CN117530677A - 一种基于阵列式阻抗的生物组织识别装置 - Google Patents
一种基于阵列式阻抗的生物组织识别装置 Download PDFInfo
- Publication number
- CN117530677A CN117530677A CN202311536223.5A CN202311536223A CN117530677A CN 117530677 A CN117530677 A CN 117530677A CN 202311536223 A CN202311536223 A CN 202311536223A CN 117530677 A CN117530677 A CN 117530677A
- Authority
- CN
- China
- Prior art keywords
- impedance
- excitation
- biological tissue
- array
- acquisition
- 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.)
- Pending
Links
- 230000005284 excitation Effects 0.000 claims abstract description 71
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims abstract description 17
- 238000002847 impedance measurement Methods 0.000 claims abstract description 16
- 238000013461 design Methods 0.000 claims abstract description 11
- 238000004891 communication Methods 0.000 claims abstract description 8
- 238000005259 measurement Methods 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 15
- 238000003384 imaging method Methods 0.000 claims description 14
- 238000002347 injection Methods 0.000 claims description 9
- 239000007924 injection Substances 0.000 claims description 9
- 230000005684 electric field Effects 0.000 claims description 8
- 239000011159 matrix material Substances 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 6
- 230000000295 complement effect Effects 0.000 claims description 3
- 238000005315 distribution function Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000012804 iterative process Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000009792 diffusion process Methods 0.000 claims description 2
- 230000008447 perception Effects 0.000 abstract description 3
- 210000001519 tissue Anatomy 0.000 description 47
- 230000006870 function Effects 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 7
- 229920001817 Agar Polymers 0.000 description 4
- 239000008272 agar Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005065 mining Methods 0.000 description 2
- 238000012800 visualization Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 210000000988 bone and bone Anatomy 0.000 description 1
- 238000004070 electrodeposition Methods 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 210000003205 muscle Anatomy 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 210000000707 wrist Anatomy 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
