动态电阻抗成像中Tikhonov正则化参数的选择

动态电阻抗成像是一个非线性逆问题，在通过有限元法离散化为线性问题求解时，由于系数矩阵的病态性，需要正则化处理才能得到稳定解。Tikhonov方法因为易于实现而应用广泛，但在用Tikhonov方法正则化时涉及到正则化参数的选择，它对重构图像的质量影响很大，至今还没有通用的方法确定。本研究在大量试验的基础上，提出一种新的选择正则化参数的方法，充分利用了重构图像的误差的范数与正则化解的范数的乘积的变化规律i所得的重构图像具有较好的空间分辨率。     

电阻抗成像技术

介绍了一种新的医学图像重建技术--电阻抗成像技术(EIT).EIT依据生物组织不同部位的导电参数(电阻率、介电常数/电容率)以及同一部位在正常和病变时导电参数的变化来判断疾病的源.EIT设备通过对体组织表面电流、电压的施加及测量来获知体组织内部导电参数的分布,并重建出反映体组织内部的图像.详细分析了EIT成像中遇到的关键问题以及现有的主要应对方法,列举了EIT技术在临床医学上的应用现状,同时对EIT在技术和临床上的发展趋势进行了展望.     

一种改进的动态电阻抗断层成像反投影算法

介绍了一种改进的动态电阻抗断层成像等位线反投影算法 ,对等位线反投影算法中的反投影矩阵 B的计算方法进行了改进 ,用改进的等位线反投影算法实现了动态图像重建 ,并与传统等位线反投影算法重建图像进行比较。结果表明 ,改进的等位线反投影算法可以更好的对目标进行定位 ,而且速度快 ,重建图像分辨率也有所提高。     

基于L_P范数的磁感应断层成像图像重建算法

磁感应断层成像(MIT)图像重建是一个典型的病态问题,且其数值解不稳定。为了改善解的病态性而又能提高重建图像的质量,本文在变差正则化算法的基础上提出一种新的基于LP范数的变差正则化算法。该算法不仅有效地克服了MIT重建图像数值解的不稳定性,还提高了重建图像的质量,增强了重建图像的空间分辨能力。仿真实验结果表明,该算法所获得的重建图像质量好于Tikhonov正则化算法和变差正则化算法,为MIT提供了一种新的有效方法。     

一种新的电阻抗成像算法--直接寻找法

提出一种可以用于电阻抗成像中的直接寻找法,它是建立在一些先验知识的基础上,定位阻抗突变区域并求解其阻抗.仿真的结果表明该方法可以有效的定位阻抗突变区域,并可求得其阻抗值.     

基于人体结构先验信息的胸部电阻抗成像方法

电阻抗成像(EIT)技术对于人体胸腔病理变化及肺部检测具有重要的临床价值。由于胸部轮廓具有特异性,传统模型成像方法误差较大。提出一种基于人体结构先验信息的胸部电阻抗成像方法,通过对CT图片进行图像处理来提取胸部及肺部轮廓,为正问题和逆问题提供图像边界的先验信息,同时基于边界先验信息提出一种有效的图像逆问题剖分方法,使重建图像形状更接近真实情况,改善成像效果。为进行有效性验证,从某医院CT数据库中选取30张肺部健康的人体CT图像,对于所提出的方法与两种传统模型成像方法(基于椭圆形模型和基于圆形模型的成像方法),分别就其肺部区域比例(LRR)与真实值以及所产生的相对误差进行统计学对比分析。结果表明,所提出方法的LRR与真实值之间无显著性差异,其相对误差(3.71%±1.77%)显著小于基于椭圆形模型(10.29%±3.30%)和基于圆形模型(12.74%±2.87%)这两种成像方法(P<0.05),能有效提高成像质量。     

人体肺功能生物电阻抗成像技术

研究的目的在于改进生物电阻抗（EIT）重建图像质量方法。首先,采用自适应多重网格法,依据后验误差的估计,基于自适应网格剖分加速线性方程组的求解,并根据多重网格算法细分相关场域,获得圆形场域的人体呼吸过程图像;然后,研究结合先验知识的图像重建算法,根据肺部组织结构及阻抗特性,采用有限元仿真软件COMSOL求解正问题,获取融合先验知识的灵敏度系数矩阵。人体肺呼吸功能实时成像结果表明,即使采用较少的网格单元,仍可获得较高精度的正问题解,具有较高的图像质量。     

用组合变尺度法求解电阻抗成像问题

本文研究了用于电阻抗成像（ＥＩＴ）图像重建的快速计算梯度向量的方法，在此基础上提出了实现ＥＩＴ的一种新的图像重建算法，即组合变尺度法。该算法的突出优点是与初始值选取无关、计算量小、具有整体收敛性、并具有较高的收敛速度。尤其当电极个数和像素个数增加时，它的计算量的增长速度较其他常用算法要慢得多。     

