时间序列化磁感应断层成像算法研究

发布时间：2017-04-01 23:18

  本文关键词：时间序列化磁感应断层成像算法研究，由笔耕文化传播整理发布。

【摘要】：磁感应断层成像(Magnetic Induction Tomography,MIT)是一种利用涡流感应原理,以人体某一断层的电导率分布为成像目标的新型成像技术,具有无创、非接触、功能成像、可单次检测和连续监测等特点,是电阻抗断层成像(Electrical Impedance Tomography,EIT)的重要分支。MIT重建算法是MIT技术中尤为重要的技术环节之一。现有的MIT重建算法主要有反投影算法和牛顿迭代法等,使用这些算法可以实现对单帧测量数据的静态成像或对两帧测量数据的差分成像,主要针对单次检测。当将MIT用于连续监测时,能获得随时间先后顺序排列的多帧测量数据。此时如果直接应用原有的MIT重建算法,则会忽视测量数据之间的关联性,无法充分利用大量的测量数据,从而无法获得更好的成像结果。针对MIT用于连续监测时的特点,本文研究利用连续多帧测量数据进行图像重建的新型MIT重建算法。主要包括以下两方面研究工作:(1)MIT线性卡尔曼滤波算法的研究基于经典卡尔曼滤波算法(Kalman Filter Algorithm,KF)的原理,针对时间序列化测量数据,推导了应用于MIT的线性卡尔曼滤波算法(Linear Kalman Filter Algorithm,LKF),并编写了C++实现代码。LKF算法使用前d帧数据和当前帧数据,来重建当前帧的电导率分布图像。为了评估该算法的成像性能,在平面圆形域有限元三角剖分模型中,设置扰动目标电导率随时间变化的一系列状态,分别计算mit正问题以获得仿真的测量数据。本文设置了在均匀电导率分布背景中电导率逐渐增大的单个、两个和三个扰动目标仿真模型,然后使用lkf算法重建电导率分布图像。分别使用重建尺寸误差(reconstructeddimensionerror,rde)和重建位置误差(reconstructedpositionerror,rpe)评价重建图像质量。结果表明:1)重建图像中扰动目标的位置明显趋向成像区域的边缘,扰动目标的尺寸有所偏差,但扰动目标与背景电导率的比例相似;2)rde与1的差值偏大,说明重建图像中扰动目标的尺寸有偏差;rpe也偏大,说明重建图像中扰动目标偏离模型中的位置;3)对于单个扰动目标的成像结果,绘制了仿真模型和重建图像中扰动目标电导率均值随时刻序列变化的曲线,两条曲线的相关系数为0.2778,说明两者的变化趋势一致,但存在较大的误差。通过上述分析,lkf算法虽能进行时间序列化成像,但性能较差,没有达到预期中的效果。(2)mit时间序列化一步高斯牛顿算法的研究基于传统一步高斯牛顿算法(one-stepgauss-newtonalgorithm,gn)的思想,针对时间序列化测量数据,推导了适用于mit的时间序列化一步高斯牛顿算法(temporalone-stepgauss-newtonalgorithm,tgn)。tgn算法使用前d帧、当前帧和后d帧的连续测量数据,来重建当前帧的电导率分布图像。tgn算法中主要涉及三个参数,分别是正则化参数、帧间相关性系数和使用的测量数据的帧数。为了选取一个合适的正则化参数,设定tikhonov正则化方法中的参数分别为1e-002、1e-003、1e-004、1e-005、1e-006、1e-007和1e-008,然后对单个扰动目标仿真模型进行图像重建。结果表明:1)当正则化参数为1e-007或更小时,重建图像完全发散;2)当正则化参数为1e-004、1e-005或1e-006时,重建图像的rde值均为1,且rpe的值较小,说明重建图像中扰动目标的位置准确,尺寸相当。但随着正则化参数的减小,重建图像中伪影程度增强;3)当正则化参数为1e-003或更大时,rde与1的差值增大,且rpe的值增大,说明重建图像中扰动目标的尺寸和位置有所偏差。比较之后,选择1e-004作为以下仿真成像的正则化参数。为评估帧间相关性系数对重建结果的影响,设定帧间相关性系数分别为0.1、0.5和0.9,然后对单个扰动目标仿真模型进行图像重建。分别绘制了仿真模型和重建图像中扰动目标电导率均值随时刻序列变化的曲线。三组曲线的相关系数分别为0.2901、0.4983和0.9999。结果表明:随着帧间相关性系数的增大,曲线的误差减小,tgn算法追踪电导率变化的能力增强。因此,在保证重建质量的前提下,为减少计算量,设定相邻两帧数据之间的帧间相关性系数均为0.8。为了评估测量数据帧数对重建图像的影响,以便确定一个效果好的合适的帧数,分别使用3帧、5帧和7帧数据,对单个扰动目标仿真模型进行图像重建。结果表明:1)重建图像均具有较好的重建质量,重建图像中扰动目标位置准确、尺寸相当,电导率相对于背景比例相似;2)重建图像的rde值为1,rpe值较小,说明重建图像中扰动目标的尺寸相当、位置准确。但随着帧数的增加,重建一幅图像所需的时间增长。因此,在保证重建质量的前提下,为缩短一次图像重建的时间,以下仿真成像均使用3帧连续数据进行图像重建。为评价该算法的性能,本文分别设置了在均匀电导率分布背景中电导率等间隔增大的单个、两个和三个扰动目标仿真模型,以及大尺寸扰动目标、扰动目标尺寸逐渐变化、扰动目标位置逐渐变化和扰动目标电导率非等间隔增大的仿真模型,分别计算不同仿真模型的mit正问题以获得仿真的测量数据,然后使用tgn算法重建电导率分布图像。对于单个、两个、三个扰动目标仿真模型,重建图像中扰动目标位置准确、尺寸相当,电导率相对于背景比例相似。重建图像的rpe较小,rde为1,说明重建图像中扰动目标的位置准确、尺寸相当。对于大尺寸扰动目标仿真模型、扰动目标尺寸逐渐变化的仿真模型和扰动目标位置逐渐变化的仿真模型,重建图像中扰动目标的尺寸有所偏差,重建伪影增强。重建图像的rde与1的差值偏大,说明重建图像中扰动目标的尺寸有所偏差;rpe较小,说明重建图像中扰动目标的位置准确。为了评价tgn算法反映电导率分布状态随时刻序列变化的能力,对扰动目标电导率等间隔增大和非等间隔增大的仿真模型进行了图像重建,分别绘制了仿真模型和重建图像中扰动目标电导率均值随时刻序列变化的曲线,结果表明:两组曲线几乎完全重合,相关系数都为0.9999,说明该算法能够正确的反映出电导率分布状态的连续变化。为了评价该算法的抗噪性能,分别设定Tikhonov正则化方法中的参数为1e-002、1e-003和1e-004,对单个扰动目标仿真模型的仿真数据添加了噪声水平为0.01%、0.02%、0.05%、0.1%、0.2%、0.5%、1%、10%、20%和30%的高斯白噪声,然后使用TGN算法对仿真数据进行图像重建。结果表明:1)固定正则化参数时,随着噪声水平的增加,重建图像中扰动目标的尺寸逐渐增大,位置偏移,直到重建图像发散;2)随着正则化参数的增大,重建图像恶化或发散所对应的噪声水平也逐渐升高,说明合理选择正则化参数可改善该算法的抗噪性能。通过上述分析,说明TGN算法具有良好的性能,是一种适用于连续监测的MIT重建算法。综上所述,本文对使用连续多帧测量数据进行图像重建的时间序列化MIT重建算法展开了研究工作,推导了适用于MIT的两种时间序列化重建算法,进行了仿真成像,并评估了各自的性能。其中LKF算法性能较差,而TGN算法则性能良好。本研究为进一步深入研究时间序列化的MIT重建算法奠定了良好基础,为连续监测时使用的MIT重建算法提供了新的选择。
【关键词】：磁感应断层成像 重建算法 时间序列化 有限元方法 连续监测
【学位授予单位】：第四军医大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R445.2;TP391.41
【目录】：

