电阻抗断层成像技术(Electrical Impedance Tomography,简称EIT)是近30多年间兴起的新一代的医学成像技术,通过对安放于体表的电极施加安全的激励电流,同时测量相应传感器上的电压变化信号,并根据图像重构算法重现出人体内部电特性的分布情况。EIT技术不但能够获取得到解剖学结构信息,且能提供丰富的功能信息。由于电阻抗断层成像技术不使用核素/射线,对人体无辐射,非侵入,且能够多次、重复测量,具有成像速度快、结构简单和成本低廉等优势,使其快速成为医学研究热点,具有广泛的应用前景。基于电阻抗断层成像技术的发展前景、成像特点、物理模型和研究难点等,本文围绕EIT技术的正、逆问题求解展开深入的研究,针对提高电阻抗重建图像质量的方法进行研究分析,主要研究内容包括:(1)主成分分析算法特征提取。采用主成分分析算法计算求解呼吸数据,提取出呼吸过程中的特征信号。具体实验结果为:在屏住呼吸过程中,主成分算法可以去除原始数据中的呼吸元素,提取出心脏成分,得到心动信号。在均匀呼吸过程中,主成分分析算法能够获得电导率变化信息,即是此过程中的胸肺的呼吸周期。(2)病变模型的构建与重建。根据已出现或可能出现的肺部疾病,基于人体肺部组织结构特性和电导率分布特性等先验信息,构建并求解出包括健康肺部模型及病变模型的仿真成像结果。引入相对误差、电流密度和通气量指标等对成像结果进行分析对比,客观的对重建图像质量进行评价。(3)EIT双模型图像重建。由于EIT逆问题求解时有很大的自由度,提出双模型框架来最小化自由度。分别采用精细网格求解正问题,来获得精确数值解,和粗糙网格解决逆问题,使逆问题的病态性降低。此外,双模型框架能够实现2.5D图像重建,3D模型图像重建和矩形网格图像重建等。