电阻抗成像技术的原理及其发展

北京航空航天大学学报

JOURNAL OF BEIJING UNIVERSITY OF AERONAUTICS AND ASTRONAUTICS

1998年4月 第24卷 第2期科技期刊

电阻抗成像技术的原理及其发展

1)

程吉宽 孙进平 杜　岩 柳重堪

（北京航空航天大学　电子工程系） 摘　要　介绍了一种新的图像重建技术——电阻抗成像（EIT ）技术.它根据物体内部不同物质的导电参数（如电阻率、电容率）的不同，通过对物体表面电流、电压的施加及测量来获知物体内部导电参数的分布，进而重建出反映物体内部结构的图像.作为一个数学物理反问题，EIT 技术具有其本身的特点和难点，因而目前还处于探索性研究阶段.本文在EIT 数学物理模型基础上对整个EIT 技术作了较为全面的介绍，包括理论原理、技术上的难点、系统分析、以及目前国际国内的研究现况和研究方向.通过对ACT3的介绍，对EIT 系统的具体实现也做了简要分析.

关键词　图像处理；重建；数据采集；反问题；电阻抗成像(EIT)

分类号　TM 938.84

EIT(Electrical Impedance Tomography)技术是一种新颖的图像重建技术.它根据物体内部不同物质的导电参数（如电阻率、电容率）的不同，通过对物体表面电流、电压的施加、测量来获知物体内部导电参数的分布，进而重建出反映物体内部结构的图像.1　EIT 技术简介

1.1 EIT 的原理

EIT 的图像重建过程实质上是利用边界测量数据求解物体内部电阻率分布函数ρ的过程.测量时通过加在物体表面的电极向物体注入电流，测量物体表面电压分布，然后

利用重构算法得到物体内部电阻率分布.

例如人体不同组织和体液就具有不同的电阻率，并且当某些组织发生病变时，电阻率也会相应发生变化.EIT 数学模型由下述椭圆方程边值问题描述：

(1)

(2)

(3)式中 V、J分别为边界电压和边界电流密度分布；ρ为待求电阻率分布函数;Ω为物体所在空间区域，Ω为其边界.由于边界形状的复杂性，一般采用有限元（FEM）方法来求解EIT正问题（指在ρ设定情况下，求F(ρ)=V的过程，对于给定的注入电流J，F:

ρ→V）.由于已知的边界信息（2)、(3）式比唯一确定（1）式的解所需要的信息多，所以可利用这些多余的边界条件用最优化迭代算法求解ρ，这也就是EIT的反问题.图1为EIT系统的基本构成框图.

图1 EIT的系统框图

1.2 EIT技术的难点

EIT本身的困难在于反问题的非适定性（Hadamard意义下）.文献［1］说明了EIT 固有病态（inherent ill-posedness），即边界电压数据的微小扰动可能引起解的巨大变化，这就要求EIT测量系统有很高的精度.另一个困难是它的信息量小，虽然可以用增加电极个数的方法来增加测量数据量.但就现有算法而言，数据量的增加往往使得计算量迅速增长.同时，电极数目的增加也是有限度的.此外，目前最大可实现的生理性阻抗变化只引起测量电压10%的变动，所以通常认为EIT测量硬件必须有至少0.1%的精度.如何实现系统的高精度、高分辨率和算法的快速收敛是目前EIT技术的主要难点.

2 EIT研究的现状及方向

EIT自70年代末提出，80年代初中期进展一直较为缓慢，直到80年代末特别是进入90年代以来，才进入了迅速发展时期.EIT的研究目前主要包括3个方面：图像重建算法、数据采集的理论及方法和系统实现以及EIT的应用，下面将分别予以介绍.

2.1 图像重建算法

EIT有两种不同的图像重建方式：动态式成像和静态式成像.动态式成像利用两个不同时刻的测量数据，通过图像重建算法来获得这两个时刻电阻抗分布的差值，从而重构出一幅S差分图像.动态式成像是图像重建算法中发展较早的一类，EIT最初的研究者Barber等人便是采用这种方法.动态式成像主要是反投影型算法［2，3］，其优点是许多测量数据中的噪声可以在相减时得到消除，因而它的图像重建算法对数据采集系统的要求不是太高，实现起来容易，另外它的计算量一般也较小.缺点是应用范围窄.如果在数据采集的两个时刻电阻抗分布没有变化，则它不能成像.因为它的推导过程是基于电流在同一平面内流动的，所以该类算法难以推广到一般的三维情况，即使在一些特

殊情况下的推广［3］,也并不象静态式成像那么直接.

