【摘要】：急性顱腦損傷是以顱內(nèi)出血或者缺血損傷為主要臨床表現(xiàn)的一類腦部疾病,具有發(fā)病急、病程變化復(fù)雜迅速、病情兇險(xiǎn)等特點(diǎn)。在臨床上,創(chuàng)傷和腦卒中均會(huì)造成急性顱腦損傷。實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)并早期發(fā)現(xiàn)顱腦損傷變化是臨床中實(shí)施及時(shí)、準(zhǔn)確救治的重要前提,也是挽救顱腦損傷患者生命并改善其預(yù)后生存質(zhì)量的關(guān)鍵。而現(xiàn)有CT、MRI等醫(yī)學(xué)影像技術(shù)時(shí)間分辨率低,無法對(duì)顱腦損傷進(jìn)行動(dòng)態(tài)成像監(jiān)測(cè)。因此,急需一種時(shí)間分辨率較高的動(dòng)態(tài)成像監(jiān)測(cè)技術(shù)。電阻抗成像技術(shù)(Electrical Impedance Tomography,EIT)利用人體組織在不同生理、病理狀態(tài)下具有不同的電阻抗的原理,以成像的方式表達(dá)出與人體組織生理、病理相關(guān)的電阻抗及其變化的分布,具有便攜,快速,功能成像等優(yōu)點(diǎn),有望成為顱腦損傷檢測(cè)與動(dòng)態(tài)成像監(jiān)測(cè)新的有效手段。目前主要EIT研究采用的電極系統(tǒng)多為16電極以上,然而在諸如顱腦損傷患者的院前急救、顱腦戰(zhàn)創(chuàng)傷救治等特殊應(yīng)用場(chǎng)合,電極粘貼將會(huì)耗費(fèi)大量時(shí)間,需要減少電極數(shù)量以達(dá)到提高系統(tǒng)操作效率、實(shí)現(xiàn)設(shè)備可穿戴化的目的。然而,減少電極數(shù)目后,成像算法的目標(biāo)識(shí)別能力面臨較大挑戰(zhàn),如何在電極稀疏化的同時(shí)盡可能確保動(dòng)態(tài)圖像對(duì)顱腦損傷變化的表征能力,是EIT系統(tǒng)實(shí)現(xiàn)電極稀疏化面臨的關(guān)鍵問題。EIT系統(tǒng)電極稀疏化后對(duì)成像的主要挑戰(zhàn)集中在兩個(gè)方面:一是EIT系統(tǒng)可能會(huì)因電極稀疏化而造成其對(duì)內(nèi)部擾動(dòng)目標(biāo)的分辨能力下降;二是電極稀疏化對(duì)圖像重建質(zhì)量造成的影響,主要表現(xiàn)為重構(gòu)圖像偽影較多,從而影響擾動(dòng)目標(biāo)識(shí)別。針對(duì)上述電極稀疏化EIT研究中存在的問題,本文基于對(duì)電極稀疏化過程中EIT系統(tǒng)分辨能力變化的量化分析,提出電極稀疏化的顱腦電阻抗動(dòng)態(tài)成像算法,主要工作內(nèi)容及結(jié)果包括:1.電極稀疏化過程中EIT系統(tǒng)對(duì)待測(cè)物體內(nèi)部擾動(dòng)目標(biāo)分辨能力變化的量化分析:建立了三維真實(shí)顱腦仿真模型用于定量研究電極稀疏化過程中EIT系統(tǒng)對(duì)顱內(nèi)電阻抗擾動(dòng)目標(biāo)的分辨能力變化。研究結(jié)果表明,電極稀疏化過程中,EIT系統(tǒng)分辨能力在電極數(shù)目少于8電極時(shí)迅速下降,僅能保留至多原16電極系統(tǒng)20%的分辨能力,電極數(shù)目不少于8電極時(shí),分辨能力至少能保留50%以上;2.稀疏電極顱腦電阻抗動(dòng)態(tài)成像算法的研究:主要基于訓(xùn)練目標(biāo)方法求解最優(yōu)重構(gòu)矩陣和子域加權(quán)方法對(duì)成像算法進(jìn)行優(yōu)化。在重構(gòu)矩陣求解中,使用訓(xùn)練目標(biāo)法計(jì)算最優(yōu)重構(gòu)矩陣,在預(yù)成像后判斷阻抗變化最有可能發(fā)生的區(qū)域,并在此區(qū)域使用子域加權(quán)方法,突出目標(biāo),減少偽影,增強(qiáng)EIT重構(gòu)圖像的質(zhì)量,最終形成電極稀疏化的基于預(yù)成像的子域加權(quán)優(yōu)化算法的基本框架;3.電極稀疏化的基于預(yù)成像的子域加權(quán)優(yōu)化算法有效性的實(shí)驗(yàn)驗(yàn)證:構(gòu)建顱腦EIT算法性能測(cè)試平臺(tái),包括基于真實(shí)人腦阻抗分布稀疏電極的三維仿真模型和物理模型,EIT成像軟件以及重構(gòu)圖像質(zhì)量評(píng)價(jià)指標(biāo),對(duì)電極稀疏化的基于預(yù)成像的子域加權(quán)優(yōu)化算法進(jìn)行綜合比較與評(píng)價(jià)。結(jié)果表明,針對(duì)電極稀疏化進(jìn)行顱腦電阻抗動(dòng)態(tài)成像算法優(yōu)化后,相比于直接套用原有的16電極動(dòng)態(tài)成像算法,重構(gòu)圖像誤差減少了約41.3%,重構(gòu)圖像質(zhì)量得到較大的改善。本文針對(duì)顱腦動(dòng)態(tài)EIT成像中電極稀疏化面臨的挑戰(zhàn),開展了研究,初步實(shí)現(xiàn)了以下創(chuàng)新:1.定量計(jì)算EIT系統(tǒng)對(duì)待測(cè)物體內(nèi)部擾動(dòng)目標(biāo)的分辨能力,并深入分析了電極稀疏化過程中EIT系統(tǒng)分辨能力的變化;2.提出并實(shí)現(xiàn)了一種稀疏電極顱腦電阻抗動(dòng)態(tài)成像優(yōu)化算法,經(jīng)過物理模型實(shí)驗(yàn)驗(yàn)證,改善了電極稀疏化后重構(gòu)圖像的質(zhì)量。本文針對(duì)稀疏電極顱腦動(dòng)態(tài)電阻抗成像開展的探索,將為推動(dòng)電阻抗成像在顱腦損傷患者院前急救、顱腦戰(zhàn)創(chuàng)傷救治等特殊領(lǐng)域應(yīng)用,以及電阻抗成像設(shè)備的可穿戴化研究,提供重要的理論與實(shí)驗(yàn)基礎(chǔ)。
【圖文】：

