基于疏密两种网格剖分模型的粒子群优化电阻抗成像方法技术

本发明专利技术公开了基于疏密两种网格剖分模型的粒子群优化电阻抗成像方法，涉及电阻抗成像技术领域，其技术方案要点是：具体包括以下步骤：S1：构建原始模型，记为模型0，并生成初始电导率分布σ0；S2：在模型0的基础上对感兴趣区域ROI进行网格细划分，其他区域不变构建模型I，其他区域进行网格合并构建模型II；S3：构建模型0到模型I、模型I到模型II之间的电导率转换矩阵；S4：根据求出的上述电导率转换矩阵，获得由σ0映射到模型I和模型II对应的电导率分布值σ

【技术实现步骤摘要】
基于疏密两种网格剖分模型的粒子群优化电阻抗成像方法


[0001]本专利技术涉及电阻抗成像
，更具体地说，它涉及基于疏密两种网格剖分模型的粒子群优化电阻抗成像方法。

技术介绍

[0002]电阻抗成像(Electrical Impedance Tomography,EIT)是一种无损伤、无辐射、使用方便、价格低廉的功能性成像技术，通过往人体体表注入安全激励电流来测量被测区域的边界电压，根据测量得到的边界电压值来重构被测区域内部的电阻抗分布并在计算机上以图像的形式呈现。根据电阻抗的变化对人体内部组织进行健康评估和疾病诊断，该技术不使用核素或射线，对人体无害，可以多次测量，重复使用，适宜于对病人进行长期、连续监护，从而成为国内外研究热点，具有诱人的应用前景。
[0003]EIT问题的求解包括正问题和逆问题求解两部分。正问题是指已知被测场域的电导率分布求边界电压，逆问题是指已知激励电流和边界电压获取被测场域的电导率分布。正问题求解是逆问题求解的基础，常用的算法是有限元FEM(Finite Element Method)法，在有限元分析中，首先要对被测区域进行离散化即将其剖分成有限个小单元，其网格剖分的疏密度直接影响了有限元计算的精度。实验表明，增加剖分单元的数目可以提高计算精度，但也会增加计算量，同时还会引起逆问题计算量的大幅增加。另外，当剖分单元达到一定数目时，单纯地增加剖分的密度对提高正问题的计算精度非常有限。
[0004]EIT图像重建属于非线性逆问题。传统的算法有反投影法、牛顿
‑
>拉夫逊法、高斯
‑
牛顿法等。等位线反投影法是一种动态EIT技术，实现简单、成像速度快、具有较好的抗噪声性能，但图像重建的空间分辨率低，含有较多伪影。牛顿法是将非线性问题近似转化为线性问题，在线性化的过程中会丢失很多重要的信息，容易导致重建图像失真严重，而且计算过程中需要求解雅克比矩阵和黑森矩阵，随着剖分单元数的增加，其计算量也将会大大增加，加重其病态性。虽引入正则化技术可以降低算法的病态性，但其重建图像空间分辨率不高，边界不够清晰等问题依然没有得到很好地解决。
[0005]EIT逆问题可视为优化问题，因此采用启发式优化算法通过不断地迭代优化使测量电压与计算电压之间的差值最小，近年来如遗传算法GA、粒子群算法PSO、差分进化算法DE等被引入EIT图像重建研究中。相比于传统算法，优化算法避开了雅克比矩阵及其逆矩阵的求导问题，不依赖被测场域的数学表达式。实验表明，当剖分单元数目较小时优化效果较好，但随着剖分单元数目的增加，优化算法易陷入停滞并且运算速度缓慢，称之为“维度灾难”问题。优化算法的“维度灾难”问题主要体现在两个方面：一是算法的计算量会随着维度的增长呈指数增长，二是在低维空间中表现良好的算法在高维空间时可能无法获得较好的收敛效果。
[0006]粒子群PSO具有算法简单、收敛速度快、容易实现和参数较少等特点，可以将其应用于EIT图像重建。若采用先验知识预设PSO的初始值，可以使粒子的搜索更具有导向性，使其在短时间内搜索到全局最优值。PSO粒子的位置表明被测场域的电导率分布，粒子的维数
等于剖分三角形单元的个数，而且PSO算法在每次迭代优化过程中都要进行EIT的正问题计算，很显然PSO算法的性能与有限元模型中网格剖分的规模密切相关。采用稀疏网格会增大正问题的计算误差，采用细密网格又会带来“维度灾难”，使PSO算法陷入早熟，很难获得好的收敛效果，从而影响图像重建的效果。
[0007]PSO算法在实现电阻抗成像过程中主要存在以下问题：
[0008]1、粒子的初始值对优化结果影响大，随机产生种群会带来很大的随机性，不利于扩大搜索空间和收敛到全局最优点，造成迭代优化过程比较漫长；
[0009]2、粒子的维度等于有限元模型中网格剖分单元的个数，剖分细密会造成PSO算法的维度过高，引起“维度灾难”问题；
[0010]3、每次迭代过程都需要进行正问题计算，其计算精度与网格的剖分密度紧密相关，密集则计算精度高，稀疏则误差大。