- A61B5/68—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient
- A61B5/6801—Arrangements of detecting, measuring or recording means, e.g. sensors, in relation to patient specially adapted to be attached to or worn on the body surface
- A61B5/6802—Sensor mounted on worn items
- A61B5/681—Wristwatch-type devices
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
- G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/20—Finite element generation, e.g. wire-frame surface description, tesselation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2113/00—Details relating to the application field
- G06F2113/08—Fluids
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Pathology (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Radiology & Medical Imaging (AREA)
- Computer Graphics (AREA)
- Software Systems (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于阵列式阻抗的生物组织识别装置,属于医疗器械技术领域,括激励信号产生及阻抗测量模组、阵列式电极设计及选通模组、主控及通信模组;其中,激励信号产生及阻抗测量模组用于多种激励信号的产生和对应阻抗的测量;激励信号的产生部分包括激励源、波形发生器、高速DAC和两个激励电极;阻抗测量部分包括高速TIA、高精度ADC和两个测量电极;高速DAC采用12位,高精度ADC采用16位;阵列式电极设计及选通模组中,电极为阵列式排布;在激励信号的选通上,采用多路选通器。本发明采用上述的一种基于阵列式阻抗的生物组织识别装置,该装置具有小型化、多电极及多频率阻抗采集、精细化生物组织感知和面向多类型目标等特点。
Description
技术领域
本发明涉及医疗器械技术领域,尤其是涉及一种基于阵列式阻抗的生物组织识别装置。
背景技术
生物组织的电阻抗是指组织对电流的阻碍程度。不同类型的生物组织(如肌肉、骨骼、脂肪、血液等)具有不同的电阻抗特性。这些特性受到组织的电导率(电流通过程度)和电容率(电荷存储能力)等因素的影响。通过使用不同的频率来测量生物组织的电阻抗,可以推断出组织类型。
进一步的,电阻抗成像技术是基于电阻抗成像原理的一种实现生物组织识别的重要技术,该原理包括在生物组织内施加电流或电压信号,然后测量生成的电流和电压响应。这些测量数据用于计算组织的电阻抗分布。通常,电阻抗成像使用有限元分析、反问题求解算法或其他数学方法来推断组织的电阻抗分布。这些方法能够将电流和电压数据转换为可视化的电阻抗图像。
但是,现有的电阻抗检测技术存在以下问题:
(1)当前电阻抗检测多采用二线式或四线式阻抗采集,而生物组织构造复杂,不同组织电导率不同,现有的方式因位置不一,阻抗数据存在误差,难以精确复现测量结果;
(2)部分采用变激励频率的方式,但是对于这部分的信息没法深度挖掘。
现有的生物电阻抗成像技术存在以下问题:
(1)现有的阻抗采集或阻抗成像设备体积大、使用复杂,难以实现便携式设计;
(2)现有的利用阻抗技术获取生物组织的技术多采用固定频率,而人体组织尺寸相对复杂,难以实现全面、精准反映组织的差异。
(3)现有的利用阻抗技术获取生物组织的技术多采用固定频率,而人体组织尺寸相对复杂,难以实现全面、精准反映组织的差异。
发明内容
本发明的目的是提供一种基于阵列式阻抗的生物组织识别装置,该装置具有小型化、多电极及多频率阻抗采集、精细化生物组织感知和面向多类型目标等特点。
为实现上述目的,本发明提供了一种基于阵列式阻抗的生物组织识别装置,包括激励信号产生及阻抗测量模组、阵列式电极设计及选通模组、主控及通信模组;
其中,激励信号产生及阻抗测量模组用于多种激励信号的产生和对应阻抗的测量;激励信号的产生部分包括激励源、波形发生器、高速DAC和两个激励电极;阻抗测量部分包括高速TIA、高精度ADC和两个测量电极;高速DAC采用12位,高精度ADC采用16位;
阵列式电极设计及选通模组中,电极为阵列式排布;在激励信号的选通上,采用多路选通器,其导通电阻为2.5Ω、电阻平坦度为0.5Ω、转换时间为40ns、功耗<0.01μW,采用MCU实现电极选通、激励生成、阻抗采集、数据云端传输;
