CN110251130A - 基于可移动变形组件的电阻抗成像方法、装置及系统 - Google Patents
基于可移动变形组件的电阻抗成像方法、装置及系统 Download PDFInfo
- Publication number
- CN110251130A CN110251130A CN201910440194.XA CN201910440194A CN110251130A CN 110251130 A CN110251130 A CN 110251130A CN 201910440194 A CN201910440194 A CN 201910440194A CN 110251130 A CN110251130 A CN 110251130A
- Authority
- CN
- China
- Prior art keywords
- conductivity
- value
- updated
- determining
- electrical impedance
- 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
- 238000003384 imaging method Methods 0.000 title claims abstract description 50
- 238000000034 method Methods 0.000 claims abstract description 41
- 238000012804 iterative process Methods 0.000 claims abstract description 6
- 238000005259 measurement Methods 0.000 claims abstract description 5
- 230000008569 process Effects 0.000 claims description 9
- 230000000712 assembly Effects 0.000 claims description 8
- 238000000429 assembly Methods 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000014509 gene expression Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000002593 electrical impedance tomography Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000007177 brain activity Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000002059 diagnostic imaging Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 238000000338 in vitro Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000010561 standard procedure Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
-
- 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)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Veterinary Medicine (AREA)
- Signal Processing (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Animal Behavior & Ethology (AREA)
- Surgery (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Psychiatry (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Image Processing (AREA)
Abstract
本发明实施例提供了一种基于可移动变形组件的电阻抗成像方法、装置及系统，该电阻抗成像方法首先对目标场域建立有限元电极模型，并获取待成像物体对应的每个电极的测量电压值。然后，针对每个待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值，执行迭代过程，得到目标电导率分布并计算目标电压值。基于高斯牛顿方法迭代求解预设损失函数的最小化，确定出重建图像。可见，本方案基于可移动变形组件进行图像重建，利用了可移动变形组件在结构拓扑优化上的灵活性控制等特点，进而提高电阻抗重建图像的分辨率以及成像精度。
Description
技术领域
本发明涉及电阻抗断层成像技术领域，具体涉及一种基于可移动变形组件的电阻抗成像方法、装置及系统。
背景技术
