本发明涉及医学成像领域的一种图像处理技术，具体涉及基于生物电阻抗断层成像的医疗成像系统、方法及设备，是一种基于生物电阻抗断层成像的图像还原技术。
背景技术：
医疗影像包含了丰富的人体信息，能够十分直观地展现人体内部组织的结构形态等特征，成为获取作为疾病诊断中间结果的信息的重要手段。现阶段，广泛使用的医学成像技术主要分为以下四类：x射线成像(x—ct)，核磁共振成像(mri)，核医学成像(nmi)和超声波成像(ui)，各种成像技术均有它们特有的属性以及更受用的范围。生物电阻抗断层成像(electricalimpedancetomography，eit)技术的目标就是复现出由电极围城的封闭目标区域的电导率分布，该分布由注入的电流和测得的电位计算得到。临床常常需要对人体的器官功能进行长期的监测，而现有的监测工具，如x射线，pet和ct扫描，对人体的辐射较大，增大了患癌症的风险。生物电阻抗断层成像(eit)技术是一种非植入性、无辐射的新兴医学成像技术。相比较于传统的方法，它最大的优势在于可以根据人体的组织具有不同的电阻抗这一特征，对其进行长期连续的监测，不依赖于任何电离辐射和高强度电磁场，实现对组织在人体内部的分布的展现。与上述传统的四种主流的成像技术相比，eit的成本不到它们的百分之一，并且不需要植入、对人体无辐射伤害，且成像更快速。
传统的eit成像技术受到计算机的计算能力和软件算法的限制，得到的图像分辨率很低而且准确度和实时性都很差，而现有的eit监测系统庞大且昂贵，而且需要经过专业训练的人员进行复杂的操作，不适用于日常监测。随着图像处理和神经网络技术的发展，实现一种更高精确度、更便携、更高效的eit系统成为本领域研究的主要方向。
目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。
技术实现要素：
针对现有技术中所存在的上述不足，本发明的目的是提供一种基于labview和matlab平台，使用深度学习神经网络算法实现的一种基于生物电阻抗断层成像的医疗成像系统、方法及设备，该系统、方法及设备结合labview和逻辑分析仪提高了系统的便携性，而深度学习神经网络的使用能得到更低噪声的稳定图像，进而完成一个便携、高实时性和稳定性的医疗成像系统及成像方法。
本发明是通过以下技术方案实现的。
根据本发明的一个方面，提供了一种基于生物电阻抗断层成像的医疗成像系统，包括：电极阵列路由模块、基于labview的信号采集模块、基于matlab的数据处理模块以及基于深度学习神经网络的图像还原模块；其中：
所述电极阵列路由模块，包括通过pcb板集成的测量电极和eit芯片，其中，所述eit芯片用于产生测量所需的微小的电流激励源，并通过测量电极进行目标区域测量以及提取目标区域引起的电压后，通过芯片内部电路将电压转换为电压值数字阻抗信号；
所述信号采集模块，用于采集电压值数字阻抗信号，并处理为电压值信号数字矩阵后传输至数据处理模块；
所述数据处理模块，用于对接收到的电压值信号数字矩阵进行初步处理，得到不同通道的测量值矩阵，并发送至图像还原模块；
所述图像还原模块，用于对接收到的测量值矩阵进行还原处理，得到不同分辨率的阻抗分布图像矩阵。
优选地，所述测量电极为n个，对其中的相邻的两个测量电极注入激励电流，再从剩余的n-2个电极所形成的n-3个通道读取测得的电压值，通过调制后得到2路数字信号以及四位状态位信号，生成六位的数字信号输出。
优选地，所述信号采集模块通过设定对应的采样率和采集模式，对测量得到的数字信号进行处理，得到n行6列的数字矩阵后传输至数据处理模块。
优选地，所述初步处理包括快速傅立叶变换和有限元建模，其中，将数字矩阵进行快速傅立叶变换得到一个周期n次测量的n-3个通道测量值，在n-3个通道测量值的输出激励的通道位置加零，形成n×n的矩阵，在此基础上使用有限元法对待测对象进行有限元建模，得到图像还原所需的正向模型。
