一种三维电阻抗断层扫描图像重建方法及相关设备技术

本发明专利技术实施例公开了一种三维电阻抗断层扫描图像重建方法及相关设备，所述方法包括：将待测对象表示为点集，并获取所述待测对象电阻抗断层扫描边界的目标数据，其中，所述目标数据包括电压测量数据及所述电压测量数据对应的激励电极的位置信息，所述电压测量数据包括测量电压值和测量电极的位置信息；基于所述目标数据及所述激励电极的位置信息计算所述待测对象的电导率、形状中心和点云表示的目标形状；根据所述电导率、所述目标形状和所述形状中心完成所述待测对象的三维电阻抗断层扫描图像重建。用参数化的点云来表征三维空间内的电导率分布，以有限数量的点提供了精细的形状描述，减轻了内存需求，并能够使用更深的网络架构。络架构。络架构。

【技术实现步骤摘要】
一种三维电阻抗断层扫描图像重建方法及相关设备


[0001]本专利技术涉及医学成像
，尤其涉及一种三维电阻抗断层扫描图像重建方法及相关设备。

技术介绍

[0002]电阻抗断层扫描(EIT)是一种新兴的医学成像方式，具有非侵入性、无需标识、快速和便携的特点。然而三维EIT图像重建的问题在于其受阻于构建的高维度性和非线性，这使得生成的图像质量相对较差。
[0003]尽管现有的图像重建算法取得了进步，但大多数都集中在2D图像重建问题上，而3D图像重建算法相对较少。一些研究专注于将2D算法扩展到3D情况，例如基于复杂几何光学(CGO)解决方案的直接3D重建、3D拉普拉斯和稀疏联合正则化、具有全变分先验的贝叶斯学习和3D结构感知稀疏贝叶斯学习(SA
‑
SBL)。然而，这些方法基于规则网格(例如，体素)，并且通常需要手工调节参数和设计正则化项，从而导致低图像质量和可观的计算成本。在三维显示方面，为了简便，大多数现有的图像重建方法采用体素网格。然而，三维空间的体素化不可避免地丢弃了大量细节，并且内存占用量随着分辨率的增加呈立方级增加，这表明网络架构的深度和分辨率之间始终需要权衡。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种三维电阻抗断层扫描图像重建方法及相关设备，用于解决现有技术中图像质量低下，计算成本过高的问题。
[0005]为达上述之一或部分或全部目的或是其他目的，本专利技术提出一种三维电阻抗断层扫描图像重建方法，包括：采用点集表示待测对象，并获取所述待测对象电阻抗断层扫描边界的目标数据，其中，所述目标数据包括电压测量数据及所述电压测量数据对应的激励电极的位置信息，所述电压测量数据包括测量电压值和测量电极的位置信息；
[0006]将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型，得到所述待测对象的电导率、点云表示的目标形状和形状中心，其中，所述预设计算模型基于转换器模型建立，所述预设计算模型包括编码网络、电导率解码网络、形状解码网络和对象中心解码网络；
[0007]根据所述电导率、所述目标形状和所述形状中心完成所述待测对象的三维电阻抗断层扫描图像重建。
[0008]可选的，所述将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型，得到所述待测对象的电导率的步骤，包括：
[0009]将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型中的所述电导率解码网络，生成概率矩阵，所述电导率解码网络包括多层感知器和tanh层；
[0010]采用交叉熵修正所述概率矩阵，得到所述待测对象的电导率。
[0011]可选的，所述将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型，得到所述待测对象的形状中心的步骤，包括：
[0012]将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型中的所述对象中心解码网络，得到所述待测对象的初始形状中心；
[0013]通过均方误差修正所述初始形状中心，得到所述待测对象的形状中心。
[0014]可选的，所述将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型，得到所述待测对象的目标形状的步骤，包括：
[0015]所述形状解码网络将预设初始形状进行转换，得到嵌入维数；
[0016]基于所述嵌入维数和所述目标数据及所述电压测量数据对应的激励电极的位置信息，得到所述待测对象的目标形状。
[0017]可选的，所述基于所述嵌入维数和所述目标数据及所述电压测量数据对应的激励电极的位置信息，得到所述待测对象的目标形状的步骤，包括：
[0018]将chamfer distance函数作为损失函数训练所述形状解码网络，得到所述形状解码网络的目标函数为：
[0019][0020]其中，Y
S
是点云的真实值，是重建点云，N为表示所述待测对象的点的数量；
[0021]将所述嵌入维数和所述目标数据及所述电压测量数据对应的激励电极的位置信息代入所述目标函数，得到所述待测对象的目标形状。
[0022]可选的，所述根据所述电导率、所述目标形状和所述形状中心完成所述待测对象的三维电阻抗断层扫描图像重建的步骤，包括：
[0023]通过显式学习序列中的交互作用获取所述待测对象上各点的长期依赖性；
