CN109662712A - 一种基于阻抗频谱约束的动态多频电阻抗断层成像方法 - Google Patents
一种基于阻抗频谱约束的动态多频电阻抗断层成像方法 Download PDFInfo
- Publication number
- CN109662712A CN109662712A CN201811589433.XA CN201811589433A CN109662712A CN 109662712 A CN109662712 A CN 109662712A CN 201811589433 A CN201811589433 A CN 201811589433A CN 109662712 A CN109662712 A CN 109662712A
- Authority
- CN
- China
- Prior art keywords
- volume fraction
- impedance
- frequency
- boundary voltage
- boundary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0536—Impedance imaging, e.g. by tomography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0531—Measuring skin impedance
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Molecular Biology (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Radiology & Medical Imaging (AREA)
- Signal Processing (AREA)
- Dermatology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Psychiatry (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Apparatus For Radiation Diagnosis (AREA)
Abstract
本发明属于电阻抗断层成像领域,具体涉及一种基于阻抗频谱约束的动态多频电阻抗断层成像方法,步骤1:在成像区域内进行有限面元剖分,确定成像域内的组织种类数和每种组织的频谱,建立体积分数和边界电压的关系模型;步骤2:采用不同频率的激励电流对成像区域边界处进行激励,测量每个频率下不同时刻的边界电压数据;步骤3:根据步骤1得到的体积分数变化和边界电压变化的关系构造逆问题目标函数并求解,得到成像区域内体积分数变化值;步骤4:将体积分数变化转化为阻抗变化并利用色阶表示在成像区域内,得到阻抗变化图像。本发明从增加观测数据量的角度提供了一种改善逆问题病态性的新方案,进而提高了重构图像的空间分辨率和抗噪能力。
Description
技术领域
本发明属于电阻抗断层成像领域,具体涉及一种基于阻抗频谱约束的动态 多频电阻抗断层成像方法。
背景技术
电阻抗断层成像技术通过安装在物体表面的电极对物体有规律地施加激 励电流,若物体内部存在阻抗变化,则会引起表面测量电极电压的变化。然后 基于有限元分析建立正问题模型,得到边界电压变化同成像域内阻抗变化的对 应关系,最后根据测量得到的边界电压变化结合相应重建算法可以获得物体内 部阻抗变化图像。在实际应用中,病态性严重是目前各种成像方法面临的主要 问题,病态性的实质是物体内部阻抗分布和表面测量电压之间存在非线性关系, 且为了获得数值解,需要对这种非线性关系进行离散化处理,而离散化处理存 在着一定的误差,这将导致实际测量电压即使存在一个很小的噪声都会导致内 部重构阻抗的剧烈变化,这非常不利于我们实现临床上连续动态的EIT监测。
申请号为:CN105232044A,名称为《一种自构造背景帧的电阻抗断层成像 方法》的专利提出利用动态成像对两帧测量数据求差来削弱噪声的影响以改善 病态性,但是该方法测量的数据远远小于待求数据,无法从根源上改善病态性, 图像的抗噪性能和空间分辨率较差。
申请号为:CN102894961A,名称为《一种多频电阻抗断层成像的谱成像方 法》的专利提出利用多频信息来做独立成分分析,但是该方法重构的是内部电 导率随频率的变化量Δδ并且是一个静态时刻下的频差成像,仍然无法从根源 上改善病态性,还不利于对疾病的实时监测。