• 缩略语表6-7
• 中文摘要7-11
• 英文摘要11-16
• 前言16-18
• 文献回顾18-31
• 1 MIT技术概述18-22
• 1.1 MIT技术原理18-19
• 1.2 MIT研究内容19-22
• 1.2.1 MIT正问题20-21
• 1.2.2 MIT逆问题21-22
• 2 MIT研究现状22-27
• 2.1 MIT硬件系统22-24
• 2.2 MIT正问题24-25
• 2.3 MIT重建算法25-27
• 2.3.1 反投影算法25-26
• 2.3.2 牛顿迭代法26-27
• 2.3.3 其他算法27
• 3 EIT中时间序列化重建算法27-29
• 3.1 卡尔曼滤波算法28-29
• 3.2 时间序列化一步高斯牛顿算法29
• 3.3 粒子滤波算法29
• 4 小结29-31
• 第一部分 MIT线性卡尔曼滤波算法31-43
• 1 LKF算法原理31-34
• 2 LKF算法参数分析34-35
• 2.1 系统噪声协方差矩阵34-35
• 2.2 状态转移矩阵35
• 3 LKF算法仿真成像35-41
• 3.1 仿真成像方法35-36
• 3.2 重建图像质量评价标准36-37
• 3.2.1 重建位置误差36-37
• 3.2.2 重建尺寸误差37
• 3.3 单个扰动目标仿真成像37-38
• 3.4 两个扰动目标仿真成像38-39
• 3.5 三个扰动目标仿真成像39-40
• 3.6 追踪扰动目标电导率的仿真成像40-41
• 4 LKF算法小结41-43
• 第二部分 MIT时间序列化一步高斯牛顿算法43-68
• 1 TGN算法原理43-46
• 2 TGN算法参数分析46-48
• 2.1 正则化参数46
• 2.2 帧间相关性系数46-48
• 3 TGN算法仿真成像48-66
• 3.1 TGN算法参数对重建结果的影响48-53
• 3.1.1 正则化参数对重建结果的影响48-50
• 3.1.2 帧间相关性系数对重建结果的影响50-51
• 3.1.3 测量数据帧数对重建结果的影响51-53
• 3.2 仿真成像53-66
• 3.2.1 扰动目标电导率逐渐增大的仿真成像54-58
• 3.2.2 扰动目标尺寸逐渐扩大的仿真成像58-59
• 3.2.3 扰动目标位置逐渐移动的仿真成像59-61
• 3.2.4 大尺寸扰动目标的仿真成像61-62
• 3.2.5 追踪扰动目标电导率的仿真成像62-64
• 3.2.6 抗噪性能仿真成像64-66
• 4 TGN算法小结66-68
• 总结与展望68-70
• 参考文献70-79
• 个人简历和研究成果79-80
• 致谢80