激励模式包括二线式阻抗采集和四线式阻抗采集;
对于二线式阻抗采集,生物组织识别装置支持任意两电极点的阻抗采集;四线式阻抗采集包括激励电极对和采集电极对,生物组织识别装置支持定采集-遍历激励电极对、定激励-遍历采集电极对、遍历采集-遍历激励电极对三种方式。
优选的,激励信号产生及阻抗测量模组采用MCU进行激励参数调整和测量模式选择。
优选的,激励信号产生及阻抗测量模组采用高精度LDO电源,电流<600mA、-0.5%<电压精度<0.5%、噪声<1.6μV rms、电源抑制比≥90dB。
优选的,主控及通信模组采用STM32F411RET6作为MCU,支持SPI、UART、GPIO数据传输方式,主频最高100MHz,支持DSP和FPU运算;
MCU单元部署FreeRTOS实时操作系统。
优选的,生物组织识别装置通过面向阵列式电极的牛顿法进行组织识别,具体如下:
(一)通过生物组织识别装置在待测物体表面采集多频率、多点位的阻抗数据;
(二)根据采集的多频率、多点位的阻抗数据构建数据数组,并进行互补滤波,减小电压误差;
(三)根据麦克斯韦方程组,EIT数理方程表示为:
其中,表示梯度操作,Ω表示成像区域,σ(x,y)表示成像区域内的电导率分布,Φ(x,y)表示成像区域内的电位分布函数,(x,y)为二维平面的坐标;
1)建立生物组织的有限元模型,包括定义几何形状、分割成单元或网格、确定电导率分布;
2)确定电流注入的位置、幅度和频率:
Φ(x,y)=U(x,y) (2)
其中,U(x,y)表示已知的区域边界电位分布,n表示区域的边界外法向量,j(x,y)表示边界注入区域的电流密度,表示目标区域边界,/>是/>取n方向的偏微分运算;
3)建立扩散方程来描述电流在生物组织内传播的数学方程:
I表示电流密度;
4)将有限元模型分成离散的单元或节点,并创建数值网格;
5)根据电场传导方程和数值网格,构建线性代数方程组:
AΦ=I (5)
其中,A表示有限元矩阵,Φ表示电势分布;
6)通过求解矩阵方程,正向问题计算得到的边界电压响应Ucalculate(σ);
(四)反向问题求解:
1)通过有限元模型建立反问题模型,包括电流密度、电压、电导率以及电场传导方程;
2)定义目标函数
目标函数的数学表达式为:
其中,J(σ)是目标函数,M是电压测量的点数,||·||2是欧几里得范数,λ是正则化系数,用来平衡数据拟合项和正则化项,R(σ)是Tikhonov正则化项;
3)定义初始化参数并迭代
初始化电导率分布的参数使用启发式方法,即σ(0)赋予初值;迭代包括:计算当前参数值下的模型预测V模拟,模拟电流注入和电压测量;计算目标函数关于参数电导率σ的梯度:
其中,d表示微分运算;
使用梯度信息更新参数值,其数学表达式为:
其中,k表示迭代步骤,α表示步长;
迭代过程重复执行,直到达到预定的收敛标准或迭代次数;
4)生成阻抗图像
当迭代收敛,即目标函数达到最小值,使用最终的参数值来生成电导率分布的估计。
因此,本发明采用上述一种基于阵列式阻抗的生物组织识别装置,其技术效果如下:
(1)本发明采用基于阵列式电极的阻抗数据采集方式,支持多材质、多尺寸的、多电极的数据采集和高精度选通,适用于不同尺寸、类型的采集对象,便于修改与适应不同尺寸、不同形状、不同内部构造的测量对象,使得阻抗感知技术的应用场景更为多样化。
(2)生物组织识别装置进行集成化、穿戴式设计,可实现腕带式穿戴,使其在减小设备体积的同时可实现精确位置的阻抗测量。
(3)激励信号可实现0-200khz频率交流信号的产生和测量,并集成16位ADC实现精确采集,此外同时支持2线和4线式阻抗测量,适应不同精度、不同测量方式的要求,支持定采集-遍历激励电极对、定激励-遍历采集电极对、遍历采集-遍历激励电极对三种方式,相比传统EIT的相邻激励、相对激励等常见激励方式,本发明的激励方式更加多样化,可实现不同场景下电场分布的深度信息挖掘。
(4)部署基于牛顿法的抗阻处理算法至云端,在实时运算的同时实现识别结果的实时可视化。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明一种基于阵列式阻抗的生物组织识别装置结构示意图;
图2为本发明一种基于阵列式阻抗的生物组织识别装置电极阵列图;
图3是基于牛顿法的阻抗处理算法流程图
图4是前向问题有限元模型及测量示意图;
图5是装置功能实现流程图;
图6是异物识别图。
具体实施方式
以下通过附图和实施例对本发明的技术方案作进一步说明。
除非另外定义,本发明使用的技术术语或者科学术语应当为本发明所属领域内具有一般技能的人士所理解的通常意义。
实施例一
如图1所示,为本发明一种基于阵列式阻抗的生物组织识别装置的系统结构图;生物组织识别装置包括激励信号产生及阻抗测量模组、阵列式电极设计及选通模组、主控及通信模组;
其中,激励信号产生及阻抗测量模组用于多种激励信号的产生和对应阻抗的测量;激励信号的产生部分包括激励源、波形发生器、高速DAC和两个激励电极(F+、F-);阻抗测量部分包括高速TIA、高精度ADC、两个测量电极(F+、F-),其中,高速DAC采用12位,高精度ADC采用16位;
激励信号产生及阻抗测量模组采用MCU进行激励参数调整和测量模式选择。此外,为保证激励信号的高精度产生,本模组采用高精度LDO电源,电流最大600mA、-0.5%<电压精度<0.5%、噪声低于1.6μV rms、电源抑制比>90dB,保证激励信号的稳定性。