电阻抗成像技术(Electrical Impedance Tomography，EIT)是一种医学成像技术，其基本原理是根据人体内不同组织在不同的生理、病理状态下具有不同的电阻抗，通过对人体施加小的安全驱动电流(或电压)，在体外测量响应电压(或电流)信号，以重建人体内部的电阻抗分布或其变化图像。电阻抗成像技术凭借其对人体无创、无电离及辐射危险、使用方便且设备价格低等特性，被广泛应用于工业、医学等领域，例如肺功能监测、乳腺癌检测、脑活动成像等。
电阻抗重建算法决定了成像的质量，目前，电阻抗重建算法分为动态电阻抗成像以及静态电阻抗成像两类。其中，动态电阻抗成像利用两个不同时刻的测量数据，通过图像重建算法来获得电阻抗分布差值，从而重构出阻抗差值图像。该算法虽然可以在两组数值相减情况下消除部分测量数据等噪音，但对于两个时刻电阻抗分布无变化或者变化小的情况，则无法成像并且该算法难以推广到三维空间。而静态式阻抗成像算法抗噪性能差，对电极安装，模型的设计较为敏感，重建图像存在分辨率低，成像噪音大等缺陷。
因此，如何提供一种电阻抗成像方法，能够提高电阻抗重建图像的分辨率以及成像精度，是本领域技术人员亟待解决的一大技术难题。
发明内容
有鉴于此，本发明实施例提供了一种基于可移动变形组件的电阻抗成像方法，能够提高电阻抗重建图像的分辨率以及成像精度。
为实现上述目的，本发明实施例提供如下技术方案：
一种基于可移动变形组件的电阻抗成像方法，包括：
对目标场域建立有限元电极模型，并获取待成像物体对应的每个电极的测量电压值；
针对每个所述待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值，执行迭代过程，得到目标电导率分布并计算目标电压值；
基于高斯牛顿方法迭代求解预设损失函数的最小化，确定出重建图像。
可选的，所述获取待成像物体对应的每个电极的测量电压值，包括：
对所述待成像物体的预设位置设置多个电极，轮流激励多个所述电极中的任意两个所述电极，获取多个所述电极中其他电极的电压值，确定所述电极的电压值为所述电极的测量电压值。
可选的，所述针对每个所述待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值，包括：
初始化所述可移动变形组件的多个结构特征参数，所述结构特征参数至少包括中心点位置、长度、旋转角度、参数向量以及中心线信息中的一个或多个。
可选的，所述执行迭代过程，得到目标电导率分布并计算目标电压值，包括：
基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布，并计算初始电压值；
计算所述结构特征参数、所述第一电导率以及所述第二电导率的雅克比矩阵、迭代方向以及迭代步长；
根据所述迭代方向以及所述迭代步长，确定出所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值；
基于所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值，确定出更新电导率分布，并计算更新电压值；
判断所述迭代步长是否小于预设值，如果是，确定所述更新电导率分布为所述目标电导率分布，确定所述更新电压值为所述目标电压值。
可选的，所述基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布，并计算初始电压值，包括：
设定电导率为分段参数，所述可移动变形组件的第一预设区域的电导率为所述第一电导率，所述可移动变形组件的第二预设区域的电导率为所述第二电导率；
基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布。
一种基于可移动变形组件的电阻抗成像装置，包括：
创建模块，用于对目标场域建立有限元电极模型，并获取待成像物体对应的每个电极的测量电压值；
设置模块，用于针对每个所述待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值，执行迭代过程，得到目标电导率分布并计算目标电压值；
确定模块，用于基于高斯牛顿方法迭代求解预设损失函数的最小化，确定出重建图像。
可选的，所述创建模块包括：
激励单元，用于对所述待成像物体的预设位置设置多个电极，轮流激励多个所述电极中的任意两个所述电极；
第一获取单元，用于获取多个所述电极中其他电极的电压值；
第一确定单元，用于确定所述电极的电压值为所述电极的测量电压值。
可选的，所述设置模块包括：
初始化单元，用于初始化所述可移动变形组件的多个结构特征参数，所述结构特征参数至少包括中心点位置、长度、旋转角度、参数向量以及中心线信息中的一个或多个。
可选的，所述设置模块包括：
第二确定单元，用于基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布，并计算初始电压值；
计算单元，用于计算所述结构特征参数、所述第一电导率以及所述第二电导率的雅克比矩阵、迭代方向以及迭代步长；
第三确定单元，用于根据所述迭代方向以及所述迭代步长，确定出所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值；
