一、改善心电图逆问题病态条件的两个有效方法（论文文献综述）
穆礼德[1]（2021）在《心脏电生理成像 ——从稀疏表达到深度学习》文中研究说明由于心脏疾病诊断技术的发展和侵入式诊断方式的高风险性,用非侵入式的方法获取心脏表面的电生理信号已经成为心脏电生理学研究的重要课题。通过体表测量得到的多导联心电信号重建出心脏表面不同部位的电位差异及电信号的传播对于心律失常,心肌梗死等心脏疾病的手术前诊断和射频消融手术的指导具有重要意义。首先,本文提出了一种基于非局部全变分和低秩稀疏分解的心脏细胞外电位重建算法用于解决心脏细胞外电位重建的病态逆问题。利用心脏细胞外电位空间局部平滑和时间自相似的特征,将心脏细胞外电位分解为一个低秩的部分和一个稀疏的部分,然后再对稀疏部分加以非局部全变分约束以利用其非局部相似性特征,最后通过增广拉格朗日乘子法迭代求解得到心脏细胞外电位的值。我们将该算法应用于模拟室性早搏,心肌梗死以及临床真实室性早搏数据,与现有的主流其他算法相比获得了很好的重建效果。其次,本文还提出了一种基于图卷积神经网络和迭代软阈值收缩算法的心脏跨膜电位重建方法。充分结合了传统迭代阈值收缩算法的数学推导严谨性以及深度学习方法强大的表达能力,以及图卷积神经网路对于非欧式空间数据的表征能力。我们将该算法用于模拟异位起搏的数据和模拟的心肌梗死数据,实验结果表明,该算法不仅可以对异位起搏点进行精确的定位,还准确的重建出心肌梗死疤痕的边缘细节信息。
丁明亮[2]（2020）在《提高电阻抗层析成像空间分辨率的算法研究及应用》文中研究说明电阻抗层析成像（Electrical Impedance Tomography,EIT）技术作为一种新型可视化检测技术,具有无侵入性、实时无损、功能成像和经济性的优势,特别是EIT技术在一定条件下具有的高时间分辨率使其在许多重要领域得到应用。然而,EIT技术固有的“欠定”问题和“软场”效应,使其空间分辨率远低于目前许多已有的层析技术,如CT（Computed Tomagraphy）、MRI（Magnetic Resonance Imaging）,这使EIT技术的可应用范围受到很大限制,在被测对象结构复杂和低信噪比等条件下难以应用。因此,提高EIT技术的空间分辨率一直是该领域的重点和难点问题。基于已有的研究成果,本论文的核心聚焦在克服因EIT技术的“欠定”问题和“软场”效应所导致的不确定性等关键问题上,应用新型算法提高EIT的空间分辨率。本论文的主要研究工作具体如下:1、灵敏度矩阵的优化研究。灵敏度系数反映了被测物场中各像素对于物场边界激励和测量的响应能力,是EIT技术中重要的先验信息。灵敏度系数构成的灵敏度矩阵在EIT可视化过程中起到了非常重要的作用,直接影响重建图像的空间分辨率,但是目前EIT重构算法中主要使用电导率均匀分布时的“空场”灵敏度矩阵,灵敏度矩阵的作用发挥的不充分,直接增加了EIT重构被测对象的求解误差。为此本文提出了基于先验信息的灵敏度修正算法,利用快速模糊C均值算法和先验信息修正灵敏度矩阵中相应列的灵敏度系数;为了改进灵敏度系数对于非线性变化的响应能力,进一步提出了基于二阶灵敏度系数矩阵的图像重建算法,仿真和实验结果证明了新方法的有效性;尤其所提出算法对离散分布的小目标的重构能获得很高的空间分辨率。2、针对EIT过程固有的不确定或模糊特征,首次把模糊优化应用到EIT领域并提出一组实现算法。通过揭示EIT过程中隐藏的模糊特征,即灵敏度系数的不精确性、测量数据的不完整性和目标函数的不一致性等,分析了使用模糊隶属度表示模糊特征的合理性和可解释性,从而把模糊优化作为实现EIT可视化和目标重构的新手段。通过分析不同的应用条件以及EIT本身的可实现能力,把模糊优化的应用又进一步分为:约束模糊型、目标模糊型以及模糊系数型,并据此分别建立了对应的EIT优化模型并设计了实现算法。仿真和实验结果表明,提出的对称模糊线性规划对离散小目标有很高的空间分辨率和较强的鲁棒性;非对称模糊线性规划算法对连续目标也有较高的空间分辨率;而在目标函数中加入适当的约束条件后,模糊优化模型有更强的模拟能力有利于先验信息的应用。3、基于Bregman散度的L1-范数优化和伪迹修正。EIT用于肺部成像时,在利用结构先验信息进行空场重置后,场域内局部的电导率变化满足空间稀疏性的特点,引入L1-范数作为约束惩罚项以获得较清晰的重建目标。基于Bregman散度对于目标相似性更强和更一般的度量能力,并结合L1-范数能够有效地改善EIT欠定问题的优势,提出了一种基于Bregman散度的优化方法。提出了一种基于邻域信息和快速模糊聚类的无监督图像质量评价指标。针对EIT可视化过程中不可避免的伪迹问题,提出利用先验信息和邻域信息来进行修正的策略,从而提高成像的精确性。对文中提出的重建算法和评价指标都进行了仿真和实验验证。4、如何把EIT技术用于医学领域实现疾病的可视化诊断和床旁监护,一直是EIT领域的研究重点和难点。为了能有效识别出肺癌早期的功能性病变,提出了基于先验信息的“EIT+CT”检测模式。以人体肺部组织结构及电学特征作为先验信息进行空场重置,获得了更精确的灵敏度系数矩阵,进而提高了测量数据的敏感性。仿真实验和静态实验也验证了在空场重置后,EIT对场域内局部电导率变化更敏感,利用本文提出的重建算法可以检测出很小的局部变化,表征了基于先验信息的“EIT+CT”检测模式在肺部疾病的早期诊断中有很大的应用潜力。针对测量值提取的一维特征能直观反映病变对不同电极的影响程度和敏感性。为了更好的逼近人体真实分布,对三维肺部模型构建及三维场域内灵敏度进行了初步研究。将3D打印技术应用到医学领域的EIT模型制作,为获取肺癌病理电学特性大样本提供了平台。
高建宇[3]（2019）在《基于神经网络的FMT重建算法优化研究》文中研究说明荧光分子层析成像技术（Fluorescence molecular tomography,FMT）作为最有前景的成像技术之一,在分子成像领域逐渐突显出来。由于FMT成像的物理本质是基于扩散光子的成像,其相邻的投影图相似度高且测量的光学信号不完整,使得FMT重建具有高度的病态性,限制着该技术的临床应用。因此,FMT重建算法的研究一直是研究人员重点研究方向之一。传统代数迭代方法（Algebraic Reconstruction Technique,ART）存在重建速度慢,误差大等缺点。深度学习算法不需要明确FMT重建的前向和逆向问题,从根本上避免了由于线性模型的不准确带来的误差。本文使用栈式自编码网络（Stacked auto-encoder,SAE）实现了FMT重建,并对网络进行优化提高FMT重建精度,主要研究内容包括:（1）设计用于FMT成像的SAE模型,实现对二维圆域模型中不同位置异质体荧光产率的重建。结合二维圆域模型及FMT成像的原理构建SAE网络模型。改变模型中异质体的位置及大小等参数,基于辐射传输理论及有限元理论完成数据集的积累。实验使用深度学习算法及传统的ART同时重建,并将两者进行对比。结果表明,对于半径为2mm和3mm的小目标异质体重建,深度学习重建图像更加清晰,分辨率更高。（2）为了优化深度学习重建算法,研究了网络结构对重建结果的影响。选取测试数据的均方误差作为评价指标,结果表明:递增型结构网络模型重建图像更加清晰,精度更高。（3）通过对节点进行灵敏度分析,确定关键节点;采用过采样技术提升关键节点数据信噪比,提高FMT重建精度。选取直观图作为评价标准,结果表明:对关键节点的过采样处理可以提高数据信噪比,提高FMT重建精度。研究结果表明,基于SAE的FMT重建算法相较于ART算法,可以更加清晰的重建荧光异质体。此外,本文结合一系列的研究对SAE进行了网络结构的优化,关键节点数据信噪比增强,实现了基于SAE的FMT高精度的重建。
