实用化EIT条件下不同激励模式成像效果仿真研究

邓 娟 王 磊 李福生 赵 舒 王 妍 沙 洪#*

1(中国医学科学院&北京协和医学院生物医学工程研究所，天津 300192)2(中国人民解放军第291医院，内蒙古 包头 014040)

实用化EIT条件下不同激励模式成像效果仿真研究

邓 娟1王 磊1李福生2赵 舒1王 妍1沙 洪1#*

1(中国医学科学院&北京协和医学院生物医学工程研究所，天津 300192)2(中国人民解放军第291医院，内蒙古 包头 014040)

目前常用的电阻抗断层成像(EIT)相邻激励-相邻测量模式下，有限测量分辨率(MR)和信噪比(SNR)的系统往往难于分辨微小电位差，影响图像重建。通过获取16电极EIT系统均匀场在相邻、间隔6电极和相对激励模式下的理想仿真边界电压，分析实用化EIT系统成像对MR和SNR的要求，仿真模拟了不同MR和SNR测量条件下3种激励模式对近场域中心目标A、场域1/2半径处目标B、近场域边缘目标C的成像。图像重建采用Tikhonov-Noser组合正则化算法，引入图像重建误差函数和结构相似度函数定量评价成像效果。结果表明，各激励模式对不同目标成像要求的MR和SNR不同。MR为1 mV和0.01 mV时，成像效果分别是间隔6电极激励和相邻激励最优；MR为0.1 mV时对模型A、B成像间6激励更优，对模型C成像相邻激励更好。间隔6电极和相对激励对模型A、B、C成像要求的SNR临界值分别为50、40和30 dB，都比相邻激励低10 dB，临界值附近间6成像效果最优，其次是相对激励，SNR高于临界值10 dB时相邻激励成像质量最高。低MR和高MR时影响成像的主要指标分别是各模式边界电压次小值与最小值之差和独立测量数。建议低MR成像时优先选择间6激励，其次是相对激励，高MR时选择相邻激励，MR为0.1 mV时近场域边缘目标成像选择相邻激励而近场域中心目标成像选择间6激励。低SNR和高SNR时影响成像的是测量电压数组整体的数值大小和独立测量数。模型A、B、C成像时若SNR分别在50、40和30 dB的临界值附近建议选择间隔6电极和相对激励，一旦SNR高于临界值10 dB，建议选择相邻激励。

电阻抗断层成像; 激励模式; 测量分辨率; 信噪比

引言

电阻抗断层成像(electrical impedance tomography，EIT)通过置于人体体表的电极阵列注入微小电流并检测体表电位，采用一定的重建算法对体内电导率分布成像，其系统主要由数据检测系统和图像重构算法组成。以往EIT研究主要集中在方法学和重建算法上，旨在探索EIT成像原理，希望影响因素最少，因而假设检测系统是具有最高测量分辨率(measurement resolution, MR)、最佳信噪比(signal noise ratio，SNR)、最宽动态范围等性能的理想系统。实用化EIT检测系统能达到的性能指标往往有限[1-3]，特别是在目前常用的相邻激励-相邻测量模式下，待测信号小，动态范围要求高，有限MR和SNR的检测系统往往难于分辨与激励电极对相距较远处的电极对之间的微小电位差，严重影响图像重建。

实用化系统性能指标对EIT图像质量有至关重要的影响。Seagar 等提出了一种在噪声水平已知的情况下预言可分辨的最小成像目标的方法[4]。他们还研究了硬件系统部分指标的极限值，包括数据采集速度、噪声、带宽、动态范围等[5]。Cheney等预测了两种不同电导率分布成像时系统所需测量精度和MR[6]。Rafiei-Naeini和McCann认为，提高检测系统信噪比可有效改善系统检测灵敏度和空间分辨率，其中电流激励子系统信噪比的提高对整个系统信噪比将有很大贡献。他们设计了一种信噪比为80 dB的低噪声电流激励源子系统，输出阻抗达到10 MΩ，且激励频率在10 kHz～4 MHz之间时产生的漂移较小[7]。Wang等提出，小电压信号的测量应比大信号的测量花费更长的采集时间进行噪声补偿[8]。Kim等开发了并行多频EIT系统KHU Mark2，并进行了系统性能评估[9]。Mamatjan等提出，通过设计一组参数评价EIT系统的系统化方法，并对EIT的3个性能进行了综合评价[10]，参数包括数据和图像噪声、数据精度，以及对单目标和不同电导率的多个目标的检测、分辨能力等。

