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.     

注入电流式磁声成像的实验研究

磁声成像技术结合了超声成像和电阻抗成像的优点,是一种高分辨率、高对比度的新型无损功能性医学成像技术,能够实现对人体疾病的早期诊断.本文对注入电流式磁声成像方法进行实验研究,建立了注入电流式磁声成像实验装置,以金属铜环作为目标,将其置于静磁场中并加载脉冲电流,对磁声耦合作用下产生的声信号进行检测和分析.利用所检测到的声信号重建铜环模型的声源分布图像,重建的声源分布图像能够反映成像样品的电导率分布.所进行的研究证明,注入式磁声成像能够获取被成像样品的电导率分布特征,研究结果为该方法用于复杂电导率分布模型成像以及以后真实组织成像的研究奠定了基础.     

基于结构先验信息的磁探测电阻抗成像算法研究

为了提高磁探测电阻抗成像中图像分辨率,提出了一种基于结构先验信息的磁探测电阻抗成像算法。通过水平集方法对预处理后CT图像进行分割,获得结构先验信息图像;进而建立模拟肺水肿病变的仿真模型,并结合灵敏度矩阵算法进行重建,获得MDEIT重建图像。仿体实验结果表明:基于结构先验信息的磁探测电阻抗成像算法减少了重建图像的伪影,使重建的电导率图像相对误差从88.47%减少到33.39%;图像相关系数也从0.33提升到0.81,验证了基于结构先验信息的磁探测电阻抗重建算法,在重建图像结构和电导率重建数值精度方面相比传统重建算法都有了显著提高,为磁探测电阻抗成像的临床应用奠定了基础。     

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。     

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。     

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.     

一种基于 U 2 -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U~2-Net深度学习模型的新型电阻抗图像重建方法。首先,以U~2-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U~2-Net的输入层结构简单,运算速度快;其次,使用仿真数据集对该网络进行训练,使用验证集选择最优的模型参数,结果表明,提出的算法测量精度高、鲁棒性好,在仿真数据集的表现优于其他算法。最后,提出一种新的EIT成像质量评价指标:中心和面积误差(CAE)用于验证算法在实验中的表现,实验结果表明,所提算法的CAE为4.975,对于目标物的中心和面积预测更为准确,成像效果优于其他对比算法。     

自适应Radon单像素成像

使用单像素探测器实现成像需要大量采样。对于目标区域仅占场景一部分的情况时,我们提出了自适应Radon单像素成像方法,能够使用单像素探测器实现目标区域的定位和成像。本文对该方法的目标定位方式、编码采样算法、重建算法等进行研究,以减少单像素成像的采样数量。基于Radon变换的基本原理,使用图像在水平和垂直方向的投影信息,以获取场景中目标区域的大小和位置。建立自适应Radon-Hadamard单像素成像模型,仅对目标区域进行单像素采样,然后使用滤波反投影技术重建目标区域。研究结果表明:所提出的自适应Radon单像素成像方法能够实现对场景中目标区域的成像,采样数量远低于重建图像的分辨率,重建图像的结构相似性系数大于95%,有效的提高了单像素成像方法的成像效率。     

基于数字处理的频差电阻抗成像系统设计

电阻抗成像(EIT)作为一种功能医学影像技术,可以反映组织功能的变化.在已有研究的基础上,开发一种体积小、功耗低、高速、频带宽、具有扫频和混频2种激励方式的电阻抗成像系统,应用于人体胸腹部疾病的早期筛查.该系统采用8×8电极阵列,用高性能FPGA为核心,使得激励源控制、数字频率合成、信号预处理、高速相敏检波、快速傅里叶变换解调测量信号等功能集成在单一的芯片中,减小了系统的复杂性,提高了可靠性和可移植性.在图像重构中,使用可靠性较高的正则化算法抑制电阻抗成像逆问题解的振荡,从而重建过程趋于稳定,提高了目标空间分辨率和成像深度.     

用于乳腺普查的电阻抗扫描系统的硬件设计

为实现可用于临床乳腺普查的电阻抗成像硬件系统,从临床普查角度出发分析硬件系统的设计要求,进行基于平板电极阵列方式的阻抗扫描成像硬件系统设计.建立了一个多频电阻抗扫描硬件系统,经定标电阻网络对系统的性能进行了评估,激励源输出幅值为1.0V时,幅度信噪比为80dB,相位噪声0.005°;相应采集信号幅度信噪比为60dB,相位噪声0.05°.系统可以识别1%的阻抗变化.物理模型实验表明,系统可识别2mm×2mm×2mm的高电导率目标体.硬件系统精度高,模型实验证明本系统满足临床乳腺检测的需要,但要在临床实验中进一步验证.