本发明采用单激励信号产生及阻抗测量与多电极选通的方案,便于装置的集成设计、小型化与便携化设计。
如图2所示,本实施例采用4*4的阻抗设计,材质采用弹簧顶针电极(不限于电极类型)。此外,电极板底板支持FPC材质,FPC柔性特性、弹簧顶针的伸缩特性等,使其适应形状不规则、内部结构复杂的测量对象,并支持被测物体表面放置,实现生物组织识别。解决了常见的EIT电极阵列采用围绕被测对象的侧边圆形排布,如实现胸腔内肺部功能的可视化,而对于只支持表面电极排布的对象难以实现组织识别。
在激励信号的选通上,本实施例采用快速、低功耗、高精度的多路选通器,其导通电阻仅2.5Ω、电阻平坦度0.5Ω、转换时间40ns、功耗<0.01μW,采用MCU实现电极选通、激励生成、阻抗采集、数据云端传输。
在激励模式上,本发明支持多种激励方式,包括二线式和四线式阻抗采集。其中,对于二线式,本装置支持任意两电极点的阻抗采集;四线式阻抗法包括激励电极对和采集电极对,本装置支持“定采集-遍历激励电极对”、“定激励-遍历采集电极对”、“遍历采集-遍历激励电极对”三种方式,相比传统EIT的相邻激励、相对激励等常见激励方式,本发明的激励方式更加多样化,可实现不同场景下电场分布的深度信息挖掘。
如图3所示,本装置采用变激励频率情况下,变采集-变激励电极对的阻抗采集方案以实现基于牛顿法的组织识别,具体方式:激励频率在1000hz-150000hz范围内对数式增长50次,而激励点位和测量点位的选取采用电极位号增加、横向与纵向距离为1的方案,具体为[0-1、0-4、1-2、1-5、2-3、…e-f]。
主控单元采用STM32F411RET6作为MCU。该MCU具有丰富的通信接口,支持SPI、UART、GPIO等方式的数据传输;其主频最高100MHz,支持DSP和FPU运算;此外,该MCU单元部署FreeRTOS实时操作系统以确保数据通信的实时性和控制信号的有效性。
本装置的组织识别采用牛顿法,具体的处理步骤包括以下几点:
1、数据采集:
通过生物组织识别装置采集多频率、多点位的腕部阻抗数据。
2、数据预处理:
根据采集的多频率、多点位信息构建数据数组,并进行互补滤波,减小电压误差。
3、正向问题建模:
根据麦克斯韦方程组,EIT数理方程表示为:
其中,表示梯度操作,Ω表示成像区域,σ(x,y)表示成像区域内的电导率分布,Φ(x,y)表示成像区域内的电位分布函数,(x,y)为二维平面的坐标。
1)建立生物组织的有限元模型,包括定义几何形状、分割成单元或网格、确定电导率分布。
2)确定电流注入的位置、幅度和频率等边界条件。
Φ(x,y)=U(x,y) (2)
其中,U(x,y)表示已知的区域边界电位分布,n表示区域的边界外法向量,j(x,y)表示边界注入区域的电流密度,表示目标区域边界,/>是/>取n方向的偏微分运算。
3)建立扩散方程来描述电流如何在生物组织内传播的数学方程。
I表示电流密度;
4)将有限元模型分成离散的单元或节点,并创建一个数值网格。
5)根据电场传导方程和数值网格,构建一个线性代数方程组。
AΦ=I (5)
式中,A表示有限元矩阵,Φ表示电势分布。
6)通过求解矩阵方程,正向问题计算得到的边界电压响应Ucalculate(σ);
4、反向问题求解:
1)通过有限元模型建立反问题模型,包括电流密度、电压、电导率以及电场传导方程;
2)定义目标函数
目标函数是衡量模型预测与实际测量数据之间的误差,本发明采用最小二乘法,即最小化残差平方和。
目标函数的数学表达式为:
其中,J(σ)是目标函数,M是电压测量的点数,||·||2是欧几里得范数,λ是正则化系数,用来平衡数据拟合项和正则化项,R(σ)是Tikhonov正则化项。
3)定义初始化参数并迭代
初始化电导率分布的参数使用启发式方法,即σ(0)赋予初值;迭代包括两步:计算当前参数值下的模型预测V模拟,模拟电流注入和电压测量;计算目标函数关于参数的梯度(Jacobian矩阵):
其中,d表示微分运算。
使用梯度信息更新参数值,其数学表达式为:
其中,k表示迭代步骤,α表示步长。
迭代过程重复执行,直到达到预定的收敛标准或迭代次数。
4)生成阻抗图像
当迭代收敛,即目标函数达到最小值,可以使用最终的参数值来生成电导率分布的估计,显示了生物组织内部电导率的分布情况。
下面通过具体实例对本发明所提装置进行说明:
配置带有3d打印的三棱柱的2%浓度琼脂;将阵列电极放置待测的区域上方,并连接好装置;通过上述牛顿法对异物进行识别。具体的,电极排布在琼脂表面,异物分布在琼脂内。本发明所提生物组织识别装置的电极排布不在待测物体侧面,而是在待测物体表面,且识别效果较好。
本实施例中设置琼脂的电导率为1,识别出异物的电导率在1.7左右,异物的识别位置与实际位置的相关性极高。具体识别结果如图6所示。
因此,本发明采用上述一种基于阵列式阻抗的生物组织识别装置,该装置具有小型化、多电极及多频率阻抗采集、精细化生物组织感知、面向多类型目标等特点。
最后应说明的是:以上实施例仅用以说明本发明的技术方案而非对其进行限制,尽管参照较佳实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对本发明的技术方案进行修改或者等同替换,而这些修改或者等同替换亦不能使修改后的技术方案脱离本发明技术方案的精神和范围。
Claims (5)
