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。     

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。     

基于TwIST-TV正则化算法的肺萎陷电阻抗成像仿真研究

肺部电阻抗成像(EIT)通过配置于人体体表一组阵列电极,利用边界测量信息重建胸腔内部二维断面电导率分布,具有非侵入、无辐射等特点,可用于临床监护.针对EIT逆问题求解的欠定性和病态性,提出一种基于总变差正则化(TV)的两步迭代(TwIST)算法.该算法利用迭代引入TV去噪算子,达到解的双重正则化效果.通过仿真构建不同程度肺痿陷EIT模型,利用该算法进行呼吸状态差分图像再构;同时基于图像提出肺通气总量指数作为客观评价指标.结果表明,与传统Tikhonov正则化算法相比,该算法可达到较好的图像重建质量和鲁棒性,其相应肺通气量指数也更接近于仿真肺痿陷模型变化.从而验证了该算法用于临床肺痿陷EIT通气量监测的可行性.     

基于先验信息的肺部电阻抗成像算法

电阻抗层析成像 (EIT) 系统逆问题求解的欠定性是导致重构图像分辨率低的主要原因之一.结合先验信息,改善逆问题的不适定性,提高算法鲁棒性是提高成像质量可行的办法.本研究基于Tikhonov正则化算法,结合肺部组织结构、器官电导率分布参数以及肺部呼吸动态结构变化等先验信息,构建正则化矩阵,进行EIT图像重构.研究结果表明,结合先验信息的Tikhonov正则化图像重构算法减小了成像相对误差,改进了图像质量,EIT用于区域性肺部通气变化的检测和监护是可行的.