提高电阻抗成像图像重建质量的方法研究.pdf

摘要

电阻抗成像(ElectricalImpedanceTomography，EIT)技术是一种通过向被测物体注

入电流，获取边界电压，进而重建被测物体内部电导率分布的新型成像技术。因非侵

入、安全性高、低功耗、快速响应等特点，EIT在生物医学领域展现出广阔的研究价值

和应用前景。然而，该技术目前还面临着如下问题：(1)EIT逆问题的求解具有病态性、

非线性等特点，使得重建图像空间分辨率不高。Tikhonov正则化算法由于求解过程稳

定，常被用于逆问题的计算。然而，基于该方法的图像重建会出现较平滑的解，导致

重建目标物边界模糊、对比度低。(2)为了减少测量噪声和建模误差的影响，EIT图像

重建多采用差分成像方式。而基于该方式的图像重建过程涉及到参考电压的获取，否

则无法进行图像重建。针对上述两个问题，本文开展了以下工作：

(1)针对Tikhonov正则化算法重建图像空间分辨率不高的问题，提出了Tikhonov-

迭代去噪混合成像方法，对简单圆域颅脑模型下电导率分布图像重建进行研究。该方

法通过引入模糊算子对重建图像进行改善，使用交替最小化方法对优化问题进行求解，

并引入快速傅里叶变换加快计算速度。为了验证该方法的有效性，分别进行了数值模

拟仿真和物理模型实验，并与基于Landweber、Newton-Raphson和Tikhonov方法重建

的图像进行比较。此外，通过计算模糊半径(BlurRadius，BR)和结构相似度(Structural

Similarity，SSIM)进行定量分析。结果表明，所提方法优于Landweber、Newton-

Raphson和Tikhonov方法，能够有效地提高重建图像质量。

(2)针对采用差分方式的图像重建需要获取参考电压的问题，提出了一种基于全连

接神经网络(FullyConnectedNeuralNetwork，FCNN)预测参考电压的方法，对多层复杂

颅脑模型中图像重建所需的参考电压进行计算。该方法与深度学习相结合，建立起当

前状态与参考状态之间的端到端映射，进而实现对参考电压的预测。为了验证所提方

法的实际效果，对无噪声条件下、不同信噪比条件下以及头皮、颅骨和脑组织电导率

分别变化情况下展开了研究，并采用L1正则化方法进行图像重建，通过计算BR值和

相似系数(CorrelationCoefficient，CC)进行定量评价。结果表明，所提方法能较好地预

测颅脑参考电压，可以为脑部疾病监测提供帮助。

关键词：电阻抗成像，图像重建，混合方法，参考电压

ABSTRACT

Electricalimpedancetomography(EIT)isanewimagingtechnology.Theboundaryvoltagecan

beacquiredwhencurrentisinjectedintothemeasuredobjectbasedonwhichtheinternalconductivity

distributionisreconstructed.Duetothecharacteristicsofnon-invasiveness,highsecurity,lowpower

consumptionandfastresponse,EIThasshownbroadresearchvalueandapplicationprospectinthe

biomedicalfield.However,thefollowingproblemsarerequiredtobesolved:(1)Theinverseproblemof

EITisill-posedandnonlinear,whichmakesthespatialresolutionofreconstructedimageslow.Tikhonov

regularizationisoftenu