发明内容
针对现有技术中存在的无法从根本上改善病态性问题和图像质量差的问 题,本发明提供了一种基于阻抗频谱约束的动态多频电阻抗断层成像方法,包 括如下步骤:
步骤1:在成像区域内进行有限面元剖分,确定成像域内的组织种类数, 获得每种组织的体积分数向量和阻抗频谱以及体积分数和阻抗的线性关系,建 立体积分数和边界电压的关系模型;
步骤2:采用不同频率的激励电流对成像区域边界处进行激励,测量每个 频率下不同时刻的边界电压数据,采用式(1)获得每个频率下的一组边界电 压差数据:
Δυi(t)=υi(t)-υi(1) (式1),
其中,υi(t)表示激励频率为ωi的不同时刻下的边界电压数据,i表示阻抗 频谱内的第i个频率,i≤I且I为正整数,t≥2,υi(1)表示激励频率为ωi的时 刻1下边界电压数据;
步骤3:根据步骤1的体积分数和边界电压的关系模型构造逆问题目标函数, 优化目标函数并利用逆问题方法得到体积分数变化的求解公式,将步骤2得到 的多个频率的边界电压差数据输入求解公式,得到成像区域内体积分数变化值;
步骤4:将步骤3得到的成像区域内体积分数变化值代入步骤1中得到的体 积分数和阻抗的线性关系,获得成像区域内的阻抗变化,将阻抗变化利用色阶 表示在成像区域内,得到阻抗变化图像。
进一步的,步骤1包括如下子步骤:
步骤1.1:在成像区域内进行有限面元剖分,得到多个面元,确定成像域 内的组织种类数,并设定每个面元内每种组织的体积分数值,获得体积分数矩 阵,将体积分数矩阵向量化得到体积分数模型;
步骤1.2:获得每种组织的阻抗频谱,结合步骤1.1获得的体积分数模型, 获得体积分数和阻抗的线性关系,如式2所示:
σ(ωi)=AiF (式2)
其中,σ是阻抗,ωi为阻抗频谱中第i个激励频率,Ai是ωi下的阻抗频谱构 成的系数矩阵,F是体积分数向量;
步骤1.3:将步骤1.2得到的体积分数和阻抗的关系结合阻抗变化和边界电 压变化的关系,得到如式3的体积分数变化和边界电压变化的关系:
JiAiΔF=Δυi (式3)
其中,Ji是ωi下的雅克比矩阵,ΔF是体积分数向量的变化量,Δυi是ωi下 的边界电压的变化量
一种基于阻抗频谱约束的动态多频电阻抗断层成像系统,包括多频数据采 集模块、体积分数构造模块、图像重构模块和图像输出模块;
所述多频数据采集模块包括电极、导联线、多路开关、频率控制器和通信 处理器;
所述体积分数构造模块包括体积分数模型器和通信处理器,该模块基于有 限元剖分构建待测体的体积分数模型,并向计算机输出该模型下体积分数变化 和边界电压变化之间的关系;
所述图像重构模块包括目标函数构造优化器、目标函数求解器、边界条件 限制器以及通信处理器,该模块利用体积分数构造模块输出的体积分数变化和 边界电压变化之间的关系构造一个目标函数并将之优化,然后将从计算机接收 的边界电压数据输入目标函数求解器求解体积分数变化,最后经过边界条件限 制,得到最终的体积分数变化值;
所述图像输出模块包括体积分数阻抗转化器、画图器、显示器以及通信处 理器,该模块用于接收计算机输出的体积分数变化并利用转化器将其转化成阻 抗变化并画图显示。
本发明具有以下技术效果:
(2)本发明从增加观测数据量的角度提供了一种改善逆问题病态性的新 方案,进而提高了重构图像的空间分辨率和抗噪能力;首先该方法根据组织的 频谱特性,构建体积分数模型,其次建立体积分数和边界电压之间的关系,最 终同时利用多个激励频率下的测量电压差数据重构一帧时差图像,以提高重建 图像空间分辨率并减少噪声带来的图像伪影。
(2)本发明的方案经仿真测试验证,对求解域内目标位置定位较传统阻 抗成像更准确,且具有更强的噪声抑制能力,有望对多频动态电阻抗断层成像 提供一个新的发展方向。
附图说明
图1是本发明的系统连接图;
图2是圆域有限元剖分模型和电极位置示意图;
图3是距圆域中心不同距离的四个目标示意图;
图4成像结果对比图;
图5是两组织的阻抗频谱特性;
图6是阻抗频谱构成的系数矩阵。
具体实施方式
一种基于阻抗频谱约束的动态多频电阻抗断层成像方法,包括如下步骤:
步骤1:在成像区域内进行有限面元剖分,确定成像域内的组织种类数, 获得每种组织的体积分数向量和阻抗频谱以及体积分数和阻抗的线性关系,建 立体积分数和边界电压的关系模型;成像区域一般指待观测的人体,具体取决 于成像目标所在部位,如果是肺部EIT,成像区域即肺部一横截面,具体即电 极放置的横截面,如果是脑部EIT,成像区域即脑部一横截面,具体即电极放 置的横截面;