激励-测量模式也是影响EIT成像质量的关键因素。Adler等比较相邻和相对激励模式的病态程度和成像效果后指出，目前EIT中广泛应用的相邻激励和相邻测量模式效果并不是最佳的[11]。优化的EIT检测系统应对电导率变化有较好的分辨率，该分辨率可表示为电极数和激励电流幅度、兴趣区电导率变化量、目标位置和大小、激励模式和测量噪声的函数，正比于阻抗变化幅度，反比于噪声的幅度[12]。Avis和Barber的研究表明，相对激励可以提高场域中心的电流强度，从而改善区域的检测灵敏度[13]。Murat Eyüboglu提出了一种相间激励EIT成像算法，盐水槽试验取得了较好的效果[14]。EIT对测量边界噪声十分敏感，Franciane对仿真数据加入高斯白噪声后发现，相邻激励无法较好地解决含噪信号图像的重建，采用相对激励误差较小[15]。测量模式研究的相关报道较少，罗辞勇等提出一种交叉测量协议，通过增大测量电极间隔，获取测量数据中较大的电压进行图像重建，并从提高EIT检测信号抗噪性能、改善灵敏度和降低病态性等方面表明了交叉测量的实用化效果[16]。

尽管许多研究者在实用化系统性能指标、激励-测量模式对成像的影响方面开展了卓有成效的研究，但大都是对相邻和相对激励模式的定性分析，对相间激励模式的研究甚少，不同模式的分析也没有与不同性能指标的实用化EIT系统条件结合，定量分析结果更是缺乏。事实上，激励模式会影响成像系统性能的发挥，固定激励模式的系统对不同目标合理成像需求的系统性能指标也不同。

国内外EIT研究正从方法学向应用基础和临床应用研究过渡[17-19]，构建EIT系统是必不可少的一个环节。探索在有限性能实用化EIT系统条件下不同激励模式对图像重建的影响，对优化成像质量十分必要[20-21]。通过仿真模拟不同MR和SNR的EIT系统，笔者将研究和定量分析实用化EIT条件下3种不同激励模式的成像，研究结果将指出针对具体应用目标成像时应建立何种性能指标的实用化系统，已构建好的特定性能指标的实用化系统可指导选择合理激励模式，优化成像质量。

1 方法

1.1 图像重建算法

图像重建采用Kao等于2006年提出的Tikhonov-Noser组合正则化算法。算法的正则化矩阵融合了Tikhonov正则化的单位矩阵和NOSER类正则化的对角矩阵，比两种正则化单独使用的效果更好，可在准确定位重建目标的同时有效去除噪声[22]。

1.2 激励模式的选择及其数据结构分析

16电极EIT系统共8种激励模式：相邻激励、6种间隔激励(间隔1～6电极)和相对激励模式。在理想条件下，基于电导率为1 Ω-1m-1的16电极EIT圆形均匀场、电流激励为1 mA时，可获取到不同激励模式在相邻测量方式下的边界电压测量数据，其中相邻、间6和相对激励等3种激励模式在相邻测量时的边界电压数据如表1所示。表1给出了电压最大值Vmax、最小值Vmin、次小值Vs，min、最大值与最小值之比Vmax/Vmin、次小值与最小值之差Vs，min-Vmin和一次成像总独立测量数IMN等重要特征数据。

