基于径向基函数神经网络的肺部加权频差电阻抗成像方法

目的对肺通气过程进行床旁实时连续图像监控,是机械通气患者和临床医生的迫切需求。肺部电阻抗成像(EIT)可反映呼吸引起的胸腔电特性变化分布,在肺通气监测方面具有天然的优势。本文目的在于建立基于径向基函数神经网络(RBFNN)的肺部加权频差电阻抗成像(wfd-EIT)方法,实现对肺通气的高空间分辨率成像。方法利用肺部wfd-EIT成像方法实时描绘胸腔电导率分布状况,再通过RBFNN将目标区域可视化并精准识别其边界信息。首先通过数值分析模拟,在各个激励频率利用COMSOL与MATLAB软件建立2028个仿真样本,分为训练样本集和测试样本集,验证所提出成像方法的可行性和有效性。其次,为了验证仿真结果,建立肺部物理模型,选用具有低电导特性的生物组织模拟肺部通气区域,对其进行成像实验,并采用图像相关系数(ICC)和肺区域比(LRR)定量数据衡量成像方法的准确性。结果wfd-EIT方法可以在任意时刻进行图像重建,并能够准确反映出目标区域的电特性分布;利用基于RBFNN的算法能够增强目标区域的成像精度,ICC可达0.94以上,更好地凸显其边界轮廓信息。结论通过wfd-EIT成像方法,利用多频阻抗谱同步测量实现目标区域的快速可视化,并结合RBFNN网络逼近任意非线性函数的优点,实现对目标区域电特性变化的精准识别,为下一步进行临床肺通气的EIT图像监测奠定了理论和技术基础。

基于分裂Bregman方法的加权频差电阻抗成像算法

加权频差阻尼最小二乘算法引入正则化方法,对病态的敏感矩阵进行修正,克服了背景对成像结果的影响,在背景阻抗不随频率变化时能够反映异物的位置,但当背景的阻抗随着频率的变化而变化时,背景区域的伪影较多,掩盖了异物区域。由于加权频差中,重建两种频率下的阻抗差值具有稀疏性,针对这一特性,引入L1-范数进行约束并采用分裂Bregman方法对其进行优化求解,改善了这一问题。实验结果表明,优化后的加权频差算法能够减少成像中存在的伪影并能进一步提高成像质量。因此,改进的加权频差算法是一种有效的准静态电阻抗成像算法。

一种改进的加权频差电阻抗成像算法

传统加权频差电阻抗成像算法对成像数据采用单加权频差的处理方式,针对权值设置问题采用双加权方法进行权值优化,使背景区域归一化。传统加权频差成像算法采用敏感矩阵数据作为先验信息,在成像结果中存在较多伪影。针对成像结果的伪影问题,对先验信息矩阵进行改进。实验结果表明,优化后的加权频差算法能够从理论上解释其去伪影性能,并且减少了成像中存在的伪影。将实部成像数据与虚部成像数据融合后进行模值成像,进一步提高了成像质量。因此,改进的加权频差算法是一种有效的准静态电阻抗成像算法。