EIT成像技术研究：自适应网格细分与重建算法

"这篇博士学位论文由上海大学的严佩敏撰写，导师为王朔中和莫玉龙，专业为通信与信息系统，主题聚焦于电阻抗断层成像算法的研究。" 在【总结与展望-郁离歌的awd线下攻防经验】这个主题中，虽然标题看似与IT攻防相关，但实际内容涉及的是电阻抗断层成像(Electrical Impedance Tomography, EIT)技术，这是一种无创无害的医学成像技术，利用人体阻抗信息进行功能成像。EIT图像重建是其核心难题，因为这是一个严重病态的非线性逆问题。 论文的主要贡献包括： 1. 提出了一种自适应网格细分的EIT图像重建方法。通过对局部进行细分，不仅提升了重建图像的精度，还降低了存储需求，特别是在提升局部成像空间分辨率方面表现优秀。该方法通过相邻阻抗变化来确定细分单元，避免了盲目细分的问题，相较于之前的算法，具有更简单的实现方式。 2. 针对静态EIT图像重建，论文提出了两种优化算法：基于指数加权矩阵正则化的算法，通过调整Hessian矩阵的条件数改善了算法的收敛性，弥补了Tikhonov正则化MNR算法的效率问题；另一种是基于Newton迭代思想的非线性共轭梯度迭代算法，有效解决了大数据量EIT成像系统计算量大的问题。 3. 对动态EIT图像重建，论文引入了线性共轭梯度迭代算法和改进的敏感系数矩阵法。前者解决了大数据量图像重建的计算负担，后者通过阈值正则化特征值提高了目标区域的成像分辨率，尤其在改善中心区域阻抗变异成像精度上表现出色。 4. 论文还初步探索了复阻抗成像，对复阻抗的实部和虚部分别采用了敏感系数法，扩展了EIT的成像能力。 这些研究成果不仅在理论上提供了新的算法和方法，还在实验中得到了验证，显示了提高EIT图像质量和空间分辨率的有效性。论文的创新点在于利用自适应网格细分、改进的正则化策略以及优化的迭代算法，克服了EIT图像重建中的各种挑战，为医学成像领域带来了重要进展。