步骤2:采用不同频率的激励电流对成像区域边界处进行激励,测量每个 频率下不同时刻的边界电压数据,采用式(1)获得每个频率下的一组边界电 压差数据:
Δυi(t)=υi(t)-υi(1) (式1),
其中,υi(t)表示激励频率为ωi的不同时刻下的边界电压数据,i表示阻抗 频谱内的第i个频率,i≤I且I为正整数,t≥2,υi(1)表示激励频率为ωi的时 刻1下边界电压数据;
其中,成像区域边界一般指待观测的人体表面,例如肺部皮肤或者脑部头 皮;
步骤3:根据步骤1得到的体积分数变化和边界电压变化的关系构造逆问题 目标函数,使得重构误差的二范数最小,优化目标函数并利用逆问题方法得到 体积分数变化的求解公式,将步骤2得到的多组边界电压差输入求解公式,得 到成像区域内体积分数变化值;
步骤4:将步骤3得到的成像区域内体积分数变化值代入步骤1中得到的体 积分数和阻抗的线性关系,获得成像区域内的阻抗变化,将阻抗变化利用色阶 表示在成像区域内,得到阻抗变化图像。
具体的,步骤1包括如下子步骤:
步骤1.1:在成像区域内进行有限面元剖分,得到多个面元,确定成像域 内的组织种类数,并设定每个面元内每种组织的体积分数值,获得体积分数矩 阵,将体积分数矩阵向量化得到体积分数模型;
步骤1.2:,获得每种组织的阻抗频谱,由于混合组分的阻抗可以表示成各 组分阻抗加权和的形式,结合步骤1.1获得的体积分数模型,获得体积分数和 阻抗的线性关系,如式2所示:
σ(ωi)=AiF (式2)
其中,σ是阻抗,ωi为阻抗频谱中第i个激励频率,Ai是ωi下的阻抗频谱 构成的系数矩阵如图6所示
F是体积分数向量,且F∈R(T*N)*1,其形式如下:
其中,fnj为面元n内第j种组织的体积分数值且n∈[1,N],j∈[1,T];
步骤1.3:将步骤1.2得到的体积分数和阻抗的关系结合阻抗变化和边界电 压变化的关系,得到如式3的体积分数变化和边界电压变化的关系,该关系是 不含噪声理想状态下的体积分数模型的离散正问题:
JiAiΔF=Δυi (式3)
其中,Ji是ωi下的雅克比矩阵,ΔF是体积分数向量的变化量,Δυi是ωi下 的边界电压的变化量。
优选的,成像种类包括:脑部电阻抗成像、肺部电阻抗成像,脑部电阻抗 成像包括的组织有:正常脑实质,缺血脑组织,出血脑组织,肺部电阻抗成像 包括的组织有:正常肺组织,充气肺组织,放气肺组织。
优选的,我们已知在传统阻抗重构时,不含噪声理想状态下的传统的离散 正问题即为所述阻抗和边界电压的关系:
JiΔσi=Δvi。
具体的,步骤2在成像区域边界水平放置16个电极,选择临近激励和对侧 测量模式,施加多个不同频率的激励频率,可得到多个频率下的边界电压数据, 再选取某一个时刻的边界电压数据作为背景帧,将任意时刻的边界电压数据和 背景帧作差可得到该时刻的边界电压数据的变化值。
具体的,步骤3包括如下子步骤:
步骤3.1:根据步骤1得到的体积分数变化和边界电压变化的关系构造目标 函数Φ使得重构误差的二范数最小,为了将I组边界电压差同时应用于一帧时 差成像,使得所有频率下的数据差二范数最小,目标函数Φ为:
其中,λ是正则化参数,R是正则化矩阵,ΔF体积分数变化向量,Δυ是任意 时刻和背景帧之间的边界电压差向量,S是组装矩阵内含有I个元素矩阵,每 个元素矩阵由每个频率下的雅克比矩阵和系数矩阵相乘得到,S形如:
步骤3.2:对目标函数Φ进行优化,使其满足:任何一个面元内所有体积 分数和为1,即并且任何一个体积分数值在[0,1]之间,即 得到优化后的目标函数Φ′;
步骤3.3:利用逆问题求解方法求解优化后的目标函数Φ′得到求解式,将
步骤2采集到的边界电压差Δυ输入求解式中,得到成像区域内T-1种组织的体 积分数变化ΔFT-1。
优选的,步骤3.3具体包括如下子步骤:
步骤3.3.1:设定体积分数初始分布
步骤3.3.2:采取Gauss-Newton方法得到目标函数的步进方向d;
步骤3.3.3:采取Brent线性搜索法寻找最佳的步进长度β;
步骤3.3.4:利用步骤3.3.2和步骤3.3.3得到的d和步进长度β求得当前时 刻计算体积分数分布令中每个元素大于等于0 小于等于1,得到当前时刻真实体积分数分布FT-1;
步骤3.3.5:利用FT-1减去得到区域内部体积分数变化量ΔFT-1。
一种基于阻抗频谱约束的动态多频电阻抗断层成像系统,包括多频数据采 集模块、体积分数构造模块、图像重构模块和图像输出模块。