表1 理想仿真条件下3种激励模式的边界电压数据结构

在6种间隔激励模式中，仅选择了间6激励模式进行深入的研究，这是因为影响成像上述指标中，6种间隔激励方式的IMN都是192，而间6激励的Vmax、Vmin、Vs，min、Vs，min-Vmin都是6种激励方式中最大的，Vmax/Vmin是最小的，初步的研究结果也展示了间6激励模式下不同目标的成像优于其他间隔激励。总的来说，间1～间6激励模式下图像成像质量呈上升趋势，因而只选择了具有代表性的、成像效果最好的间6激励与其他两种激励模式进行对比分析。现对表1中各指标的意义分析如下：

1)电压最小值Vmin和次小电压与最小电压之差Vs，min-Vmin。Vmin规定了检测系统动态范围的下限和MR，Vmin越小对MR的要求越高。表1显示，相邻激励模式下Vmin最小，随激励电极对的间距加大Vmin逐渐增大，相对激励模式下Vmin最大。Vs，min-Vmin表示的是系统所需分辨的边界电压的最小差异。系统MR小于Vs，min-Vmin时可有效区分所有数据，略大于这个值时将可区分大部分数据，通常可以成像。MR超过Vs，min-Vmin一定倍数时，将无法成像。

2)最大电压与最小电压之比Vmax/Vmin。Vmax/Vmin越大，表明数据动态范围越宽，这将对检测系统提出更高要求。表1显示，相邻激励模式对系统动态范围的要求最宽，间6和相对激励模式要求的动态范围较窄。

3)独立测量数IMN。EIT图像重建是一个病态性严重的逆问题，IMN对图像重建的影响很大。在理想仿真时，不同激励模式的图像重建质量主要受IMN影响，几乎与Vmin、Vs，min-Vmin、Vmax/Vmin无关，相邻激励模式成为理想仿真的首选激励方式。

由于MR和动态范围有限，实用化系统在检测过程中受各种噪声的干扰，IMN只是影响成像的一个因素，各参数将共同影响成像结果。以相邻激励模式为例，其边界电压范围是0.124 6～0.971 5 mV，其表征动态范围的Vmax/Vmin比另两种激励模式大，0.003 5 mV的Vs，min-Vmin值在3种激励模式中最小。这表明，相邻激励模式对MR要求很高。MR为1 mV时，相邻激励模式下只有极少的数据可以被检测到，故难以成像；MR为0.1 mV时，系统对Vs，min和Vmin的测量值都是0.12 mV，不能有效区分所有数据，且部分源数据的有效信息被忽略，导致不可成像或成像质量低；MR为0.01 mV时，Vs，min和Vmin的测量值分别为0.128和0.124 mV，此MR能分辨绝大多数数据，可以获得质量较好的图像；提高系统MR至0.001 mV，小于其Vs，min-Vmin为0.003 5 mV，将对成像质量略有改善，此后再提高MR无更大意义。

1.3 基于实用化EIT系统成像要求的MR和SNR测量条件分析及其仿真模拟方法

在研究中，需要分析3种不同激励模式成像时对实用化EIT系统的MR和SNR要求，基于此要求设置MR和SNR条件并进行仿真成像。电子测量中MR是指仪器能检测到的最小电压(或电流)值。表1中3种模式的Vs，min-Vmin表明，MR达到0.001 mV，小于3种激励模式的Vs，min-Vmin，可获得各模式下的高质量图像，此时再提高MR也无法进一步改善成像质量。因此，基于实用化EIT系统成像要求，将仿真的MR条件设置为1，0.1和0.01 mV。

为获取一定信噪比的EIT实用化检测系统的测量电压，以EIT场域边界仿真电压作为理想EIT系统的采集信号。考虑所有检测数据对成像的影响，将所有数据检测通道视为一个整体，对采集的数据整体添加高斯白噪声。将SNR定义为

(1)

