文摘
电阻抗断层成像(EIT)是一个非常有吸引力的功能成像方法尽管低灵敏度和分辨率。使用内部电极与传统重建算法并不足以提高图像分辨率和精度在感兴趣的区域(ROI)。我们建议当地ROI成像方法和内部电极由灵敏度矩阵的仔细分析,旨在减少局部区域外的体素的敏感性和优化局部区域内的体素的敏感性。我们进行数值模拟和物理测量演示本地化EIT成像方法。与多个对象我们初步结果显示使用一个内部电极的好处和提高分辨率,由于当地的ROI图像重建方法。敏感性进一步增加了允许表面电极与更高密度的不均匀间隔的电极表面附近的ROI。同时,我们分析的图像质量改善使用的几个性能参数比较。虽然这些尚未深入研究,它令人信服地显示改善当地的敏感性与内部电极相比,获得的图像标准的重建方法。
1。介绍
电阻抗断层成像(EIT)是一个有吸引力的电特性成像技术医学应用由于其速度、安全、成本相对较低,显示独特的组织电导率信息的能力。一般来说,表面电极用于应用电流并记录电压从感兴趣的对象的边界如胸腔、乳房或头。这些测量是用来重建内部组织阻抗或导率使用各种图像重建方法,敏感性依赖方法是常用的。不幸的是,这些测量对当地阻抗变化测量位置,而他们非常敏感电极附近的边界几何和阻抗的变化。提高灵敏度和分辨率在一些地方内部地区,使用内部电极已经被几位研究人员建议1,2]。这些以前的作品集中在心脏EIT应用导管通常引入不同位置在心脏监测、电生理学(EP映射),或心脏射频消融(RFA)。
EIT电极与内部也可以应用于监测RFA肝脏肿瘤。RFA广泛用于治疗肝肿瘤的肝细胞癌(HCC)和转移性肿瘤等由于许多患者不适合手术切除由于先进的疾病,不利的位置,或受损的临床状况3]。大量研究报道,RFA是最微创治疗肝肿瘤和评估其作为成功的治疗方法,提供可靠的结果,尽管其治疗后的复发率高于冷冻消融术和切除4]。超声和磁共振成像(MRI)通常提供RFA的指导,因为他们允许实时可视化探测位置和高对比度图像的肿瘤和正常组织5- - - - - -8]。对比度增强型计算机断层扫描(CT)和磁共振成像是广泛使用的方法来评估切除病变通过比较病灶射频消融前后的差异。然而,这些能够持续监测的温度变化特性RFA过程中癌组织和正常组织。
EIT确实有这可能由于其高速度、电导率变化的敏感性肿瘤和正常组织在不同的频率(9,10),它能够实时监控组织温度(11,12]。心脏EIT和EIT监测肝肿瘤射频消融(RFA),有机会来添加一个额外的内部电极接近感兴趣的区域(ROI)提高EIT敏感性内部组织,尤其是组织ROI。在两个应用程序,一个当地成像重建方法需要高灵敏度ROI内自电导率变化有显著影响之外的ROI如通风、灌注、运动的肺,隔膜,胃活动,血液流动在大型船只13]。
在本文中,我们提出一个本地方法依赖于成像灵敏度增加敏感性在当地区域内部电极附近的利益和减少敏感性域外进步EIT应用感兴趣的心脏监测和肝脏RFA。进一步提高灵敏度的ROI,我们提出一个新的安排表面电极,电极间距不等于但更靠近ROI。为了评估当地的ROI成像方法的性能,我们进行数值模拟和幻影实验。
2。方法
2.1。传统的EIT重建法
让一个有限域代表主体成像。表面电极为附加的边界吗,在那里电极的总数。让表示复杂的电导率,角频率和地位。当我们注入一个正弦电流在一个角频率选择一对电极之间电压分布形成的位置。在这里,用于表达一个标准时间变化复杂的电导率分布,然后呢用于表示正弦时变场夏令时间变化。诱导频率成份的潜在满足以下椭圆偏微分方程(14]: 在哪里是向外单位法向量和相应的诺伊曼数据吗由于注入电流。