所述多频数据采集模块包括电极、导联线、多路开关、频率控制器和通信 处理器;该模块按照计算机的指令利用导线向激励电极施加激励电流,并利用 测量电极采集边界电压数据,多路开关负责切换激励电极和测量电极而频率控 制器负责切换激励频率,最后将采集的多频边界电压数据传输给计算机控制模 块。
所述体积分数构造模块包括体积分数模型器和通信处理器,该模块基于有 限元剖分构建待测体的体积分数模型并向计算机输出该模型下体积分数变化 和边界电压变化之间的关系。
所述图像重构模块包括目标函数构造优化器、目标函数求解器、边界条件 限制器以及通信处理器,该模块利用体积分数构造模块输出的体积分数变化和 边界电压变化之间的关系构造一个目标函数并将之优化,之后利将从计算机接 收的边界电压数据输入目标函数求解器求解体积分数变化,最后经过边界条件 限制,得到最终的体积分数变化值。
所述图像输出模块包括体积分数阻抗转化器、画图器、显示器以及通信处 理器,该模块接收计算机输出的体积分数变化并利用转化器将其转化成阻抗变 化,最后画图显示。
以下给出本发明的具体实施方式,需要说明的是本发明并不局限于以下具 体实施例,凡在本申请技术方案基础上做的等同变换均落入本发明的保护范围。
仿真方案:
将采用包含两组织的单目标仿真,按照如下步骤实施:
(1)如图1设置两种阻抗频谱不同的组织,并选取其中的三个频点来进行 仿真,其中t1组织是背景,t2组织是目标。
(2)建立圆域仿真模型,基于VS2013平台对圆域进行有限元剖分,并在 圆域边界均匀设置16个电极如图1,得到体积分数成像仿真模型。
(3)所有面元的f1=1;f2=0(即所有面元被t1组织占据),得到初始 化向量F0。装配各个频率下的系数矩阵Ai并分别乘以向量F0得到该频率下的 阻抗向量σi。由正问题映射得到各个频率下的边界电压数据υi,组成背景帧数 据。
(4)在背景基础上设置成像目标其f1=0;f2=1(即所有面元被t2组织 占据),同(3)的方法生成前景帧数据。为了较好的测试该成像方法性能,施 例选取了4种测试目标,它们距离圆域中心距离不同,如图3。将前景帧数据和 背景帧数据做差分得到边界电压的变化量。
(5)分别用传统的阻抗成像方法和基于频谱约束的多频阻抗成像方法对 上述4种目标成像。
(6)对比两种成像方法下的重构图像质量,具体见图4,其中第一列是目 标真值图,第二列是传统阻抗成像方式下的重构图,第三列是基于频谱约束的 多频阻抗成像方法下的重构图。
实施例:
应用在脑部EIT时,步骤1:如图2-图5所示,首先假设三维区域Ω内含有T 种组织,分别为:t1……tj……tT,(j和T是正整数且j≤T)并获得这T种组织 的阻抗频谱,对Ω做有限元剖分,由于面元内的阻抗是连续一致的,得到阻抗 向量σi∈RN*1,其中N是剖分面元数,i是激励频率,RN*1是大小为N*1的矩阵, 在每个面元内设定每种组织的体积分数值,获得体积分数矩阵FM∈RT*N,其 中,RT*N为大小为T*N的矩阵,RT*N的列是面元n的各组织占比,且n≤N,行 是组织j在各个面元的占比,之后将FM按列向量化得到体积分数向量 F=vec(FM),F∈R(T*N)*1;
步骤2:在该三维区域中心水平面边界上等间距放置16个电极,任意时刻 采用I个激励频率激励电流,分别表示为ω1……ωi……ωI,其中,i、I均为 正整数且i≤I每个激励频率下可以得到一个边界电压向量υi∈RK*1,其中K是 一个激励频率下的所有边界电压值个数,将这I个边界电压向量纵向拼接可得 该时刻的边界电压向量υ(t),获得每个频率下的一组边界电压差数据如式(1) 所示:
Δυi(t)=υi(t)-υi(t0) (式1),
其中υi(t)表示激励频率为ωi的不同时刻下的边界电压数据,且t≥时刻2, υi(t0)表示激励频率为ωi的时刻1下边界电压数据;
步骤3.1:根据步骤1得到的体积分数变化和边界电压变化的关系构造目标 函数Φ使得重构误差的二范数最小,为了将I组边界电压差同时应用于一帧时 差成像,使得所有频率下的数据差二范数最小,目标函数Φ为:
其中,λ是正则化参数,R是正则化矩阵,ΔF体积分数变化向量,Δυ是任意 时刻和背景帧之间的边界电压差向量,S是组装矩阵内含有I个元素矩阵,每 个元素矩阵由每个频率下的雅克比矩阵和系数矩阵相乘得到,S形如:
步骤3.2:对目标函数Φ进行优化,在目标函数中替换使 其满足:任何一个面元内所有体积分数和为1,即对应的t1组 织通常是背景组织,在替换f1之后,未知数个数变小,所以待求的未知数由ΔF 变成ΔFT-1,此时将重构T-1种组织(f2……fj……fT)的体积分数变化量ΔFT-1, 相应的系数矩阵也变为A′;同时要对迭代结果施加边界条件,以保证FT-1中的 任何一个体积分数值在[0,1]之间,即得到优化后的目标函数Φ′;