优选地，所述图像还原模块采用神经网络和深度学习方法，对接收到的测量值矩阵进行处理，其中，采用正向模型所得的数据对神经网络进行训练，将接收到的测量值矩阵作为训练后神经网络的输入，将还原得到阻抗分布图像矩阵作为训练后神经网络的输出。
优选地，所述神经网络对输入的测量值矩阵进行滤波池化采样处理，得到隐藏层；然后经过上采样逆处理，还原得到阻抗分布图像矩阵。
根据本发明的另一个方面，提供了一种基于生物电阻抗断层成像的医疗成像方法，包括：
s1，对目标区域进行测量，并得到对应的数字信号；
s2，将s1中测量得到的数字信号处理为数字矩阵；
s3，对s2中得到的数字矩阵进行初步处理，得到不同通道的测量值矩阵；
s4，对s3中得到的测量值矩阵进行还原处理，得到不同分辨率的阻抗分布图像矩阵。
优选地，所述s1中，采用n个测量电极对目标区域进行测量，测量方法为：
对其中的相邻的两个测量电极注入激励电流，再从剩余的n-2个电极所形成的3n-3个通道读取测得的电压值，通过adc调制后得到2路数字信号以及四位状态位信号，生成六位的数字信号输出。
优选地，所述s2中，处理得到的数字矩阵为n行6列的数字矩阵，其中n为自然数。
优选地，所述s3中，初步处理包括将数字矩阵进行快速傅立叶变换得到一个周期n次测量的n-3个通道测量值，对n-3个通道测量值进行初步处理，即在n-3个通道测量值的输出激励的通道位置加零，得到n×n的矩阵，在此基础上使用有限元法对待测对象进行有限元建模，得到图像还原所需的正向模型。
优选地，所述s4中，还原处理的方法为：
采用s3中得到的正向模型所得的数据训练神经网络，并通过训练后的神经网络对测量值矩阵进行处理，其中，将测量值矩阵作为训练后神经网络的输入，将还原得到阻抗分布图像矩阵作为训练后神经网络的输出。
优选地，所述神经网络对输入的测量值矩阵进行滤波池化采样处理，得到隐藏层；然后经过上采样逆处理，还原得到阻抗分布图像矩阵。
神经网络结构使得输出的阻抗分布图像矩阵维度可以通过调整池化层进行更改选取不同的维度的阻抗分布图像矩阵。例如可以选取不同分辨率(如64×64)的阻抗分布图像矩阵作为卷积神经网络的最终的输出层。
根据本发明的第三个方面，一种设备，其特征在于，包括存储器、处理器以及安装在存储器上并可通过处理器运行的上述任一项所述的基于生物电阻抗断层成像的医疗成像系统。
与现有技术相比，本发明具有如下有益效果：
1、本发明提供的基于生物电阻抗断层成像的医疗成像系统、方法及设备，采用的基于深度学习神经网络的图像还原模块，能够有效的降低噪声对于图像还原的质量的影响，从而大大降低了对前端信号采集和处理的要求，即通过对神经网络的调试就可以实现系统的优化，大大降低了工作量。
2、本发明提供的基于生物电阻抗断层成像的医疗成像系统、方法及设备，采用4电极测量模式(包括给出激励和测量的方法)，得到6路数字信号，包括4位状态位和2位数据位，n个不同状态为一个测量周期，即形成一帧完整的阻抗分布图像。
3、本发明提供的基于生物电阻抗断层成像的医疗成像系统、方法及设备，其采样率、成像的分辨率等参数均可调，能够满足不同程度的应用需求。
4、本发明提供的基于生物电阻抗断层成像的医疗成像系统、方法及设备，其将测量得到的数字信号还原成对应的二维阻抗分布图，还原出来的图像相比较传统方法更清晰，有明显的去除噪声的效果。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1是本发明一实施例所提供的基于生物电阻抗断层成像的医疗成像系统。
图2是本发明一实施例中图像还原模块采用的神经网络工作示意图。
图3是本发明一实施例中所采用的神经网络结构示意图。
具体实施方式
下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