【相似文献】

中国重要会议论文全文数据库 前4条

1 杨小伟;姚秋林;程学旗;;分布式入侵检测系统的配置分发策略研究[A];第三届全国信息检索与内容安全学术会议论文集[C];2007年

2 丁灵;黄宇凯;王晓玲;胡大斌;周傲英;;基于序列化方法实现有效的无序XML查询[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

3 许晖;;应用XML实现Java对象序列化技术简述[A];Java技术及应用的进展——第七届中国Java技术及应用交流大会文集[C];2004年

4 刘乐;冯建华;;SCALER+:基于序列匹配的高效XML分支查询求解算法[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

中国重要报纸全文数据库 前2条

1 贺玲丽;平遥全力构建中小学德育序列化体系[N];晋中日报;2011年

2 本报记者 李炳亭　特约记者 洪湖;派尼学校的“读写序列化”[N];中国教师报;2009年

中国博士学位论文全文数据库 前1条

1 周健;正电子发射断层的图像重建方法研究[D];东南大学;2006年

中国硕士学位论文全文数据库 前10条

1 王静花;初中作文序列化训练策略研究[D];苏州大学;2015年

2 曹洲;基于数据序列化与字符串压缩的移动数据传输优化方案研究与实现[D];中国海洋大学;2015年

3 王宏;高中议论文序列化教学实施策略探究[D];辽宁师范大学;2015年

4 朱丽英;基于Node-Webkit平台的JavaScript工具集研究与实现[D];电子科技大学;2016年

5 张晓;基于序列数据获取的改进极限学习机算法研究[D];湘潭大学;2016年

6 刘润生;时间序列化磁感应断层成像算法研究[D];第四军医大学;2016年

7 史毅;学习对象的序列化策略研究[D];华中科技大学;2005年

8 李卫英;初中课外文言文序列化学习的实践研究[D];上海师范大学;2013年

9 仇瑾;高中语文写作序列化教学实践设计[D];上海师范大学;2014年

10 黄宇凯;基于序列化的高效XML查询算法[D];复旦大学;2008年

  本文关键词：时间序列化磁感应断层成像算法研究，由笔耕文化传播整理发布。

，

本文编号：281494