刘子琦[4]（2019）在《多频电阻抗成像算法设计与优化》文中提出多频电阻抗层析成像（Multi-frequency Electrical Impedance Tomography,mf EIT）技术是一种新型的分布参数检测技术,由于其具有非侵入、安全无辐射、响应快、便携和成本低等优点,可以用于医学的长期临床监测,在医学成像领域有广阔的应用前景。然而电学层析成像图像重建是一个病态的非线性逆问题,导致了求解过程的不稳定。为了提高重建图像的精度,本课题研究进行了以下几项工作:针对病态性逆问题求解的正则化算法的研究、灵敏度矩阵优化的研究以及加权频差法的研究。具体的研究工作主要包括:（1）设计了L1-L2空间自适应正则化算法,它结合了电学层析成像差分成像的数据特征和正则化方法的约束特点,根据每一步的迭代结果更新空间分布信息并自动调整正则化项,改变了传统正则化方法对整个场域施加同种约束的做法,充分考虑了参数分布的局部特点。仿真和实验结果验证了该方法的可行性,成像结果表明,与传统的L1或L2正则化方法相比,该方法在重建内含物边界、抑制背景区域伪影以及恢复内含物大小等方面具有优越性。（2）针对差分成像中采用参考场的灵敏度矩阵求解存在的误差以及误差产生的原因进行了分析,并讨论和总结了灵敏度矩阵与电导率分布变化之间的关系,给出了差分成像中灵敏度矩阵的改进方案。提出了基于灵敏度矩阵优化的正则化算法,提高了成像精度。（3）分析了加权频差算法,并对其进行了拓展,当场域介质为具有频率依赖性的非均匀介质时,采用三个以上激励频率下的边界电压测量值计算多重加权频差值,去除多种背景介质随频率变化对边界测量值的影响,并从成像角度对其进行了验证,此外,还给出了针对每一层介质进行成像的成像方法和结果。
吴维奇[5]（2019）在《基于深度学习方法的心电逆问题研究》文中研究指明心血管疾病是当今威胁人类身体健康的重要疾病之一。表现为心脏表面跨膜电位变化的心脏电活动是心血管疾病的重要表征,其特定信号和异常活动的发现和定位对心脏疾病的发现及治疗有着重要的作用。然而,由于现有的心脏表面电位检测手段或者基于临床经验,或者需要对病人的身体造成创伤,因此可以无创和定量地重建心脏表面电活动的心电逆问题的研究具有广泛且重要的意义。心电逆问题的研究目标在于根据人体表面检测到的电位信息,通过分析人体心脏-胸腔物理几何模型,建立心脏表面电位和体表电位的联系,从而定量地重建心脏表面电位信息。由于构建人体模型所带来的不适定性以及心脏节点电位的复杂性,输入的体表电位值中存在的微小噪声都会对最后的重建结果产生极大的影响。本文针对心电逆问题做了以下几项工作:首先,本文采用了ADMM算法作为求解心电逆问题的基础算法模型,既保证了结果的收敛性,又可以在确定正则化参数的情况下通过多次迭代来得到相对精确的结果。为了避免传统正则化方法中复杂并且错误率较高的L-curve选取正则化参数方法,论文将ADMM算法与深度学习方法相结合,将其迭代过程构建为神经网络架构,提出了新的ADMM-net方法来求解心电逆问题;其次,本文采用求解逆问题常用迭代算法ISTA作为算法模型基础,将其与神经网络模型相结合,提高了结果的泛化程度,同时为了提高结果的精度和收敛性,提出新的ISTA-net方法;最后,考虑到周期产生的心电信号具有明显的时序特性,论文采用了最新的LSTM网络模型来作为求解心电逆问题的方法,以求在处理时序信号上有更好的效果。在实验中,使用研究心电逆问题专用的软件ECGsim仿真的心电模型数据和体表数据作为模型的输入和输出,仿真的心脏体表电位结果作为验证集,重建出了相应的心外膜电位映射并将其可视化。结果表明,提出的方法能够较好地重建出心电特征,可以实现参数的自动选取,同时保持了结果的生理特性,是求解心电逆问题的有效方法。
章杰辉[6]（2018）在《基于混合正则化技术与压缩感知的心电逆问题研究》文中研究指明心电功能成像技术（ECGI）在对心脏疾病的临床诊断以及射频导管消融手术的术前指导当中具有巨大应用价值。通过ECGI技术,我们可以精准定位某些心脏疾病的病灶点,从而可以通过射频消融手术,无创地消除病变组织。心电逆问题是EC GI中亟待解决的核心问题。针对心电逆问题中出现的病态特性和奇异性,本文提出了 4种新的心电逆问题算法,分别是CPSO-Tik、LSQR+CPSO-Tik、CS-CGLS及时空差量增补算法。这4种算法都能有效地解决心电逆问题。本文主要贡献如下:（1）对心电逆问题中出现的病态特性和奇异性分别独立地进行研究,提出两种解决心电逆问题的框架,分别是基于心外单面膜模型的心电逆问题和基于心外双面膜的心电逆问题。针对不同的框架提出相应的解决方案和算法。（2）针对心电逆问题中出现的病态特性,在单面膜模型上运用CPSO-Tik和LSQR+CPSO-Tik算法。通过与传统心电逆问题正则化算法Tikhonov、LSQR及LSQR-Tik进行对比,分析了 CPSO-Tik与LSQR+CPSO-Tik算法重构心外膜电位分布的准确性和鲁棒性。实验表明,CPSO-Tik与LSQR+CPSO-Tik算法都能独立地抑制心电逆问题中出现的病态特性,重构出较高质量的心外膜电位,且其性能要普遍优于传统正则化方法。（3）针对心电逆问题中出现的奇异性,本文创新性地引入压缩感知技术,用于解决在双面膜模型上的心电逆问题。本文初步分析了心外膜电位信号的稀疏性,提出用全差分变换作为心外膜电位信号的稀疏域变换。（4）结合压缩感知理论和共轭梯度算法,解决心电逆问题中出现的奇异性。本文提出CS-CGLS与时空差量增补算法,用于解决双面膜模型上的心电逆问题。通过实验发现,CS-CGLS与时空差量增补算法都能独立完成双面膜心电逆问题的计算,且对奇异性有较好的抑制能力。其中,时空差量增补算法表现优异,能较为精准地重构出心电逆问题的解。