本发明实施例提供了一种基于生物电阻抗断层成像的医疗成像系统，如图1所示，包括：电极阵列路由模块、基于labview的信号采集模块、基于matlab的数据处理模块以及基于深度学习神经网络的图像还原模块；其中：
所述电极阵列路由模块，包括通过pcb板集成的测量电极和eit芯片，其中，所述eit芯片用于产生测量所需的微小的电流激励源，并通过测量电极进行目标区域测量以及提取目标区域引起的电压后，通过芯片内部电路将电压转换为电压值数字阻抗信号；
所述信号采集模块，用于采集测量得到的电压值数字阻抗信号，并处理为电压值信号数字矩阵后传输至数据处理模块；
所述数据处理模块，对接收到的电压值信号数字矩阵进行初步处理，得到不同通道的测量值矩阵，并发送至图像还原模块；
所述图像还原模块，对接收到的测量值矩阵进行还原处理，得到不同分辨率的阻抗分布图像矩阵。
进一步地，所述测量电极为n个，对其中的相邻的两个测量电极注入激励电流，再从剩余的n-2个电极所形成的n-3个通道读取测得的电压值，通过adc调制后得到2路数字信号，以及四位表示状态位的信号，共六位的数字输出。
进一步地，所述信号采集模块通过设定对应的采样率和采集模式，对测量得到的数字信号进行处理，得到n行6列的数字矩阵后传输至数据处理模块。
进一步地，所述初步处理包括快速傅立叶变换和有限元建模，其中，快速傅立叶变换用于将数字矩阵变换得到一个周期1n次测量的n-3个通道测量值，对其进行初步处理，即在输出激励的通道位置加零，得到n×n的矩阵，在此基础上使用有限元法对待测对象进行有限元建模，得到图像还原所需的正向模型。其中，正向模型用于提供训练神经网络所需的数据集。
进一步地，所述图像还原模块采用神经网络和深度学习的方法对接收到的测量值矩阵进行处理，其中，采用正向模型所得的数据对神经网络进行训练，将接收到的测量值矩阵作为训练后神经网络的输入，还原得到阻抗分布图像矩阵作为训练后神经网络的输出；神经网络结构使得输出的图像矩阵维度可以通过调整池化层进行更改选取不同的维度的阻抗分布图像矩阵。
进一步地，所述卷积神经网络对输入的测量值矩阵进行滤波池化采样处理，得到隐藏层；然后经过上采样逆处理，还原得到阻抗分布图像矩阵。
下面结合附图对本发明实施例所提供的基于生物电阻抗断层成像的医疗成像系统进一步详细说明。
电极阵列路由模块共包括n个测量电极，对其中的相邻的两个电极注入激励电流，再从剩余的n-2个电极所形成的n-3个通道读取测得的电压值。所采集到的电压值经过处理成为6路数字信号，使用基于labview搭建的信号采集模块读取并处理得到6列的数字矩阵，数字矩阵的行数n可以根据需求来调整，再调用基于matlab搭建的数据处理模块，将得到的数字矩阵进行处理，得到n×n的测量值矩阵。本实施例中采用的深度学习神经网络训练所用的输入数据形式便是该种形式的测量数据。
如图2所示，为本发明实施例中图像还原模块采用的神经网络工作示意图，在本实施例中，将得到的测量值矩阵作为神经网络的输入，还原得到的阻抗分布图作为输出，整个神经网络可分为编码和解码两个部分，图例为实现的一种方式，输入的测量值矩阵经过编码的部分：滤波和池化采样处理，得到隐藏层，然后经过解码的部分，进行上采样还原得到所需的阻抗分布图。经过训练过后，该网络能够对于图像还原有很好的去噪声的效果，极大提高了图像还原的质量。
具体地，基于深度学习神经网络的图像还原模块中，采用深度学习神经网络对图像还原模块进行训练的过程为：采用网络开源的数据集，分为训练集和测试集，对模型进行优化调参，最后使用测试集测试模型还原图像的结果。
在本发明实施例中：
电极阵列路由模块，采用n个测量电极阵列以及eit芯片配置电路，得到6路数字信号；
信号采集模块，基于labview，根据看图像处理的精度和准确度需求调整，设定对应的采样率和采集模式得到共6位数字信号；
