人体组织非均匀介电特性断层成像新方法研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:myxyj2007
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
人体组织的介电特性主要包括电导率和电容率,它们描述了组织对电磁场的响应特性。临床研究表明人体组织出现异常时其介电特性值会发生改变,因此介电特性可以作为表明组织生理状态的生物标记,为临床诊断提供有价值的信息,有助于疾病的早期发现。另外,利用介电特性能够估计组织内部电流和电磁场的分布,可以将其应用在有关电磁刺激的临床治疗中,所以介电特性分布研究具有重要的临床意义。磁共振扫描中的射频能量特定吸收率(Specific Absorption Rate,SAR)的计算值与组织的电导率是成正比例关系,通过组织的电导率分布能够实现个体化的SAR估算,以保证磁共振扫描的安全性,促进高场以及超高场磁共振成像技术的发展。目前介电特性值主要是通过离体组织测量或有创活体组织测量得到,至今还没有成熟的活体组织介电特性无创测量方法。自2009年以来,基于磁共振的介电特性断层成像(magnetic resonance electrical properties tomography,MREPT)方法因其能够以无损伤性和无侵入性的方式重建组织的介电特性分布而获得了广泛的关注。但是,现有MREPT方法还面临着诸多挑战。比如,多数MREPT方法是基于假设介电特性在同一组织中分布均匀,但是人体组织的介电特性并不满足这一假设前提,尤其是在发生了病变的组织中;在MREPT重建过程中,需要对射频场进行二阶微分计算,该计算将会放大射频场数据中的噪声,降低成像的质量;再者,现有的MREPT重建方法在获取射频场的幅值和相位信息时并没有利用临床数据采集过程中已得到的MR结构图像,造成了信息的浪费。针对上述问题,本文以MREPT重建作为课题,研究了基于人体组织非均匀性的电导率重建方法。研究内容分为以下三部分:(1)研究了Helmholtz方程中考虑了组织介电特性非均匀性后的电导率重建问题。传统的重建方法是基于组织均匀性假设,即Helmholtz方程中电导率的梯度项为零,虽然易于数值处理,但增加了组织边界区域的重建误差。由于本文在重建方程中考虑了人体组织介电特性的非均匀性,电导率的梯度不再为零,导致方程求解复杂度增加。基于此,本文提出了基于双约束的电导率重建方法。首先对重建方程采用有限差分方法得到离散化后的线性方程组,然后利用最小二乘法构造出迭代求解电导率的重建模型。由于该模型是一个病态问题,为了抑制重建图像的组织边缘震荡现象,本文在重建模型中引入了小波变换和全变分两个正则化约束项。仿真数据和临床数据实验结果表明,本文提出的方法能够有效地减少组织边界区域的重建误差,提高重建结果的准确性。(2)研究了提高电导率重建方法对噪声的鲁棒性问题。电导率重建方程中包含了收发相位的一阶和二阶微分运算,而二阶微分运算对收发相位数据中的噪声非常的敏感。本文利用散度运算的规则对该方程进行了变换,变换后的方程只需要对收发相位进行两次一阶微分运算。为求解变换后的重建方程,本文提出了基于广义全变分的电导率重建方法。首先通过有限差分方法对变换后的重建方程进行离散化,将电导率重建问题转化为求解线性反问题。然后在模型中引入二阶广义全变分正则约束项,通过交替方向乘子法完成对重建模型的快速求解。仿真数据实验表明在不同的噪声水平下所提方法能够有效地抑制噪声的影响,同时临床数据实验也显示出所提方法优于当前其他同类方法。(3)研究了在介电特性断层成像过程中引入磁共振图像的组织结构信息以提高边缘清晰度的问题。MREPT是利用射频场信息计算组织的介电特性分布,在通过磁共振扫描获得射频场数据的同时已得到组织的MR结构图像,该图像中包含了组织的边缘信息。为了运用这些信息提高介电特性分布图像中组织边缘的清晰度,本文提出了一种磁共振图像先验信息引导的MREPT方法。首先通过对MR结构图像计算邻域窗口内变分提取出图像的边缘信息,然后考虑到介电特性分布和结构图像之间的相关性,构造出包含边缘信息的广义全变分正则约束项,从而得到基于先验信息的介电特性重建模型。仿真实验和临床实验的结果表明所提方法的重建结果相较于文献中的其他方法具有更清晰的边缘结构。