織所具有的電阻抗特性是電阻抗斷層成像的生物學(xué)基礎(chǔ)，表阻礙作用。人體組織的電阻抗特性與細(xì)胞膜對(duì)小分子和離子 K+與細(xì)胞外 Na+的分布有密切的關(guān)系[40]。同時(shí)，不同組織具一組織在不同的生理和病理狀態(tài)下的離子分布不同，所以即生理及病理狀態(tài)下，也會(huì)具有不同的電阻抗[6, 7]。安全的電流激勵(lì)施加于人體上并產(chǎn)生電位變化，通過在體表相應(yīng)的重建算法來對(duì)人體內(nèi)部阻抗分布或變化進(jìn)行圖像重建典型的 16 電極 EIT 系統(tǒng)的激勵(lì)測(cè)量模型。數(shù)字 1～16 分別代 16 個(gè)電極，首先通過電極對(duì) 1-2 注入電流激勵(lì)，再從電極對(duì)5-16 處測(cè)得電壓；然后更換激勵(lì)電極對(duì)，在 2-3 處注入激勵(lì)取對(duì)應(yīng)的電壓數(shù)據(jù)。激勵(lì)電極對(duì)切換一圈后，所有測(cè)量的電應(yīng)的重構(gòu)算法對(duì)數(shù)據(jù)進(jìn)行計(jì)算，可以得到待測(cè)人體部位內(nèi)部

圖 1-1 分辨能力計(jì)算原理示意圖如圖 1-1 所示，背景電阻抗阻抗均為0 的兩個(gè)待測(cè)目所示兩幅圖像0H 和1H ，同時(shí)在 內(nèi)部有一阻抗為1 的目標(biāo)，那么在每一次電流激勵(lì)下 和 上所得的電壓測(cè)量矩陣應(yīng)有一定差別： k k k k k k k kd d d M T T c T c 1 2 1 2σ σ σ σ (1,1)為了辨別 和 之間的差別，我們?cè)O(shè)零假設(shè)為 ，那么拒絕零假設(shè) 的概率由Z 值給出:mmz (1,2)m 是上述待測(cè)物體的 EIT 重構(gòu)圖像中的感興趣區(qū)（Region of Interest, ROI）重構(gòu)值的平均值，那么0 m m m表示了 和 中 ROI 的重構(gòu)值平均值的不同，m 是
【學(xué)位授予單位】：中國人民解放軍空軍軍醫(yī)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：R651.15;TP391.41

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 溫菊屏;林冬梅;;圖稀疏化:加速圖聚類的有效方法[J];計(jì)算機(jī)工程與設(shè)計(jì);2013年11期

2 汪濤，，邢小良;感知器的動(dòng)態(tài)稀疏化學(xué)習(xí)[J];自動(dòng)化學(xué)報(bào);1995年01期

3 趙英海;蔡俊杰;吳秀清;孫福明;;基于稀疏化圖結(jié)構(gòu)的轉(zhuǎn)導(dǎo)多標(biāo)注視頻概念檢測(cè)算法[J];模式識(shí)別與人工智能;2011年06期

