基于轮廓形状的肺部电阻抗成像三维插值方法

肺部三维信息利于医生做出更快更准确的诊断,但肺部三维重建的图像都是源自二维断层图像的叠加。二维图像的数量制约三维成像的效果,增加电极层数可获取更多层的二维图像,但同时也会增加计算量,减缓成像速度。虽然采取层间插值的方法可以解决这个问题,但是由于人体几何结构的特异性,肺部电阻抗图像(electrical impedance tomography,EIT)边界不规则,传统的规则图像插值方法不适合直接应用于肺部EIT三维插值。为此,提出适用于肺部电阻抗的插值算法,先获得插值图像轮廓,再用对应点插值像素值。通过仿真和实验验证新插值算法成像的相对误差比线性插值、样条插值成像的相对误差分别降低5.69%,3.3%。基于轮廓形状的肺部电阻抗三维插值方法,能在测量数据量有限的条件下,进一步提高三维电阻抗成像质量,更好地反映肺部的真实形态。

基于张量分解的电阻抗三维成像方法

针对现有的三维电阻抗成像只是对图像横截面的单独重建,然后罗列为三维进行显示,没有考虑到不同图层间的关联性,致使图像信息利用不充分的问题,提出一种基于张量分解的电阻抗三维成像方法。该方法将实验中测得的数据建立张量模型,使用张量分解可以对胸腔进行直接三维重建,能够充分利用图层间的关联性;并将该方法与总变差正则化(Total Variation,TV)成像算法、Tikhonov正则化重建算法进行实验对比。实验结果表明:基于张量分解的电阻抗三维成像方法,可以充分利用图像的空间结构信息,考虑图像层与层之间的关联特性,能够更加接近肺部的真实情况,准确地反映肺的状态,进而提高图像重建质量;基于张量分解的电阻抗三维成像方法相比于二维张量重建方法,将图像的峰值信噪比(PSNR)提高了13.8%。由此可得,与Tikhonov正则化以及TV成像算法相比,基于张量分解的电阻抗三维成像方法更适合电阻抗的图像重建工作。

基于总变差正则化算法的三维肺部呼吸过程电阻抗成像方法

为了提高对肺部呼吸运动进行连续监测的精确性,针对二维成像不能满足人体结构成像需求的问题,利用三维电阻抗断层成像技术(electrical impedance tomography,EIT)对肺部呼吸过程进行成像,采用总变差正则化(total variation,TV)算法与Tikhonov正则化算法实现肺部三维EIT成像,并对2种算法在不同呼吸状态下的图像重建结果的误差与肺区域比(lung regional ratio,LRR)进行对比与评价。结果表明:与传统Tikhonov正则化算法相比,仿真数据中,TV算法使三维肺部EIT成像误差降低了58.86%,肺区域比(LRR)准确率提高了14.58%;实验数据中,TV算法使成像误差降低了53.81%,LRR准确率提高了16.33%;说明TV算法比Tikhonov正则化算法更适合进行三维EIT图像重建工作,证明了三维EIT用于人体呼吸运动监测的可行性。