第四确定单元，用于基于所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值，确定出更新电导率分布，并计算更新电压值；
判断单元，用于判断所述迭代步长是否小于预设值，如果是，确定所述更新电导率分布为所述目标电导率分布，确定所述更新电压值为所述目标电压值。
可选的，所述第二确定单元包括：
设定子单元，用于设定电导率为分段参数，所述可移动变形组件的第一预设区域的电导率为第一电导率，所述可移动变形组件的第二预设区域的电导率为第二电导率；
确定子单元，用于基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布。
一种基于可移动变形组件的电阻抗成像系统，包括任意一项上述的电阻抗成像装置。
基于上述技术方案，本发明实施例提供了一种基于可移动变形组件的电阻抗成像方法，首先对目标场域建立有限元电极模型，并获取待成像物体对应的每个电极的测量电压值。然后，针对每个所述待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值，执行迭代过程，得到目标电导率分布并计算目标电压值。基于高斯牛顿方法迭代求解预设损失函数的最小化，确定出重建图像。可见，本方案基于可移动变形组件进行图像重建，利用了可移动变形组件在结构拓扑优化上的灵活性控制的特点，进而提高电阻抗重建图像的分辨率以及成像精度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例提供的一种基于可移动变形组件的电阻抗成像方法的流程示意图；
图2为本发明实施例提供的一种基于可移动变形组件的电阻抗成像方法的又一流程示意图；
图3为本发明实施例提供的一种基于可移动变形组件的电阻抗成像方法的又一流程示意图；
图4为本发明实施例提供的一种组件形状的结构示意图；
图5为本发明实施例提供的一种组件形状的又一结构示意图；
图6为本发明实施例提供的一种组件形状的又一结构示意图；
图7为本发明实施例提供的一种组件形状的又一结构示意图；
图8为本发明实施例提供的一种组件形状的又一结构示意图；
图9为本发明实施例提供的一种组件形状的又一结构示意图；
图10为本发明实施例提供的一种基于可移动变形组件的电阻抗成像方法的又一流程示意图。
具体实施方式
请参阅图1，图1为本实施例提供的一种基于可移动变形组件的电阻抗成像方法的流程示意图，该方法包括：
S11、对目标场域建立有限元电极模型，并获取待成像物体对应的每个电极的测量电压值。
其中，本实施例提供了一种获取待成像物体对应的每个电极的测量电压值的具体实现方式，如图2所示，包括：
S21、对所述待成像物体的预设位置设置多个电极，轮流激励多个所述电极中的任意两个所述电极，获取多个所述电极中其他电极的电压值，确定所述电极的电压值为所述电极的测量电压值。
示意性的，以16个电极为例，可以将16个电极均匀等距地放置在待成像物体的感兴趣区域的边界上。然后轮流恒流激励其中的两个电极，引起区域内部的电压变化，通过建立完备电极模型(CEM)求解正问题，并在其余电极上测量相应的电压值。
其中，CEM模型如下：
其中，σ(x)为电导率分布，x∈Ω为空间坐标，zl为接触阻抗，Ul为电极 el上的电压，Il为电极el上的电流，n表示外单位法向。
利用有限元法逼近可以得到正问题的观测模型：
V＝U(σ)+e
其中V为测量电压，U(σ)为使用有限元法求解得到的正问题解，即计算电压，e为加性高斯噪音，均值为e*，协方差为Γe。
S12、针对每个所述待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值，执行迭代过程，得到目标电导率分布并计算目标电压值。
具体的，本实施例提供了一种针对每个所述待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值的具体实现方式，如图3所示，包括：
S31、初始化所述可移动变形组件的多个结构特征参数。
其中，所述结构特征参数至少包括中心点位置、长度、旋转角度、参数向量以及中心线信息中的一个或多个。
可移动变形组件在结构拓扑优化上的灵活性控制的特点具体为：可以用一些显式的几何参数来描述组件的形状大小等信息，即构建每个组件所对应的拓扑描述函数(TDF)，为了使组件的变形能力更加灵活，二维结构优化问题中单个组件分别可以采用以下形式的TDF表示：
其中，
除此，还可以推广至三维情况：三维情况下的TDF可表示为：
其中，
和
其中，p表示一个相对较大的正偶数，在结构拓扑优化问题中通常取为6，而本实施例中，可以将其选取为2。(x0i,y0i)或(x0i,y0i,z0i)表示第ii个组件的中心位置，Li表示组件长度的θi(从水平方向按逆时针方向旋转为正)或αi,βi表示全局坐标系O-x-y(O-x-y-z)相对于局部坐标系O’-x’-y’(O’-x’-y’-z’) 的组件旋转角度，fi(x')或者gi(x',y')取不同的表达式时会对应不同形状的组件，以上参数共同显式地描述了二维或者三维MMC。
二维情况下，利用向量D＝((D1)T,...,(Di)T,...,(Dn)T)T表示n个组件的结构特征信息，其中di表示的是f(x')中的参数向量wi,1,wi,2,wi,3， f(x')的不同表达如下：
