[论文解读] Approximation error method for imaging the human head by electrical impedance tomography

Valentina Candiani, Nuutti Hyvönen+2 more|arXiv (Cornell University)|Jan 1, 2021

Electrical and Bioimpedance Tomography参考文献 58被引用 16

一句话总结

本文提出了一种鲁棒的电气阻抗断层扫描（EIT）方法，用于急诊中中风的检测，通过将近似误差方法与边缘增强重建算法相结合。该方法利用主成分头颅图谱建模解剖结构和电极位置的不确定性，并通过高斯近似对建模误差进行边缘化处理，即使在几何不准确的情况下，也能实现对缺血性和出血性中风的准确定位，如在具有显著伪影减少的3D模拟头颅数据中所展示的那样。

ABSTRACT

This work considers electrical impedance tomography imaging of the human
 head, with the ultimate goal of locating and classifying a stroke in emergency
 care. One of the main difficulties in the envisioned application is that the
 electrode locations and the shape of the head are not precisely known, leading
 to significant imaging artifacts due to impedance tomography being sensitive to
 modeling errors. In this study, the natural variations in the geometry of the
 head and skull are modeled based on a library of head anatomies. The effect of
 these variations, as well as that of misplaced electrodes, on (absolute)
 impedance tomography measurements is in turn modeled by the approximation error
 method. This enables reliably reconstructing the conductivity perturbation
 caused by the stroke in an average head model, instead of the actual head,
 relative to its average conductivity levels. The functionality of a certain
 edge-preferring reconstruction algorithm for locating the stroke is
 demonstrated via numerical experiments based on simulated three-dimensional
 data.

研究动机与目标

• 解决EIT在急诊中风检测中因头部几何形状不准确和电极位置偏差带来的挑战。
• 开发一种在解剖变异性和电极错位导致的建模误差下仍保持准确性的鲁棒成像方法。
• 在无需先前参考数据的情况下，实现对缺血性和出血性中风的可靠检测与分类，采用绝对EIT成像。
• 将近似误差建模与边缘保持正则化相结合，以在存在几何不确定性时提升重建质量。

提出的方法

• 基于解剖图谱建立人体头颅的主成分模型，以表示解剖变异。
• 将电极位置和头颅几何形状的不确定性作为测量模型中的加性近似误差项进行建模。
• 通过使用多样化头颅和颅骨形状的模拟EIT数据，采用机器学习方法估计近似误差的二阶统计量。
• 在贝叶斯反演框架中，假设近似误差服从高斯分布，对似然函数进行边缘化处理。
• 采用[23]中算法的改进版本，计算具有非二次、边缘保持惩罚项（如全变差）的最大后验概率（MAP）估计。
• 在LSQR迭代中使用Morozov偏差原则结合早期停止策略，以同时考虑测量误差和近似误差，对解进行正则化。

实验结果

研究问题

• RQ1 近似误差建模是否能显著减少因未知头部几何形状和电极错位在EIT中风检测中引起的成像伪影？
• RQ2 在存在几何不确定性的情况下，所提出的方法对缺血性和出血性中风的定位效果如何？
• RQ3 当真实几何形状已知时（即理想条件下），引入近似误差建模是否会降低重建质量？
• RQ4 在存在建模误差的情况下，边缘保持正则化相较于标准Tikhonov正则化，在多大程度上提升了中风定位的性能？

主要发现

• 在考虑近似误差建模的重建中，即使存在显著的几何失配，也能在模拟的3D头颅模型中成功定位缺血性和出血性中风。
• 未考虑近似误差建模的重建在颅骨表面附近产生严重伪影，几乎无法用于临床解读。
• 当真实几何形状已知时（情况3），近似误差建模未降低重建质量，表明在无失配情况下具有鲁棒性。
• 该方法在平均头颅模型中实现了准确的中风定位，证明了即使存在几何不确定性，对真实患者组织导抗扰动成像仍可行。
• 边缘保持重建算法能够清晰识别中风边界，相比传统方法在伪影抑制和病灶定位方面表现更优。
• 该方法在所有三个测试案例中均保持高性能，包括未知解剖结构和电极位置的情景，证实其在急诊护理应用中的鲁棒性。