步骤3.3:利用逆问题求解方法求解优化后的目标函数Φ′得到求解式,将 步骤2采集到的边界电压差Δυ输入求解式中,得到成像区域内T-1种组织的体 积分数变化ΔFT-1。
步骤4:将步骤3得到的成像区域内体积分数变化值代入步骤1中得到的体 积分数和阻抗的线性关系,获得成像区域内的阻抗变化,将阻抗变化利用色阶 表示在成像区域内,得到阻抗变化图像,如图4所示。
Claims (3)
1.一种基于阻抗频谱约束的动态多频电阻抗断层成像方法,其特征在于,包括如下步骤:
步骤1:在成像区域内进行有限面元剖分,确定成像域内的组织种类数,获得每种组织的体积分数向量和阻抗频谱以及体积分数和阻抗的线性关系,建立体积分数和边界电压的关系模型;
步骤2:采用不同频率的激励电流对成像区域边界处进行激励,测量每个频率下不同时刻的边界电压数据,采用式(1)获得每个频率下的一组边界电压差数据:
Δυi(t)=vi(t)-vi(1) (式1),
其中,υi(t)表示激励频率为ωi的不同时刻下的边界电压数据,i表示阻抗频谱内的第i个频率,i≤I且I为正整数,t≥2,υi(1)表示激励频率为ωi的时刻1下边界电压数据;
步骤3:根据步骤1的体积分数和边界电压的关系模型构造逆问题目标函数,优化目标函数并利用逆问题方法得到体积分数变化的求解公式,将步骤2得到的多个频率的边界电压差数据输入求解公式,得到成像区域内体积分数变化值;
步骤4:将步骤3得到的成像区域内体积分数变化值代入步骤1中得到的体积分数和阻抗的线性关系,获得成像区域内的阻抗变化,将阻抗变化利用色阶表示在成像区域内,得到阻抗变化图像。
2.如权利要求1所述的基于阻抗频谱约束的动态多频电阻抗断层成像方法,其特征在于,步骤1包括如下子步骤:
步骤1.1:在成像区域内进行有限面元剖分,得到多个面元,确定成像域内的组织种类数,并设定每个面元内每种组织的体积分数值,获得体积分数矩阵,将体积分数矩阵向量化得到体积分数模型;
步骤1.2:获得每种组织的阻抗频谱,结合步骤1.1获得的体积分数模型,获得体积分数和阻抗的线性关系,如式2所示:
σ(ωi)=AiF (式2)
其中,σ是阻抗,ωi为阻抗频谱中第i个激励频率,Ai是ωi下的阻抗频谱构成的系数矩阵,F是体积分数向量;
步骤1.3:将步骤1.2得到的体积分数和阻抗的关系结合阻抗变化和边界电压变化的关系,得到如式3的体积分数变化和边界电压变化的关系:
JiAiΔF=Δυi (式3)
其中,Ji是ωi下的雅克比矩阵,ΔF是体积分数向量的变化量,Δυi是ωi下的边界电压的变化量。
3.一种基于阻抗频谱约束的动态多频电阻抗断层成像系统,其特征在于:包括多频数据采集模块、体积分数构造模块、图像重构模块和图像输出模块;
所述多频数据采集模块包括电极、导联线、多路开关、频率控制器和通信处理器;
所述体积分数构造模块包括体积分数模型器和通信处理器,该模块基于有限元剖分构建待测体的体积分数模型,并向计算机输出该模型下体积分数变化和边界电压变化之间的关系;
所述图像重构模块包括目标函数构造优化器、目标函数求解器、边界条件限制器以及通信处理器,该模块利用体积分数构造模块输出的体积分数变化和边界电压变化之间的关系构造一个目标函数并将之优化,然后将从计算机接收的边界电压数据输入目标函数求解器求解体积分数变化,最后经过边界条件限制,得到最终的体积分数变化值;
所述图像输出模块包括体积分数阻抗转化器、画图器、显示器以及通信处理器,该模块用于接收计算机输出的体积分数变化并利用转化器将其转化成阻抗变化并画图显示。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811589433.XA CN109662712B (zh) | 2018-12-25 | 2018-12-25 | 一种基于阻抗频谱约束的动态多频电阻抗断层成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811589433.XA CN109662712B (zh) | 2018-12-25 | 2018-12-25 | 一种基于阻抗频谱约束的动态多频电阻抗断层成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109662712A true CN109662712A (zh) | 2019-04-23 |
