[发明专利]基于超形状的电阻抗成像方法

说明书

一种基于超形状的电阻抗成像方法，包括以下步骤：建立完备电极模型，通过有限元方法求解得到观测模型；利用超形状表达基本单元；利用超形状表达拓扑描述函数；对超形状进行布尔运算；基于超形状表示与布尔运算相结合的形状重构算法；执行重构算法，进行图像重构，以实现基于超形状的电阻抗成像。本发明所提出的算法可以通过同一表达式表示不同形状的物体，同时可以重建得到多相、内嵌等复杂形状，并且对电阻抗成像中普遍存在的模型误差、测量噪音等具有很好的鲁棒性。

技术领域

本发明涉及电阻抗断层成像技术领域，尤其涉及一种通过将超形状(supershape)与电阻抗成像技术相结合来重建对象体内阻抗分布图像的方法。

背景技术

电阻抗成像(Electrical impedance tomography，EIT)兴起于20世纪80年代，是医学成像技术的一个新方向，其基于人体的各个组织具有不同电阻抗值这一特性，在人体外部施加一个比较小的安全激励电流(电压)，通过放置在体表的电极来测量电压(电流)，从而重建出人体内二维或三维的电阻抗分布图像。该技术出现以后，以其非侵入式、无辐射、成像速度快、设备简单、价格低廉、可视化等优势，在工业、医学、地质勘察等领域受到了广泛的关注，在成像和复杂过程监控等方向有着诱人的应用前景。

由于EIT技术的“软场”特性，使得EIT图像重建问题是高度非线性的。目前成像无法达到x射线计算机断层成像(CT)，核磁共振成像(MRI)等技术的成像精度。近几十年，许多研究工作者对EIT成像技术进行了研究并提出了大量的成像方法。针对EIT技术所存在不适定的问题，EIT成像方法常用先验信息作为解的正则化约束从而稳定重建过程并提升重建结果的分辨率。此类方法称为基于形状的重建方法，包括傅里叶方法，水平集方法，基于B样条的方法，分解方法，基于单调性的方法，基于深度学习的方法等。传统傅里叶方法可以较为准确地重建出圆、椭圆等光滑边界物体，但无法准确重建物体的尖锐特征，对尖锐特征的重建具有一定光滑化的效果。鉴于这一现实问题，B样条方法被应用到EIT，成功地提升了成像方法对于物体尖锐特征的保持能力，但又由于B样条曲线无法准确表达圆形形状，这在一定程度上限制了基于B样条的电阻抗成像方法的推广应用。因此，提出一种能够同时重建物体光滑边界以及尖锐特征的高精度、性能稳定的EIT系统及算法，提升其对于复杂形状的重建能力，探索其在临床医学以及工业领域中的应用，是当前的热点和难点问题。

在实现本发明的过程中，申请人发现存在以下现有技术：

1、现有技术提出将B样条曲线和布尔运算当中的联合操作相结合应用于EIT。此算法利用B样条曲线形式表示基本单元，通过布尔运算的联合操作来构建重建物体，通过调整样条曲线的控制点位置来逼近目标形状。该算法保持了B样条方法的尖锐特征的重建能力，并且通过联合运算实现了拓扑演化，最终可实现复杂形状的重建。该算法将布尔运算联合操作与B样条曲线方法相结合，在原有的B样条方法基础上具备了拓扑演化能力。但该算法主要针对EIT中两相的情况，同时仅仅采用了布尔运算当中的联合操作，对于多相等复杂形状无法重建得到可靠的结果；另外该方法在利用高斯牛顿方法进行迭代求解过程中，电压关于B样条曲线控制点的雅克比矩阵是通过扰动的方法求解的，导致求解得到的雅克比矩阵会有一定的误差，从而会对结果产生一定的影响。

2、现有技术存在一种基于可移动变形组件(MMC)的电阻抗成像方法。该发明针对一个目标物体给定多个MMC作为初始迭代值，通过优化组件的几何特征参数、改变组件之间的连通性、分布来实现迭代过程形状的改变，利用高斯牛顿方法迭代更新电导率分布及通过正问题模型计算得到的电压值，通过逆问题最小化目标泛函，最终实现形状重建。

基于MMC的电阻抗成像技术，不仅具有高分辨图像重建能力，而且对电阻抗成像中普遍存在的模型误差、测量噪音等均具有很好的鲁棒性。但该发明仅针对两相的情况进行重建，而对于多相、内嵌等复杂的形状则无法进行重建。