[發明專利]一種生物電阻抗成像方法

無效

• 申請號: 201310402070.5
• 申請日: 2013-09-06
• 公開（公告）號: CN103462605A
• 公開（公告）日: 2013-12-25
• 發明（設計）人: 劉瑞蘭;林明鋒;戎舟;唐超
• 申請（專利權）人: 南京郵電大學
• 主分類號: A61B5/053
• 分類號: A61B5/053
• 代理公司: 江蘇愛信律師事務所 32241
• 代理人: 唐小紅

技術領域

本發明提出了一種生物電阻抗成像方法，尤其涉及一種基于粒子群和正則化高斯-牛頓迭代算法的生物電阻抗成像方法。

背景技術

生物電阻抗成像技術是將電阻抗成像技術（Electrical?Impedance?Tomography，EIT）應用于生物醫學工程，是繼形態結構成像技術后出現的一種具有無損傷功能的成像技術。該技術可以通過圖像信息來分析生物組織的功能活動，從而獲得與產生生物組織病變密切相關的信息。在何為、羅辭勇、許征等著的《電阻抗成像原理》（科學出版社，2009年）中，EIT技術是通過布置在被測物體表面的電極將安全電流注入到物體內部，同時測量其余電極上的電壓值，并將測得的電壓信息經過一定的重建算法求得被測物體內部組織的電阻抗值分布，進而實現圖像重建的過程。

目前為止，電阻抗斷層成像技術都是基于正問題的計算和逆問題的圖像重構算法來進行的。所謂正問題就是已知場域電導率的分布及邊界條件，求取場域內的電勢分布，進而得到電極上電壓的計算值。在EIT問題中，場域是一個具有特殊邊界條件的電場，其數學模型為一個偏微分方程，通常采用有限元方法（Finite?Element?Method，簡稱FEM）來求解正問題，如：Tadakuni?Murai、Yukio?Kagawa所著，《Electrical?Impedance?Computed?Tomography?Based?on?a?Finite?Eliment?Model》（IEEE?Transactions?on?Biomedical?Engineering.1985,32(3):177-184）。逆問題就是有邊界測量電壓值和正問題計算得到的電壓計算值來求解場域內部電導率分布。常用的求解逆問題的方法有牛頓類算法，反投影類算法，微分進化算法等，如：徐桂芝、楊碩、李穎、顏威利等著，《電阻抗斷層成像技術綜述》（河北工業大學學報，2004年33(2):35-40）以及B.H.Brown?《Electrical?impedance?tomography(EIT):a?review》（Journal?of?Medical??Engineering?&?Technology.2003,27(3):97-108）。

牛頓類算法中常用的有牛頓-拉夫遜算法和正則化高斯-牛頓迭代算法。基本思想是利用有限元模型，根據最小平方誤差原則來求內部電阻抗分布和邊界電壓之間的映射關系。牛頓類算法是EIT圖像重構算法中性能最好的一種圖像重構算法，其誤差小，收斂性好。但其對初始值要求較高，迭代運算量較大，且雅克比矩陣具有嚴重的病態性。在文獻：戎立鋒著，《電阻抗成像技術的研究與系統設計》（南京理工大學，2006年）和文獻：周光磊著,《電阻抗成像技術圖像重建算法研究》（天津大學，2010年）中均給出了正則化高斯-牛頓算法的原理和仿真結果。

反投影類算法常用的是等位線反投影算法。這是一種基于等位線進行反投影的定性圖像重建算法。其特點是許多測量數據中的噪聲可以在相減時得到消除，所以它對數據采集系統的要求不高，實現容易，且計算量小。其缺點是如果在數據采集的兩個時刻電阻抗分布沒有變化，則它無法成像，另外，反投影算法難以推廣到一般的三維情況，這限制了該方法的應用范圍。在文獻：朱清友著，《基于虛擬儀器的電阻抗成像算法研究》（重慶大學，2008年）和文獻：徐桂芝著，《基于EIT技術的腦內電特性與功能成像研究》（河北工業大學，2002年）中均給出了等位線反投影算法的原理和仿真結果。

微分進化算法是一種啟發式算法，它可以對非線性不可微連續空間函數進行最小化，可被歸類為進化優化算法，其結構簡單，收斂快速，易于應用，但其性能尚不能滿足醫學成像需求。

現行的圖像重構算法都各有其優缺點，最好的辦法是如何采用混合算法，發揮現有算法的優點的同時又能克服其存在的不足。

發明內容

本發明的目的在于克服現有技術的不足，提供一種生物電阻抗成像方法，尤其是提供一種基于粒子群和正則化高斯-牛頓迭代算法的生物電阻抗成像方法。

本發明只是在激勵電流的作用下，從活的人體或動物體的局部獲取電阻抗參數作為中間結果信息的方法，以及處理電阻抗參數重構成像的方法，其直接目的不是獲得疾病診斷結果和健康狀況。本發明的方法結合現有技術中的醫學知識不能夠直接得出疾病的診斷結果或健康狀況，因此采用本發明的方法只能獲取中間結果信息。