基于小波多分辨分析和LSQR的快速EIT图像重建算法

针对LSQR(least square QR-factorization)算法在求解电阻抗层析成像(electrical impedance tomography,EIT)逆问题时,由于矩阵维数高、计算量大而导致重建速度较慢的问题,提出基于小波多分辨分析的LSQR算法(wavelet multi-resolution based least square QR-factorization,WALSQR)。该方法将EIT的图像重建过程投影到低维的尺度空间进行,通过提取有效信息减少数据计算量,明显提高了图像重建速度。同时由于去除了噪声和冗余信息,保证了成像质量。本文将SALSQR方法分别应用于二维、三维EIT成像实验,证明其有效性,并为三维动态EIT图像重建算法的研究奠定了基础。     

肺部电阻抗成像电极阵列优化方法研究

肺部电阻抗层析成像(EIT)电极阵列的设计是影响系统性能与成像效果的关键因素之一,目前多在规则形状物场、等 间距分布的前提条件下对电极阵列进行优化,却并不适用于肺部不规则边界的情况。 本文提出基于深度学习的肺部电阻抗层 析成像电极阵列优化方法,以电极位置为优化目标,以重建图像相对误差、图像相关系数、敏感场分布的均匀性以及敏感场 Hessian 矩阵的条件数为网络输入,以阵列电极位置为网络输出,基于 DNN 网络构建优化模型。 实验结果表明,在呼气末和吸 气末两种状态下,与传统的电极阵列均匀分布方法相比,基于深度学习的肺部 EIT 电极阵列优化方法将重建图像相关系数 (image correlation coefficient,ICC) 分别提高了 33. 17%、33. 86%,结构相似度( structural similarity,SSIM) 分别提高了 14. 5%、 14. 39%,峰值信噪比(peak signal-to-noise ratio,PSNR)分别提高了 26. 3%、28. 27%。 因此可以得出结论,与传统方法相比基于深 度学习的 EIT 电极阵列优化方法更适用于肺部 EIT 成像。     

基于形状的CT图像断层间数据插值算法

CT脑血管三维重建图像都是源自二维断层扫描,由于二维断层扫描图像是对一定厚度的三维物体在二维平面上的断层投影,在目前的技术水平下,相邻两断层图像间的扫描距离要大于同一断层中解剖组织相邻像素间的图像显示距离.为保证三维重建图像的质量,在研究了CT脑血管二维图像特征后,提出了一种新的基于形状和基于灰度的图像断层间数据插值算法,并取得了较理想的实验效果.     

EIT重建算法中Jacobi矩阵的计算及仿真

电阻抗断层成像(EIT)技术充分利用人体阻抗所携带的丰富的生理和病理信息实现功能成像.EIT图像重建是一个严重病态的非线性的逆问题,属于EIT技术的关键和难点.在简介EIT系统及工作原理的基础上,主要研究EIT重建算法中Jacobi矩阵的计算及仿真.根据有限元模型上电极的位置和编号不同得到的矩阵也不同,从EIT计算量的角度出发,重点分析了EIT反问题中雅克比矩阵的计算方法.从Newton-Raphson导出雅克比的计算公式,利用标准求导法大大降低了计算时间.最后给出了雅克比矩阵的计算仿真和相关比较.     

基于多层人工神经网络的电阻抗成像算法

电阻抗成像(electrical impedance tomography,EIT)作为一种非侵入式的医学成像技术,其重建过程是一个难以计算的病态逆问题.为了保证EIT成像精度并提高运算速度,设计了基于多层神经网络(multilayer artificial neural network,MANN)的电阻抗成像逆问题求...     