数据处理模块，基于matlab工具，对采集到的6位数字信号进行fft变换(快速傅里叶变换)后得到一个周期n次测量的n-3个通道测量值矩阵；
图像还原模块，将得到的测量值矩阵使用深度神经网络进行训练和测试还原。
本发明实施例得到的结果是将测量得到的数字信号还原成对应的二维阻抗分布图，并且还原出来的图像相比较传统方法更清晰，有明显的去除噪声的效果。
本发明实施例中的电极阵列路由模块，能够基于芯片电路实现测量电极的自动旋转和13通道测量。
本发明实施例中的信号采集模块，可配合电极阵列路由模块实现不同的采样率以及有效数据量的选择，能根据图像需求进行有效调整。
本发明实施例中的数据处理模块，对采集得到的数字矩阵进行计算，得到n-3个通道的测量能量值(即测量值矩阵)。
本发明实施例中的图像还原模块，将得到的测量值矩阵进行还原处理，得到阻抗分布图，并且能够有效降低噪声干扰。
基于本发明上述实施例所提供的基于生物电阻抗断层成像的医疗成像系统，本发明实施例还提供了一种基于生物电阻抗断层成像的医疗成像方法，包括：
s1，对目标区域进行测量，并得到对应的数字信号；
s2，将s1中测量得到的数字信号处理为数字矩阵；
s3，对s2中得到的数字矩阵进行初步处理，得到不同通道的测量值矩阵；
s4，对s3中得到的测量值矩阵进行还原处理，得到不同分辨率的阻抗分布图像。
进一步地，所述s1中，采用n个测量电极对目标区域进行测量，测量方法为：
对其中的相邻的两个测量电极注入激励电流，再从剩余的n-2个电极所形成的n-3个通道读取测得的电压值，通过adc调制后得到2路数字信号，以及四位表示状态位的信号，共六位的数字输出。
进一步地，所述s2中，处理得到的数字矩阵为n行6列的数字矩阵，其中n为自然数。
进一步地，所述s3中，初步处理包括将数字矩阵进行快速傅立叶变换得到一个周期n次测量的n-3个通道测量值，对其进行初步处理，即在输出激励的通道位置加零，得到n×n的矩阵，使用该矩阵进行有限元建模得到图像还原所需的正向模型。
进一步地，所述s4中，还原处理的方法为：
如图3所示，采用s3中得到的正向模型所得的数据训练神经网络，并通过训练后的神经网络对测量值矩阵进行处理，使用测量值矩阵作为训练后神经网络的输入，经过神经网络的编码部分，即卷积和池化采样处理之后，得到隐藏层，进入解码部分，对于隐藏层的数据进行解码，解码部分包括卷积和上采样，通过调整上采样的参数，可以将隐藏层的数据解码到不同维度的矩阵，即不同分辨率的阻抗分布图像矩阵作为训练后神经网络的输出。
基于本发明上述实施例所提供的基于生物电阻抗断层成像的医疗成像系统，本发明实施例还提供了一种设备，所述设备包括存储器、处理器以及安装在存储器上并可通过处理器运行的上述任一项所述的基于生物电阻抗断层成像的医疗成像系统。
进一步地，所述基于生物电阻抗断层成像的医疗成像系统用于执行上述基于生物电阻抗断层成像的医疗成像方法。
本发明上述实施例提供的基于生物电阻抗断层成像的医疗成像系统、方法及设备，在电极阵列路由模块可以实现对采样数据的增益及有效数据量的硬件调整，以及注入电流激励的调整；在信号采集模块可以实现对采样率的调整，以满足对于不同的图像还原速度和质量的要求；利用图像还原模块，通过对其进行调整和训练，能有效达到降噪的效果。本发明上述实施例提供的基于生物电阻抗断层成像的医疗成像系统、方法及设备，提高了整个系统的便携性以及图像还原的质量，降低了噪声干扰和对测量硬件电路的要求，有利于该技术的推广使用。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。
1.一种基于生物电阻抗断层成像的医疗成像系统，其特征在于，包括：电极阵列路由模块、基于labview的信号采集模块、基于matlab的数据处理模块以及基于深度学习神经网络的图像还原模块；其中：