李怒[7]（2017）在《基于ADMM迭代算法的心电逆问题研究》文中研究指明心电图是心脏电活动的反映,可以通过传感器来测量人体表面电位得到。心电图是一种使用最广泛的常规临床诊断工具,它能够准确地反映出病人的心脏健康状况,降低诊断成本,对于心脏疾病的诊断具有非常重要的意义。心电逆问题研究的主要目标是还原心电图,它首先通过体表电位测量仪得到体表电位,接着通过CT影像获取的心脏和躯干的几何信息计算出传递矩阵,然后运用数学方法求解心电逆问题方程,从而获得心外膜电位分布,最后据此诊断心脏的病理状况。求解心电逆问题最大的难点是其不适定性和解的非唯一性。论文采用基于心外膜电位的心电逆问题研究,能够很好地克服解的非唯一性这一难点。为了克服不适定性,需要引入正则化技术来解决,常用的正则化方法有Tikhonov、TSVD和TTLS等。这些方法都是基于求伪逆的思想,但它们在计算出心外膜电位的真实值的过程中依然存在较大的误差。因此,论文致力于研究出新的算法,使得通过体表电位分布计算得到的心外膜电位更加接近其真实值。为了准确地求解心电逆问题,本论文分别提出了三种方法。论文首先建立目标函数,运用基于岭回归ADMM迭代算法的数学思想推导其解法,使用L曲线方法得到正则化参数,通过多组实验,可以发现此算法能够更加准确地求解心电逆问题。为了使迭代过程更加平滑,得到更加精确的结果,论文又对目标函数进行改进,减缓了迭代过程中的更新速度,实验结果表明,改进后的方法同样能够准确的重建心外膜电位,比其它三种正则化方法（Tikhonov、TTLS和TSVD）的误差更小。最后,为了加快迭代过程中的收敛速度,更快速地求解心电逆问题,我们对目标函数进行了改进,并且同样采用基于ADMM的迭代算法求解。通过实验对比,发现此方法也能够准确地求解心电逆问题。综上所述,论文提出的三种数学模型以及求解模型的方法能够更加准确地求解心电逆问题。因此,基于ADMM的迭代算法在求解心电逆问题方面具有非常大的应用价值。
周永康[8]（2016）在《基于电阻抗成像的保护性通气技术基础研究》文中研究表明机械通风是重症监护中辅助呼吸的重要手段,但是不合理的呼吸机参数设置可能会导致严重的肺部损伤。电阻抗成像作为一种非侵入性的快速成像技术,已经被多个研究者用于指导保护性通气中的呼吸机参数设置。然而,当呼吸机本身不能满足最佳的通气方式时,电阻抗成像仪的指导意义将会受到很大的限制。基于此,本文在全面而深入地调研了电阻抗成像的研究现状之后,设计了一套高性能的电阻抗成像仪CarPulMon1,并在电极系统、通道切换时间、校正、坏电极检测等方面进行了改进;接着对5个成年男性的肺部通气特性和心脏活动/灌流阻抗特性做了初步研究,为进一步的保护性通气研究奠定了技术基础。在系统设计方面,CarPulMon1以FPGA为主控制器,采用16电极系统、相邻激励模式,激励频率范围为50250kHZ,激励电流为0.96mAp-p,重建算法采用GREIT,图像帧频为678fps,有效的重建图像大小为128×128;校正后的系统,在高达1MHZ的激励频率下仍能保持80dB的高信噪比;在50kHZ250kHZ的所有测试频率,图像的相对标准偏差小于0.03%。其中,为了各个电极受力更加均匀,本研究设计了一套双松紧带电极系统,并在超过4小时的长时间监护中证明设计的电极系统可以保证电极稳定接触;对可能影响通道时间的各个因素进行了单因素分析,表明高通滤波器是影响通道切换时间的主要因素,综合考虑系统的帧频和噪声要求,通过调整高通滤波器最终实现23us左右的信号恢复时间,此时高通滤波器的3db衰减频带为100Hz,此时要保证系统的采样帧频不小于20fps（numavg=8）,激励频率应不小于50KHZ。在人体实验中,本研究招募了5位健康的成年男性作为实验对象,通过主成分分析的方法对肺部和心脏相关的信号进行分离,并深入研究了电极层、体位、自主呼吸频率对通气特性的影响,初步研究了不同激励频率下的心脏活动/灌流阻抗特性。结果表明在Layer2电极层（距离剑突骨上方约6cm或剑突骨上方第二根肋骨和第三根肋骨之间）的肺部具有最差的通气均匀性,在该电极层能最大限度地反映肺部的损伤程度;在坐姿、仰卧、俯卧三个体位中,仰卧姿态具有最好的通气均匀性;人体的肺部通气曲线可以粗略地分为五个阶段,吸气包含慢-快-慢三个阶段,呼气包含快-慢两个阶段;在自主呼吸下,当呼吸周期超过4S以后,呼吸周期的增加并不会引起更加明显的通气量增加;通过主成分分析的方法既可以从测量的信号中提取出微弱的心脏活动/灌流引起的阻抗变化信号,也可以作为肺部通气的滤波方法,同时在50250kHZ的激励频率范围内,激励频率为50kHZ时心脏活动/灌流具有最大的阻抗响应幅度。
苗枥文[9]（2016）在《用于高强度聚焦超声热疗过程监测的电阻抗成像技术研究》文中认为高强度聚焦超声（High Intensity Focused Ultrasound,HIFU）是将超声聚焦在病人的病灶处,利用汇聚后的高强度超声产生热效应、空化效应等杀死病灶处的肿瘤细胞、并由机体内巨噬细胞或临近细胞等将死亡细胞清除,从而能够在无流血的情况下实现肿瘤消融的技术。细胞坏死的实现与超声功率、治疗时间和组织情况等密切相关,为保障肿瘤治疗效果,需要一种可靠安全的无损检测技术实时监测和指导超声的治疗过程。在医学研究领域,电子计算机断层扫描（CT）,核磁共振（MRI）是最广泛应用的医学影像技术,但此类技术由于电离辐射危害或者设备体积庞大、价格昂贵等问题难以推广用于HIFU手术的实时监测。电阻抗层析成像（Electrical Impedance Tomography,EIT）技术,基于CT原理和电磁理论,通过测量被测对象边界上的转移阻抗数据和一定的图像重建过程,获取被测对象内部的电导率和介电常数分布信息,从而通过电参数与病理/生理状况的相关性进行医学检测。作为一种可视化的无损检测技术,EIT技术具有无辐射、非侵入、速度快、设备成本相对较低、设备尺寸相对较小等优点。由于热疗过程中温度变化造成组织特性变化,EIT技术对该变化引起的组织电导率的变化敏感,有希望成为一种辅助HIFU热疗过程的监测技术。相比较CT/MRI技术而言,EIT系统的独立测量次数较少、图像的空间分辨率较低;图像重建过程具有固有的病态性,测量噪声、电极位置误差等因素很容易造成重建过程发散。为解决以上问题,高性能宽频带的EIT数据采集系统和高性能的EIT图像重建算法,是EIT技术可用于临床应用的关键。因此,为了探索EIT技术在HIFU热疗过程监测中的应用,本论文首先综述了HIFU手术过程监测技术的研究现状和存在的问题;其次从EIT技术的原理出发,探讨了其用于HIFU热疗过程监测所亟待解决的图像空间分辨率问题,并提出了一种改进算法;然后研制了一套可以用于床边观测的高性能并行宽频带分布式EIT数据采集系统及样机;最后对离体生物组织的电阻/温度特性以及模拟实验装置中生物组织的升温过程进行了实验研究,验证了EIT技术用于HIFU治疗过程监测的可行性。本研究在国家自然科学基金（项目编号:61371017）的资助下完成了相关的研究,主要研究成果包含以下几个方面:首先,高空间分辨力EIT图像重建算法的研究。在研究既有EIT图像重建算法的基础上,针对热疗过程中只有局部电导率发生变化的特殊情况,提出一种改进图像分辨率的方法——基于感兴趣区域的图像重建算法。该方法通过限定感兴趣区域缩小图像重建过程中求解电导率变化的区域,从而能够在相同独立测量数目的条件下有效提高感兴趣区域内图像的空间分辨率和重建精度。另外,由于大量的电导率未发生变化的区域不参与图像重建过程,图像重建过程（逆问题）的维数得以有效降低,并减小了EIT图像重建过程中的病态性,有效缩短计算时间,提高图像重建效率。其次,高性能医用EIT数据采集系统的研制。针对医疗过程检测的应用目的,研制一套安全可靠的多通道并行宽频带分布式EIT数据采集系统。