技术实现思路

[0011]本专利技术的目的是提供基于疏密两种网格剖分模型的粒子群优化电阻抗成像方法，该成像方法解决了粒子群优化算法进行电阻抗成像过程中由于网格剖分单元数目所引起的“维度灾难”问题，并且该方法既能保证计算精度，又能提高粒子群优化速度，避免陷入早熟，从而提高电阻抗成像空间分辨率和成像速度。
[0012]本专利技术的上述技术目的是通过以下技术方案得以实现的：基于疏密两种网格剖分模型的粒子群优化电阻抗成像方法，具体包括以下步骤：
[0013]S1：构建原始模型，记为模型0，并生成初始电导率分布；
[0014]S2：在模型0的基础上对感兴趣区域ROI进行网格细划分，其他区域不变构建模型I，其他区域进行网格合并构建模型II；
[0015]S3：构建模型0到模型I、模型I到模型II之间的电导率转换矩阵；
[0016]S4：根据S3得出的电导率转换矩阵，获得由σ0映射到模型I和模型II对应的电导率分布值σ
I
和σ
II
；
[0017]S5：采用粒子群优化算法基于模型I和模型II进行电阻抗成像中正问题和逆问题的求解。
[0018]本专利技术进一步设置为：所述S1的具体步骤是：
[0019]1)对被测场域通过电极施加安全电流进行激励，采用相邻激励相邻测量的方法获取被测场域的边界电压U；
[0020]2)对被测场域进行离散化，以三角形为剖分单元进行网格疏剖分建立有限元模型，记为模型0；
[0021]3)基于模型0采用一步高斯牛顿法进行图像重建获得被测场域的初始电导率分布，记为σ0＝(σ1，σ2，σ3…
σ
N
)；
[0022]其中N表示剖分三角形单元的个数；
[0023]4)根据生成的初始电导率分布σ0重构图像，该图像能显示出电阻抗发生变化的区域，该区域为ROI区域，人为划定或设定阈值通过检测电导率变化梯度进行自动划分ROI区域；
[0024]5)提取ROI区域各节点的坐标，剖分三角形单元的拓扑结构及单元的电导率值；
[0025]其中各节点坐标记为H，剖分三角形单元的网络拓扑结构记为G。
[0026]本专利技术进一步设置为：所述S2的具体步骤是：
[0027]1)建立初始化数组GG和HH；
[0028]2)提取ROI区域的第i个三角形节点的拓扑和节点坐标，并分别赋给HH和GG；
[0029]3)在第i个三角形上取1
‑
3个三角形边的中点从而得到中点坐标，并将中点坐标存入GG；
[0030]4)将新生成的中点坐标进行编号，将新生成的中点坐标与节点坐标之间形成的多个小三角形剖分单元的拓扑结构放入HH；
[0031]5)重复执行步骤3)和步骤4)，直至ROI区域所有三角形都完成细化剖分；
[0032]6)将细化后的ROI区域与其他本文档来自技高网...

【技术保护点】

【技术特征摘要】
σ3…
σ
N
]
T
，为N
×
1的列向量；设细密网格剖分模型I的网格剖分单元个数为N1，其电导率分布矩阵为B＝[σ
′
1 σ
′
2 σ
′3...σ
′
N1
]
T
，为N1×
1的列向量；2)利用相关性来构建从细密到稀疏剖分模型之间单元特性的转换矩阵C1，其中行元素对应稀疏剖分单元，列元素对应加密剖分单元，矩阵元素所在的行、列如果与疏、密剖分单元相关则取为1，否则取值为0；3)通过B＝C1
T
.A得到模型I的剖分单元电导率分布值σ
I
；4)同理，构建模型I到模型II的电导率转换矩阵C2，然后通过得到模型II的电导率分布值σ
II
；其中ε为小三角形剖分单元的数量。5.根据权利要求4所述的基于疏密两种网格剖分模型的粒子群优化电阻抗成像方法，其特征是：所述S5的具体步骤是：1)建立一个规模为m的粒子群并对粒子的数目m、维度D、位置的限定范围[x
min
，x
max
]、迭代次数、变异率P
m
、速度的限定范围及初始值进行初始化，其中维度D表示稀疏网格模型II中三角形剖分单元的数目N2、x
max
和x
min
分别表示被测区域电导率的最大值σ
max
和最小值σ
min
；2)初始化种群中各粒子的位置x
i
＝(x
i1
，x
i2
，x
i3
，
…
，x
iD
)，将一步高斯牛顿法求出的被测区域的初始电阻抗分布σ0转换为稀疏网格模型...

【专利技术属性】
技术研发人员：董庆贺，许川佩，何倩，张运佳，鲍康乾，廖冰洁，蒙超勇，赵汝文，
申请(专利权)人：桂林电子科技大学，
类型：发明
国别省市：