式中，n表示一次图像重建所用的测量数据。Voi是理想仿真获得的边界电压信号，Vfi是含高斯分布噪声的仿真检测信号，据此获取到了一定信噪比的EIT实用化检测系统的测量电压。仿真研究时发现，将SNR设置为低于30 dB时，3种激励模式对所设目标均无法成像；SNR高于60 dB时，3种激励模式对模型A、B、C都能成像，且相邻激励模式最佳。因此，本研究基于实用化EIT系统成像要求，将仿真的SNR条件设置为30、40、50、60 dB。

1.4 图像评价函数

EIT图像是用求解逆问题得到的电导率数值作为填充场域各单元的像素。为客观定量评价EIT图像重建效果，引入医学图像评价常用的图像重建误差函数ER和结构相似度函数SSIM，给出量化指标来衡量医学图像质量[23-24]。

定义EIT图像重建误差函数ER为

(2)

式中，M为有限元剖分的总单元数，GX(p)和GY(p)分别为成像模型X和重建图像Y各单元电导率，ER表示Y和X所有剖分单元电导率的平均误差。

ER侧重于对图像整体效果，取值范围0～1，值越小表明重建前后图像差别越小，因此可灵敏地反映重建图像的质量。

定义图像X、Y的结构相似度SSIM为

式中，uX、uY表示模型图像X和重建图像Y的均值，可看作对图像亮度的粗略估计；σX，σY表示X和Y的方差，可作为对图像对比度的估计；协方差σXY是Y相对于X的非线性改变。因此l(X,Y),c(X,Y),s(X,Y)分别看作图像亮度、对比度和结构比较，3项互相独立。SSIM(X,Y)∈[0,1]，越接近于1成像质量越好，Y与X完全相同时取1。SSIM更侧重于图像局部性能的评价，对图像中边缘跳变部分有较好的区分能力。

2 结果

2.1 不同MR条件下各激励模式的成像及分析

按文中1.3中所述，设置MR为1、0.1和0.01 mV的仿真条件，假设每一种MR条件下系统对仿真数据的识别是四舍五入的。图1为3种激励在不同MR条件下的成像结果，表2为应用ER和SSIM对图1的评价结果。

图1的成像结果和表2的函数评价结果显示，不同激励模式在不同的MR下成像效果差别很大。在1 mV的MR下，间6激励对场域1/2半径处的目标(模型B)和近场域边缘目标(模型C)可成像，相对激励可对模型C成像，相邻激励根本无法成像，此时间6激励最优，相对激励次之。在0.1 mV的MR下，仅相邻激励对近场域中心的目标(模型A)无法成像，对模型A的成像间6优于相对激励；对模型B和C的成像中，间6和相对激励模式的成像质量接近，相邻激励对模型B可成像但评价结果显示成像质量低，对模型C成像质量明显优于间6和相对激励。当MR达到0.01 mV时，对于所设的3种模型，相邻激励的成像质量都是最好的，间6和相对激励对模型B和C的成像质量接近，对模型A成像间6优于相对激励。

图1 3种激励模式在不同MR条件下的EIT图像Fig.1 EIT images of three excitation patterns under different measurement resolution conditions

测量分辨率/mV激励模式成像模型和评价函数模型A模型B模型CERSSIMERSSIMERSSIM1间6——0.3170.2150.1730.4481相对————0.2030.4420.1相邻——0.4550.1810.1840.5760.1间60.2260.2390.2250.2250.1940.4980.1相对0.2270.2190.2800.2880.1760.4530.01相邻0.0860.3760.1370.3230.1020.6360.01间60.1350.2650.1910.2470.1870.4800.01相对0.1710.2500.2020.2400.1900.481

