[发明专利]一种连续监护中断后监护图像信息继承的处理方法

权利要求书

1.一种颅脑动态电阻抗成像连续监护中断后监护图像信息继承的处理方法，其特征在于，该处理方法对连续监护中断前后的测量数据进行分析：首先，使用样条差分拟合的方法处理测量数据，抑制连续监护中断前后电极接触状态不一致导致的测量数据基线变化引起的图像伪影；然后，对图像重构算法进行增广处理，将电极位移的先验信息引入重建矩阵，减小监护中断前后电极因安放位置不一致对监护图像的影响；

具体操作如下：

1)获取测量数据的基线矫正值

选定连续监护中断前的最后n帧数据和重新开始监护的前n帧数据，将数据连接在一起，为数据x(l)，对第i个有效数据通道数据x_i(l)使用样条函数拟合，获取拟合序列其中，i∈N，N为测量通道总数；

然后，检测在基线跃变处上升侧的极大值和下降侧的极小值计算基线矫正值

2)对重新开始监护的数据进行测量基线矫正

对重新开始监护后的第i个测量通道数据序列y_i(l)，使用对y_i(l)进行基线矫正，与监护中断前的数据相比，若y_i(l)处于基线升高的一侧，则矫正后的若y_i(l)处于基线下降的一侧，则矫正后的

3)对高斯-牛顿图像重建公式进行增广处理

对高斯--牛顿图像重建公式：Δρ＝-[J^tJ+λR]^-1Jz，其中，J为雅各比矩阵，λR为正则化约束项，Δρ为不同时刻间的电阻抗变化分布向量，z为不同时刻的边界电压差向量；

为抑制电极位置变化对成像结果的影响，对重建公式中的矩阵进行增广处理：将雅各比矩阵扩展为将约束矩阵扩展为并利用先验信息确定系数λ和约束矩阵R_aug的单元项；

其中，n_meas为一帧数据包含的测量电压数，n_elem为成像所用的重构使用的有限元模型单元数，n_dim为成像维数；进行二维成像，所以取n_dim＝2，n_e为电极数量，雅各比矩阵的扩展部分填充为由于测量电极位置变化的扰动，即：

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

其中，A为电流激励向量，H为正向计算矩阵，为电极位置在x或y方向上变化后重新计算的正向计算矩阵，该位移量统一设置为一个先验常量；

然后，对约束矩阵R进行增广处理：

将扩展为扩展部分填充为重构数据的噪声先验估计和重构电导率变化的先验估计，即：

Raug=RRextra;]]>

其中，R_extra为一个拉普拉斯滤波器，根据成像场域的先验信息确定正则化参数λ和R_extra的拉普拉斯模板，则有：

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

其中，ave_noise为噪声相对于测量数据的平均先验幅值，ave_conduct为电导率变化相对于初始电导率分布的平均先验幅值，ave_move为相对于场域半径的电极位移平均先验幅值，为拉普拉斯算子；

4)使用矫正后的数据和增广的重建公式重建目标场域的阻抗变化

即其中为t1时刻的测量电压数据，为t2时刻的测量电压数据。

2.根据权利要求1所述的颅脑动态电阻抗成像连续监护中断后监护图像信息继承的处理方法，其特征在于，步骤1)中，对第i个有效数据通道数据x_i(l)使用样条函数拟合，具体按下式进行：

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

其中，S(x)为数据序列x_i(l)的样条拟合函数，求S(x)令L的值取到最小；其中，p∈[0,1]反映了拟合函数与实测数据的接近程度；S(x)是分段样条拟合函数，写成一般形式：

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

加入边界条件利用最小二乘法求解S(l)的各分段拟合函数系数，得到S(l)具体表达式后，求拟合重构序列检测在基线跃变处上升侧的极大值和下降侧的极小值计算基线矫正值