[发明专利]一种基于深度学习的三维电阻抗成像系统

说明书

本发明公开一种基于深度学习的三维电阻抗成像系统，包括：依次连接的传感器模块、数据采集控制模块及上位机模块；所述传感器模块用于形成被测区域空间的敏感场；所述数据采集控制模块用于对被测区域的表面阻抗进行测量，进行数据的初步处理并传输；所述上位机模块用于根据处理后的阻抗数据进行图像重建。本发明提供基于深度学习的三维电阻抗成像系统，可用于人体乳腺成像，通过一定的激励采集方式，可获得半球测量区域的三维表面阻抗信息，利用乳腺组织和癌症组织的电学特性差异,用于三维半球区域的电导率分布重建，本发明提供的系统可应用于女性乳腺癌早期筛查，且具有造价低、易于携带、对人体的无害的优势。

技术领域

本发明涉及三维电阻抗成像领域，特别是涉及一种基于深度学习的三维电阻抗成像系统。

背景技术

在电阻抗测量技术基础上发展起来的电阻抗成像技术(Electrical ImpedanceTomography，EIT)是一种以重建人体内部电学特性分布为目标的技术。EIT技术具有无辐射、无需特殊环境、成本低、性价比高、无创、速度快等独特的优势，正在逐渐发展成为乳腺癌早期筛查和诊断的重要补充手段，并且有望成为社区级医院甚至个人日常护理使用的便携式医疗仪器，对于减少乳腺疾病的发生、提高患者的生存率意义重大，具有广阔的应用前景。

研究表明，生物阻抗是由组织的形状、大小、结构、生理和病理状况决定的，激励频率在100MHz以下时，恶性肿瘤组织与正常组织的电导率和介电常数均存在显著差异。因此乳腺组织的生物阻抗特性可以用来区分肿瘤组织和正常乳腺组织。处于发展初期的乳腺肿瘤，尚未有明显的形态学改变，使用一般的影像学检查手段不易检查出来，但此时其电学特性已经发生变化。即乳腺组织的功能性变化往往先于器质性病变和各种症状。因而，相较其它成像方法，EIT技术对及早发现癌变独具优势，体现了EIT技术的医学价值和应用前景。

EIT技术已作为辅助筛查设备初步应用于乳腺癌筛查，但其面临着如下难题：首先，EIT技术中反问题的计算过程具有非适定性，即边界测量值的微小扰动可能引起解(电学参数分布)的巨大变化；其次，测量的信息量较小，虽然可以用增加电极个数的方法来增加测量数据量，但数据量的增加也将使计算量迅速增大。上述难题造成了EIT技术的系统分辨能力较差。

深度学习是人工智能中的一个分支，是相对于浅层学习提出的一种非线性的深层次的网络结构，与浅层学习较少的隐藏层以及其提取特征能力较差的特性相比，有着很强的自适应学习能力，可以智能地学习数据特征并处理多种信息。将深度学习应用于EIT逆问题，由于其优秀的自适应学习能力，可以很好地改善EIT逆问题求解的缺陷，对于EIT乳腺癌检测的领域有着重大意义。

发明内容

本发明公开一种基于深度学习的三维电阻抗成像系统，通过深度学习图像重建算法来实现EIT的图像重建，从而改善EIT传统重建方法的非线性等问题，获得较高的成像质量。

为实现上述目的，本发明提供了如下方案：本发明提供一种基于深度学习的三维电阻抗成像系统，包括依次连接的传感器模块、数据采集控制模块及上位机模块；

所述传感器模块用于形成被测区域空间的敏感场；

所述数据采集控制模块用于对被测区域的表面阻抗进行测量，并进行数据的初步处理及传输；

所述上位机模块用于根据处理后的阻抗数据进行图像重建。

优选地，所述传感器模块包括半球形外壁、电极扣以及柔性PCB板；

所述柔性PCB板内铺设有连接线路；所述传感器外壁设有若干通孔；所述柔性PCB板通过所述电极扣与所述传感器外壁相连。

优选地，所述柔性PCB板上设有若干个过孔及焊盘；

所述过孔为圆环状且能够导电，并与所述电极扣相连，所述过孔沿所述柔性PCB板对称设置；