CN109662712B CN109662712B (zh) | 2021-09-03 |
Family
ID=66146840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811589433.XA Active CN109662712B (zh) | 2018-12-25 | 2018-12-25 | 一种基于阻抗频谱约束的动态多频电阻抗断层成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109662712B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109758149A (zh) * | 2019-01-18 | 2019-05-17 | 中国人民解放军第四军医大学 | 一种结合时差成像和频差成像的电阻抗成像方法 |
CN110859636A (zh) * | 2019-12-12 | 2020-03-06 | 北京航空航天大学 | 一种对尿液电导率不敏感的动态膀胱体积测量方法 |
CN111724386A (zh) * | 2020-07-30 | 2020-09-29 | 杭州永川科技有限公司 | 多频成像的数据前处理方法及系统、多频成像系统 |
CN113509164A (zh) * | 2021-08-27 | 2021-10-19 | 中国人民解放军空军军医大学 | 一种基于盲源分离的多频磁感应断层成像重建方法 |
CN115444392A (zh) * | 2022-08-31 | 2022-12-09 | 河南师范大学 | 一种基于电阻抗层析成像的非线性脑卒中分析方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB0723045D0 (en) * | 2007-11-26 | 2008-01-02 | Mcewan Alistair | Code division multiplexed electrical impedance tomography spectroscopy |
CN102008303A (zh) * | 2010-10-29 | 2011-04-13 | 重庆大学 | 一种电阻抗成像系统频差fnoser成像方法 |
CN102551715A (zh) * | 2012-02-27 | 2012-07-11 | 重庆博恩富克医疗设备有限公司 | 用于监测脑积水和脑水肿的电波发射装置 |
CN103099616A (zh) * | 2011-10-14 | 2013-05-15 | 通用电气公司 | 用于软场断层摄影中数据重建的系统及方法 |
WO2013177123A1 (en) * | 2012-05-21 | 2013-11-28 | General Electric Company | Method and system for tomographic imaging |
CN104783800A (zh) * | 2015-05-05 | 2015-07-22 | 天津工业大学 | 一种基于磁探测电阻抗成像的肺部呼吸监测系统 |
US20160187277A1 (en) * | 2006-11-16 | 2016-06-30 | General Electric Company | Sensing system and method |
WO2017160084A1 (ko) * | 2016-03-17 | 2017-09-21 | 경희대학교산학협력단 | 체지방 측정장치 및 방법 |
CN108968958A (zh) * | 2018-07-20 | 2018-12-11 | 中国人民解放军第四军医大学 | 一种基于电极抽样校验的动态电阻抗成像方法 |
-
2018
- 2018-12-25 CN CN201811589433.XA patent/CN109662712B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160187277A1 (en) * | 2006-11-16 | 2016-06-30 | General Electric Company | Sensing system and method |