动态电阻抗成像时空相关性重建方法研究

电阻抗成像(electrical impedance tomography,EIT)常用于监测物场中介质分布的动态变化。对于动态EIT系统,传统成像算法以牺牲图像质量为代价,提高成像速度。利用测量数据序列的时间、空间特性,改善重建图像质量,建立了基于时间-空间相关性的动态EIT成像数学模型,将动态阻抗图像序列的低秩特性引入到目标函数中。采用增广拉格朗日乘子(augmented Lagrange multiplier,ALM)法对模型进行求解。仿真和实验结果证明新方法能够在改善重建图像质量的同时提高成像速度,从而表明新方法的有效性。     

生物电阻抗断层成像技术及其临床研究进展

生物电阻抗断层成像技术(EIT)是一种无创无放射损伤的功能成像技术。它通过体表电极测量得到的信号重构出内部电阻抗或电阻抗变化的分布。EIT首次出现于20世纪80年代,经过30多年的发展,其基础理论、信息采集、图像重构等方面已得到较大完善,并已过渡到临床研究阶段。该技术在乳腺癌检测成像、腹部脏器功能监测成像、呼吸功能监测成像、脑功能成像等领域得到了广泛关注和快速发展。为此,简述了生物EIT的发展状况,重点介绍了最新的相关临床应用,并提出了有关研究所面临的难点和挑战。     

基于磁共振电阻抗成像技术的3维脑病变检测仿真

为避免成像物体在核磁共振成像系统(MRI)实际操作中的旋转难题,基于微分进化思想提出了一种3维磁共振电阻抗成像算法(MREIT),并采用单方向磁感应强度"测量值"在3维真实头模型上进行了仿真验证研究。结果表明:该算法可以对病变的真实头模型进行阻抗图像重构,且计算值和理论值之间的相对误差5%,具有较高的成像精度和空间分辨率;实时调整参数因子以适应算法,可以缩短重构时间,加快算法收敛性。因此改进后的算法具有很好收敛性,且成像质量较高,在临床应用上具有一定的可行性。     

基于均值点展开的单变元降维法在EIT不确定性量化研究中的应用

在电阻抗成像(EIT)技术中,介质参数的不确定性会对正问题计算产生影响,进而影响图像重构,因而,对EIT介质参数不确定性量化的研究具有重要的意义.采用四层同心圆模型和二维圆模型作为仿真算例对EIT正问题进行研究,将电导率分布参数作为无相互作用的随机输入变量,使其服从随机均匀分布,基于均值点展开的单变元降维法(UDRM)计算得到边界电极电压的均值、标准差和概率分布等相关统计信息,分析电导率的不确定性对模型输出边界测量电压的影响,并与蒙特卡罗模拟(MCS)法、混沌多项式展开(PCE)法仿真结果进行比较.结果表明,UDRM能够准确高效地处理低维不确定性问题,且在处理高维不确定性问题时能有效缓解"维数灾难"问题.     

基于改进L1/2正则化的电阻抗层析成像

碳纤维复合材料的结构安全健康检测至关重要。电阻抗层析成像技术利用碳纤维复合材料的导电特性,可实现对其结构损伤检测。此技术具有成本低、非侵入和操作简便等优点,近年来成为广大学者的研究热点。在EIT的图像重构过程中存在着严重的病态性问题,本文提出了一种改进L1/2正则化算子的电阻抗层析成像算法。该方法采用L1/2范数构建稀疏正则化罚函数,通过布雷格曼交替方向乘子法的迭代算法对新目标函数进行求解,提高算法的性能。为验证算法有效性,使用COMSOL软件设计四种典型CFRP层合板损伤类型并搭建16电极EIT测试系统验证。仿真与实际实验结果表明,与其它算法相比,采用BADMM迭代算法求解L1/2正则化方法提高了图像相关系数,降低了图像误差,有效改善了重建图像的精度,且该方法对噪声具有较强的鲁棒性。     

In vivo imaging of cardiac related impedance changes

Electrical impedance tomography (EIT) produces cross-sectional images of the electrical resistivity distribution within the body, made from voltage or current measurements through electrodes attached around the body. The authors describe a gated EIT system to image the cardiogenic electrical resistivity variations and the results of in vivo studies on human subjects. It is shown that the sensitivity of EIT to tissue resistivity variations due to blood perfusion is good enough to image blood flow to the lungs; hence, abnormalities in pulmonary perfusion, such as pulmonary embolism, should appear in EIT images. In addition, more valuable information related to the cardiac activity can be gained from EIT images than from impedance cardiography. It is thus likely that a cardiac output index may be calculable from the average resistivity variations over the ventricles, but considerable research is required before the images can be understood in detail.     