[0024]根据所述长期依赖性通过所述电导率、所述目标形状和所述形状中心完成所述待测对象的三维电阻抗断层扫描图像重建。
[0025]可选的，在所述将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型的步骤之前，还包括：
[0026]根据所述转换器模型建立初始预设计算模型；
[0027]使用Adam优化器优化所述初始预设计算模型，得到具有选择最小的验证损失的计算模型作为目标预设计算模型，其中，所述Adam优化器的优化规则为：权重衰减10
‑9，初始学习率为10
‑4和每25步减少0.95倍，最大限度的训练电导率估计的迭代轮次为500，为形状参数为1000的图像进行重建和对象中心估计。
[0028]另一方面，本申请提供了一种三维电阻抗断层扫描图像重建装置，所述装置包括：
[0029]数据采集模块，用于采用点集表示待测对象，并获取所述待测对象电阻抗断层扫描边界的目标数据，其中，所述目标数据包括电压测量数据及所述电压测量数据对应的激
励电极的位置信息，所述电压测量数据包括测量电压值和测量电极的位置信息；
[0030]计算模块，用于将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型，得到所述待测对象的电导率、点云表示的目标形状和形状中心，其中，所述预设计算模型基于转换器模型建立，所述预设计算模型包括编码网络、电导率解码网络、形状解码网络和对象中心解码网络；
[0031]重建模块，用于根据所述电导率、所述目标形状和所述形状中心完成所述待测对象的三维电阻抗断层扫描图像重建。
[0032]第三方面，本申请提供了一种电子设备，包括：处理器、存储器和总线，所述存储器存储有所述处理器可执行的机器可读指令，当电子设备运行时，所述处理器与所述存储器之间通过所述总线通信，所述机器可读指令被所述处理器执行时执行如上述的三维电阻抗断层扫描图像重建方法的步骤。
[0033]第四方面，本申请提供了一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器运行时执行如上述的三维电阻抗断层扫描图像重建方法的步骤。
[0034]实施本专利技术实施例，将具有如下有益效果：
[0035]通过采用点集表示待测对象，并获取所述待测对象电阻抗断层扫描边界的目标数据，其中，所述目标数据包括电压测量数据及所述电压测量数据对应的激励电极的位置信息，所述电压测量数据包括测量电压值和测量电极的位置信息；将所述目标数据及所述电压测量数据对应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维电阻抗断层扫描图像重建方法，其特征在于，包括：采用点集表示待测对象，并获取所述待测对象电阻抗断层扫描边界的目标数据，其中，所述目标数据包括电压测量数据及所述电压测量数据对应的激励电极的位置信息，所述电压测量数据包括测量电压值和测量电极的位置信息；将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型，得到所述待测对象的电导率、点云表示的目标形状和形状中心，其中，所述预设计算模型基于转换器模型建立，所述预设计算模型包括编码网络、电导率解码网络、形状解码网络和对象中心解码网络；根据所述电导率、所述目标形状和所述形状中心完成所述待测对象的三维电阻抗断层扫描图像重建。2.如权利要求1所述的三维电阻抗断层扫描图像重建方法，其特征在于，所述将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型，得到所述待测对象的电导率的步骤，包括：将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型中的所述电导率解码网络，生成概率矩阵，所述电导率解码网络包括多层感知器和tanh层；采用交叉熵修正所述概率矩阵，得到所述待测对象的电导率。3.如权利要求1所述的三维电阻抗断层扫描图像重建方法，其特征在于，所述将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型，得到所述待测对象的形状中心的步骤，包括：将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型中的所述对象中心解码网络，得到所述待测对象的初始形状中心；通过均方误差修正所述初始形状中心，得到所述待测对象的形状中心。4.如权利要求1所述的三维电阻抗断层扫描图像重建方法，其特征在于，所述将所述目标数据及所述电压测量数据对应的激励电极的位置信息导入预设计算模型，得到所述待测对象的目标形状的步骤，包括：所述形状解码网络将预设初始形状进行转换，得到嵌入维数；基于所述嵌入维数和所述目标数据及所述电压测量数据对应的激励电极的位置信息，得到所述待测对象的目标形状。5.如权利要求4所述的三维电阻抗断层扫描图像重建方法，其特征在于，所述基于所述嵌入维数和所述目标数据及所述电压测量数据对应的激励电极的位置信息，得到所述待测对象的目标形状的步骤，包括：将chamfer distance函数作为损失函数训练所述形状解码网络，得到所述形状解码网络的目标函数为...

【专利技术属性】
技术研发人员：安辛麟簇，刘朝红，赖文韬，李春艳，
申请(专利权)人：深圳市元甪科技有限公司，
类型：发明
国别省市：