第一种方式：均匀宽度，f(x')＝w1，如图4所示。
第二种方式：线性变宽度：如图5所示。
第三种方式：二次变宽度：如图6 所示。
第四种方式：曲线中心线的组件：Φi(x',y')＝min(Φi1(x',y'),Φi2(x',y'))，如图 7所示，其中，Φi1(x',y')＝(di(x'))2-(y'-f(x'))2，Φi2(x',y')＝(Li1+x')(Li2-x')。此处，可以取f(x')＝aisin(bix')形式，并且Di＝(xi0,yi0,θi,Li1,Li2,di,ai,bi)T。
上述四种方式均可以推广至三维，以二次变宽度MMC为例，如图8所示，3维二次变宽度MMC：
同样，又可将中心线为曲线的MMC推广到三维，如图9所示，其TDF 可表示如下：
Φi(x',y',z')＝min(Φi1(x',y',z'),Φi2(x',y',z'),Φi3(x',y',z'))
其中，Φi1(x',y',z')＝(di(x',y'))2-(z'-g(x',y'))2，Φi2(x',y',z')＝(Li1+x')(Li2-x')，Φi3(x',y',z')＝(Bi1+y')(Bi2-y')。
对于多个MMC，每个MMC的TDF值设定为
由MMC所定义的总体区域为C＝{x|Φ(x)≥0}，x为坐标向量，Φ＝max(Φ1,...,Φn)。
S13、基于高斯牛顿方法迭代求解预设损失函数的最小化，确定出重建图像。
具体的，本实施例还提供了一种执行迭代过程，得到目标电导率分布并计算目标电压值的具体实现方式，如图10所示，包括：
S101、基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布，并计算初始电压值；
其中，本实施例提供了一种基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布，并计算初始电压值的具体实现方式，包括：
设定电导率为分段参数，所述可移动变形组件的第一预设区域的电导率为第一电导率，所述可移动变形组件的第二预设区域的电导率为第二电导率。然后，基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布。
S102、计算所述结构特征参数、所述第一电导率以及所述第二电导率的雅克比矩阵、迭代方向以及迭代步长；
S103、根据所述迭代方向以及所述迭代步长，确定出所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值；
S104、基于所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值，确定出更新电导率分布，并计算更新电压值；
S105、判断所述迭代步长是否小于预设值，如果是，确定所述更新电导率分布为所述目标电导率分布，确定所述更新电压值为所述目标电压值。
示意性的，首先将感兴趣区域Ω内的电导率分布设定为分段常数。为了简便，本实施例可以设定在组件内部区域C的电导率为第一电导率σ1，Ω\ C区域电导率设定为第二电导率σ0(此处假定所述待成像物体内部的电导率都相同，也可以设定为不同电导率)。
σ(x)＝σ0(1-Hε(Φ(x)))+σ1(Hε(Φ(x)))
其中，Hε为Heaviside函数的光滑形式：
对于区域内的任意一个所述待成像物体，我们将多个(此处设为3个) 原始MMC设定为初始值进行迭代，原始组件的表达式可选取MMC的以上四种形式，同时因为MMC的TDF表示可以很容易的推广到三维，因此基于 MMC的电阻抗成像方法也可以推广到三维。此时正问题求解的观测模型可重新表达为：
V＝U(σ(x,D))+e
其中，D＝((D1)T,...,(Di)T,...,(Dn)T)T，表示n个组件的结构特征信息。因此，图像重建以及电导率估计问题转化基于高斯牛顿方法迭代求解预设损失函数的最小化问题，预设损失函数表示如下：
其中，Le为观测噪声协方差矩阵的Cholesky因子，满足正则化矩阵Lp为矩阵的Cholesky因子，满足 为Di的先验向量，为预先设定的常数值。
通过高斯牛顿方法迭代求解上述最小化问题，迭代过程不断修正两个电导率值σ0,σ1以及组件的结构特征参数：中心点位置x0i,y0i(,z0i)，组件的长度Li，组件的旋转角度θi(,αi,βi)以及其参数向量di T，对于组件的形式四还包括中心线信息ai,bi等。
在迭代过程中，需要求解雅克比矩阵
其中，δ(·)表示狄拉克δ函数，D具体包含n个组件的结构特征信息，JU(σ) 可由标准方法求解得到，是表达式Φ关于D中各几何特征参数的导数。
迭代过程采用线性搜索方法，直到迭代步长小于一个比较小的正值或者等于零时，迭代终止，得到最后的重建图像。
可见，本方案基于可移动变形组件进行图像重建，利用了可移动变形组件在结构拓扑优化上的灵活性控制的特点，进而提高电阻抗重建图像的分辨率以及成像精度。
在上述实施例的基础上，本实施例还提供了一种基于可移动变形组件的电阻抗成像装置，包括：
创建模块，用于对目标场域建立有限元电极模型，并获取待成像物体对应的每个电极的测量电压值；
设置模块，用于针对每个所述待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值，执行迭代过程，得到目标电导率分布并计算目标电压值；
