Методика и технические средства визуализации распределения электрического импеданса головного мозга

• Автор: Фокин, Александр Васильевич
• Шифр специальности: 05.11.17
• Научная степень: Кандидатская
• Год защиты: 2009
• Место защиты: Томск
• Количество страниц: 127 с. : ил.

ОГЛАВЛЕНИЕ
ВВЕДЕНИЕ

ГЛАВА 1 ОБЗОР ЛИТЕРАТУРЫ

1.1 Этапы развития электроимпедансных измерений биологических

объектов

1.2 Электрические свойства биотканей

1.3 Факторы, влияющие на результат измерения импеданса биоткани

1.3.1 Влияние удельного сопротивления

1.3.2 Влияние контактного сопротивления электрод - биообъект на измерения импеданса

1.4 Возможности и перспективы применения электроимпедансных

медицинских изображений

ГЛАВА 2 СОЗДАНИЕ МОДЕЛИ ИССЛЕДУЕМОЙ ОБЛАСТИ. МОДЕЛЬ РАСПРЕДЕЛЕНИЯ ПРОВОДИМОСТИ ГОЛОВЫ
2.1 Прямая и обратная задачи электроимпедансной визуализации
2.2 Методы реконструкции электроимпедансных изображений
2.2.1 Метод обратных проекций
2.2.2 Использование искусственных нейронных сетей для решения обратных задач электроимпедансной визуализации
2.2.3 Метод возмущений
2.2.4 Метод «двойных ограничений»
2.3 Оценка информационной емкости измерений
2.4 Математическая модель тканей головы человека
2.4.1 Этапы создания математической модели головы:
2.5 Результаты моделирования и формирование требований к
измерителю электрического импеданса

ГЛАВА 3 ТЕХНИЧЕСКИЕ СРЕДСТВА ИЗМЕРЕНИЯ ЭЛЕКТРИЧЕСКОГО
ИМПЕДАНСА БИОЛОГИЧЕСКИХ ОБЪЕКТОВ
3.1 Общие принципы получения информации о распределении проводимости
3.2 Построение структурной схемы измерительного тракта
3.2.1 Последовательная архитектура
3.2.2 Параллельная архитектура
3.2.3 Смешанная архитектура
3.3 Разработка источника зондирующего тока
3.3.1 Технические параметры источника тока
3.3.2 Обзор схемных решений
3.3.3 Разработка схемы источника зондирующего тока
ГЛАВА 4 ЭКСПЕРИМЕНТАЛЬНОЕ ПРИМЕНЕНИЕ СИСТЕМЫ ВИЗУАЛИЗАЦИИ РАСПРЕДЕЛЕНИЯ ЭЛЕКТРИЧЕСКОГО ИМПЕДАНСА ГОЛОВНОГО МОЗГА
ЗАКЛЮЧЕНИЕ И ВЫВОДЫ
СПИСОК ЛИТЕРАТУРЫ
ПРИЛОЖЕНИЕ

ВВЕДЕНИЕ
Актуальность работы. Медицина широко использует различные методы лечения, диагностики и профилактики заболеваний, требующие применения специальной электромедицинской аппаратуры. Для своевременной и точной диагностики заболеваний врачу необходима информация о состоянии внутренних систем организма. Появление возможности компьютерной обработки данных вызвало качественный скачек в области исследования морфологической структуры и функций органов человека in vivo. Все большую роль в получении такой информации занимают методы, связанные с реконструкцией изображения внутренней структуры биологических . объектов [29]. В настоящее время средства визуализации медицинских изображений — одно из важнейших направлений развития информационного и технического обеспечения медико-биологических исследований [28].
Существует множество томографических методов различающихся по виду используемого зондирующего объекта. Наибольшее распространение получили рентгеновская компьютерная томография, магниторезонансная томография (МРТ) и радионуклидная эмиссионная томография.
Данные методы позволяют получать срезы изображения высокой четкости, однако требуют дорогостоящего оборудования для проведения обследований и имеют обширный перечень медицинских ограничений: существует риск негативного влияния рентгеновского излучения; либо ограничения МРТ, обусловленные сильным магнитным полем, которое не позволяет обследовать пациентов с металлическими имплантатами или установленными электрокардиостимуляторами. Особенно это актуально при длительном и многократном наблюдении за состоянием пациента во время хирургических операций и в раннем постоперационном периоде.

тела путем простых геометрических преобразований и пересчета матрицы W. Единственный (но наиболее серьезный) недостаток такого подхода -предположение о незначительном отклонении реконструируемого распределения от модельного, то есть в явном виде предполагается линейность задачи, что приводит к ошибкам реконструкции изображения.
Т. е. необходимо включать априорную информацию об исследуемой области для увеличения качества изображения.
2.2.2 Использование искусственных нейронных сетей для решения обратных задач электроимпедансной визуализации
В работе [13] показана возможность использования искусственных нейронных сетей, обучаемых методом обучения с учителем, для улучшения визуализации электрического импеданса. Для ускорения обучения сетей и упрощения оценки степени их адекватности решаемой проблеме, обучающие наборы данных создавались с помощью компьютерного моделирования измерений. В процессе работы тестировались и сравнивались различные алгоритмы оптимизации и структуры нейронных сетей. В результате были получены сети, демонстрирующие высокое качество реконструкции для модельных входных данных с произвольным пространственным распределением электропроводности. Статические изображения удовлетворительного качества были реконструированы и из экспериментальных данных, измеренных in vivo. Показано, что удовлетворительные статические изображения могут быть реконструированы даже с использованием однослойных линейных искусственных нейронных сетей.
Первые успешные результаты использования искусственных нейронных сетей для реконструкции изображений в электроимпедансной визуализации были опубликованы в [13], где т.н. Адаптивные Линейные Элементы (линейные нейронные сети) были использованы для динамической