MIT中反投影矩阵的计算与数据处理方法

反投影算法是磁感应断层成像技术(MIT)中一种有效的图像重建算法。该算法中反投影矩阵的计算与检测数据的处理是提高重建图像质量的关键。依据磁感应断层像原理,提出了一种有效的MIT反投影矩阵计算方法和检测数据的处理方法。在所建立的仿真模型和实际模型基础上,分别运用该方法进行了图像重建实验与分析。实验结果表明,该方法应用在反投影算法中可以实现MIT图像重建。重建图像能准确反映成像区域内部电导率变化,具有较高分辨率,扰动目标定位准确,形状信息清晰可见。进而验证了该方法的可靠性和有效性。

基于反投影的MIT动态图像重建方法研究

磁感应断层成像(magnetic induction tomography,MIT)是一种无创、非接触的新型医学成像技术,图像重建算法是实现MIT快速、精确成像的关键。提出一种改进的反投影图像重建算法,首先根据成像区域的磁场分布,由磁力线确定反投影路径,降低了直线反投影用于磁场成像的定位误差;其次根据MIT电磁关系推导,构建了边界检测数据的修正模型,据此对边界相位差数据进行修正处理,进一步提高了重建图像定位准确性;最后分别对成像区域内扰动目标电导率大小变化及位置变化2种情况,构建了序列重建图像,对该图像序列联合分析获取纵向阻抗变化信息,反映了成像体随时间变化的动态信息。实验结果表明该算法具有重建速度快、定位准确的特性,能够准确反映成像区域内部电导率变化,结合序列图像联合分析实现MIT动态成像。

基于改进牛顿-拉夫逊算法的脑出血磁感应断层成像研究

针对脑出血磁感应断层成像(MIT)中正问题模型过于简化、图像重建质量较低、算法收敛效率低、病变与背景间伪影较大、耗时较长等问题,该文提出一种用于脑出血MIT的改进牛顿-拉夫逊(NR)算法。将线性反投影(LBP)算法计算结果作为改进NR算法的迭代初值,在目标函数中加入自适应加速惩罚项和L2范数惩罚项,提高算法每一步迭代的效率,减少重建图像的伪影。引入投影算子P施加物理意义上的约束,提高收敛速度并改善成像质量。利用Comsol Multiphysics构建了包含头皮、颅骨、脑脊液和脑实质的真实3维颅脑模型。仿真计算了相位差检测值和灵敏度矩阵用于后续的图像重建。利用所提改进NR算法与5种图像重建算法分别对3个位置出血量分别为24 ml,14 ml,2 ml的脑出血进行磁感应断层成像。实验结果表明,所提算法相比其他5种算法重建图像的质量更高,成像时间平均只需NR算法的1/3。使用更少的迭代次数重建出更高质量的图像,并且能实现2 ml脑出血的图像重建,为脑出血的MIT检测提供一种新的有效算法。

一种用于磁感应断层成像的图像重建算法

磁感应断层成像技术(magnetic induction tomography,MIT)是一种非接触、无损害的以人体电导率分布为成像目标的阻抗成像技术。本文提出一种用于MIT技术的图像重建算法——修正的Newton-Raphson(NR)算法。首先,推导并求解MIT的正问题和逆问题。其次,通过对比仿真计算和实际测量的结果证明基于有限元的MIT正问题求解方法的有效性。然后,对测量区域内的电导率扰动成功地进行了仿真图像重建。结果证明,本文提出的修正的NR算法是一种有效的MIT图像重建算法,它的实现为下一步物理模型以及生物体上的MIT成像实验打下了良好的基础。

LADT快速拟合的改进

提出了一种用射线逼近曲线的新方法 ,并对快速LADT拟合算法实施了改进 .该方法经MIT BIH心电数据库测试表明 :改进的方法不仅计算量大大减小 ,而且仍然有很高的压缩率 ,增强了LADT算法的实时性 ,使得LADT的实时应用成为可能 .

