像伪影,且在低信噪比情形下具有更小的位置误差和形变误差。本研究有望为动态EIT提供一种有效利用多频信息的方法,并为在已知各组分电导率频谱情况下的动态EIT发展提供一个新思路。     

电阻抗断层成像算法应用综述

电阻抗断层成像（EIT）技术是非侵入性、无损伤、低成本的功能成像技术,在生物医学、地质勘探等领域有着广泛的应用,文章重点对EIT的关键技术,即从基础理论出发对EIT正问题和EIT现阶段广泛应用的重构算法进行介绍,同时对EIT与CT融合成像技术的研究方向进行介绍。EIT技术日趋成熟,具有广泛的应有前景,对EIT技术在生物医学应用领域做概述,并对EIT技术发展提出一些建议。     

一种乳腺电阻抗断层成像模型的建立

目的:在利用旋转电极法对乳腺电阻抗断层成像(electrical impedance tomography,EIT)的初期试验阶段,验证此方法的可行性,初步明确影响成像的因素。方法:基于EIT试验平台建立一个能有效模拟乳腺组织分布的物理模型,并用电导率有差异的NaCl溶液、铁棒模拟了电场分布。结果:得到模拟电场的中间断层电阻抗分布图。结论:基于EIT原理的旋转电极法成像是可行的,初步明确了影响该方法成像的因素。     

动态电阻抗断层像技术

本文介绍了动态ＥＩＴ技术的发展现状以及目前成像系统的结构与应用，并与静态ＥＩＴ技术进行了比较。在分析其硬件结构、算法特点以及应用效果的基础上，对其性能进行了评价，并对以后的发展情况进行了讨论。     

一种电阻抗图像与CT图像融合方法研究

研究一种电阻抗功能图像与CT结构图像相融合的方法,获得既能反映电阻抗分布又能反映组织结构的医学图像.以人体呼吸过程的电阻抗图像及胸部CT图像的融合为例,首先采用disk算子对CT图像滤波,再用canny算子提取CT图像轮廓,将提取后的结构图像构建EIT正问题模型,并进行正问题求解,更新灵敏度矩阵,且基于共轭梯度算法重建EIT图像,然后用小波算法将EIT图像与CT结构图像进行融合.在融合图像中,电阻抗功能变化信息在结构图像中凸显出来,可实现电阻抗变化区域的初步定位.研究结果表明,电阻抗功能图像与CT结构图像的融合有效、可行.本研究为实现电阻抗成像技术与其他成像技术的信息互补、进一步发挥EIT功能成像技术的优势奠定基础.     

电阻抗断层成像技术应用于脑血肿实时监测的仿真研究

电阻抗断层成像技术用于脑血肿的实时监测是发展医学成像技术的有意义的尝试。利用数值计算方法重建目标场域内部电导率的分布是电磁场数值计算科学在生物医学工程学领域的应用。文章介绍了作者在电阻抗断层成像技术重建算法领域所作的部分工作，包括拟牛顿法、Bulirsch—Stoer外推法。同时，用仿真计算结果模拟了该技术用于脑血肿实时监测的全过程。     

基于真实人体边界模型的电阻抗断层成像研究

对真实人体边界模型的电阻抗断层成像进行实现,研究其成像特点。提取CT(computerized tomography)图片中先验信息,得到基于真实人体轮廓外形的模型,利用等位线反投影算法进行仿真研究。结果表明:可以较好地反映多种不同扰动的变化,具有一定程度的目标分辨率和识别率,并可以对扰动目标实现较好的定位。说明基于真实人体边界模型的电阻抗断层成像实现是可行的,结果是可靠的,这种重构模型使得重构结果更趋近于真实人体情况,为临床研究做出初步尝试。     

基于最小二乘法原理的动态心电信号伪差识别

讨论了目前24 h动态心电信号中一些常见的伪差原因,提出了一种新的识别心电伪差的实用方法,即利用最小二乘法原理,对伪差进行自动识别,并对实际采集的心电数据中出现的伪差进行实验分析,结果表明:应用最小二乘法可以快速、有效的识别心电信号中由于肌肉震颤、电极接触不良、运动等引起的伪差,为正确诊断动态心电信号提供保障。     

节点反投影方法在三维EIT模型中的仿真与实验研究

电阻抗成像(EIT)技术中逆问题的病态特性是造成重建图像分辨率较低的主要原因之一,增加先验信息是改善成像效果的可行方法.建立三维圆柱体仿真模型,对边界电压数据进行多项式曲面拟合,增加先验信息,采用节点反投影方法进行图像重建.对两种目标模型进行仿真实验,并利用本实验室设计的128通道EIT系统进行水槽物理模型重建实验.仿真实验结果表明,较之传统的反投影方法,两种目标模型采用节点反投影方法重建的总体误差分别降低了8.87％和6.85％;在物理模型中,重建图像可清晰显示目标物体.所提出的方法有望用于提高临床检测与监护的成像质量.     