所述电极阵列路由模块，包括通过pcb板集成的测量电极和eit芯片，其中，所述eit芯片用于产生测量所需的微小的电流激励源，并通过测量电极进行目标区域测量以及提取目标区域引起的电压后，通过芯片内部电路将电压转换为电压值数字阻抗信号；
所述信号采集模块，用于采集电压值数字阻抗信号，并处理为电压值信号数字矩阵后传输至数据处理模块；
所述数据处理模块，用于对接收到的电压值信号数字矩阵进行初步处理，得到不同通道的测量值矩阵，并发送至图像还原模块；
所述图像还原模块，用于对接收到的测量值矩阵进行还原处理，得到不同分辨率的阻抗分布图像矩阵。
2.根据权利要求1所述的基于生物电阻抗断层成像的医疗成像系统，其特征在于，所述测量电极为n个，对其中的相邻的两个测量电极注入激励电流，再从剩余的n-2个电极所形成的n-3个通道读取测得的电压值，通过调制后得到2路数字信号以及四位状态位信号，生成六位的数字信号输出。
3.根据权利要求1所述的基于生物电阻抗断层成像的医疗成像系统，其特征在于，所述信号采集模块通过设定对应的采样率和采集模式，对测量得到的数字信号进行处理，得到n行6列的数字矩阵后传输至数据处理模块。
4.根据权利要求1所述的基于生物电阻抗断层成像的医疗成像系统，其特征在于，所述初步处理包括快速傅立叶变换和有限元建模，其中，将数字矩阵进行快速傅立叶变换得到一个周期n次测量的n-3个通道测量值，在n-3个通道测量值的输出激励的通道位置加零，形成n×n的矩阵，在此基础上使用有限元法对待测对象进行有限元建模，得到图像还原所需的正向模型。
5.根据权利要求1所述的基于生物电阻抗断层成像的医疗成像系统，其特征在于，所述图像还原模块采用神经网络和深度学习方法，对接收到的测量值矩阵进行处理，其中，采用正向模型所得的数据对神经网络进行训练，将接收到的测量值矩阵作为训练后神经网络的输入，将还原得到阻抗分布图像矩阵作为训练后神经网络的输出。
6.根据权利要求5所述的基于生物电阻抗断层成像的医疗成像系统，其特征在于，所述神经网络对输入的测量值矩阵进行滤波池化采样处理，得到隐藏层；然后经过上采样逆处理，还原得到阻抗分布图像矩阵。
7.一种基于生物电阻抗断层成像的医疗成像方法，其特征在于，包括：
s1，对目标区域进行测量，并得到对应的数字信号；
s2，将s1中测量得到的数字信号处理为数字矩阵；
s3，对s2中得到的数字矩阵进行初步处理，得到不同通道的测量值矩阵；
s4，对s3中得到的测量值矩阵进行还原处理，得到不同分辨率的阻抗分布图像矩阵。
8.根据权利要求7所述的基于生物电阻抗断层成像的医疗成像方法，其特征在于，所述方法还包括如下任意一项或任意多项：
-所述s1中，采用n个测量电极对目标区域进行测量，测量方法为：
对其中的相邻的两个测量电极注入激励电流，再从剩余的n-2个电极所形成的3n-3个通道读取测得的电压值，通过adc调制后得到2路数字信号以及四位状态位信号，生成六位的数字信号输出；
-所述s2中，处理得到的数字矩阵为n行6列的数字矩阵，其中n为自然数；
-所述s3中，初步处理包括将数字矩阵进行快速傅立叶变换得到一个周期n次测量的n-3个通道测量值，对n-3个通道测量值进行初步处理，即在n-3个通道测量值的输出激励的通道位置加零，得到n×n的矩阵，在此基础上使用有限元法对待测对象进行有限元建模，得到图像还原所需的正向模型；
-所述s4中，还原处理的方法为：
采用s3中得到的正向模型所得的数据训练神经网络，，将测量值矩阵作为训练后神经网络的输入，将还原得到阻抗分布图像矩阵作为训练后神经网络的输出。
9.根据权利要求8所述的基于生物电阻抗断层成像的医疗成像方法，其特征在于，所述神经网络对输入的测量值矩阵进行滤波池化采样处理，得到隐藏层；然后经过上采样逆处理，还原得到阻抗分布图像矩阵。
10.一种设备，其特征在于，包括存储器、处理器以及安装在存储器上并可通过处理器运行的权利要求1至6中任一项所述的基于生物电阻抗断层成像的医疗成像系统。
技术总结