2.2 不同SNR条件下各激励模式的成像及分析

按文中1.3节所述设置SNR分别为30、40、50、60 dB。图2为3种激励模式在不同SNR的条件下的成像结果，表3为应用ER和SSIM对图2的评价结果。

图2的成像结果和表3的评价结果显示，同一激励模式时不同位置的目标成像和不同激励模式对同一目标成像时所要求的系统SNR都不同，同一SNR下不同激励模式的成像效果也有所差异。对模型A、B、C成像，相邻激励要求系统的SNR分别达到60、50、40 dB，间6和相对激励要求的SNR分别50、40、30 dB，都比相邻激励模式低10 dB。图2和表3还显示，同一SNR下，间6和相对激励的可成像区域相同且成像质量只有细微差别，但相邻激励与它们有较大差异，一旦相邻激励达到对某种目标成像的SNR，其成像质量就优于间6和相对激励模式,在40 dB时模型C成像，50 dB时模型B和C成像，60 dB时模型A、B和C的成像，相邻激励模式成像质量都是最好的。

图2 3种激励模式在不同SNR条件下的EIT图像Fig.2 EIT images of three excitation patterns under different signal-to-noise ratio conditions

信噪比/dB激励模式成像模型和评价函数模型A模型B模型CERSSIMERSSIMERSSIM30间6————0.2660.44230相对————0.2810.40240相邻————0.2070.59140间6——0.3540.2490.1750.47840相对——0.2560.2500.2120.48350相邻——0.2190.3500.1100.63750间60.1730.2440.2170.2530.1720.47950相对0.2370.2170.2240.2410.2030.47560相邻0.1040.3560.1740.3210.1020.63460间60.1570.2510.2030.2440.1920.48560相对0.1780.2260.1870.2520.1890.481

3 讨论

在实用化EIT系统的有限MR和SNR条件下，系统往往缺乏必要的数据分辨能力，影响系统性能的发挥并最终影响成像。立足于实用化EIT测量与理想仿真成像的差异，基于3种不同激励模式下实用化系统成像对MR和SNR的要求，设置了不同MR和SNR条件，并对近场域中心目标A、场域1/2半径处目标B和近场域边缘的目标C进行了仿真成像和定量评价。现对研究结果展开讨论：

1)3种激励模式对不同目标成像时要求的系统MR不同

间6和相对激励模式的差异主要表现在：MR为1 mV时，前者对B可成像，而后者不可成像；低MR时或对A的成像质量，间6比相对激励略高。相邻激励在1 mV时对所设模型均不可成像，在0.1 mV时对A无法成像，对B成像质量低，表现远不如间6和相对激励。在低MR成像时，建议优先选择间6激励，其可成像区域和成像质量相对另两种模式有较大优势，其次可选择相对激励。相邻激励因低MR致无法成像，或成像质量低不建议选择。MR达到0.01 mV或者对近场域边缘目标成像时MR达到0.1 mV，建议选择相邻激励以获取高质量图像。

结合表1中不同激励模式的指标参数进行分析，认为在低MR下对成像产生影响的主要指标是Vmax/Vmin和Vs，min-Vmin，当MR大于或接近于Vs，min-Vmin时，即达到成像要求的MR时，成像质量将主要由IMN决定。对表1中这两个性能指标的分析可知，低MR时间6和相对激励优于相邻激励的原因在于前两者的指标Vmax/Vmin和Vs，min-Vmin明显优于后者，动态范围小，Vs，min-Vmin值大，对MR的要求低，因而间6和相对激励表现更优。单从这两个指标上看，同一MR时相对激励应比间6激励模式更优，但实际成像中，间6激励却效果更佳，这是两者的IMN差别所致，间6激励的IMN是相对激励的2倍。当MR达到相邻激励的成像要求时它表现最优，也是因其IMN最多所致。

2)3种激励模式对不同目标成像时要求的系统SNR不同

SNR是影响实用化EIT系统成像结果十分重要的参数。同一SNR下，间6和相对激励模式的可成像区域相同，且成像质量只有细微差别。对模型A、B、C成像，间6和相对激励模式要求的SNR分别为50、40、30 dB，分别比相邻激励模式要求的SNR低10 dB。一旦相邻激励模式达到对某种目标成像要求的SNR，其成像质量优于间6和相对激励模式,在40 dB时模型C成像，50 dB时模型B和C成像，60 dB时模型A、B和C的成像，相邻激励成像质量都是最好的。

