电阻抗成像(Electrical Impedance Tomography，简称EIT)是近年来发展起来的一种新的图像重建技术。它根据生物体内部不同组织的导电参数的相异性，由注入的交变电流信号和测量得到的电压数据，利用重建算法得到电阻抗的断层图像。 EIT通过配置于人体体表的电极阵，提取与人体生理、病理状态相关的组织或器官的电特性信息，不仅反映了解剖学结构，更重要的是可望由此获得功能性的图像。EIT不使用核素或射线，对人体无害，可以多次测量，重复使用，具有无创伤、连续检测等特点，近年来已成为国内外生物医学工程领域研究的热点问题之一。 目前，EIT技术面临的难题之一是受测量数据信息量的限制，重建图像的空间分辨率较低，甚至在重建过程中出现严重的病态性，难以得到重建图像或重建图像严重失真，制约了该技术的临床应用。针对以上问题，本文对EIT图像的重建算法作了深入的研究，提出了基于RBF人工神经网络的电阻抗成像算法，其方法为：首先应用有限元分析方法对目标区域进行分析，建立数学模型实现EIT正问题求解，为人工神经网络提供样本数据，然后利用人工神经网络算法实现图像重建，最后利用小波理论对重建图像进行处理，以获得高质量的图像。本文基于以上思想，重点对基于有限元的正问题的求解、基于RBF人工神经网络的电阻抗成像算法及对影响图像重建效果的因素进行了研究，同时还讨论了利用小波理论提高重建后的图像的质量，并进行了仿真试验。具体工作如下： (1)对EIT图像重建的生物医学基础、图像重建原理、EIT反问题的难点以及解决方法作了全面的分析研究。 (2)正问题求解。讨论了对电阻率分布采用连续插值逼近的有限元分析方法；推导了圆形区域的三角形剖分步骤和细化方法；进行了仿真试验。 (3)提出了基于RBF人工神经网络的电阻抗成像算法方案，用Matlab编写了仿真软件，实现了基于RBF人工神经网络的电阻抗成像算法的计算机仿真，