首先通过理论建模分析了电路的误差源和寄生电容对测量信号的影响,为电路设计提供了指导方向;其次详细研究了各个电路模块的工作原理并进行了优化设计;完成了模块化的多通道并行宽频带EIT数据采集系统样机开发。该系统的工作频率范围在1kHz-1MHz,能够通过上位机控制信号调理电路的放大倍数,对不同的被测个体具有很强的适应性。该系统的分布式结构设计,有效提高了高频频段的测量性能,并通过独立的片上控制器设计,使系统具有可扩展性以适应不同电极数目的敏感阵列。在电阻网络和模拟水槽上的实验研究验证了该系统的性能达到了设计要求;在人体上的测试实验验证了该系统能够安全稳定用于临床检测目的。最后,EIT技术在热疗过程监测中应用的实验研究。采用MATLAB设计实现了热疗实验的自动化综合控制平台,该平台能够对加热源,多通道温度测量数据采集仪,EIT数据采集系统进行联合控制,并实时显示测量结果,使实验灵活可控。利用所研发的EIT数据采集系统在实验水槽上进行了一系列的离体猪肉组织和新鲜的大鼠肝脏组织的加热实验,研究了生物组织电导率和温度之间的关系,并观测到生物组织致死温度附近其电阻/温度系数发生突变的情况,这一特性有希望成为判断HIFU热疗过程达到治疗效果的有效依据。由于EIT技术相比MRI和CT具有显着的经济、安全、便捷的优点,有希望为HIFU热疗过程的一种有效辅助监测手段。论文最后总结了研究内容和创新性成果,讨论了存在的问题,对今后研究提出建议。
郝丽玲[10]（2013）在《磁探测电阻抗成像的若干关键技术研究》文中指出生物体可以看作是由具有不同电特性并且按照一定空间位置分布的多种生物组织所构成的混合导体，生物组织的空间电导率分布可以提供解剖结构、功能活动和生理病理状态的有用信息。电阻抗成像技术以生物体内电阻抗的分布或变化为成像目标体，是一种集形态、结构和功能成像于一体的新一代无创生物医学检测与成像技术。它通过对成像目标体外加一定的安全激励电流，测量成像目标体表面的边界电压，从而重构得到其内部的阻抗分布。然而电阻抗成像通过电极以接触的方式测量边界电压，不仅获得的测量信息量小，并且测量精度还受到许多干扰因素的影响，例如皮肤表面湿度与粗糙程度以及测量时所施加的压力等。磁探测电阻抗成像通过表面电极向成像目标体注入激励电流，利用磁场传感器非接触测量成像目标体周围的磁场，然后根据磁场数据重构得到电阻抗分布图像。磁探测电阻抗成像作为电阻抗成像的一个分支，采用非接触测量的方式测量成像目标体周围的磁场来重建其内部电阻抗分布，磁场传感器的定位精度高，并且测量传感器不与成像目标体接触。磁探测电阻抗成像技术克服了电阻抗成像接触式测量的缺点，又结合了电阻抗成像的廉价、无创和连续图像监护等诸多优点。本文致力于磁探测电阻抗成像的研究，探讨了正问题、逆问题、测量方式优化和数据采集等若干关键问题，为磁探测电阻抗成像技术的发展奠定了基础。首先描述了磁探测电阻抗成像的正问题，并且利用有限元方法和已知的电流边界条件求解得到目标体内部的电压和电流密度分布，然后根据Biot-Savart定律获得目标体外部的磁感应强度数据。在此基础上，比较了各种电极模式下的正问题计算结果，并且提出了环形电极模式。环形电极避免了电流的扩散效应，使得磁探测电阻抗成像简化成磁探测电流密度成像，并且缩短了测量时间和图像重建时间，为快速成像奠定了基础。介绍了磁探测电阻抗成像的电流密度类算法，磁通密度类算法和差分成像方法。针对磁探测电阻抗成像逆问题的不适定性，提出基于全变差正则化的图像重建算法和适用于稀疏图像重建的全变差正则化和1范数正则化的混合正则化算法。与常用的2范数正则化算法相比，全变差正则化不仅改善了磁探测电阻抗成像逆问题的病态性，还具有良好的保边缘性，使得重构图像的介质之间的边界更加清晰，提高了重建图像的质量。混合正则化算法使得重建图像不仅具有清晰的边界，而且保证了稀疏特性，更好地实现了目标的定位。仿真结果表明了提出的正则化算法的有效性，推动了磁探测电阻抗成像技术的研究和发展。激励电极的大小、位置、数量和测量点的位置、数量等测量配置参数会影响磁探测电阻抗成像的质量。首先利用奇异值分析方法对不同测量配置参数进行了评估和优化，然后利用减少冗余法对每个测量点提供的信息量进行测量和评估，去掉提高较少信息量的冗余测量点，在减少测量点的情况下几乎不损失有用信息，从而对测量配置进行了进一步的优化。图像重建实验验证了奇异值分析和减少冗余法的有效性。结果表明适当地增加激励电极的数量，测量点分布的圆周数和测量点数目都可以增加有效奇异值个数，另外将激励电极尽量靠近感兴趣区域也可以增加有效奇异值个数。奇异值分析和减少冗余法是有效地寻找最优测量配置的方法，为磁探测电阻抗成像实验设计提供了有效而可靠的工具。建立了一套基于数据采集卡的磁探测电阻抗成像数据采集系统，包括恒流激励源、磁场传感器、后续信号放大和滤波电路、信号采集及控制单元和机械扫描装置等，并且利用LabVIEW设计了基于多测量点的自动数据采集和保存系统。在此基础上以离散模型、生理盐水模型和琼脂模型为实验对象，采用环形电极和横向电流加载模式进行了相关实验，验证了磁探测电阻抗成像的可行性，将磁探测电阻抗成像向前推进了一步。
二、改善心电图逆问题病态条件的两个有效方法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、改善心电图逆问题病态条件的两个有效方法（论文提纲范文）
（1）心脏电生理成像 ——从稀疏表达到深度学习（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 心脏电生理信号及其测量 |
| 1.2.1 心肌细胞外电位(Endocardial Epicardial Extracellular potential,EEP) |
| 1.2.2 心肌跨膜电位(Transmembrane Potential,TMP) |
| 1.2.3 腔内有创心脏电生理信号测量 |
| 1.2.4 无创体表同步电标测 |
| 1.2.4.1 标准12导联心电图记录 |
| 1.2.4.2 体表电位图记录(BSPM) |
| 1.3 科学问题 |
| 1.4 论文贡献与组织结构 |
| 2 研究背景与研究现状 |
| 2.1 常见心脏心律失常极其电生理表现 |
| 2.1.1 室性早搏(Premature Ventricular Contractions,PVC) |
| 2.1.2 心肌梗死(Miocardial Infarction,MI) |
| 2.2 心电逆问题求解研究现状 |
| 2.2.1 基于稀疏表达的逆问题求解算法 |
| 2.2.1.1 L2范数正则化 |
| 2.2.1.2 L1范数正则化 |
| 2.2.1.3 基于图的正则化 |
| 2.2.2 基于深度学习的方法 |
| 2.2.2.1 基于神经网络的心律失常疾病分类及定位 |
| 2.2.2.2 正则化约束结合深度学习的逆问题求解方法 |
| 3 基于非局部全变分约束的心脏细胞外电位重建 |
| 3.1 基于非局部全变分约束的低秩稀疏分解框架 |
| 3.1.1 低秩稀疏分分解 |
| 3.1.2 非局部全变分约束 |
| 3.1.3 约束最小化框架 |
| 3.1.4 增广拉格朗日乘子法优化求解 |