1.一种基于阵列式阻抗的生物组织识别装置,其特征在于,包括激励信号产生及阻抗测量模组、阵列式电极设计及选通模组、主控及通信模组;
其中,激励信号产生及阻抗测量模组用于多种激励信号的产生和对应阻抗的测量;激励信号的产生部分包括激励源、波形发生器、高速DAC和两个激励电极;阻抗测量部分包括高速TIA、高精度ADC和两个测量电极;高速DAC采用12位,高精度ADC采用16位;
阵列式电极设计及选通模组中,电极为阵列式排布;在激励信号的选通上,采用多路选通器,其导通电阻为2.5Ω、电阻平坦度为0.5Ω、转换时间为40ns、功耗<0.01μW,采用MCU实现电极选通、激励生成、阻抗采集、数据云端传输;
激励模式包括二线式阻抗采集和四线式阻抗采集;
对于二线式阻抗采集,生物组织识别装置支持任意两电极点的阻抗采集;四线式阻抗采集包括激励电极对和采集电极对,生物组织识别装置支持定采集-遍历激励电极对、定激励-遍历采集电极对、遍历采集-遍历激励电极对三种方式。
2.根据权利要求1所述的一种基于阵列式阻抗的生物组织识别装置,其特征在于,激励信号产生及阻抗测量模组采用MCU进行激励参数调整和测量模式选择。
3.根据权利要求1所述的一种基于阵列式阻抗的生物组织识别装置,其特征在于,激励信号产生及阻抗测量模组采用高精度LDO电源,电流<600mA、-0.5%<电压精度<0.5%、噪声<1.6μV rms、电源抑制比>90dB。
4.根据权利要求1所述的一种基于阵列式阻抗的生物组织识别装置,其特征在于,主控及通信模组采用STM32F411RET6作为MCU,支持SPI、UART、GPIO数据传输方式,主频最高100MHz,支持DSP和FPU运算;
MCU单元部署FreeRTOS实时操作系统。
5.根据权利要求1所述的一种基于阵列式阻抗的生物组织识别装置,其特征在于,生物组织识别装置通过面向阵列式电极的牛顿法进行组织识别,具体如下:
(一)通过生物组织识别装置在待测物体表面采集多频率、多点位的阻抗数据;
(二)根据采集的多频率、多点位的阻抗数据构建数据数组,并进行互补滤波,减小电压误差;
(三)根据麦克斯韦方程组,EIT数理方程表示为:
其中,表示梯度操作,Ω表示成像区域,σ(x,y)表示成像区域内的电导率分布,Φ(x,y)表示成像区域内的电位分布函数,(x,y)为二维平面的坐标;
1)建立生物组织的有限元模型,包括定义几何形状、分割成单元或网格、确定电导率分布;
2)确定电流注入的位置、幅度和频率:
Φ(x,y)=U(x,y) (2)
其中,U(x,y)表示已知的区域边界电位分布,n表示区域的边界外法向量,j(x,y)表示边界注入区域的电流密度,表示目标区域边界,/>是/>取n方向的偏微分运算;
3)建立扩散方程来描述电流在生物组织内传播的数学方程:
I表示电流密度;
4)将有限元模型分成离散的单元或节点,并创建数值网格;
5)根据电场传导方程和数值网格,构建线性代数方程组:
AΦ=I (5)
其中,A表示有限元矩阵,Φ表示电势分布;
6)通过求解矩阵方程,正向问题计算得到的边界电压响应Ucalculate(σ);
(四)反向问题求解:
1)通过有限元模型建立反问题模型,包括电流密度、电压、电导率以及电场传导方程;
2)定义目标函数
目标函数的数学表达式为:
其中,J(σ)是目标函数,M是电压测量的点数,||·||2是欧几里得范数,λ是正则化系数,用来平衡数据拟合项和正则化项,R(σ)是Tikhonov正则化项;
3)定义初始化参数并迭代
初始化电导率分布的参数使用启发式方法,即σ(0)赋予初值;迭代包括:计算当前参数值下的模型预测V模拟,模拟电流注入和电压测量;计算目标函数关于参数电导率σ的梯度:
其中,d表示微分运算;
使用梯度信息更新参数值,其数学表达式为:
其中,k表示迭代步骤,α表示步长;
迭代过程重复执行,直到达到预定的收敛标准或迭代次数;
4)生成阻抗图像
当迭代收敛,即目标函数达到最小值,使用最终的参数值来生成电导率分布的估计。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311536223.5A CN117530677A (zh) | 2023-11-17 | 2023-11-17 | 一种基于阵列式阻抗的生物组织识别装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311536223.5A CN117530677A (zh) | 2023-11-17 | 2023-11-17 | 一种基于阵列式阻抗的生物组织识别装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117530677A true CN117530677A (zh) | 2024-02-09 |
Family
ID=89783744
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311536223.5A Pending CN117530677A (zh) | 2023-11-17 | 2023-11-17 | 一种基于阵列式阻抗的生物组织识别装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117530677A (zh) |
-
2023