基于Deep CG的肺部电阻抗成像方法

针对电阻抗图像重建空间分辨率不足问题,基于深度学习理论提出一种共轭梯度快速预重建与深度堆栈式自编码器后处理的电阻抗成像方法(Deep CG)。该方法的核心思想是：融合数值重建算法与深度学习算法,使胸腔内肺部的结构和电导率分布更加精准。首先采用共轭梯度算法进行图像预重建,获得边界电压与胸腔内部电导率分布的预映射关系;再采用深度堆栈式自编码器,将编码和解码层级连接,充分利用不同空间特征信息,实现特征提取和图像重建;最后根据公开的80名临床患者的CT结构图像构建了数据集,采用混合式监督训练方法调参,不仅避免了深度网络中信息流和梯度流弥散问题,而且优化了算法模型。采用图像相对误差、相关系数进行量化指标评价,并与常用的数值图像重建算法和全连接神经网络模型进行对比。结果显示,Deep CG算法的比常用图像重建算法图像和全连接神经网络模型相对误差从0.50和0.24降低到0.11,相关系数由0.80和0.90提高到0.96。该方法获得了空间分辨率高,尤其边界更清晰的电阻抗图像,有望进一步推动EIT技术在临床的应用研究。     

一种有效的电阻抗成像的图像重建算法

电阻抗成像技术正取得进展,并开始用于人体诊断。电阻抗成像的优点是对人体无害及其硬件远比X射线层析成像(X-CT)低廉,是一项需引起重视的科研课题。 本文提供了一种基于低频电流场灵敏度矩阵研究的迭代方法作为图像重建算法,并取得了令人满意的计算机模拟结果。     

基于遗传算法的电阻抗图像重建

电阻抗图像重建是一个严重病态的非态线性的逆问题， Newton-Raphson迭代算法是目前理论上最为完善的静态电阻抗图像重建算法，它是一种基于最小化目标函数的搜索算法，在实际阻抗图像重建过程中对噪声非常敏感，即使使用正则化技术其稳定性和图像重建精度仍较差，本文提出一种基于遗传算法的图像重建新方法。实验结果表明这种方法具有较强的抗噪能力，其重建的静态电阻抗图像精度和空间分辨率都大大好于改进的Newton-Raphson重建算法。     

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GMRES和Tikhonov正则化的生物电阻抗图像重建算法

电阻抗层析成像(Electrical impedance tomography,EIT)是利用被测物体场内部电导率分布不均匀性,通过边界注入电流,测量边界电压变化,重构被测场内电导率分布图像。由于EIT测量数据有限,场域存在严重的非线性,导致问题的欠定性。我们介绍了一种新的组合算法,利用GMRES算法生成Krylov子空间,并结合Tik-honov正则化方法进行图像重建。该算法不仅改善了实时性,而且提高了成像质量及鲁棒性。     

电阻抗成像中变差正则化算法的研究

我们将变差函数作为罚函数项引入到电阻抗逆问题的正则化重构算法中，形成了变差正则化算法，与常用Tikhonov正则化算法不同，该算法在重构中不仅能够保证逆问题解适定，同时还能够很好地提高重构图像的对比度和锐度，使所得重构图像目标区域与背景区域之间边界更加清晰，定位更加准确，进而使EIT重构图像与医学图像更加吻合，对EIT成像技术早日走上实用化有积极意义。     

电阻抗断层成像应用基础与临床应用的一些研究进展

综述电阻抗断层成像(EIT)在应用基础和临床应用方面的一些研究进展。有针对性地深入研究生物组织的电特性,提取在细胞层次上发生的、与人体生理和病理状态相联系的功能性信息。介绍用于脑、腹部渗血检测与监护,区域性肺功能成像,胃动力检测与评价,以及乳腺肿瘤早期发现等实用化的EIT方法。对未来进行展望,提出在EIT方法学研究不断深入和发展的基础上,进行有确定目标的应用基础研究和临床应用研究。     

一个基于物理模型的生物电阻抗断层成像系统的研究

电阻抗断层成像(electrical impedance tomography,EIT)是以目标体内电阻抗的分布或变化为成像对象的一种新型成像技术.它具有简便、无创、造价较低的优势,并具有功能成像及动态图像监护的优点.我们设计了基于物理模型的EIT系统,该系统由硬件系统和软件系统组成.硬件系统由32电极、物理模型、恒流驱动模块、信号检测模块、数据采集模块、驱动及测量模式设置模块、多组电源模块以及计算机等组成.我们主要在图像重构模式和算法方面进行了研究,实现了等位线反投影动态重构算法法并提出了广义逆动态重构算法.应用该系统在物理模型上得到了较好的结果.