稀疏加权算法与GREIT算法在颅脑电阻抗成像中的对比研究

发布时间：2017-08-26 16:09

  本文关键词：稀疏加权算法与GREIT算法在颅脑电阻抗成像中的对比研究

  更多相关文章： 颅脑电阻抗断层成像 动态成像 图像重建算法 算法比较 三维颅脑模型

【摘要】：稀疏加权算法(L1算法)与GREIT算法是近年来两种较为热门的颅脑电阻抗成像(Electrical Impedance Tomography,EIT)图像重建优化算法,基于不同的数学模型,这两种算法性能不同。为了改善颅脑EIT重建图像质量并为其算法优选提供依据,本文基于三维颅脑仿真模型开展了仿真研究,对比了传统二阶范数加权算法(L2算法)、稀疏加权算法以及GREIT算法在颅脑电阻抗图像重建中的性能。仿真结果表明,相比传统二阶范数加权算法,两种优化的算法对颅脑EIT均有改善,而稀疏加权算法在图像噪声、形变误差、位置误差3项指标的评价中性能最优。在阈值函数的作用下,稀疏加权算法经多步迭代抑制了图像噪声,突出了重建目标。稀疏加权算法可以大大改善颅脑EIT效果,适用于颅脑EIT且对未来颅脑电阻抗重建算法扩展研究有重要参考价值。
【作者单位】： 第四军医大学生物医学工程系;
【关键词】： 颅脑电阻抗断层成像 动态成像 图像重建算法 算法比较 三维颅脑模型
【基金】：国家自然科学基金(51477176) 军队重大课题(AWS14C006)
【分类号】：R741.044;TP391.41
【正文快照】： 引言电阻抗成像(Electrical Impedance Tomography,EIT)技术的原理为通过安装在物体表面的电极对物体有规律地施加激励,若物体内部存在阻抗变化,则会引起表面测量电极电位的变化,基于测量电极电位变化,结合相应重建 算法可以获得物体内部阻抗变化图像。EIT技术应用领域广泛,

【相似文献】

中国重要会议论文全文数据库 前1条

1 史学涛;尤富生;霍旭阳;付峰;刘锐岗;董秀珍;;用于脑电阻抗成像监护的高精度数据采集系统[A];2008中国仪器仪表与测控技术进展大会论文集（Ⅰ）[C];2008年

中国硕士学位论文全文数据库 前1条

1 徐世伟;颅脑电阻抗成像监护系统的应用改进及转危期图像监护实验研究[D];第四军医大学;2011年

，

本文编号：742275