| 3.1.4.1 L子问题 |
| 3.1.4.2 S子问题 |
| 3.1.4.3 U子问题 |
| 3.1.4.4 E子问题 |
| 3.1.5 算法总结 |
| 3.2 模拟实验 |
| 3.2.1 模拟数据构成 |
| 3.2.2 定量分析指标 |
| 3.2.3 模拟室性早搏数据的心脏细胞外电位重建及定位 |
| 3.2.3.1 心脏细胞外电位重建 |
| 3.2.3.2 心脏激活波前重建及起搏点定位 |
| 3.2.4 模拟心肌梗死数据的心脏细胞外电位重建 |
| 3.3 真实病人介入早搏定位实验 |
| 3.4 临床室性早搏定位实验 |
| 3.4.1 数据采集及预处理 |
| 3.4.2 心脏细胞外电位重建及定位结果 |
| 3.5 讨论 |
| 3.5.1 算法超参数设置 |
| 3.5.2 不同种类噪声的影响 |
| 3.5.3 算法运行时间 |
| 4 基于图卷积和迭代软阈值收缩算法的心肌跨膜电位重建 |
| 4.1 迭代软阈值收缩算法(ISTA)及其神经网络改进(ISTA-Net) |
| 4.2 基于图卷积神经网络的迭代阈值收缩算法(GISTA) |
| 4.2.1 网络结构 |
| 4.2.2 图卷积实现方式 |
| 4.2.3 损失函数 |
| 4.3 实验验证 |
| 4.3.1 数据集生成及硬件基础 |
| 4.3.2 模拟异位起搏实验 |
| 4.3.2.1 心肌跨膜电位及心电描记图重建 |
| 4.3.2.2 实验结果定量分析 |
| 4.3.3 模拟心肌梗死实验 |
| 4.3.4 心肌激活时序重建 |
| 4.4 算法灵敏度分析 |
| 4.4.1 噪声分析 |
| 4.4.2 超参数设置 |
| 5 总结与展望 |
| 5.1 本文总结 |
| 5.2 未来工作展望 |
| 6 参考文献 |
| 科研成果 |
（2）提高电阻抗层析成像空间分辨率的算法研究及应用（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 EIT技术的研究现状 |
| 1.2.1 EIT重建算法发展概况 |
| 1.2.2 EIT系统及其应用研究现状 |
| 1.3 本文的结构及主要创新点 |
| 第2章 电阻抗层析成像理论基础和相关知识 |
| 2.1 EIT的数学模型 |
| 2.2 EIT的正问题和逆问题 |
| 2.3 EIT测量原理和测量系统 |
| 2.3.1 EIT测量原理 |
| 2.3.2 测量系统 |
| 2.4 图像重建算法 |
| 2.4.1 线性反投影算法 |
| 2.4.2 灵敏度系数法 |
| 2.4.3 Landweber算法 |
| 2.4.4 共轭梯度算法 |
| 2.4.5 Tikhonov及 TV正则化算法 |
| 2.4.6 模糊聚类算法 |
| 2.5 EIT技术的应用评价 |
| 2.5.1 空间分辨率 |
| 2.5.2 时间分辨率及算法鲁棒性 |
| 2.6 本章小结 |
| 第3章 基于灵敏度修正的EIT图像重建算法 |
| 3.1 EIT中的灵敏度分析 |
| 3.1.1 灵敏度的定义 |
| 3.1.2 灵敏度的求解 |
| 3.1.3 灵敏度的分布特征 |
| 3.1.4 灵敏度的不确定性 |
| 3.2 基于先验信息的灵敏度修正 |
| 3.2.1 根据真实目标含率修正灵敏度 |
| 3.2.2 基于组织结构信息修正灵敏度 |
| 3.3 二阶灵敏度在EIT重建算法中的应用 |
| 3.3.1 二阶灵敏度分析 |
| 3.3.2 基于二阶灵敏度的TR算法优化 |
| 3.3.3 基于二阶灵敏度的二次规划优化 |
| 3.4 小结 |
| 第4章 基于模糊线性规划的EIT图像重建算法 |
| 4.1 EIT过程中的模糊特征 |
| 4.1.1 灵敏度系数的不精确 |
| 4.1.2 测量数据的不精确 |
| 4.1.3 目标函数导致的不一致性 |
| 4.2 模糊优化的基础理论 |
| 4.3 EIT的模糊线性优化模型及解法 |
| 4.3.1 模糊约束型的对称模糊规划解法 |
| 4.3.2 模糊约束型的非对称模糊规划解法 |
| 4.3.3 模糊目标型的二次规划解法 |
| 4.3.4 约束系数模糊优化算法 |
| 4.3.5 目标函数系数权重分析 |
| 4.4 小结 |
| 第5章 基于Bregman散度的L_1-范数优化和伪迹修正 |
| 5.1 L_1-范数正则化 |
| 5.2 基于分裂-Bregman的 L_1-范数求解 |
| 5.3 基于Bregman散度的L_1-范数优化 |
| 5.3.1 Bregman散度的优势 |
| 5.3.2 基于Bregman散度的EIT重建算法 |
| 5.3.3 仿真与实验分析 |
| 5.4 基于快速模糊C均值和邻域信息的图像质量评价指标 |
| 5.5 基于重构图像的伪迹修正 |
| 5.5.1 基于先验信息的伪迹修正 |
| 5.5.2 基于邻域信息的伪迹修正 |
| 5.6 小结 |
| 第6章 基于先验信息的“EIT+CT”肺部图像重建 |
| 6.1 肺部组织结构及电学特征数据库 |
| 6.1.1 肺部组织结构特征 |
| 6.1.2 肺部组织电学特征 |
| 6.2 基于先验信息早期肺癌诊断的可行性 |
| 6.2.1 空场重置 |
| 6.2.2 优化重建算法 |
| 6.2.3 电导率敏感性分析 |
| 6.2.4 测量值一维特征分析 |
| 6.3 三维肺部模型构建及仿真 |
| 6.3.1 基于先验信息的三维模型构建 |
| 6.3.2 三维场域内灵敏度分析 |
| 6.3.3 仿真分析 |
| 6.3.4 三维场域内测量值一维特征分析 |
| 6.4 3D-EIT实体模型打印及实验验证 |
| 6.4.1 3D-EIT模型构建 |
| 6.4.2 实验验证 |
| 6.5 小结 |
| 第7章 总结与展望 |
| 7.1 本文工作总结 |
| 7.2 建议 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
（3）基于神经网络的FMT重建算法优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 分子成像技术 |
| 1.2 荧光分子成像技术 |
| 1.2.1 荧光分子成像意义 |
| 1.2.2 荧光分子成像研究现状 |
| 1.3 本文研究主要内容及结构安排 |
| 第二章 光在组织中传输理论及模型求解方法 |
| 2.1 光在组织中传输理论 |
| 2.1.1 光与组织相互作用 |
| 2.1.2 荧光的产生及传输 |
| 2.2 光在组织体中传播的数学模型 |
| 2.2.1 辐射传输方程 |
| 2.2.2 蒙特卡洛模拟方法 |
| 2.2.3 扩散方程 |
| 2.3 模型求解方法 |
| 2.3.1 有限差分方法 |
| 2.3.2 有限元方法 |
| 2.4 本章小结 |
| 第三章 荧光分子层析成像系统及重建算法 |
| 3.1 荧光层析成像系统 |
| 3.2 基于扩散方程的FMT重建过程 |
| 3.2.1 正向模型 |
