电阻抗成像技术（Electrical impedance tomography,EIT）是一种通过向被测场域注入电流,在被测场域边界上获取电压响应,然后经过逆问题反演得到场域内电导率变化分布信息的新型可视化技术。目前已有在检测肺气肿、乳腺癌、脑出血等方面的EIT相关研究。传统的医学检测技术如计算机断层扫描成像和核磁共振成像等,虽然可以对病情进行准确诊断,但是设备庞大、费用高昂,且不能实现颅脑疾病的早期检测以及术后继发性疾病的预警。EIT技术可有效弥补传统技术的缺点,实现对患者的长时间床旁监测,成为近年来国内外对颅脑疾病检测的研究热点。在脑血管病情识别以及特定区域电阻抗成像研究中,颅脑EIT检测技术仍然面临以下问题:（1）基于EIT重建图像的脑血管病情识别严重依赖敏感场灵敏度矩阵计算,而灵敏度矩阵又与颅脑场域结构有关,因此不同患者头部结构的差异将导致脑血管病情识别不准确;（2）由于颅骨电阻率远高于头脑其余组织,激励电流仅有少量能够到达脑实质区域,因此该区域灵敏度偏低导致电压响应对该区域电导率的变化不敏感。（3）脑出血会伴有继发性缺血,两者相对于脑实质的电导率变化方向完全相反,导致电压响应严重失真,重建真实病灶组织电导率分布十分困难。因此,本文针对上述问题,开展了以下三方面的研究:（1）针对基于EIT重建图像的脑血管病情识别严重依赖敏感场灵敏度矩阵计算的问题,提出了一种基于残差卷积神经网络的脑血管病情识别方法。该方法通过直接处理EIT的测量数据,避免了灵敏度矩阵不精确而导致基于EIT重建图像的脑血管病情识别结果不准确。在噪声干扰、形状出现偏差以及颅脑组织电导率出现变化等数据集上对训练后的神经网络进行了测试,通过四种评价指标定量评估了神经网络的识别性能。此外,还研究了小目标物和接触阻抗对所提方法识别结果的影响,并进行了实验验证。通过与全连接神经网络和浅层卷积神经网络的比较,证实了该方法在脑血管的病情识别上具有很强的优越性。（2）针对颅脑内部灵敏度偏低导致电压响应对电导率的变化不敏感的问题,提出了一种提高特定区域灵敏度的传感器位置优化方法。通过改变电极排布位置将灵敏度集中于已知病灶区域,提高该区域电压响应对电导率的变化的敏感程度,进而改善成像质量。研究了优化后的电极排布对模拟的额叶出血和继发性缺血的重建图像效果,并通过模糊半径进行定量评估。结果表明,所提出的传感器位置优化方法能够改善已知病灶区域的成像质量,且能够提高EIT对噪声干扰的鲁棒性。（3）针对脑出血伴有继发性缺血时两者相对于脑实质的电导率变化方向完全相反,导致电压响应严重失真的问题,提出了脑出血伴随继发性缺血图像的非线性重建方法。该方法通过分离脑出血与继发性缺血的重建过程,经过对逆问题非线性计算电导率分布,解决了电压响应失真问题,实现对脑出血和继发性缺血的同时重建。定性和定量研究均表明,该方法在脑出血伴有继发性缺血的图像重建中具有显著优势。