不难理解，在高SNR的实用化EIT系统成像中，IMN成为影响成像质量的最关键因素，故采用相邻激励模式最佳。但当SNR略低于相邻激励成像所要求的分贝值，建议采纳间6或相对激励模式。这主要是因为间6和相对激励模式的边界电压数据值相对于相邻激励模式要大。我们知道，如果噪声过大，超过了必要的有用信息，如Vs，min-Vmin，则系统的MR再高也将无能为力。这是信噪比低于30 dB时3种激励模式都无法成像的原因，也是间6和相对激励模式优于相邻激励模式的原因，前两者以比后者更大的电压值测量改善了整体数据的可信度和有效性，获得了低SNR时的图像。

笔者依据实用化EIT系统成像要求的MR和SNR，设置不同的仿真条件，研究不同激励模式对不同位置目标的EIT仿真成像。仿真结果证明了不同激励模式下为优化不同位置目标的成像质量，实用化EIT系统的MR和SNR所需达到的指标，比如相邻激励模式下对于近场域边缘目标的成像，系统MR应小于等于0.1 mV，且SNR应大于40 dB；基于已构建好的一定性能的MR和SNR的实用化系统成像时，研究结果还指明，为获取高质量图像激励模式的选择方法，比如实用化系统的MR为1 mV而SNR为60 dB时，建议选择间6激励模式进行成像。本研究的仿真成像是对不同MR和SNR性能指标的实用化EIT系统成像的合理有效的模拟，因此仿真结果可对实用化系统构建及其成像进行有效指导，达到以最低的成本获取尽可能高质量的图像的目的。

4 结论

本研究采用仿真成像的方法，有效模拟了不同MR和SNR性能指标的实用化EIT系统的成像。仿真结果对于实用化EIT系统成像的意义是：一方面，可依据实用化系统已有的MR和SNR指标，指导激励模式的选择或预测成像质量；另一方面，可以预知一定激励模式下为达到一定的成像要求，实用化系统所需的MR和SNR指标，从而对实用化系统构建过程中元器件和模块的选择进行指导。

这个仿真研究工作是在两种性能指标(MR、SNR)各自单一变化的条件下进行的。控制性能指标各自单一变化的主要原因是为了探索MR和SNR各自对不同激励模式成像效果发挥的影响。在实际情况下，MR和SNR这两种指标，还有更多的性能指标，如动态范围、系统精度[25]，以及电极阵列(包括数目、大小、与皮肤接触阻抗和电极移动等多方面的问题)，图像重建算法等[2-3]，它们同时存在，共同影响成像，之间的相互作用也会使成像结果更为复杂。Kolehmainen和Blott等就曾指出，电极的大小、位置以及测量域边界形状给重建图像造成了最大困难[26]。在电极上发生的事件, 包括有用信息、噪声、伪差、接触阻抗、极化电压等, 都会进入后续电路被放大、传输, 参与信号处理, 影响图像重建结果[27]。这些EIT走向实用化的过程中必须解决的关键问题有待于更深入的研究。

[1] 任超世，李章勇，王妍，等. 电阻抗断层成像应用基础与临床应用的一些研究进展[J]. 中国生物医学工程学报， 2010，29(2)：300-304.

[2] 邓娟，陈素华，沙洪，等. 信噪比对不同EIT图像重建算法的影响研究及评价[J]. 中国生物医学工程学报，2012，31(6)：807-815.

[3] 邓娟，陶凌，沙洪，等.测量分辨率对不同EIT算法影响的仿真研究[J]. 军事医学，2013，37(5)：385-389.

[4] Seagar AD, Barber DC, Brown BH. Theoretical limits to sensitivity and resolution in impedance imaging [J]. Clin Phys Physiol Meas, 1987, 8(SA): S13-S31.

