医学电阻抗成像究.pdfVIP

医学电阻抗成像研究 摘 要 电阻抗成像(Electrical Impedance Tomography—Eln是根据生物体内不同组 织以及组织在不同功能状态下具有不同电阻抗的原理，通过在生物体表面注入安 全电流(电压)，测量表面电压(电流)，重建生物体内部的电阻抗分布，从而反映 体内结构及组织器宫功能的新颖医学成像技术。由于电阻抗成像是一种功能成 像，而且对人体无害、使用方便且设备低廉。成为近来医学研究热点。 EIT图像重建是一个严重病态的非线性逆问题，克服EIT图像的病态性是EIT 技术的关键和难点，也是本课题的研究重点。本文主要由三个部分组成：首先， 简述EIT成像原理和数理模型，深入分析了重建图像的病态性；其次，从有限元 剖分模型和成像算法两个方面着手研究，提出有效遏制图像重建过程病态性的方 法；最后简要介绍本课题组设计研制的基于32电极的EIT成像系统，其中本人 负责计算机与数据采集系统之间的接口设计以及成像算法的实现。 论文的主要成果包括： 一、基于小波分析的有限元网格自适应剖分算法 E1T正问题求解是EIT图像重建的前提和基础，有限元网格剖分是EIT正问 题求解常用方法。传统静态EIT图像重建往往采用大规模的有限元剖分模型，该 模型在成像之初确定，在迭代成像过程中保持不变。实际上，初次剖分产生的模 型可能并不适于问题，由此引起的误差在整个求解过程中都无法消除，反而随着 迭代过程的进行不断扩散，造成不良的成像结果或导致算法发散。同时，由于有 限元剖分规模很大，使求解计算量庞大，病态性严重。为了降低有限元剖分规模， 遏制重建过程病态性，同时保证重建图像的精度和分辨率，本文第三章在分析有 限元剖分对图像重建的影响基础上，对EIT静态成像提出了基于小波分析的有限 元网格自适应细分算法。该方法先采用均匀粗网格将分析区域离散化，而后在迭 代成像过程中根据成像中间结果的小波变换极值，选择局部区域进行网格细分， 在非均匀网格模型上重建图像，有针对性地提高了图像分辨率。实验证明该算法 减小了有限元剖分规模，降低了莺建过程的病态性，明显提高了成像质量和威像 效率。 二、基于L．曲线理论的Tikhonov正则化参数选取方法 EIT图像重建是病态逆问题，常用正则化处理遏制重建过程的病态性。本文 第四章针对动态成像提出了基于L一曲线理论的Tikhonov正则化参数确定方法。 该方法综合考虑了重建图像的误差和正则化解的光滑程度，以重构图像误差的范 数与正则化解的范数二者乘积为纵坐标，以正则化参数为横坐标，改变正则化参 数得到具有明显特征的曲线，根据曲线变化规律选择最佳正则化参数，由此重构 高质量的阻抗分布图像。为了在实际系统中有效地应用该方法，本文给出了快速 确定正则化参数的经验方法，实验证明了该方法的可行性和有效性。 三、基于多级BP神经网络的阻抗定位算法 在正则化处理中加入先验信息可有效提高重构图像质量。本文第四章提出了 基于多级BP神经网络的阻抗变化定位算法，建立了边界电压变化与内部阻抗变 化之间的非线性对应关系。根据边界电压变化，利用神经网络对阻抗变化进行有 效定位，将阻抗变化的位置信息作为先验信息用于正则化过程中，可以得到高分 辨率的重构图像。模拟实验证明该方法定位准确，利用先验信息得到的动态成像 具有较高的分辨率。 上述算法均用VC实现，并在实现过程中利用稀疏矩阵技术进行了处理。我 们以盐水槽为研究对象搭建了实验平台，在该平台上进行了一系列实验，实验结 果验证了成像系统的可行性和成像算法的有效性。该系统为我们最终研制应用于 临床的EIT成像系统奠定了基础。 关键词：电阻抗成像、图像重建、病态性、有限元、自适应加密、正则化、神经 网络 The Oil Electrical Medical Study Impedance Tomography Abstract Electrical isa