确定模块，用于基于高斯牛顿方法迭代求解预设损失函数的最小化，确定出重建图像。
具体的，所述创建模块可以包括：
激励单元，用于对所述待成像物体的预设位置设置多个电极，轮流激励多个所述电极中的任意两个所述电极；
第一获取单元，用于获取多个所述电极中其他电极的电压值；
第一确定单元，用于确定所述电极的电压值为所述电极的测量电压值。
除此，所述设置模块可以包括：
初始化单元，用于初始化所述可移动变形组件的多个结构特征参数，所述结构特征参数至少包括中心点位置、长度、旋转角度、参数向量以及中心线信息中的一个或多个。
在上述实施例的基础上，本实施例中所述设置模块可以包括：
第二确定单元，用于基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布，并计算初始电压值；
计算单元，用于计算所述结构特征参数、所述第一电导率以及所述第二电导率的雅克比矩阵、迭代方向以及迭代步长；
第三确定单元，用于根据所述迭代方向以及所述迭代步长，确定出所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值；
第四确定单元，用于基于所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值，确定出更新电导率分布，并计算更新电压值；
判断单元，用于判断所述迭代步长是否小于预设值，如果是，确定所述更新电导率分布为所述目标电导率分布，确定所述更新电压值为所述目标电压值。
其中，所述第二确定单元可以包括：
设定子单元，用于设定电导率为分段参数，所述可移动变形组件的第一预设区域的电导率为第一电导率，所述可移动变形组件的第二预设区域的电导率为第二电导率；
确定子单元，用于基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布。
该装置实施例的工作原理请参见上述方法实施例，在此不重复叙述。
除此，本实施例还提供了一种基于可移动变形组件的电阻抗成像系统，包括任意一项上述的电阻抗成像装置。其工作原理请参见上述方法实施例，在此不重复叙述。
综上，本发明实施例提供了一种基于可移动变形组件的电阻抗成像方法、装置及系统，该电阻抗成像方法首先对目标场域建立有限元电极模型，并获取待成像物体对应的每个电极的测量电压值。然后，针对每个所述待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值，执行迭代过程，得到目标电导率分布并计算目标电压值。基于高斯牛顿方法迭代求解预设损失函数的最小化，确定出重建图像。可见，本方案基于可移动变形组件进行图像重建，利用了可移动变形组件在结构拓扑优化上的灵活性控制等特点，进而提高电阻抗重建图像的分辨率以及成像精度。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (11)
1.一种基于可移动变形组件的电阻抗成像方法，其特征在于，包括：
对目标场域建立有限元电极模型，并获取待成像物体对应的每个电极的测量电压值；
针对每个所述待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值，执行迭代过程，得到目标电导率分布并计算目标电压值；
基于高斯牛顿方法迭代求解预设损失函数的最小化，确定出重建图像。
2.根据权利要求1所述的电阻抗成像方法，其特征在于，所述获取待成像物体对应的每个电极的测量电压值，包括：
对所述待成像物体的预设位置设置多个电极，轮流激励多个所述电极中的任意两个所述电极，获取多个所述电极中其他电极的电压值，确定所述电极的电压值为所述电极的测量电压值。
3.根据权利要求2所述的电阻抗成像方法，其特征在于，所述针对每个所述待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值，包括：
初始化所述可移动变形组件的多个结构特征参数，所述结构特征参数至少包括中心点位置、长度、旋转角度、参数向量以及中心线信息中的一个或多个。
4.根据权利要求3所述的电阻抗成像方法，其特征在于，所述执行迭代过程，得到目标电导率分布并计算目标电压值，包括：
基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布，并计算初始电压值；
计算所述结构特征参数、所述第一电导率以及所述第二电导率的雅克比矩阵、迭代方向以及迭代步长；
根据所述迭代方向以及所述迭代步长，确定出所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值；
基于所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值，确定出更新电导率分布，并计算更新电压值；
判断所述迭代步长是否小于预设值，如果是，确定所述更新电导率分布为所述目标电导率分布，确定所述更新电压值为所述目标电压值。
5.根据权利要求4所述的电阻抗成像方法，其特征在于，所述基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布，包括：