[5] Seagar AD, Brown BH. Limitations in hardware design in impedance imaging [J]. Clin Phys Physiol Meas, 1987, 8(SA): S85-S90.

[6] Cheney M, Isaacson D. Distinguishability in impedance imaging [J]. IEEE Trans Biomed Eng, 1992, 39(8):852-860.

[7] Rafiei-Naeini M, McCann H. Low-noise current excitation sub-system for medical EIT [J]. Physiol Meas, 2008, 29(6S): 173-184.

[8] Wang W, Brown BH, Leatilard AD,etal. Noise equalisation within EIT images [J]. Physiol Meas, 1995, 15(S2A):211-216.

[9] Kim DY, Wi H, Yoo PJ,etal. Performance evaluation of KHU Mark2 parallel multi-frequency EIT system [J]. J Phys: Conf Ser, 2010, 224(1): 13-16.

[10] Yasin M, Böhm S, Gaggero P,etal. Evaluation of EIT system performance[J]. Physiol Meas, 2011, 32(7):851-857.

[11] Adler A, Gaggero P, Maimaitijiang YS. Adjacent stimulation and measurement patterns considered harmful [J]. Physiol Meas, 2011, 32(S01):731-744.

[12] Adler A, Gaggero P, Maimaitijiang YS. Distinguishability in EIT using a hypothesis-testing model [J]. J Phys: Conf Ser, 2010, 224(1):56-59.

[13] Avis NJ, Barber DC. Adjacent or polar drive: image reconstruction implications in electrical impedance tomography systems employing filtered back projection [M]. Paris: IEEE Press, 1992:87-88.

[14] Eyüboglu BM. An interleaved drive electrical impedance tomography image reconstruction algorithm [J]. Physiol Meas, 1996, 17(A):59-71.

[15] Franciane CP, Luis PSB. Some numerical results on the inuence of measurement strategies and load patterns in the EIT inverse problem [J]. J Phys: Conf Ser, 2010, 224(1):145-148.

[16] 罗辞勇，陈民铀，王平. 电阻抗成像交叉测量模式的抗噪性能研究[J]. 仪器仪表学报，2009，1(1)： 1-6.

[17] Lee EJ, Ts ME, Seo JK,etal. Breast EIT using a new projected image reconstruction method with multi-frequency measurements [J]. Physiol Meas, 2012, 33(5):751-758.

[18] Grychtol B, Adler A,Choice of reconstructed tissue properties affects interpretation of lung EIT images[J]. Physiol Meas, 2014, 35(6):1035-1040.

[19] Zhao Zhanqi, Frerichs I, Pulletz S,etal. The influence of image reconstruction algorithms on linear thorax EIT image analysis of ventilation [J]. Physiol Meas, 2014, 35(6):1083-1089.

[20] Gaggero P, Adler A, Brunner J,etal. Electrical impedance tomography system based on active electrodes [J]. Physiol Meas, 2012, 33(5):831-847.

[21] Cherenin VA, Gulyaev YV, Korjenevsky AV,etal. An electrical impedance tomography system for gynecological application GIT with a tiny electrode array [J]. Physiol Meas, 2012, 33(5):849-862.

[22] Kao T J, Isaacson D, Newell JC,etal. A 3D reconstruction algorithm for EIT using a handheld probe for breast cancer detection [J]. Physiol Meas, 2006, 27(5):1-11.

[23] 段影影，马建华，陈武凡，等. 改进的结构相似医学图像质量评价方法[J]. 计算机工程与应用，2010，46(2)：145-149.

[24] Wang Zhou, Bovik AC, Sheikh HR,etal. Image Quality Assessment: From Error Measurement to Structural Similarity [J]. IEEE Transactions on Image Processing, 2004, 13(4):600-612.

[25] 任超世，王妍. 阻抗成像实用化应用技术研究[J]. 中国医学装备，2007，4(5)：1-5.