静态在EIT成像困难由于其基本局限在处理边界几何形状和电极位置的不确定性。时差EIT (tdEIT)和频率差EIT (fdEIT)使用时间和频率的差异数据,分别,所以数据减法可以有效地抵消了常见错误相关的边界几何(14- - - - - -18]。区别在EIT成像是基于线性近似的身份:(我)时差EIT,(2)频率差EIT。
让角频率是固定的。让表示频率潜在的因相邻的两电极之间的注入电流和。之间的边界电压和由于注入电流可以近似为 在哪里电极的表面积。最后一个身份(2)来自(1)和散度定理。我们收集数量的边界电压数据的时间序列: 在哪里是转置。在这里,任何指数必须被理解为一个模量。
时差数据由于时间的变化有以下关系: 线性化方法是基于以下粗糙近似: 在哪里的潜力(1)对应电导率的引用。
离散化领域感兴趣的像素和假设在每个像素是常数的时差EIT问题(5)可以改变来解决以下线性系统: 的列的灵敏度矩阵是 因此,EIT问题是要找到一个最好的列向量的线性组合生产: 列向量的代表的敏感性在固定的电流电压数据像素,而行向量代表一个固定的电流电压灵敏度分布数据。我们称这种方法(结合正则化)为常规方法在重建图像。
2.2。Local-ROI EIT成像方法
EIT local-ROI成像方法是提供电导率变化在当地的形象感兴趣的区域(ROI),而不是在整个域的形象。让一个域感兴趣的是当地成像。想象,测量数据在(5)分为两个部分 在哪里电压变化的电导率扰动响应在当地的投资回报率和电压变化来响应吗在。通过适当的安排,我们可以假设第一列向量的是灵敏度向量在ROI像素和其他列向量灵敏度矢量的像素。然后灵敏度矩阵可以分解为 在哪里代表一个适当的零矩阵的大小, 如果我们能够提取数据被过滤掉,全球问题(6)可以改变当地的问题: 在哪里。图1 (c)显示了重建的图像使用局部线性系统(12通过数值模拟)。比较本地图像与标准EIT图像重建如图1 (b)过滤掉,这将是可取的提高图像分辨率。
(一)
(b)
(c)
为当地成像的ROI,我们的目标是开发一种方法提取从完整的数据。为了消除不相关的数据在线性系统(6),我们需要找到一个最优矩阵这样 在这里,给一个矩阵在这是最小化。如果满足,那么它可以消除不相关的数据得到相对应的局部线性系统(12):
请注意数量取决于电极配置和网状结构,决定了结构的列向量如图2。的当灵敏度矩阵可能不是小坏脾气的。如果列向量是正交,然后通过选择包含的列向量的行。但是,这是不可能与标准EIT电极配置。我们试图找到一个最优的最大限度地减少。事实上,互相关的列向量如果大在ROI与列向量;互相关被定义为 图3表明,互相关值减少内部电极。
(一)
(b)
寻找合适的,我们提出以下最小化 在哪里是一个合适的参数。我们应该注意,每个被设计成关门,是平行的吗虽然正交为每一个。第一项(16),时,小正交于。第二项(16),很小,如果平行于。我们定义了一个矩阵列是由谁的: 我们把线性化系统(6): 现在,我们有线性系统(18),修改后的灵敏度矩阵修改后的数据。在这里,被认为是一个粗略的近似的。
3所示。数值模拟
为了分析边界电极位置和使用内部电极的优点提出local-ROI成像方法,我们准备了三种不同的电极配置和应用传统和local-ROI成像方法在前面的小节解释道。图4显示了圆柱形幻影用三种不同的电极配置。数据从所有三个电极配置处理的常规TSVD重建方法。local-ROI成像方法使用一个内部电极是只适用于数据和两个内部电极配置(数据获得的4 (b)和4 (c)(模型1和2))。我们共有5个数值模拟,标准方法模型0,1,2和local-ROI方法模型1,2。
(一)模型0
1 (b)模型
2 (c)模型