设定电导率为分段参数，所述可移动变形组件的第一预设区域的电导率为所述第一电导率，所述可移动变形组件的第二预设区域的电导率为所述第二电导率；
基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布。
6.一种基于可移动变形组件的电阻抗成像装置，其特征在于，包括：
创建模块，用于对目标场域建立有限元电极模型，并获取待成像物体对应的每个电极的测量电压值；
设置模块，用于针对每个所述待成像物体初始放置多个可移动变形组件作为高斯牛顿迭代法的初始值，执行迭代过程，得到目标电导率分布并计算目标电压值；
确定模块，用于基于高斯牛顿方法迭代求解预设损失函数的最小化，确定出重建图像。
7.根据权利要求6所述的电阻抗成像装置，其特征在于，所述创建模块包括：
激励单元，用于对所述待成像物体的预设位置设置多个电极，轮流激励多个所述电极中的任意两个所述电极；
第一获取单元，用于获取多个所述电极中其他电极的电压值；
第一确定单元，用于确定所述电极的电压值为所述电极的测量电压值。
8.根据权利要求7所述的电阻抗成像装置，其特征在于，所述设置模块包括：
初始化单元，用于初始化所述可移动变形组件的多个结构特征参数，所述结构特征参数至少包括中心点位置、长度、旋转角度、参数向量以及中心线信息中的一个或多个。
9.根据权利要求8所述的电阻抗成像装置，其特征在于，所述设置模块包括：
第二确定单元，用于基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布，并计算初始电压值；
计算单元，用于计算所述结构特征参数、所述第一电导率以及所述第二电导率的雅克比矩阵、迭代方向以及迭代步长；
第三确定单元，用于根据所述迭代方向以及所述迭代步长，确定出所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值；
第四确定单元，用于基于所述结构特征参数的更新值、所述第一电导率的更新值以及所述第二电导率的更新值，确定出更新电导率分布，并计算更新电压值；
判断单元，用于判断所述迭代步长是否小于预设值，如果是，确定所述更新电导率分布为所述目标电导率分布，确定所述更新电压值为所述目标电压值。
10.根据权利要求9所述的电阻抗成像装置，其特征在于，所述第二确定单元包括：
设定子单元，用于设定电导率为分段参数，所述可移动变形组件的第一预设区域的电导率为所述第一电导率，所述可移动变形组件的第二预设区域的电导率为所述第二电导率；
确定子单元，用于基于所述结构特征参数的初始值、预设的第一电导率以及第二电导率，确定出初始电导率分布。
11.一种基于可移动变形组件的电阻抗成像系统，其特征在于，包括如权利要求6-10中任意一项所述的电阻抗成像装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910440194.XA CN110251130B (zh) | 2019-05-24 | 2019-05-24 | 基于可移动变形组件的电阻抗成像方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910440194.XA CN110251130B (zh) | 2019-05-24 | 2019-05-24 | 基于可移动变形组件的电阻抗成像方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110251130A true CN110251130A (zh) | 2019-09-20 |
| CN110251130B CN110251130B (zh) | 2020-08-25 |
Family
ID=67915356
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910440194.XA Active CN110251130B (zh) | 2019-05-24 | 2019-05-24 | 基于可移动变形组件的电阻抗成像方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110251130B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112231997A (zh) * | 2020-09-25 | 2021-01-15 | 重庆大学 | 基于人体组织电导率精细化建模设计的胸腔电阻抗仿真方法 |
| CN112401866A (zh) * | 2020-11-11 | 2021-02-26 | 中国科学技术大学 | 基于布尔运算的电阻抗成像方法 |
| CN112401865A (zh) * | 2020-11-11 | 2021-02-26 | 中国科学技术大学 | 基于超形状的电阻抗成像方法 |
| CN113288107A (zh) * | 2021-05-20 | 2021-08-24 | 中国农业大学 | 一种羊的应激与电导率可视化检测设备与方法 |
| WO2022083258A1 (zh) * | 2020-10-23 | 2022-04-28 | 北京华睿博视医学影像技术有限公司 | 电阻抗成像方法、系统、存储介质以及电子设备 |