[26] Kolehmainen V, Voutilainen A, Kaipio JP. Estimation of non-stationary region boundaries in EIT-state estimation approach [J]. Inverse Problems, 2001, 17(1):1937-1956.

[27] Wang Yan, Sha Hong, Ren Chaoshi. Optimum design of electrode structure and parameters in electrical impedance tomography [J]. Physiol Meas, 2006, 27(3):291-306.

Study on Imaging Effect of Different Excitation Patterns under Practical Electrical Impedance Tomography Conditions

Deng Juan1Wang Lei1Li Fusheng2Zhao Shu1Wang Yan1Sha Hong1#*

1(InstituteofBiomedicalEngineering,ChineseAcademyofMedicalSciences&PekingUnionMedicalCollege,Tianjin300192,China)2(No.291HospitalofPeople’sLiberationArmy,Baotou014040,InnerMongolia,China)

Using the commonly used adjacent excitation pattern-adjacent measurement pattern in the electrical impedance tomography (EIT), the practical detection system with finite measurement resolution (MR) and signal-to-noise ratio (SNR) is always limited to distinguish tiny potential difference of electrodes and then finally make a great impact on image reconstruction. Based on the homogeneous field EIT boundary voltages analysis of adjacent excitation pattern, interval 6 electrodes and opposite excitation pattern in 16 electrodes array system, the MR and SNR requirements for imaging by practical EIT systems were analyzed, images reconstruction of three excitation patterns under different MR and different SNR conditions were simulated for three different image models A, B, C, which are positioned near to the center of the field, at the 1/2 radius of the field and near to the edge of the filed respectively. The combined Tikhonov-Noser regularization algorithm was adopted and image reconstruction errors function and structure similarity degree function for medical images quality evaluation were introduced to quantitative analysis the imaging effect. Imaging and evaluation results show that different excitation patterns have distinct index requirements of system MR and SNR. When MR was 1 mV, the imaging effect of interval 6 electrodes excitation pattern was the best, while adjacent excitation pattern was the best when MR was 0.01 mV. When MR was 0.01 mV, interval 6 electrodes excitation pattern was better than the adjacent excitation pattern for model A and B while the circumstance is opposite for model C. The critical value requirements of system SNR for Model A, B, C were 50 dB, 40 dB, 30 dB respectively under the interval 6 electrodes and opposite excitation patterns, which were 10 dB lower than the adjacent excitation pattern when imaging for all three models. The best imaging effects of all three model were under interval 6 electrodes excitation pattern when these SNR values near to critical values, followed by opposite excitation patterns. However, once the value of SNR was higher than the critical value, the best quality image was obtained under the adjacent excitation pattern. The main indexes impacting imaging results in low MR system and high MR system were different between the second smallest voltage and the smallest voltage and independent measurement number. It is advised to take interval 6 electrodes excitation pattern as the priority selection and opposite excitation pattern as the second one when system MR is relatively low, while choose adjacent excitation pattern when MR is high. For the 0.1 mV MR, interval 6 electrodes excitation pattern is suggested when imaging for model A and B and adjacent excitation pattern is suggested for model C. The factors impacting imaging results in low and high SNR system are the result of whole measurement voltage data and independent measurement number. When values of the system SNR are near to the critical values of 50 dB, 40 dB and 30 dB for model A, B, C respectively, interval 6 electrodes and opposite excitation pattern are suggested, and the adjacent excitation pattern is suggested once SNR exceeds critical value 10 dB.

electrical impedance tomography; excitation pattern; measurement resolution; signal-to-noise ratio

10.3969/j.issn.0258-8021. 2015. 04.005

2015-03-23， 录用日期:2015-05-29

中央高校基本科研业务费专项资金资助；协和青年基金(33320140052);内蒙古自治区博士基金(2014BS0321)

R318

A

0258-8021(2015) 04-0413-08

# 中国生物医学工程学会高级会员(Senior member, Chinese Society of Biomedical Engineering)

*通信作者(Corresponding author)， E-mail: shahong2000@163.com