静态式成像重建算法的发展则相对较晚一些，但由于其应用的广泛性及相对较好的成像效果，受到普遍重视［4］，已成为EIT成像重建算法研究的主流.现在流行的算法主要是Newton-Raphson类算法［4～6］.另外扰动算法［7］,拟Newton类算法［8］，以及一些特殊的算法［9,10］，也得到发展.静态式成像的缺点：计算量大，抗噪声性能较差.如何解决这个问题，已成为EIT技术研究的重点和难点.以Newton类算法为例，每步迭代必须计算Jacobi矩阵，而每计算一次矩阵需求解关于正问题的有限元刚度方程组P×N次（P为注入电流次数，N为未知数个数，一般为几百甚至几千），计算量之大由此可见.在这方面，文献［8］中提出的基于快速梯度算法的拟Newton算法是解决计算量随分辨率提高而迅速增长的有效手段，它避开了Jacobi矩阵的计算，使计算量大为减少.由于最优化中的拟Newton类算法有多种形式、多种改进，因而EIT的这类算法有着较好的发展前景.

由于EIT反问题的病态，造成图像重建算法对测量数据中的噪声以及计算中的舍入误差特别敏感.如何设计出数值稳定性较好的图像重建算法是很重要的.特别地，如何改进现有算法使之数值稳定性得到提高，也将是EIT算法研究中的重要方面.这方面的工作，文献［6］成功地将Newton-Raphson算法进行了改进，使之抗噪声能力得到明显提高，同时计算量还有所减少.

2.2 数据采集理论和系统的实现

数据采集理论是EIT技术的重要组成部分.良好的数据采集方法不仅可以提高数据采集的信噪比，而且还有助于提高图像重建算法的收敛速度.增加电极个数以增大采集数据量虽然是提高整个EIT系统抗噪声能力的重要方法，但数据量的增加往往导致图像重建算法计算量的大幅增加，而且电极个数的增加也是有限度的.最优电流理论自从Isaacson D的开创性工作［11］以来，已有很大的进展［12～14］，是目前EIT的重要研究方向之一.其目的，一是减少测量误差的影响，二是增加算法的收敛速度.最优即指注入的电流能使相应的边界电压数据的改变为最大.最优电流理论是抗噪声能力最强的数据采集方法，可使SNR（信噪比）达到最大.目前所使用的自适应电流注入法即将最优电流组加至所有电极，在图像重建的迭代过程中，自适应地改变最优电流组，以提高EIT 的分辨率.最优电流组依赖于未知电阻率分布函数和对电阻率分布函数的当前估计值（迭代值），这给实际应用造成了一些困难，文献［13］中介绍的计算最优电流的直接方法克服了这一困难，在某些应用场合，Walsh电流组使用起来更为方便［14］.

目前，模拟集成技术的发展十分迅速，VLSI以及DSP（数字信号处理器）的普及，使得EIT系统的设计尽可能地使用数字技术，模拟部分也尽可能地使用集成元件.一是为了提高系统的稳定性，二是充分使用数字技术，提高系统SNR.采用DSP技术，可实现实时的快速数据处理和系统的模块化，对于EIT在不同场合下的应用提供灵活性.因而，在目前比较成功的EIT系统中，都采用了DSP来进行数据的快速处理.比如Sheffield小组的实时APT(Applied Potential Tomography)系统，就采用了美国德州仪器公司的DSP来进行测量数据的快速处理和图像重建.在文献［15］中对基于DSP （Motorola 的DSP 9600）的EIT系统作了比较详细的介绍.

在发展和完善已有的理论和方法的同时，也在探索实现EIT技术的其它新方法和新途径，比如近年来提出的感生电流EIT技术［16］.这种技术的优点是采集数据中的噪声比较容易控制，电极系统设计简单；缺点是数学物理模型复杂，设备也相对复杂，这