[發明專利]一種連續監護中斷后監護圖像信息繼承的處理方法

有效

• 申請號: 201610916112.0
• 申請日: 2016-10-20
• 公開（公告）號: CN106529126B
• 公開（公告）日: 2018-05-04
• 發明（設計）人: 付峰;張戈;代萌;李蔚琛;楊琳;徐燦華;董秀珍;史學濤
• 申請（專利權）人: 中國人民解放軍第四軍醫大學
• 主分類號: G16H30/20
• 分類號: G16H30/20;G06T5/00
• 代理公司: 西安通大專利代理有限責任公司61200
• 代理人: 王霞

1.一種顱腦動態電阻抗成像連續監護中斷后監護圖像信息繼承的處理方法，其特征在于，該處理方法對連續監護中斷前后的測量數據進行分析：首先，使用樣條差分擬合的方法處理測量數據，抑制連續監護中斷前后電極接觸狀態不一致導致的測量數據基線變化引起的圖像偽影；然后，對圖像重構算法進行增廣處理，將電極位移的先驗信息引入重建矩陣，減小監護中斷前后電極因安放位置不一致對監護圖像的影響；

具體操作如下：

1)獲取測量數據的基線矯正值

選定連續監護中斷前的最后n幀數據和重新開始監護的前n幀數據，將數據連接在一起，為數據x(l)，對第i個有效數據通道數據x_i(l)使用樣條函數擬合，獲取擬合序列其中，i∈N，N為測量通道總數；

然后，檢測在基線躍變處上升側的極大值和下降側的極小值計算基線矯正值

2)對重新開始監護的數據進行測量基線矯正

對重新開始監護后的第i個測量通道數據序列y_i(l)，使用對y_i(l)進行基線矯正，與監護中斷前的數據相比，若y_i(l)處于基線升高的一側，則矯正后的若y_i(l)處于基線下降的一側，則矯正后的

3)對高斯-牛頓圖像重建公式進行增廣處理

對高斯--牛頓圖像重建公式：Δρ＝-[J^tJ+λR]^-1Jz，其中，J為雅各比矩陣，λR為正則化約束項，Δρ為不同時刻間的電阻抗變化分布向量，z為不同時刻的邊界電壓差向量；

為抑制電極位置變化對成像結果的影響，對重建公式中的矩陣進行增廣處理：將雅各比矩陣擴展為將約束矩陣擴展為并利用先驗信息確定系數λ和約束矩陣R_aug的單元項；

其中，n_meas為一幀數據包含的測量電壓數，n_elem為成像所用的重構使用的有限元模型單元數，n_dim為成像維數；進行二維成像，所以取n_dim＝2，n_e為電極數量，雅各比矩陣的擴展部分填充為由于測量電極位置變化的擾動，即：

Δvnelectrode|dmove=AH-AHnelectrode|dmove,dmove=x or y;]]>

其中，A為電流激勵向量，H為正向計算矩陣，為電極位置在x或y方向上變化后重新計算的正向計算矩陣，該位移量統一設置為一個先驗常量；

然后，對約束矩陣R進行增廣處理：

將擴展為擴展部分填充為重構數據的噪聲先驗估計和重構電導率變化的先驗估計，即：

Raug=RRextra;]]>

其中，R_extra為一個拉普拉斯濾波器，根據成像場域的先驗信息確定正則化參數λ和R_extra的拉普拉斯模板，則有：

λ=avenoiseaveconduct,Rextra=(aveconductavemove)2▿2;]]>

其中，ave_noise為噪聲相對于測量數據的平均先驗幅值，ave_conduct為電導率變化相對于初始電導率分布的平均先驗幅值，ave_move為相對于場域半徑的電極位移平均先驗幅值，為拉普拉斯算子；

4)使用矯正后的數據和增廣的重建公式重建目標場域的阻抗變化

即其中為t1時刻的測量電壓數據，為t2時刻的測量電壓數據。

2.根據權利要求1所述的顱腦動態電阻抗成像連續監護中斷后監護圖像信息繼承的處理方法，其特征在于，步驟1)中，對第i個有效數據通道數據x_i(l)使用樣條函數擬合，具體按下式進行：

L=pΣj=0n(xi,j-S(lj))2+(1-p)∫mn(S′′(l))2dl;]]>

其中，S(x)為數據序列x_i(l)的樣條擬合函數，求S(x)令L的值取到最小；其中，p∈[0,1]反映了擬合函數與實測數據的接近程度；S(x)是分段樣條擬合函數，寫成一般形式：

S_j(l)＝a_j(l-l_j)³+b_j(l-l_j)²+c_j(l-l_j)+d_j；

加入邊界條件利用最小二乘法求解S(l)的各分段擬合函數系數，得到S(l)具體表達式后，求擬合重構序列檢測在基線躍變處上升側的極大值和下降側的極小值計算基線矯正值