比较灵敏度和噪声的鲁棒性提出了五个案例中,我们模拟的对象2 S / m电导率与0.1428直径(0.8,0)在1 S / m盐罐的ROI。ROI的半径被定义为内部电极和电极接近边界之间的距离的5/6。我们使用两个性能指标,评估改进在使用一个内部电极和该线性系统(18)。首先,我们计算奇异值阈值产生相同的电导率对比度的图像如图5(一个)。我们反复重建图像,更新奇异值阈值,直到同样的电导率异常和背景之间的对比产生的重建图像。然后我们比较了奇异值阈值作为一个低数量的阈值具有良好的噪声鲁棒性。我们使用了一个内部电极时,截断奇异值阈值低于没有使用内部电极。同时,local-ROI成像方法的性能改进时使用不均匀地间隔的表面密度的电极间距附近的ROI。第二,我们关心的是高对比度的影响异常外的ROI。研究这个问题,我们检查的灵敏度值和为每个模拟情况。规范化的灵敏度值和在ROI的ROI分别如图所示5 (b)。有一种改进的相对灵敏度的ROI区域提出了方法。显示灵敏度值,我们计算矩阵范数的比值和分别对ROI内外ROI, 模式0,1,2,模型1、2}, 的子矩阵相应的ROI, 的子矩阵对应于投资回报外, 。注意,一个矩阵范数显示多少变形。所以,和显示最大的子矩阵的影响和乘法的。
(一)
(b)
为了比较重建图像中的成像方法的性能,我们把多个对象相同的导电率的0.029 S / m 0.01直径(0.02,0.015),(0.02−0.015),(0.05−0.015)和(0.05−0.015)0.0418 S / m的ROI内盐水坦克如图6(一)。传统的重建图像没有内部电极由TSVD算法模型0与对角线电流注入(图6 (b))。为使用一个内部电极成像方法的比较,我们定位内部电极在模型2 (0.035,0)。数据6 (b)和6 (c)使用传统的TSVD显示图像重建算法和local-ROI成像方法。该方法用一个内部电极具有更好的敏感性和ROI检测能力。
(一)
(b)
(c)
(d)
4所示。实验结果
评估性能的成像方法在物理模型中,我们准备了圆柱形盐水罐具有相同的几何,ROI和电极位置数据4(一)和4 (c)自从密度聚类的边界附近的电极ROI(图4 (c))能产生更好的结果比传统的等距的电极(图4 (b))的仿真研究。盐罐的直径和高度14厘米,6厘米,分别。的边界和内部电极位于底部的3厘米方向。的和内部电极的位置(3.5,0)厘米相对于原点(0,0)在圆筒形储罐的中心。内部电极的直径是0.25厘米,覆盖绝缘橡胶除了最后暴露的金属。盐水的导电率是0.042 S / m。所有数据是衡量KHU Mark2.5 EIT系统在10千赫(19]。
我们评估使用两种不同情况下的成像方法。首先,我们找到了一块萝卜在ROI(0, 1, 2, 3(5.6, 0))和一块土豆以外的ROI(例1(−5.6,0),例2(3.5−−4)例3(0,−5.6))来评估每个方法的灵敏度是影响高导电性物体周围地区的ROI。两物体的直径和高度是相同的在1.2厘米,如图7厘米7。萝卜的电导率(0.038 S / m 10 kHz)低于9.5%生理盐水和土豆(0.029 S / m 10 kHz)是一个相对高于萝卜电导率低于生理盐水为31%。所有数据在新配置了一个内部电极和不平等的表面电极间距模型在图24 (c)。所有测量数据处理的常规TSVD方法和local-ROI成像方法的比较。我们提出的规范值的差异和相比这些值的参考案例0因为很难分析图像直接从工件由于大异常外的ROI。在这里,我们由传统方法加工的参考价值,以防0包括只有一个异常(萝卜)ROI。图8(一个)显示了高导电性的影响对比对象以外的ROI。减少效应与新local-ROI成像方法,当对象以外的ROI是相反的hemicircle ROI。当物体接近ROI(例1例3)这两种方法都执行同样的。
(一)
(b)
(c)
(d)
(一)
(b)
