22
传感器与微系统(Transducer and Microsystem Technologies）
2018年第37卷第10期
DOI:10.13873/J.1000-9787(2018 )100022-03
基于先验信息的人体肺癌电阻抗层析成像
李佳，岳士弘，王亚茹
（天津大学电气自动化与信息工程学院自动化系，天津300072）
摘要：电阻抗层析成像（EIT)的求解是一个非线性逆问题，其具有的不适定性是重建图像分辨率不高的原因之一。为改善不适定性，提高成像质量，引人先验信息和正则化项。利用器官组织电导率、胸腔器官分布结构等先验信息，构建正则化矩阵，并将正则化项引人扩展Kalman滤波（EKF)的状态空间表达式中，进行肺部癌变组织的图像重建。仿真结果表明，含有先验信息正则化项的扩展Kalman滤波算法可以改善癌变组织成像质量，降低图像相对误差，
关键词：电阻抗层析成像；扩展Kalman滤波；正则化矩阵；先验信息
中图分类号：TP317.4
文献标识码：A
文章编号：1000-9787(2018)10-0022-03
Electrical impedance tomography of human lung
cancer based on prior information
LI Jia, YUE Shi-hong, WANG Ya-ru
( Department of Automation, School of Electrical and Information Engineering,Tianjin University
Tianjin300072,China）
Abstract: Solution of electrical impedance tomography( EIT )is a nonlinear inverse problem and its ill-posed problem is one of the reasons of low resolution of reconstructed images. In order to improve the ill-posedness and improve imaging quality, prior information and regularization term are introduced. The regularization matrix is reconstructed using the prior information, including the conductivity of organs and tissues and distribution structure of the human thorax. The regularization term is introduced into the state space expression of extended Kalman filtering EKF ),and the images of lung cancer issue are reconstructed. The simulation results indicate that the oaaeaaaneaneaoaaoenrodoaa reconstructed images.
Keywords : electrical impedance tomography; extended Kalman filtering( EKF ); regularization matrix; prior information
0
医学电阻抗层析成像（electrical impedancetomography， EIT)是当前生物医学工程的研究热点1]。目前，针对医学 EIT技术的研究包括肺部呼吸成像、乳腺癌诊断、癫痫病灶诊断等[2.3]。在肺瘤早期，瘤变组织尚未形成结节，传统的影像技术无法完成准确诊断，且频繁使用会对人体造成伤害，但电导率（介电常数)已随组织的病变发生变化，可以利用EIT技术通过对电导率（介电常数)的检测，完成对早期肺癌的诊断和预警。
EIT技术具有“软场"效应和不适定性，导致重建图像分辨率较低，为提高图像质量，本文根据人体胸腔的计算机断层扫描（computedtomography，CT）扫描图片，利用计算机辅助设计(computer-aided design，CAD）软件构建胸腔器官
收稿日期：2017-08-18
*基金项目：国家自然科学基金资助项目（61573251）
的结构模型，并结合器官、组织的电导率等先验信息构建正则化矩阵，引人到扩展Kalman滤波(extendedKalmanfiltering
EKF)的状态空间表达式中，完成肺癌组织的图像重建， 1算法
1.1电阻抗层析成像原理
电阻抗层析运算过程主要分为正问题和逆问题。图像重建即属于逆问题的求解。EIT的线性模型为+]
AU=U(o)A=JAo
(1)
式中AU为边界测量电压变化量，A为电导率变化量， J为Jacobian矩阵。
1.2建立含有先验信息的正则化矩阵
对肺部进行图像重建时，真实的胸腔器官结构信息有利于提高重建图像精度。因此，根据人体的CT胸腔扫描图