GB0723045D0 (en) * | 2007-11-26 | 2008-01-02 | Mcewan Alistair | Code division multiplexed electrical impedance tomography spectroscopy |
CN102008303A (zh) * | 2010-10-29 | 2011-04-13 | 重庆大学 | 一种电阻抗成像系统频差fnoser成像方法 |
CN103099616A (zh) * | 2011-10-14 | 2013-05-15 | 通用电气公司 | 用于软场断层摄影中数据重建的系统及方法 |
CN102551715A (zh) * | 2012-02-27 | 2012-07-11 | 重庆博恩富克医疗设备有限公司 | 用于监测脑积水和脑水肿的电波发射装置 |
WO2013177123A1 (en) * | 2012-05-21 | 2013-11-28 | General Electric Company | Method and system for tomographic imaging |
CN104321011A (zh) * | 2012-05-21 | 2015-01-28 | 通用电气公司 | 用于断层摄影成像的方法和系统 |
CN104783800A (zh) * | 2015-05-05 | 2015-07-22 | 天津工业大学 | 一种基于磁探测电阻抗成像的肺部呼吸监测系统 |
WO2017160084A1 (ko) * | 2016-03-17 | 2017-09-21 | 경희대학교산학협력단 | 체지방 측정장치 및 방법 |
CN108968958A (zh) * | 2018-07-20 | 2018-12-11 | 中国人民解放军第四军医大学 | 一种基于电极抽样校验的动态电阻抗成像方法 |
Non-Patent Citations (3)
Title |
---|
EMMA MALONE等: "Multifrequency Electrical Impedance Tomography Using Spectral Constraints", 《IEEE TRANSACTIONS ON MEDICAL IMAGING》 * |
ZHOU ZHOU等: "Multifrequency electrical impedance tomography with total variation regularization", 《PHYSIOLOGICAL MEASUREMENT》 * |
曹璐等: "一种基于频谱约束的多频动态电阻抗断层成像算法", 《JOURNAL OF BIOMEDICAL ENGINEERING》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109758149A (zh) * | 2019-01-18 | 2019-05-17 | 中国人民解放军第四军医大学 | 一种结合时差成像和频差成像的电阻抗成像方法 |
CN109758149B (zh) * | 2019-01-18 | 2022-01-28 | 中国人民解放军第四军医大学 | 一种结合时差成像和频差成像的电阻抗成像方法 |
CN110859636A (zh) * | 2019-12-12 | 2020-03-06 | 北京航空航天大学 | 一种对尿液电导率不敏感的动态膀胱体积测量方法 |
CN111724386A (zh) * | 2020-07-30 | 2020-09-29 | 杭州永川科技有限公司 | 多频成像的数据前处理方法及系统、多频成像系统 |
CN113509164A (zh) * | 2021-08-27 | 2021-10-19 | 中国人民解放军空军军医大学 | 一种基于盲源分离的多频磁感应断层成像重建方法 |
CN115444392A (zh) * | 2022-08-31 | 2022-12-09 | 河南师范大学 | 一种基于电阻抗层析成像的非线性脑卒中分析方法 |
CN115444392B (zh) * | 2022-08-31 | 2024-05-14 | 河南师范大学 | 一种基于电阻抗层析成像的非线性脑卒中分析方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109662712B (zh) | 2021-09-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109662712A (zh) | 一种基于阻抗频谱约束的动态多频电阻抗断层成像方法 | |
