基于反投影的MIT动态图像重建方法研究

磁感应断层成像(magnetic induction tomography,MIT)是一种无创、非接触的新型医学成像技术,图像重建算法是实现MIT快速、精确成像的关键.提出一种改进的反投影图像重建算法,首先根据成像区域的磁场分布,由磁力线确定反投影路径,降低了直线反投影用于磁场成像的定位误差;其次根据MIT电磁关系推导,构建了边界检测数据的修正模型,据此对边界相位差数据进行修正处理,进一步提高了重建图像定位准确性;最后分别对成像区域内扰动目标电导率大小变化及位置变化2种情况,构建了序列重建图像,对该图像序列联合分析获取纵向阻抗变化信息,反映了成像体随时间变化的动态信息.实验结果表明该算法具有重建速度快、定位准确的特性,能够准确反映成像区域内部电导率变化,结合序列图像联合分析实现MIT动态成像.     

基于互易原理磁感应成像中灵敏度矩阵的计算

磁感应成像(MIT)是一种利用线圈传感器重建所测物体内部电导率分布的成像方法.MIT中的灵敏度矩阵为所测感应电压对物体电导率变化的函数,是反演成像的关键.基于有限元方法和互易原理,提出一种有效计算MIT灵敏度矩阵的方法,在所建立测量模型基础上,运用该方法进行了实验与分析.实验结果表明,该方法可以快速求解MIT中的灵敏度矩阵,应用在高斯一步牛顿算法中可以实现图像重建,为MIT逆问题提供了更有效的解决方案.     

MIT中反投影矩阵的计算与数据处理方法

反投影算法是磁感应断层成像技术(MIT)中一种有效的图像重建算法.该算法中反投影矩阵的计算与检测数据的处理是提高重建图像质量的关键.依据磁感应断层像原理,提出了一种有效的MIT反投影矩阵计算方法和检测数据的处理方法.在所建立的仿真模型和实际模型基础上,分别运用该方法进行了图像重建实验与分析.实验结果表明,该方法应用在反投影算法中可以实现MIT图像重建.重建图像能准确反映成像区域内部电导率变化,具有较高分辨率,扰动目标定位准确,形状信息清晰可见.进而验证了该方法的可靠性和有效性.     

基于滤波反投影的脑磁感应迭代重建算法研究

颅脑磁感应断层成像技术(BMIT)是一种非接触、无创的新兴颅脑医学成像技术,图像重建算法是提高重建图像质量的关键。依据BMIT反投影算法和迭代算法,设计出一套基于滤波反投影的脑磁感应迭代重建方法。首先根据滤波反投影重建算法原理,给出初始电导率分布,其次基于电导率变化敏感性加权计算滤波反投影矩阵,最后利用一步牛顿迭代构成滤波反投影迭代重建算法,通过设置理想条件数G来修正Hessian矩阵,改善重建过程的病态程度,并对待重建数据进行标准化位置校正处理。实验结果表明,该算法成像速度快,重建出的图像具有较高分辨率,能够准确反映成像区域内仿真病变的大小及位置信息,且轮廓清晰,为颅脑磁感应断层成像技术应用于临床监护奠定了基础。     

一种基于U2-Net模型的电阻抗成像方法

电阻抗成像(EIT)是一种实现场域内电导率分布情况图像重建的成像技术.传统的电阻抗成像算法成像精度较低,为解决此问题,提出一种基于U2-Net深度学习模型的新型电阻抗图像重建方法.首先,以U2-Net模型为基础,创新地提出了拼接层(CAT)的概念用于数据扩展,使得U2-Net的输入层结构简单,运算速度快;其次,使用仿真...     

基于逆问题的电磁成像图像重建算法

应用理论分析方法对电磁成像(EMT)简化传感模型的逆问题进行了求解,对得到的非线性数学方程进行数值计算和求解,完成图像重建算法的构建和图像重建的仿真.仿真重建结果说明了基于逆问题的图像重建算法是成功的.     

基于矩阵模型的感应式磁声重建算法

感应式磁声成像(MAT-MI)是一种融合磁感应技术和超声断层扫描技术的新型生物电阻抗成像方法,兼具电阻抗功能成像和超声技术高空间分辨率的优点.目前针对声源重建大都采用时间反转法,该方法存在的问题有:求导数后对数据噪声有放大作用;声压的边缘Gibbs效应导致重建图像的伪影重等.为此,本文对已有的格林函数积分解进行离散,提出一种矩阵投影格式,并在此基础上提出一种迭代求解的算法.为了验证新方法的正确性,我们使用电导率具有空间分布3Dphantom模型进行了数值模拟并获得了不同截面处的声压波形.最后使用本文提出的方法由获得的声压重建得到了高精度的声源分布和电导率分布.     

基于栈式自编码器的磁探测电阻抗成像算法研究

针对目前磁探测电阻抗成像算法图像重建分辨率不高、精确度低的问题,提出了一种基于栈式自编码(SAE)神经网络的磁探测电阻抗成像算法。使用方形成像体进行仿真实验,通过训练样本建立SAE神经网络模型,确定神经元权重和偏置值。利用该网络模型重建成像体内部的电导率分布;并在异质体中心位置、算法的抗噪性能等方面将重建结果与基于Levenberg-Marquardt算法的反向传播神经网络的重建结果进行对比。结果表明栈式自编码神经网络算法显著提高了磁探测电阻抗成像的重建精度、抗噪性能。最后,通过仿体实验验证了SAE算法的可行性。根据实际测得的磁场,使用神经网络算法重建电导率,准确定位异质体位置。SAE神经网络算法的提出对于磁探测电阻抗成像技术的广泛应用具有重要意义。     

基于 V-ResNet 的电阻抗层析成像方法

电阻抗层析成像技术(EIT)因其非侵入和可视化等特性为人体肺部空间特性的监测提供了一种有效的方法。但是EIT的逆问题具有严重的非线性、病态性和欠定性,使得图像重建结果含有严重的伪影。针对上述问题,提出了一种由预映射、特征提取、深度重建以及残差去噪四个模块构成的V-ResNet的深度网络成像算法,实现对场域空间位置和电导率参数分布的重建。该算法有效地增加了前馈信息的多重传递并解决了深度网络的梯度消失问题,同时残差去噪模块有效地平滑了图像边界。采用相对误差(RE)和结构相似度(SSIM)来衡量成像质量,实验得出RE的平均值为0.14,SSIM平均值为0.96。仿真与实验结果表明,基于V-ResNet的成像算法与传统的成像算法相比,图像重建结果边界清晰,空间分辨率高。     

Application of particle filtering algorithm to image reconstruction of ECT

针对电容层析成像技术(ECT)的图像重建质量精度较低的问题,提出了一种基于粒子滤波的ECT图像重建方法.首先,分析了ECT图像重建基本原理,以系统状态估计的方式描述了ECT图像重建最优解的搜索过程,并建立了状态空间模型.然后,以线性反投影( LBP)算法的图像重建结果作为初始状态,利用测量信息对从状态空间中获取的随机样本进行最优加权,以获得重建图像的最小方差估计.最后,对5种不同的流型进行了仿真实验.实验结果表明,利用本文方法获得的重建图像误差平均值为42.93％,相关系数平均值为0.813 9,比LBP算法、Landweber迭代算法和IMN-SNOF算法得到的相应指标要好.本文方法是一种有效、精度较高的ECT图像重建方法,为ECT图像重建技术提供了新的途径和手段.