基于S-PNet 的触觉电阻抗成像后处理算法研究

电阻抗成像技术(EIT) 因其非侵入式的特性为机器人柔性触觉传感器的压力点分布可视化提供了一种可行的方法。 然而EIT 逆问题具有高度的非线性和病态性,当多压力点相近时,重建图像的伪影会导致压力点间存在粘连。为解决上述问 题,提出一种由特征提取、特征重建以及加强特征提取3个模块构成的S-PNet 电阻抗成像后处理算法,实现对粘连压力点的 分割以及形状重建。该算法使用金字塔池化结构加强特征提取,在增加极小计算量的情况下,能够提取到区分相近压力点边 界的多尺度特征。采用均方根误差(RMSE) 和结构相似度(SSIM) 来评价后处理图像质量,实验得出RMSE 的平均值为 0.02,SSIM 的平均值为0.97。仿真与实测结果均表明,与现有算法相比,基于S-PNet 的后处理算法能够得到边界清晰且形 状准确的结果。     

应用插值滤波反投影快速重建300MW电站锅炉准三维温度场

基于辐射传递模型和投影重建技术的图像法温度场测量为研究电站锅炉燃烧工况的变化，进行燃烧诊断提供了新的手段。针对现有温度场重建算法无法满足实时在线监测的要求，提出了基于二元矩形插值公式的滤波反投影重建算法，通过对火焰图像中获取的投影数据进行插值后滤波反投影得到三维辐射强度分布切片，校正后的比色法测温公式被用来计算断面内各点的温度值，最后通过OpenGL技术将各断面的温度显示在三维坐标中。该算法降低了温度场重建的时间复杂度，从现场300WM电站锅炉的实际测试，达到了现场在线监测的要求。     

基于二元模型的电阻抗成像方法

建立了一种双模型电阻抗成像系统,旨在解决一元模型电阻抗成像系统中耗时较多的问题。基于精细化三维圆柱体模型进行电阻抗正问题分析,采用粗梳三维圆柱体模型进行逆问题求解。在双模型成像系统中,基于稀疏矩阵建立映射公式实现粗疏有限元单元和精细有限元单元的匹配和转换。通过计算机仿真,在该系统中运用基于修正的Laplace Guass‐New ton重建算法可以得到相应的阻抗重建图像,实验结果验证了双模型系统的正确性和可行性。     

基于椭圆几何模型的胸部电阻抗成像

电阻抗成像技术是通过测量生物体表面电压,计算生物体横截面的电阻抗分布。由于生物体的边界形状是各异的,尤其在胸部应用中,建立不同边界形状会影响成像的精度和清晰度,所以构建合适的边界形状是求解EIT问题的前提。根据实际视觉效果,椭圆几何比较符合胸部边界形状,由于圆形几何的构建和有限元划分相当成熟,本文通过保角变换方法将圆形转换为椭圆几何,并分别进行两种几何与原始胸部形状的分析比较,实验结果表明,在求解正问题时建立椭圆边界形状分析胸部结构精度高,在求解逆问题时重建误差小。     

基于三维重建的绝缘子爬电距离计算方法

提出了一种基于三维重建技术计算绝缘子爬电距离的方法.该方法首先在KinectFusion算法框架下获得三维体素网格的有向距离函数(TSDF)数据,然后在对称切割所得的二维截面中提取表示爬电距离的有效轮廓点,最后遍历有效轮廓点计算爬电距离.其创新点在于构建绝缘子的三维模型,将形状不规则的实物转化成体素进行计算处理.实验证明该方法既快又准,平均误差为2.7％,节省了制作人员和测量人员的时间,同时避免了由于结果不准确而进行的反复测量.     

Noninvasive Imaging of Head-Brain Conductivity Profiles

Magnetic resonance electrical impedance tomography (MREIT) is a recently introduced noninvasive conductivity imaging modality, which combines the magnetic resonance current density imaging (MRCDI) and the traditional electrical impedance tomography (EIT) techniques.MREIT is aimed at providing high-spatial-resolution images of electrical conductivity because it avoids solving the well-known ill-posed problem in the traditional EIT. In this article, we review our research activities in MREIT imaging of head?brain tissue conductivity profiles. We have developed several imaging algorithms and conducted a series of computer simulations for MREIT imaging of the head?brain tissues. Our work suggests that MREIT brain imaging may become a useful tool in imaging conductivity distributions of the brain and head.