图8 (b)展示了奇异值阈值需要为每种情况下产生相同的导电率的对比。local-ROI成像方法有类似的阈值在所有情况下变化不到1.73%。然而传统的TSVD方法显示较大的奇异值和大型高对比度异常位置的依赖。
其次,我们评估的方法重建图像在同一配置的数值模拟。我们把四个胡萝卜对象为0.04 S / m电导率在0.06 S / m 10 kHz盐罐。每个对象的位置是(1.5,2)(5.5,2),(5.5−2),和(1.5−2)厘米,分别。所有对象有相同的直径2厘米。
我们获得了一个图像在配置模型0对角电流注入和TSVD重建。对于算法的比较,我们测量的数据模型2,分别应用两种方法。数据9(一个)- - - - - -9 (c)显示重建的图像。拟议中的local-ROI成像方法和内部电极可以比传统方法更好的区分内部对象。
(一)
(b)
(c)
(d)
5。结论和讨论
新local-ROI成像方法已经被证明可以提高ROI区域的灵敏度和鲁棒性噪声相比之下灵敏度矩阵的值。它提供了优化的灵敏度矩阵的近似线性系统强调ROI检测。ROI区域接近内部电极和电极表面不均匀地间隔的更密集的ROI。新方法和设置也是影响较小的高导电率对比对象以外的ROI。这些对象是模仿一个大容器和一些地区的肝和RFA治疗转移性癌症,其他胃器官,或肺心脏监测。
一些性能指标提出了本文描述的灵敏度和检测能力在模拟和实验结果明显改善。然而,重建的图像没有显示改进戏剧性我们最初的预期。其中一个主要原因是成像问题的病态性。当我们设计的最优矩阵满足条件(16),它无法消除的影响无关的数据完全。同时,实验重建图像的质量是高度依赖于内部电极的位置和边界附近的电极,因为我们放置密度的电极间距的ROI。令人鼓舞的是local-ROI成像方法的试验结果使用一个内部电极,它显示了可行性,提出一个新的方法来提高内部局部区域的分辨率。
额外的改进,介绍了nonequidistant间距的电极,电极更密集附近的ROI模型2(图4 (c))。这表明改进结果在模拟中使用的实验装置;然而,这可能更敏感电极位置,ROI的位置或噪音。有趣的是在图5(一个)我们发现这个设置non-equidistant电极(模型2)显示更少的敏感性与传统的电磁感应方法。这可能反映了偏爱对称与EIT在一个圆形的对象。我们调查的单一的ROI是偏离中心,一旦我们使用local-ROI聚焦算法中有一个改进non-equidistant电极设置(模型2)。
EIT应用射频消融监测高潜力;然而,我们需要学习更多如何区分同时出现的电导率的变化与温度变化和组织属性变更。而电解质的电导率温度系数每度是众所周知的电解质,组织也表现出电导依赖温度引起流体体积变化的相同的数量级(20.]。
低频率的测量可以用来区分切除和nonablated肿瘤和正常的组织。肝脏肿瘤组织的电导率高于正常肝组织/ 10 Hz 1 MHz所示四个终端阻抗测量切除组织。消融之后,这两个组织类型显示显著增加导电率在同一频率范围表明电阻抗可以用来区分肿瘤组织诊断,消融计划和postablation评估(10]。
提出的方法可以应用于3 d域没有任何额外的修改算法。这里我们使用一个2 d域分析因为应用提出的方法需要大量的计算灵敏度矩阵的列向量对应像素在ROI (21]。我们需要优化local-ROI成像算法通过专注于增加覆盖范围的ROI和调查方法无需移动电极的位置。我们可以把频率差EIT [22,23]local-ROI成像方法应用频率差数据。
承认
这项工作是由韩国国家研究基金会(NRF)授予由韩国政府资助(MSIP)(2010 - 0018275)和基础科学研究项目通过韩国国家研究基金会(NRF)由教育部科技(2011 - 0022779)。