交通事件持续时间预测的贝叶斯网络模型

交通事件是引发道路交通拥堵的主要因素之一,通过实时交通诱导等手段可以降低其对交通运行造成的影响,而及时准确地预测事件持续时间则是实现有效管控的前提条件。基于MIT打分函数,融合自上而下的网络生长规则,引入蚁群算法寻找最优网络结构,即以S-ACOB算法为核心搭建最优贝叶斯网络模型。增加了节点随机选择机制及局部结构概率选择模式,降低局部最优结果生成概率,确保贝叶斯网络的健壮性。通过实例验证及对比分析,针对观测节点属性完备和缺失的情况,网络模型预测精度分别为76.97%和93.23%,平均预测精度可达87.82%,证明该模型可以有效地预测交通事件持续时间。

基于EMD的心电信号压缩算法

针对生物医学信号特别是心电信号(ECG)的特点和数据压缩需求,提出一种基于经验模态分解(EMD)方法的ECG信号压缩算法.所提算法计算简单,无需预先或后处理.以MIT-BIH标准数据库的心律失常数据作为实验数据,通过压缩比(CR)、均方根百分差异(PRD)、归一化均方根百分差异(PRDN)、均方根(RMS)、信噪比(SNR)、质量评分(QS)6个评价参数分析所提算法性能,并与基于小波分解的压缩算法进行比较.实验结果表明,所提算法具有较好的压缩比与保真度,证明了该算法的有效性.

基于改进型蚁群神经网络的ECG心搏分类器

采用改进型蚁群算法优化神经网络模型,构造一个蚁群神经网络的ECG分类器,并对MIT/BIH心律失常数据库中的4类心搏进行分类.结果表明,本文的蚁群神经网络能改善网络性能,有效地避免局部极优,提高训练速度,获得了比BP算法更好的心搏分类性能.

基于Tikhonov和变差正则化的磁感应断层成像重建算法

为了解决磁感应断层成像(MIT)逆问题的病态性和改善重建图像的质量,提出一种新的组合算法.该组合算法首先利用Tikhonov正则化算法对解的适定性产生初步的成像区域,之后再利用变差正则化算法对解的保边缘性和锐化作用进行图像重建.该组合算法与Tikhonov正则化算法及变差正则化算法相比,不仅有效地克服了磁感应断层成像(MIT)重建图像数值解的不稳定性,还加快了重建图像的收敛速度,提高了目标导体的分辨能力,有效改善了重构图像的质量.仿真结果表明了该组合算法的有效性.

最大间隔集成学习算法与应用

针对集成学习算法的不足,提出了一种新颖的集成学习算法-集成最大间隔集成学习算法(MMEA)。该算法的时间与空间复杂度都是O(N),而标准的SVM算法的时间复杂度是O(N3),空间复杂度是O(N2),其中N是数据样本的大小,并从理论上证明了MMEA算法的收敛性。用MMEA算法与Bagging LibSVM,AdaBoostLibSVM,BaggingLiblinear,AdaBoostLiblinear流行的集成算法对扩展的MIT人脸数据集进行分类。实验结果表明,提出的MMEA算法在多项指标上均达到最优。

导数法峰值锐化算法提高磁感应成像图像分辨率

磁感应成像(MIT)是一种利用电磁感应原理重构生物组织电导率分布的非接触式电阻抗成像技术。该文利用亥姆霍兹线圈和20个检测线圈搭建了旋转式磁感应成像系统,利用滤波反投影算法重构图像。分别利用2阶和4阶导数法峰值锐化算法处理单目标和双目标检测线圈的测量数据,通过3个客观参数对比处理前后的重构图像结果。结果证明磁感应成像中导数法峰值锐化能够有效地增加图像质量。

基于深度学习的ECG心拍数据分类设计

心脏疾病是威胁人类健康的最大病因,ECG信号的复杂性使得人工检测需要大量时间且容易误诊,因此基于心电图心拍数据实现计算机辅助ECG判断具有重要意义。提出基于QRS波群的心拍特征提取方法,以Pan-Tompkins算法实现QRS波群定位,设计心拍截取规则;构建一维卷积神经网络(CNN)模型,实现ECG四类心拍数据(正常搏动、左束支传导阻滞、右束支传导阻滞、室性早搏)的自动分类检测。为验证提出心拍截取方法的有效性,以MIT-BIH心率失常数据库45条数据进行验证,结果显示其灵敏度为99.1%、特异性为99.4%。采用截取的四类心拍数据验证一维CNN自动ECG分类检测模型的可用性,结果显示模型总体分类准确率为98.95%。

距离阈值线性逼近的快速拟合算法

提出了用角逼近线段端点来拟合曲线的新方法,对快速距离阈值线性逼近的拟合算法进行改进。该方法经麻省理工学院的心电数据库测试表明,改进后的算法提高了逼近质量,增强了距离阈值线性逼近算法的实时作用,且避免了增大计算量。