| CN114663544A (zh) * | 2022-05-26 | 2022-06-24 | 中国科学技术大学 | 一种基于深度图像先验的电阻抗图像重建方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020138019A1 (en) * | 1997-10-03 | 2002-09-26 | Alvin Wexler | High definition electrical impedance tomography |
| CN101564294A (zh) * | 2009-06-01 | 2009-10-28 | 中国人民解放军第四军医大学 | 一种结构信息融合的电阻抗断层成像方法 |
| CN103462605A (zh) * | 2013-09-06 | 2013-12-25 | 南京邮电大学 | 一种生物电阻抗成像方法 |
| CN108888268A (zh) * | 2018-04-13 | 2018-11-27 | 中国科学技术大学 | Ct约束的电阻抗医疗成像方法 |
| CN109646000A (zh) * | 2018-12-21 | 2019-04-19 | 南京邮电大学 | 一种基于局部细剖分的节点电阻抗成像方法 |
| CN109674471A (zh) * | 2018-12-18 | 2019-04-26 | 中国科学技术大学 | 一种基于生成对抗网络的电阻抗成像方法及系统 |
-
2019
- 2019-05-24 CN CN201910440194.XA patent/CN110251130B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020138019A1 (en) * | 1997-10-03 | 2002-09-26 | Alvin Wexler | High definition electrical impedance tomography |
| CN101564294A (zh) * | 2009-06-01 | 2009-10-28 | 中国人民解放军第四军医大学 | 一种结构信息融合的电阻抗断层成像方法 |
| CN103462605A (zh) * | 2013-09-06 | 2013-12-25 | 南京邮电大学 | 一种生物电阻抗成像方法 |
| CN108888268A (zh) * | 2018-04-13 | 2018-11-27 | 中国科学技术大学 | Ct约束的电阻抗医疗成像方法 |
| CN109674471A (zh) * | 2018-12-18 | 2019-04-26 | 中国科学技术大学 | 一种基于生成对抗网络的电阻抗成像方法及系统 |
| CN109646000A (zh) * | 2018-12-21 | 2019-04-19 | 南京邮电大学 | 一种基于局部细剖分的节点电阻抗成像方法 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112231997A (zh) * | 2020-09-25 | 2021-01-15 | 重庆大学 | 基于人体组织电导率精细化建模设计的胸腔电阻抗仿真方法 |
| WO2022083258A1 (zh) * | 2020-10-23 | 2022-04-28 | 北京华睿博视医学影像技术有限公司 | 电阻抗成像方法、系统、存储介质以及电子设备 |
| US11925449B2 (en) | 2020-10-23 | 2024-03-12 | Beijing Huarui Boshi Medical Imaging Technology Co., Ltd. | Electrical impedance imaging method, system, storage medium, and electronic device |
| CN112401866A (zh) * | 2020-11-11 | 2021-02-26 | 中国科学技术大学 | 基于布尔运算的电阻抗成像方法 |
| CN112401865A (zh) * | 2020-11-11 | 2021-02-26 | 中国科学技术大学 | 基于超形状的电阻抗成像方法 |
| CN112401865B (zh) * | 2020-11-11 | 2024-05-17 | 中国科学技术大学 | 基于超形状的电阻抗成像方法 |
| CN113288107A (zh) * | 2021-05-20 | 2021-08-24 | 中国农业大学 | 一种羊的应激与电导率可视化检测设备与方法 |
| CN113288107B (zh) * | 2021-05-20 | 2023-09-01 | 中国农业大学 | 一种羊的应激与电导率可视化检测设备与方法 |
| CN114663544A (zh) * | 2022-05-26 | 2022-06-24 | 中国科学技术大学 | 一种基于深度图像先验的电阻抗图像重建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110251130B (zh) | 2020-08-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110251130B (zh) | 基于可移动变形组件的电阻抗成像方法、装置及系统 | |