| 3.2.2 逆向模型 |
| 3.3 深度学习算法原理及应用 |
| 3.3.1 自编码器与SAE器的结构 |
| 3.3.2 基于SAE网络的FMT深度神经网络模型 |
| 3.4 本章小结 |
| 第四章 SAE网络提高FMT重建精度方法的研究 |
| 4.1 仿真模型的构建 |
| 4.2 数据积累及建模过程 |
| 4.2.1 数据集的积累 |
| 4.2.2 网络模型的构建 |
| 4.3 重建结果分析及结论 |
| 4.3.1 无噪声数据下重建结果分析及结论 |
| 4.3.2 不同信噪比噪声数据下重建结果分析及结论 |
| 4.4 本章小结 |
| 第五章 神经网络结构优化提高FMT重建精度的研究 |
| 5.1 网络结构设计及实验验证 |
| 5.2 实验结果分析 |
| 5.3 本章小结 |
| 第六章 基于节点信噪比增强的FMT重建精度优化研究 |
| 6.1 研究异质体模型的传感器敏感性分布 |
| 6.2 研究关键节点数据信噪比增强对FMT重建精度的影响 |
| 6.2.1 实验设计 |
| 6.2.2 实验结果及结论 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 本文工作的总结 |
| 7.2 展望 |
| 参考文献 |
| 硕士期间发表论文和参加科研情况 |
| 附录 |
| 致谢 |
（4）多频电阻抗成像算法设计与优化（论文提纲范文）
| 中文摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 电学层析成像技术简介 |
| 1.2 多频电阻抗层析成像技术 |
| 1.3 课题的主要研究工作及结构安排 |
| 第2章 多频电阻抗层析成像理论背景 |
| 2.1 电学层析成像的基本原理 |
| 2.2 正问题 |
| 2.3 逆问题 |
| 2.4 差分成像 |
| 2.5 生物阻抗频谱特性 |
| 2.6 本章小结 |
| 第3章 L1-L2 空间自适应正则化方法 |
| 3.1 L1 和L2 正则化算法 |
| 3.2 L1-L2 空间自适应正则化方法 |
| 3.3 结果验证与比较 |
| 3.3.1 仿真验证 |
| 3.3.2 实验验证 |
| 3.4 本章小结 |
| 第4章 灵敏度矩阵优化 |
| 4.1 灵敏度矩阵分析 |
| 4.1.1 传统灵敏度矩阵系数法的误差来源 |
| 4.1.2 电导率变化与灵敏度变化之间的关系 |
| 4.2 灵敏度矩阵优化方法 |
| 4.3 基于灵敏度矩阵优化的TV正则化算法 |
| 4.3.1 TV正则化 |
| 4.3.2 方法实现 |
| 4.4 方法验证 |
| 4.4.1 仿真验证 |
| 4.4.2 实验验证 |
| 4.5 本章小结 |
| 第5章 多频加权频差算法改进 |
| 5.1 加权频差算法 |
| 5.2 加权频差算法改进 |
| 5.3 仿真验证 |
| 5.4 实验验证 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 发表学术论文 |
| 申请发明专利 |
| 参与科研项目 |
| 致谢 |
（5）基于深度学习方法的心电逆问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.1.1 心电逆问题的提出 |
| 1.1.2 心电逆问题的特性和研究难点 |
| 1.1.3 国内外研究现状 |
| 1.2 论文的整体结构和内容 |
| 1.3 本文的主要贡献 |
| 第二章 心电逆问题的求解方法 |
| 2.1 心电基础知识 |
| 2.2 心电逆问题相关模型及算法 |
| 2.2.1 心脏等效源模型 |
| 2.2.2 心电逆问题数值定义 |
| 2.2.3 心脏-胸腔模型 |
| 2.2.4 数值计算方法 |
| 2.2.5 经典心电逆问题算法 |
| 2.2.5.1 直接正则化法 |
| 2.2.5.2 迭代正则化方法 |
| 2.2.6 正则化参数选取算法 |
| 2.2.6.1 广义交叉验证(GCV)法 |
| 2.2.6.2 L-curve法 |
| 2.3 深度学习方法与心电逆问题 |
| 2.4 本章小结 |
| 第三章 ADMM-net算法求解心电逆逆问题 |
| 3.1 ADMM算法原理 |
| 3.2 ADMM算法求解心电逆问题 |
| 3.3 ADMM-net模型 |
| 3.4 实验与结果 |
| 3.4.1 实验数据条件 |
| 3.4.2 结果评价标准 |
| 3.4.3 ADMM-net实验及结果分析 |
| 3.5 本章讨论 |
| 3.6 本章小结 |
| 第四章 ISTA-net算法求解心电逆问题 |
| 4.1 ISTA算法原理 |
| 4.2 ISTA-net网络模型 |
| 4.3 实验与结果 |
| 4.3.1 实验条件 |
| 4.3.2 实验结果 |
| 4.4 本章小结 |
| 第五章 LSTM算法求解心电逆问题 |
| 5.1 LSTM算法原理 |
| 5.2 LSTM网络结构 |
| 5.3 实验与结果 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文 |
| 致谢 |
（6）基于混合正则化技术与压缩感知的心电逆问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 引言 |
| 1.2 心电功能成像与心电逆问题 |
| 1.2.1 心电功能成像的概念与研究意义 |
| 1.2.2 心电逆问题的研究现状 |
| 1.3 心电逆问题研究及相关算法 |
| 1.3.1 心电逆问题的概念 |
| 1.3.2 心电逆问题中的病态特性 |
| 1.3.3 正则化技术 |
| 1.3.4 LSQR方法 |
| 1.3.5 粒子群算法 |
| 1.3.6 压缩感知技术 |
| 1.4 本文的结构安排 |
| 第二章 解决心电逆问题的基本框架 |
| 2.1 引言 |
| 2.2 基于心外单膜电位的心电逆问题 |
| 2.3 基于心外双面膜跨膜电位的心电逆问题 |
| 2.4 模型选择 |
| 2.5 小结 |
| 第三章 两种解决单膜心电逆问题的混合正则化算法 |
| 3.1 引言 |
| 3.2 CPSO-TIK算法 |
| 3.3 LSQR+CPSO-TIK算法 |
| 3.4 两种算法性能分析 |
| 3.5 小结 |
| 第四章 压缩感知技术在双面膜心电逆问题上的运用 |
| 4.1 引言 |
| 4.2 双面膜心电逆问题中的稀疏性分析 |
| 4.3 解决双面膜心电逆问题的两种算法 |
| 4.3.1 共轭梯度算法 |
| 4.3.2 CS-CGLS算法研究 |
| 4.3.3 时空差量增补算法 |
| 4.4 两种算法的性能分析 |
| 4.5 小结 |
| 第五章 总结和展望 |
| 5.1 全文总结 |
| 5.2 研究设想和展望 |
| 参考文献 |
| 致谢 |
| 附录 作者简历 |
