本文關(guān)鍵詞：電阻抗圖像重建算法研究

  更多相關(guān)文章： 電阻抗斷層成像 重建算法 場域剖分 正則化 GREIT

【摘要】：電阻抗斷層成像技術(shù)(Electrical Impedance Tomography, EIT)是一種有著廣闊發(fā)展前景的新穎成像技術(shù)。它將測量電極放置在被測物體的表面,以電流或電壓的方式提取測量電信息。之后將電信息送至計算機,通過重建算法,得到被測對象的實時剖面圖像。和以往的成像技術(shù)如X-射線計算機斷層成像(X-ray Computerized Tomography,CT)、核磁共振成像(Magnetic Resonance Imaging, MRI)相比,它具有很好的便攜性、重復(fù)性和實時性。EIT成像的必要過程就是場域剖分。為了研究其對EIT問題的求解效率及計算精度的影響,本文利用有限元仿真軟件COMSOL Multiphysics,對求解場域進行了不同疏密程度的剖分；采用數(shù)學(xué)軟件MATLAB,根據(jù)共軛梯度算法進行重建。仿真結(jié)果基于多種評價指標,以圖形化、數(shù)字化的方式,從EIT正、逆問題的不同角度,評價了場域剖分對求解質(zhì)量的影響。結(jié)果表明,場域剖分細化程度的增加,不一定會改善EIT問題的求解質(zhì)量,甚至?xí)䦟?dǎo)致求解質(zhì)量下降。同時,針對EIT反問題求解,采用最小二乘擬合法構(gòu)建正則參數(shù)與評價參數(shù)的MATLAB數(shù)學(xué)模型,取極值獲得正則參數(shù)值。然后利用COMSOL Multiphysics建立仿真場域,最后利用MATLAB求解反問題,重建圖像。結(jié)果表明,所用方法及正則參數(shù)能夠有效改善反問題的病態(tài)性,使反問題的求解質(zhì)量最優(yōu)。文章最后利用GREIT的品質(zhì)因數(shù),對不同算法及目標移動做出了評價。
【關(guān)鍵詞】：電阻抗斷層成像 重建算法 場域剖分 正則化 GREIT
【學(xué)位授予單位】：天津科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP391.41;R310
【目錄】：

• 摘要4-5
• ABSTRACT5-8
• 1 緒論8-18
• 1.1 EIT技術(shù)簡介及研究意義8-11
• 1.1.1 EIT技術(shù)簡介8-10
• 1.1.2 EIT技術(shù)研究意義10-11
• 1.2 EIT技術(shù)的發(fā)展現(xiàn)狀11-15
• 1.3 EIT技術(shù)的難點15-16
• 1.4 論文研究內(nèi)容16-17
• 1.5 論文組織結(jié)構(gòu)17-18
• 2 EIT技術(shù)的生物醫(yī)學(xué)基礎(chǔ)18-21
• 2.1 生物組織電特性18
• 2.2 電阻抗與人體生理狀況的關(guān)系18-19
• 2.3 小結(jié)19-21
• 3 EIT技術(shù)原理及系統(tǒng)構(gòu)成21-28
• 3.1 EIT數(shù)學(xué)模型21-23
• 3.2 EIT正問題23-24
• 3.3 EIT逆問題24-26
• 3.3.1 EIT逆問題概述24-25
• 3.3.2 EIT逆問題病態(tài)性分析25-26
• 3.4 EIT系統(tǒng)構(gòu)成26-28
• 4 EIT正問題研究28-45
• 4.1 COMSOL軟件的使用28
• 4.2 基于COMSOL的正問題仿真28-30
• 4.2.1 建立圓形場域仿真模型28-29
• 4.2.2 求解域設(shè)定29
• 4.2.3 邊界設(shè)定29
• 4.2.4 有限元剖分29-30
• 4.2.5 求解30
• 4.3 二維EIT網(wǎng)格剖分對求解的影響30-40
• 4.3.1 數(shù)學(xué)描述30-35
• 4.3.2 評價方法35-37
• 4.3.3 仿真結(jié)果37-39
• 4.3.4 結(jié)論39-40
• 4.4 三維EIT電極數(shù)量對求解的影響40-45
• 4.4.1 三維電阻抗成像基本思想40
• 4.4.2 建立三維模型40-41
• 4.4.3 正問題求解41
• 4.4.4 逆問題求解及結(jié)論41-45
• 5 EIT逆問題研究45-55
• 5.1 圖像重建算法介紹45-49
• 5.1.1 線性反投影算法45-46
• 5.1.2 Tikhonov正則化算法46
• 5.1.3 Landweber迭代法46-48
• 5.1.4 Newton-Raphson算法48-49
• 5.2 改進的Tikhonov正則化算法49-55
• 5.2.1 算法原理50
• 5.2.2 評價參數(shù)50
• 5.2.3 正則參數(shù)優(yōu)化50-52
• 5.2.4 圖像重建52-53
• 5.2.5 結(jié)果與討論53-55
• 6 評價指標55-62
• 6.1 品質(zhì)因數(shù)定義55-57
• 6.2 品質(zhì)因數(shù)對算法參數(shù)的驗證57-59
• 6.2.1 品質(zhì)因數(shù)對迭代次數(shù)的驗證57-58
• 6.2.2 品質(zhì)因數(shù)對正則因子的驗證58-59
• 6.3 品質(zhì)因數(shù)對目標移動的驗證59-62
• 7 結(jié)論62-63
• 8 展望63-64
• 9 參考文獻64-69
• 10 攻讀碩士學(xué)位期間論文發(fā)表情況69-70
• 11 致謝70

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 曹華;曹家義;;320排動態(tài)容積CT顱內(nèi)動脈瘤圖像重建算法進展和評估[J];CT理論與應(yīng)用研究;2014年02期

2 古宇飛;閆鑌;李磊;韓玉;;康普頓散射成像圖像重建算法綜述[J];CT理論與應(yīng)用研究;2013年03期

3 ;“光子杯”CT新技術(shù)征文通知[J];中國介入影像與治療學(xué);2013年11期

4 ;“光子杯”CT新技術(shù)征文通知[J];中國醫(yī)學(xué)影像技術(shù);2013年10期

5 ;“光子杯”CT新技術(shù)征文通知[J];中國醫(yī)學(xué)影像技術(shù);2013年11期

6 ;“光子杯”CT新技術(shù)征文通知[J];中國醫(yī)學(xué)影像技術(shù);2013年12期

7 ;“光子杯”CT新技術(shù)征文通知[J];中國介入影像與治療學(xué);2013年12期

8 ;“光子杯”CT新技術(shù)征文通知[J];中國醫(yī)學(xué)影像技術(shù);2014年01期

9 ;“光子杯”CT新技術(shù)征文通知[J];中國醫(yī)學(xué)影像技術(shù);2014年03期

10 ;“光子杯”CT新技術(shù)征文通知[J];中國介入影像與治療學(xué);2014年02期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 周小林;劉大虎;，

本文編號：874964