基于混合正则化算法的颅内异物电阻抗成像仿真研究

为提高电阻抗静态重构图像的质量,研究将离散变差函数引入到重构算法中,形成混合正则化重构算法,并对计及颅骨的颅内异物进行了重构成像。与常用的Tikhonov正则化算法相比,混合正则化重构算法对重构信息的分辨能力显著提高,能有效克服低电导率颅骨对颅内信息的屏蔽效应,显著改善所得重构图像质量,与设定病例的医学图像相符。这一成果提高了电阻抗静态成像技术在颅内异物定位方面的质量,为电阻抗静态成像技术的实用化打下了基础。     

基于贪婪算法的Snake模型

目的：为改善经典活动轮廓模型的缺陷。方法：本文提出一种新的基于贪婪算法的活动轮廓模型,对其内部能量中加入轮廓平均长度项的控制,外部能量中加入梯度方向势能,并提出区域能量在贪婪算法中的快速求解方法。另外采用动态调整蛇点的算法,使蛇点数目能够自适应地变化。结果：通过与传统的GVF算法分割结果比较,本文的分割效果较理想。结论：说明该方法分割准确性高并且对于用户的初始轮廓选择要求不高,具有一定的实用价值。     

结合细胞散点图和改进Snake模型的重叠细胞分割修复的方法

针对医学显微图像中常出现细胞重叠的现象,提出一种组合细胞散点图和改进Snake模型的分割方法:先使用可变腐蚀元的迭代腐蚀方法,获取细胞散点和分离细胞;再利用原始边缘信息,初始化活动轮廓;最后结合细胞散点信息,利用加入约束能量的改进Snake算法,获取细胞的完整边界。在获取边界重叠掩膜图像的基础上,针对因重叠导致重叠区域图像信息变化的情况,采用一种自适应迭代卷积的快速图像修复方法。实验表明,该方法能有效地分离重叠细胞,并能准确快速地获取细胞的完整边界,并在重叠掩膜图像的基础上快速修复重叠部分。     

组织工程软骨培养的细胞自动机算法模型与优化

建立一个基于细胞自动机算法的软骨细胞和干细胞体外动态培养数学模型,并进行模拟计算与优化,为组织工程软骨的体外培养控制软件的编写提供理论依据。建立细胞自动机算法模型,采用软骨细胞和软骨干细胞作为研究对象进行Matlab仿真实验。实验分为3组,每组各自设置空白对照组、快速扩增组、力学刺激组、扩增与力学刺激复合培养组。空白对照组的结果显示,软骨细胞和干细胞诱导软骨细胞的细胞占空间区域分别为51%和45%;综合考虑细胞生长情况,软骨细胞培养最佳压强施加大小为100 kPa;干细胞诱导培养最佳压强施加大小为15 kPa。运用细胞自动机算法建立的数学模型来动态培养软骨细胞,可以为体外生物反应器控制软件的编写提供理论依据,对于组织工程培养软骨组织及其他器官培养是一种有效的可供参考的方法。     

基于动态贝叶斯网构建基因调控网络

动态贝叶斯网络(dynamic bayesian network,DBN)是一种基于时序表达数据构建基因调控网络的重要方法。然而目前的DBN方法因计算时间太长,结构不稳定,准确度低,对有效性有很大影响。根据动态贝叶斯网络的度量可分解性质,将动态贝叶斯网络分为初始网络与转移网络分别进行结构寻优,在寻优时将基于静态贝叶斯网络的最大权重生成树算法与贪婪搜索算法相结合,移植入动态贝叶斯网络中,建立基因调控网络模型。提出了一种从时序数据中构建基因调控网络的方法,克服了贝叶斯网络不能描述循环调控的缺陷,也从规模上简化了网络构建问题。通过与相关实验文献的对照,验证了提出方法的有效性,网络学习时间明显缩短,网络结构更加稳定。