4 汪琪;李傳榮;馬靈玲;唐伶俐;李劍劍;;基于訓(xùn)練字典的壓縮感知光譜稀疏化方法[J];遙感技術(shù)與應(yīng)用;2013年06期

5 楊亞威;李俊山;楊威;趙方舟;;利用稀疏化生物視覺特征的多類多視角目標(biāo)檢測(cè)方法[J];紅外與激光工程;2012年01期

6 何坤;趙利強(qiáng);王建林;于濤;;基于樣本稀疏化高斯過程的發(fā)酵過程軟測(cè)量建模方法[J];北京化工大學(xué)學(xué)報(bào)(自然科學(xué)版);2014年03期

7 林波;張?jiān)鲚x;朱炬波;;基于壓縮感知的DOA估計(jì)稀疏化模型與性能分析[J];電子與信息學(xué)報(bào);2014年03期

8 李慶雷;遠(yuǎn)芳;楊貴;廖捷;胡開喜;姚爽;周自江;;L波段探空秒級(jí)資料稀疏化方案及檢驗(yàn)方法[J];氣象科技進(jìn)展;2018年01期

9 陳正;張小軒;李慧敏;張世榮;;基于PSO的最小二乘支持向量機(jī)稀疏化算法[J];武漢大學(xué)學(xué)報(bào)(工學(xué)版);2016年06期

10 李融;;基于并行計(jì)算的高效圖稀疏化處理算法[J];四川理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2015年02期

相關(guān)會(huì)議論文 前5條

1 曾理;王紅明;張政治;鄧仕海;;基于信號(hào)稀疏化的北斗監(jiān)測(cè)站干擾檢測(cè)技術(shù)研究[A];衛(wèi)星導(dǎo)航定位與北斗系統(tǒng)應(yīng)用2016——星參北斗 位聯(lián)世界[C];2016年

2 趙虹;劉寅;;一種地面觀測(cè)資料的稀疏化方案在GRAPES-3DVAR中的應(yīng)用[A];第35屆中國氣象學(xué)會(huì)年會(huì) S24 青年論壇[C];2018年

3 秦家輝;徐向南;董繼揚(yáng);;基于變量互補(bǔ)性的多平臺(tái)數(shù)據(jù)稀疏化方法[A];2018第二十屆全國波譜學(xué)學(xué)術(shù)年會(huì)會(huì)議論文摘要集[C];2018年

4 黃雯;郭建中;;基于壓縮感知的腦電信號(hào)預(yù)處理[A];2012'中國西部聲學(xué)學(xué)術(shù)交流會(huì)論文集(Ⅱ)[C];2012年

5 牛臻弋;徐金平;;PO-MoM方程迭代求解中的稀疏化遞歸Cholesky分解預(yù)條件技術(shù)[A];2005'全國微波毫米波會(huì)議論文集（第二冊(cè)）[C];2006年

相關(guān)博士學(xué)位論文 前4條

1 張春元;連續(xù)空間強(qiáng)化學(xué)習(xí)研究[D];電子科技大學(xué);2016年

2 賀向南;隨機(jī)復(fù)雜網(wǎng)絡(luò)的同步性分析、應(yīng)用及數(shù)據(jù)處理的若干問題[D];復(fù)旦大學(xué);2013年

3 徐剛;高分辨雷達(dá)成像稀疏信號(hào)處理技術(shù)研究[D];西安電子科技大學(xué);2015年

4 張峰;基于網(wǎng)絡(luò)化數(shù)據(jù)分析的社會(huì)計(jì)算關(guān)鍵問題研究[D];北京郵電大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 陳榮慶;電極稀疏化顱腦電阻抗動(dòng)態(tài)成像算法研究[D];中國人民解放軍空軍軍醫(yī)大學(xué);2018年

2 王文靜;有限分解復(fù)雜度下的度量稀疏化[D];東華大學(xué);2013年

3 田葉;稀硫化PLS回歸方法在光譜學(xué)中的應(yīng)用與實(shí)現(xiàn)[D];揚(yáng)州大學(xué);2018年

4 黨路娟;非線性核濾波算法的精度及稀疏化研究[D];西南大學(xué);2018年

5 徐向南;代謝組學(xué)數(shù)據(jù)分析中的稀疏化新方法[D];廈門大學(xué);2017年

6 邵哲;X波段大型相控陣稀疏化研究[D];電子科技大學(xué);2012年

7 黃璜;有向圖的隨機(jī)采樣譜稀疏化方法[D];復(fù)旦大學(xué);2014年

8 付強(qiáng);稀疏化模型及其在文本分類中的應(yīng)用[D];南京大學(xué);2014年

9 郭歡;GPS掩星資料垂直稀疏化方案及其同化研究[D];南京信息工程大學(xué);2017年

10 孟桐;基于稀疏化支持向量機(jī)的啤酒釀造過程故障診斷的研究[D];哈爾濱理工大學(xué);2017年

本文編號(hào)：2620017