其他文献
学位
近年来,人工智能发展迅速,成为国家重点关注和建设的领域。人工神经网络作为一种模仿动物神经网络的技术,能促进人工智能行业快速发展。究其本质来说,人工神经网络是一种动力系统,本文以几类具有时滞的动力系统为研究课题,基于Lyapunov理论,着重研究了时滞神经网络的稳定性与耗散性、马尔科夫复杂网络的同步性与控制器设计、时滞复杂网络的指数同步性与控制器设计、网络攻击下的多智能体的一致性与控制器设计。具体研
近年来,得益于数据获取、储存、处理等技术的进步,机器学习算法得到了快速发展。机器学习算法起初只应用于图像分析、模式识别等计算机领域,但由于其优越的性能,机器学习算法正作为一种新方法,为解决复杂电磁学问题提供了更多选择。无线通信系统是电磁学的代表性应用。为了搭建性能优良的通信系统,需要了解信道特性,并设计出满足性能要求的电磁器件。因此,本论文以信道建模与器件设计为研究方向,深入研究了相关基础理论与关
切换正系统是一类由几个连续和离散时间的正的子系统以及它们间的切换规则构成的系统。它同时具有正系统和切换系统的性质。切换正系统广泛存在于实际生活中,因此正日益受到学者们的关注。切换正系统由于具有比正系统和切换系统更加复杂的形式,以及更加多变的性质,故而其研究工作更加复杂。与正系统和切换系统相比,目前关于切换正系统的研究还相对较少。关于切换正系统在驻留时间限制下的分析综合问题的研究有待进一步丰富。因此
被广泛认为用以衡量机器是否具备智能的标志之一就是机器是否具备与人无障碍交流的能力,而这一能力主要由隐藏在机器背后的文本生成技术来体现。随着近十年来计算机硬件技术的飞速发展带动深度神经网络的日益更新,其强大的学习能力、特征取能力以及在信息间的映射能力为文本生成模型性能的升带来新的发展契机,同时也产生了一系列新的研究问题。本文着眼基于深度神经网络框架下的文本生成技术的研究,以文本摘要和机器翻译为切入点
物联网时代的到来,为传感器的发展提供了历史性机遇,但同时也带来了新的挑战。为满足物联网新场景下的需求,传感器将朝向微型化、低功耗、高性能方向转变。因此,基于新材料、新结构、新原理的高性能传感器亟待开发。石墨烯材料具有高迁移率、高比表面积、宽吸收光谱、柔性、超薄等特点,因此是极具潜力的传感敏感材料。并且,基于石墨烯的晶体管具有高速、可微型化等优势。高电容的固态电解质是晶体管中十分理想的栅介质层材料,
现实世界中的许多传播现象均可以简化抽象成复杂网络上的传播过程,例如,社交网络上的信息传播,计算机网络上的病毒传播,接触网络上的疾病传播,金融网络上的危机扩散,等等。复杂网络上的传播动力学建模及其干预研究可以为谣言和疾病的防控、产品的营销、以及潮流的引导等提供决策依据,具有重要的现实意义。然而,目前来说,复杂网络上的传播动力学研究还存在着很多困难和挑战。一方面,网络传播动力学系统中的网络结构特征多样
数控机床作为制造业的工作母机,其性能直接反映了一个国家的生产制造能力。精度和效率是衡量数控机床性能的两个重要指标,分别体现在机床加工过程中刀具运动轨迹的轮廓精度和加工速度上。在机床高速加工时,伺服控制系统误差和热误差是影响轮廓精度的主要因素。因此,准确的预测伺服控制系统误差和热误差影响下的轮廓误差是保障加工精度的重要依据。为了高精度地预测加工过程中的轮廓误差,需要对伺服控制系统误差建模、热误差建模
多刚体系统作为一类典型的力学系统,在机械,车辆、机器人及飞行器等诸多领域具有广泛的应用。多刚体系统结构复杂,在许多实际应用中存在模型不确定性、未知的外界干扰及作动器饱和等约束,且具有强非线性和强耦合性等特点。此外,由于空间和成本的约束,难以在多刚体系统的每个需测量部位安装合适的传感器以获取系统的状态,而现有的控制方法多基于状态反馈,且存在控制器结构复杂,参数整定困难,实际控制精度难以保证等不足。本
合成孔径雷达(Synthetic Aperture Radar,SAR)可对目标区域进行全天时、全天候持续观测,已被广泛应用于战场侦测、农林普查等军事和民用领域。SAR数据处理一般包括成像处理以及成像后的图像处理,其中图像处理包括图像的增强、融合、分割以及目标的识别、检测与跟踪等。作为一种高性能图像处理方法,深度神经网络可在数据驱动下,根据任务需求从图像中自动学习目标特征,有着传统机器学习方法不可