（7）基于ADMM迭代算法的心电逆问题研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 本文的研究内容 |
| 1.3 本文的主要贡献 |
| 第二章 心电知识及其正问题和逆问题的研究 |
| 2.1 心电知识基础 |
| 2.1.1 电活动起源 |
| 2.1.2 测量方法 |
| 2.1.2.1 标准12导联心电图 |
| 2.1.2.2 体表电位标测 |
| 2.2 心电正问题 |
| 2.2.1 双域模型 |
| 2.2.2 容积导体模型 |
| 2.2.3 边界条件 |
| 2.3 心电逆问题 |
| 2.3.1 心外膜和心内膜电位 |
| 2.3.2 传递矩阵 |
| 2.3.3 心电逆问题方程 |
| 2.4 直接正则化方法的基本原理 |
| 2.4.1 Tikhonov的定义及求解方法 |
| 2.4.2 TSVD的定义及求解方法 |
| 2.4.3 TTLS的定义及求解方法 |
| 2.5 小结 |
| 第三章 基于岭回归ADMM算法的心电逆问题求解 |
| 3.1 岭回归ADMM算法的原理 |
| 3.1.1 数学模型 |
| 3.1.2 模型求解推导 |
| 3.1.3 算法步骤 |
| 3.2 参数选取及评价标准 |
| 3.2.1 评价标准 |
| 3.2.2 参数选取 |
| 3.3 实验数据及实验结果 |
| 3.4 结论分析 |
| 第四章 基于改进的岭回归ADMM算法的心电逆问题求解 |
| 4.1 改进的岭回归ADMM算法的原理 |
| 4.1.1 数学模型 |
| 4.1.2 模型求解推导 |
| 4.1.3 算法步骤 |
| 4.2 实验数据及评价标准 |
| 4.2.1 实验数据 |
| 4.2.2 评价标准 |
| 4.2.3 参数选取 |
| 4.3 实验过程及结论 |
| 4.4 结论分析 |
| 第五章 基于快速迭代ADMM算法的心电逆问题求解 |
| 5.1 快速迭代ADMM算法的原理 |
| 5.1.1 数学模型 |
| 5.1.2 模型求解推导 |
| 5.1.3 算法步骤 |
| 5.2 评价标准与参数选取 |
| 5.2.1 评价标准 |
| 5.2.2 参数选取 |
| 5.3 实验数据及实验结果 |
| 5.4 结论分析 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
（8）基于电阻抗成像的保护性通气技术基础研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 生物医学电阻抗成像的研究基础——生物组织阻抗特性 |
| 1.2 国内外生物医学电阻抗成像研究整体进展 |
| 1.3 基于电阻抗成像的保护性通气研究意义和现状 |
| 1.4 基于电阻抗成像的保护性通气的几个具体问题 |
| 1.5 论文的研究目的和主要工作 |
| 第2章 电阻抗成像数学基础和重建算法 |
| 2.1 电阻抗成像数学基础 |
| 2.2 电阻抗成像中的常用概念 |
| 2.2.1 激励模式 |
| 2.2.2 成像方式 |
| 2.2.3 成像维度 |
| 2.2.4 胸腔阻抗成像中的常用术语 |
| 2.3 电阻抗成像评价指标 |
| 2.4 肺部电阻抗成像重建算法 |
| 2.4.1 等位线反投影算法 |
| 2.4.2 牛顿类算法 |
| 2.4.3 一步牛顿迭代算法 |
| 2.4.4 GREIT算法 |
| 2.5 胸腔阻抗成像模型 |
| 2.6 心肺信号分离技术 |
| 2.7 本章小结 |
| 第3章 系统设计 |
| 3.1 硬件系统设计 |
| 3.1.1 人体胸腔阻抗估计 |
| 3.1.2 系统构架 |
| 3.1.3 恒流源和校准 |
| 3.1.4 采集电路 |
| 3.1.5 胸腔电极带的设计 |
| 3.1.6 通道延时和扫描速度 |
| 3.2 软件系统设计 |
| 3.2.1 上位机软件系统构架 |
| 3.2.2 呼吸周期的检测和背景数据的更新 |
| 3.2.3 坏电极的检测 |
| 3.3 本章小结 |
| 第4章 整机性能评估 |
| 4.1 系统噪声测试 |
| 4.2 通道一致性测试 |
| 4.3 圆桶模型重复性实验 |
| 4.4 圆桶模型多目标成像实验 |
| 4.5 人体胸腔成像稳定性实验 |
| 4.6 本设计与第一款商业EIT设备性能对比 |
| 4.7 本章小结 |
| 第5章 人体成像实验及结果分析 |
| 5.1 胸腔阻抗成像实验设计依据和目的 |
| 5.2 胸腔阻抗成像实验设计 |
| 5.2.1 实验因素 |
| 5.2.2 实验对象 |
| 5.2.3 实验步骤 |
| 5.3 胸腔阻抗成像实验结果及分析 |
| 5.3.1 自主呼吸下通气敏感电极层和最佳体位的确定 |
| 5.3.2 体位对呼吸周期的影响 |
| 5.3.3 自主呼吸下的全局阻抗信号特征 |
| 5.3.4 不同呼吸频率下的通气特性 |
| 5.3.5 不同激励频率下的心脏成像特性 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读学位期间发表论文与研究成果清单 |
| 致谢 |
（9）用于高强度聚焦超声热疗过程监测的电阻抗成像技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 HIFU手术的监控技术 |
| 1.1.1 HIFU治疗技术基本原理 |
| 1.1.2 HIFU治疗的历史发展 |
| 1.1.3 HIFU手术存在的问题 |
| 1.2 电阻抗层析成像技术简介 |
| 1.2.1 EIT技术的发展和研究现状 |
| 1.2.2 EIT技术应用于HIFU治疗过程监测需要解决的问题 |
| 1.3 论文的研究内容和结构安排 |
| 第二章 EIT技术的理论基础 |
| 2.1 医学电阻抗技术的基本原理 |
| 2.2 EIT问题的电磁场理论 |
| 2.3 EIT正问题 |
| 2.3.1 EIT正问题的解析解 |
| 2.3.2 EIT正问题的数值解 |
| 2.3.3 基于Galerkin方法的泛函构造 |
| 2.3.4 有限单元刚度矩阵的构造 |
| 2.3.5 EIT正问题求解方法 |
| 2.3.6 采用有限元法的正问题求解的仿真可靠性研究 |
| 2.4 EIT逆问题 |
| 2.4.1 定解问题的适定性 |
| 2.4.2 正则化方法 |
| 2.4.3 线性化方法 |
| 2.4.4 非线性方法 |
| 2.5 本章小结 |
| 第三章 基于RROI的 EIT图像重建算法的改进 |
| 3.1 电阻抗图像分辨率的影响因素 |
| 3.2 灵敏系数理论 |
| 3.2.1 阻抗体积描述术 |
| 3.2.2 灵敏度系数理论的数学模型 |
| 3.3 基于RROI的 EIT图像重建算法的改进 |
| 3.3.1 灵敏度系数算法的离散形式 |
| 3.3.2 基于RROI的 EIT图像重建算法的改进 |
| 3.3.3 RROI方法的数学模型 |
| 3.3.4 RROI方法的迭代算法 |