- 2023-11-17 CN CN202311536223.5A patent/CN117530677A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2012351988B2 (en) | Devices, systems and methods for determining the relative spatial change in subsurface resistivities across frequencies in tissue | |
AU2014284372B2 (en) | Apparatuses for home use in determining tissue wetness | |
CN106037650B (zh) | 一种混合变差生物电阻抗成像方法 | |
US7627362B2 (en) | Method and apparatus for producing an electrical property image of substantially homogeneous objects containing inhomogeneities | |
CN102138790A (zh) | 一种三维电阻抗断层成像系统性能测试方法与装置 | |
Stenroos et al. | Boundary element computations in the forward and inverse problems of electrocardiography: comparison of collocation and Galerkin weightings | |
GB2486967A (en) | Soft Field Tomography Iteration Method | |
AU2016293382A1 (en) | Fluid level determination | |
Kwon et al. | Estimation of anomaly location and size using electrical impedance tomography | |
CN109758149A (zh) | 一种结合时差成像和频差成像的电阻抗成像方法 | |
CN112754456B (zh) | 一种基于深度学习的三维电阻抗成像系统 | |
Hren et al. | Comparison between electrocardiographic and magnetocardiographic inverse solutions using the boundary element method | |
CN111938641A (zh) | 一种优化自适应扩展卡尔曼滤波生物电阻抗成像方法 | |
CN117530677A (zh) | 一种基于阵列式阻抗的生物组织识别装置 | |
Stenroos | The transfer matrix for epicardial potential in a piece-wise homogeneous thorax model: the boundary element formulation | |
EP1605820A1 (en) | Weighted gradient method and system for diagnosing disease | |
CN112179950B (zh) | 一种三维双模态电阻抗成像传感器及制造方法 | |
Jamison et al. | The inverse problem utilizing the boundary element method for a nonstandard female torso | |
Cao et al. | 2D image reconstruction of a human chest by using Calderon's method and the adjacent current pattern | |
Bader et al. | Realistic 2D Model of the Human Thorax for Electrical Impedance Tomography | |
Cheng | Non-invasive electrical imaging of the heart | |
US20040243019A1 (en) | Weighted gradient method and system for diagnosing disease | |
Wang et al. | Fast electrical impedance tomography based on sparse Bayesian learning | |
Tizzard | An introduction to computer-aided engineering | |
Li et al. | Influence of the measuring probe structure on the electric-field edge effect in electrical impedance scanning |
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 |