本文關(guān)鍵詞：稀疏加權(quán)算法與GREIT算法在顱腦電阻抗成像中的對比研究

  更多相關(guān)文章： 顱腦電阻抗斷層成像 動態(tài)成像 圖像重建算法 算法比較 三維顱腦模型

【摘要】：稀疏加權(quán)算法(L1算法)與GREIT算法是近年來兩種較為熱門的顱腦電阻抗成像(Electrical Impedance Tomography,EIT)圖像重建優(yōu)化算法,基于不同的數(shù)學(xué)模型,這兩種算法性能不同。為了改善顱腦EIT重建圖像質(zhì)量并為其算法優(yōu)選提供依據(jù),本文基于三維顱腦仿真模型開展了仿真研究,對比了傳統(tǒng)二階范數(shù)加權(quán)算法(L2算法)、稀疏加權(quán)算法以及GREIT算法在顱腦電阻抗圖像重建中的性能。仿真結(jié)果表明,相比傳統(tǒng)二階范數(shù)加權(quán)算法,兩種優(yōu)化的算法對顱腦EIT均有改善,而稀疏加權(quán)算法在圖像噪聲、形變誤差、位置誤差3項指標(biāo)的評價中性能最優(yōu)。在閾值函數(shù)的作用下,稀疏加權(quán)算法經(jīng)多步迭代抑制了圖像噪聲,突出了重建目標(biāo)。稀疏加權(quán)算法可以大大改善顱腦EIT效果,適用于顱腦EIT且對未來顱腦電阻抗重建算法擴展研究有重要參考價值。
【作者單位】： 第四軍醫(yī)大學(xué)生物醫(yī)學(xué)工程系;
【關(guān)鍵詞】： 顱腦電阻抗斷層成像 動態(tài)成像 圖像重建算法 算法比較 三維顱腦模型
【基金】：國家自然科學(xué)基金(51477176) 軍隊重大課題(AWS14C006)
【分類號】：R741.044;TP391.41
【正文快照】： 引言電阻抗成像(Electrical Impedance Tomography,EIT)技術(shù)的原理為通過安裝在物體表面的電極對物體有規(guī)律地施加激勵,若物體內(nèi)部存在阻抗變化,則會引起表面測量電極電位的變化,基于測量電極電位變化,結(jié)合相應(yīng)重建 算法可以獲得物體內(nèi)部阻抗變化圖像。EIT技術(shù)應(yīng)用領(lǐng)域廣泛,

【相似文獻(xiàn)】

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 史學(xué)濤;尤富生;霍旭陽;付峰;劉銳崗;董秀珍;;用于腦電阻抗成像監(jiān)護的高精度數(shù)據(jù)采集系統(tǒng)[A];2008中國儀器儀表與測控技術(shù)進(jìn)展大會論文集（Ⅰ）[C];2008年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 徐世偉;顱腦電阻抗成像監(jiān)護系統(tǒng)的應(yīng)用改進(jìn)及轉(zhuǎn)危期圖像監(jiān)護實驗研究[D];第四軍醫(yī)大學(xué);2011年

，

本文編號：742275