| Liu et al. | A parametric level set method for electrical impedance tomography | |
| CN109919844B (zh) | 一种高分辨率的电学层析成像电导率分布重建方法 | |
| Adler et al. | Temporal image reconstruction in electrical impedance tomography | |
| Darma et al. | Real-time dynamic imaging method for flexible boundary sensor in wearable electrical impedance tomography | |
| US20170238836A1 (en) | System and method for data reconstruction in soft-field tomography | |
| Kress et al. | Reconstruction of a current distribution from its magnetic field | |
| US10092212B2 (en) | Post processing system and post processing method for electrical impedance tomography images | |
| Yang et al. | Image reconstruction for electrical impedance tomography using enhanced adaptive group sparsity with total variation | |
| Darma et al. | High-speed and accurate meat composition imaging by mechanically-flexible electrical impedance tomography with k-nearest neighbor and fuzzy k-means machine learning approaches | |
| Lemieux et al. | Calculation of electrical potentials on the surface of a realistic head model by finite differences | |
| CN110501587B (zh) | 一种基于电力线分布的Radon逆变换电容层析成像方法 | |
| CN112798654A (zh) | 用于电阻抗层析成像的快速梯度法和自适应雅可比矩阵重构方法 | |
| Wanta et al. | Image reconstruction using Z-axis spatio-temporal sampling in 3D electrical capacitance tomography | |
| CN111053556A (zh) | 基于监督下降法的电阻抗成像方法与装置 | |
| Cen et al. | Electrical impedance tomography with deep Calderón method | |
| Stenroos et al. | On the accuracy of collocation and Galerkin BEM in the EEG/MEG forward problem | |
| Zhang et al. | Survey of EIT image reconstruction algorithms | |
| Cao et al. | 2D image reconstruction of a human chest by using Calderon's method and the adjacent current pattern | |
| CN108122229B (zh) | 一种全参考电阻抗成像图像质量评价方法 | |
| WO2022160899A1 (zh) | 一种三维通气图像产生方法、控制器及装置 | |
| EP4036930A1 (en) | Image reconstruction method for dielectric anatomical mapping | |
| CN112401866B (zh) | 基于布尔运算的电阻抗成像方法 | |
| Naushad et al. | Analysing the performance of EIT images using the point spread function | |
| CN110988043B (zh) | 基于多频加权频差的多介质分离成像方法 |
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 |