Seo et al. | A learning-based method for solving ill-posed nonlinear inverse problems: A simulation study of lung EIT | |
CN106037650B (zh) | 一种混合变差生物电阻抗成像方法 | |
US6330470B1 (en) | Method for localizing electrical activity in the body | |
CN111417342B (zh) | 脑网络的活动估计系统、方法和存储介质 | |
CN102008303B (zh) | 一种电阻抗成像系统频差fnoser成像方法 | |
CN106959325A (zh) | 一种平面阵列电极电容传感器、成像系统及成像方法 | |
Xiang et al. | Multi-frequency electromagnetic tomography for acute stroke detection using frequency-constrained sparse Bayesian learning | |
Wang et al. | An image reconstruction algorithm for electrical capacitance tomography based on simulated annealing particle swarm optimization | |
CN109745046B (zh) | 一种适用于运动状态下的电阻抗成像电极与系统 | |
CN115245322B (zh) | 基于块稀疏贝叶斯学习数据处理方法 | |
Dimas et al. | Electrical impedance tomography image reconstruction for adjacent and opposite strategy using FEMM and EIDORS simulation models | |
CN109758149B (zh) | 一种结合时差成像和频差成像的电阻抗成像方法 | |
Tenderini et al. | PDE-aware deep learning for inverse problems in cardiac electrophysiology | |
Petrov | Anisotropic spherical head model and its application to imaging electric activity of the brain | |
CN102599907B (zh) | 基于网格位移模型的电阻抗断层成像方法 | |
CN109646000A (zh) | 一种基于局部细剖分的节点电阻抗成像方法 | |
WO2004084723A1 (en) | Weighted gradient method and system for diagnosing disease | |
CN102599908B (zh) | 基于带平衡因子的网格位移模型的电阻抗断层成像方法 | |
Zhang et al. | Survey of EIT image reconstruction algorithms | |
WO2022160899A1 (zh) | 一种三维通气图像产生方法、控制器及装置 | |
CN107845119A (zh) | 一种电学层析成像混合方法 | |
Yang et al. | An image reconstruction algorithm for electrical impedance tomography using measurement estimation of virtual electrodes | |
CN111999564A (zh) | 一种电缆附件的内部介电常数值计算方法以及计算装置 | |
Yang et al. | Learning Sparsifying Transforms for Image Reconstruction in Electrical Impedance Tomography |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |