基于生物阻抗技术的肿瘤功能成像研究

论文摘要

电阻抗断层成像(Electrical Impedance Tomography,简称EIT)是近年来发展起来的一种基于计算机断层成像的医学影像技术,它根据生物体内部不同组织的导电参数的特性,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。生物阻抗技术具有无创伤、低成本、连续监测等特点,是一种功能成像方法,可以用于人体组织与器官的功能性评价,临床上可用于肿瘤、癫痫等多种疾病的早期发现及诊断。本论文主要包括两大部分,第一部分对基于RBF人工神经网络的电阻抗成像算法进行了研究,第二部分通过建立简化模型,对基于阻抗测量的肿瘤检测系统进行了仿真。电阻抗成像算法的研究,首先给出基于有限元的电阻抗成像正问题求解过程,对正问题的求解过程中所涉及到的有限元理论、拉普拉斯方程的变分推导以及区域模型的有限元剖分方式和剖分实现等问题进行了分析;其次,对电阻抗成像反问题以及反问题的病态性做了深入探讨;然后,将RBF人工神经网络应用到电阻抗成像算法中,对RBF网络结构设计、目标模型和样本设计、网络类型选择、网络训练方法、图像重建过程进行了具体论述;最后,就该算法的成像过程进行了仿真,对影响图像重建效果的因素进行了讨论。针对简单遗传算法中存在的早熟收敛现象和收敛速度慢的问题,借鉴自然界常见的有性繁殖和“小生境”现象,将性别、年龄与二倍体编码方法相结合,引入小生境选择技术,提出了基于有性繁殖的小生境遗传算法。通过建立简化模型,对肿瘤(如:乳腺肿瘤、淋巴瘤)检测系统进行了仿真研究,并用两种遗传算法对肿瘤位置进行定位分析,通过对比,验证了用基于有性繁殖的小生境遗传算法进行肿瘤位置确定的有效性。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• §1-1 电阻抗成像技术简介
• §1-2 电阻抗成像技术的发展历史及国内外研究现状
• §1-3 电阻抗成像的基本原理
• 1-3-1 电阻抗成像的生物医学基础
• 1-3-2 病变组织的介电常数和电导率与正常组织之间有差异
• 1-3-3 电阻抗成像的数学物理模型
• §1-4 电阻抗成像研究的意义及应用前景
• §1-5 电阻抗成像技术的难点
• §1-6 本文的主要工作
• 第二章 电阻抗成像正问题与反问题
• §2-1 电阻抗成像正问题
• 2-1-1 正问题的有限元解
• 2-1-2 剖分单元分析
• 2-1-3 区域剖分
• 2-1-4 有限元模型的细化
• §2-2 电阻抗成像反问题
• 2-2-1 研究反问题的意义与难点
• 2-2-2 反问题病态性分析
• §2-3 本章小结
• 第三章 基于RBF人工神经网络的电阻抗成像算法研究
• §3-1 Newton-Raphson重建算法
• 3-1-1 Newton-Raphson重建算法的推导过程
• 3-1-2 Newton-Raphson重建算法的正则化方法
• §3-2 RBF人工神经网络
• 3-2-1 人工神经网络特点
• 3-2-2 RBF网络的理论基础
• 3-2-3 RBF网络的结构
• 3-2-4 RBF网络的学习算法
• §3-3 RBF人工神经网络总体设计
• 3-3-1 算法原理
• 3-3-2 网络结构设计
• 3-3-3 目标模型
• 3-3-4 样本设计
• 3-3-5 网络类型的选择
• 3-3-6 网络的学习
• 3-3-7 网络的训练
• §3-4 基于RBF人工神经网络的图像重建算法仿真及结果分析
• 3-4-1 电阻抗重建的过程及流程图
• 3-4-2 重建图像算法仿真
• §3-5 本章小结
• 第四章 基于有性繁殖的小生境遗传算法研究
• §4-1 算法介绍
• 4-1-1 算法结构
• 4-1-2 编码方法
• 4-1-3 配对方法
• 4-1-4 交叉算子
• 4-1-5 变异算子
• 4-1-6 选择方法
• §4-2 多峰函数数值求解实验
• 4-2-1 测试函数
• 4-2-2 运行参数设置
• 4-2-3 实验结果及分析
• §4-3 本章小结
• 第五章 肿瘤检测系统仿真研究
• §5-1 肿瘤检测系统仿真模型的建立
• 5-1-1 问题的描述与假设
• 5-1-2 材料特性与网格划分
• 5-1-3 模型加载分析
• 5-1-4 激励方式
• §5-2 映像反映肿瘤位置变化
• 5-2-1 仿真数据
• 5-2-2 结果处理与分析
• §5-3 肿瘤位置定位分析
• §5-4 本章小结
• 第六章 结论与展望
• §6-1 工作总结
• §6-2 展望
• 参考文献
• 附录A
• 致谢
• 攻读学位期间所取得的相关科研成果