| 3.4 RROI改进方法的仿真研究 |
| 3.4.1 ROI重建区域选择界面 |
| 3.4.2 均匀背景场域内单一目标的微小扰动 |
| 3.4.3 均匀背景场域内的一对电导率扰动 |
| 3.4.4 均匀背景场域中心的单一电导率强扰动 |
| 3.4.5 非均匀背景场域内的单一目标的微小扰动 |
| 3.4.6 改进方法仿真结果的定量分析 |
| 3.4.7 RROI改进方法的适用范围 |
| 3.5 RROI改进方法的实验研究 |
| 3.5.1 水槽中心处的单个电导率扰动实验 |
| 3.5.2 水槽中一对电导率扰动实验 |
| 3.5.3 改进方法水槽实验的定量分析 |
| 3.6 本章小结 |
| 第四章 高性能宽频带EIT数据采集系统的研发 |
| 4.1 数据采集系统的总体方案设计 |
| 4.1.1 硬件系统的分类 |
| 4.1.2 等效电路分析 |
| 4.1.3 分布式控制方案设计 |
| 4.1.4 小结 |
| 4.2 数据采集系统的供电方案设计 |
| 4.2.1 数据采集系统的供电电源选择 |
| 4.2.2 电源滤波设计 |
| 4.3 主控板的设计 |
| 4.3.1 主控板的嵌入式软件开发 |
| 4.3.2 同步性控制方案设计 |
| 4.3.3 与上位机(PC)的通信接口模块 |
| 4.3.4 激励信号的产生模块 |
| 4.3.5 同步信号的产生模块 |
| 4.3.6 小结 |
| 4.4 前端测量板的设计 |
| 4.4.1 前端测量板的嵌入式软件开发 |
| 4.4.2 信号解调方案设计 |
| 4.4.3 激励信号选择模块 |
| 4.4.4 信号采集和处理模块 |
| 4.4.5 电阻抗测量方法对比 |
| 4.4.6 小结 |
| 4.5 阻抗测量系统的性能测试 |
| 4.5.1 测量条件 |
| 4.5.2 系统测量速度测试 |
| 4.5.3 线性度和准确性测试 |
| 4.5.4 重复性测试 |
| 4.5.5 信噪比(SNR)测试 |
| 4.5.6 模拟水槽的成像实验 |
| 4.5.7人体成像实验 |
| 4.5.8 小结 |
| 4.6 本章小结 |
| 第五章 离体组织的电阻抗/温度特性研究 |
| 5.1 HIFU组织消融的温度特性 |
| 5.2 生物组织电阻抗测量模型 |
| 5.3 离体动物组织阻抗/温度特性研究 |
| 5.3.1 实验方案设计及平台搭建 |
| 5.3.2 阻抗温度监控界面 |
| 5.3.3 离体猪肉组织电阻温度特性实验 |
| 5.3.4 离体大鼠肝脏组织电阻温度特性实验 |
| 5.3.5 离体猪肉组织新鲜度与电阻温度特性实验 |
| 5.4 离体猪肉组织加热过程的EIT监测研究 |
| 5.4.1 实验方案设计及实验平台搭建 |
| 5.4.2 实验材料和实验配置 |
| 5.4.3 测量结果 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 附录一 数据采集系统 PCB 布线图 |
| 攻读博士学位期间科研工作成果 |
| 一、已发表或录用的论文 |
| 二、已授权或发表的专利 |
| 致谢 |
（10）磁探测电阻抗成像的若干关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 生物组织的电特性 |
| 1.1.1 生物组织的导电机理 |
| 1.1.2 影响生物组织阻抗的因素 |
| 1.1.3 生物组织阻抗测量的应用 |
| 1.2 电阻抗成像 |
| 1.2.1 电阻抗成像的研究现状 |
| 1.2.2 电阻抗成像存在的问题 |
| 1.3 磁探测电阻抗成像 |
| 1.4 论文的研究内容 |
| 第二章 磁探测电阻抗成像的正问题 |
| 2.1 引言 |
| 2.2 磁探测电阻抗成像正问题的数学描述 |
| 2.3 磁探测电阻抗成像正问题的求解 |
| 2.3.1 有限元法 |
| 2.3.2 磁感应强度的计算 |
| 2.4 正问题仿真计算 |
| 2.4.1 正问题的计算精度 |
| 2.4.2 电极模式 |
| 2.4.3 真实腿模型 |
| 2.5 小结 |
| 第三章 磁探测电阻抗成像的逆问题 |
| 3.1 引言 |
| 3.2 基于电流密度的重建算法 |
| 3.2.1 电流密度重建算法 |
| 3.2.2 电导率重建算法 |
| 3.2.3 仿真实验 |
| 3.3 基于磁感应强度的重建算法 |
| 3.3.1 算法原理 |
| 3.3.2 2 范数正则化 |
| 3.3.3 全变差正则化 |
| 3.3.4 仿真实验 |
| 3.4 差分成像 |
| 3.4.1 成像方法原理 |
| 3.4.2 混合正则化 |
| 3.4.3 仿真实验 |
| 3.5 小结 |
| 第四章 磁探测电阻抗成像的测量方式优化 |
| 4.1 引言 |
| 4.2 优化方法 |
| 4.2.1 奇异值分析 |
| 4.2.2 减少冗余法 |
| 4.3 感兴趣区域 |
| 4.4 二维模型的测量方式优化 |
| 4.4.1 仿真模型 |
| 4.4.2 测量模式的优化 |
| 4.4.3 图像重建验证 |
| 4.5 三维模型的测量方式优化 |
| 4.5.1 仿真模型 |
| 4.5.2 测量模式的优化 |
| 4.5.3 图像重建验证 |
| 4.6 小结 |
| 第五章 磁探测电阻抗成像的数据采集系统和实验验证 |
| 5.1 引言 |
| 5.2 硬件系统 |
| 5.3 软件系统 |
| 5.4 仿体实验 |
| 5.4.1 离散模型实验 |
| 5.4.2 生理盐水实验 |
| 5.4.3 琼脂实验 |
| 5.5 小结 |
| 第六章 总结与展望 |
| 6.1 主要工作和结论 |
| 6.2 创新点 |
| 6.3 展望 |
| 参考文献 |
| 发表论文和参加科研情况说明 |
| 致谢 |
四、改善心电图逆问题病态条件的两个有效方法（论文参考文献）
- [1]心脏电生理成像 ——从稀疏表达到深度学习[D]. 穆礼德. 浙江大学, 2021
- [2]提高电阻抗层析成像空间分辨率的算法研究及应用[D]. 丁明亮. 天津大学, 2020
- [3]基于神经网络的FMT重建算法优化研究[D]. 高建宇. 天津工业大学, 2019(01)
- [4]多频电阻抗成像算法设计与优化[D]. 刘子琦. 天津大学, 2019
- [5]基于深度学习方法的心电逆问题研究[D]. 吴维奇. 厦门大学, 2019(07)
- [6]基于混合正则化技术与压缩感知的心电逆问题研究[D]. 章杰辉. 浙江大学, 2018(10)
- [7]基于ADMM迭代算法的心电逆问题研究[D]. 李怒. 厦门大学, 2017(07)
- [8]基于电阻抗成像的保护性通气技术基础研究[D]. 周永康. 北京理工大学, 2016(03)
- [9]用于高强度聚焦超声热疗过程监测的电阻抗成像技术研究[D]. 苗枥文. 上海交通大学, 2016(01)
- [10]磁探测电阻抗成像的若干关键技术研究[D]. 郝丽玲. 天津大学, 2013(01)