Electrical Impedance Tomography,EIT

电阻抗成像（Electrical Impedance Tomography,EIT）是一种无创的以人体内部的电阻率分布为目标的重建体内组织图像的技术。人体是一个大的生物电导体，各组织、器官均有一定的阻抗，当人体的局部器官发生病变时，局部部位的阻抗必然与其他部位不同，因而可以通过阻抗的测量来对人体器官的病变进行诊断。

历史

1978年	1983 年	商用
John G. Webster发明	EIT 可视化人类前臂的横截面(David C. Barber and Brian H. Brown.)	https://web.archive.org/web/20101202035314/http://www.maltronint.com/imaging.htm

2DEIT和3D EIT

从电阻抗成像的维度可以将胸腔阻抗成像的维度分为2DEIT和3D EIT。2D EIT即用一层电极带重建出电极层位置的阻抗分布图像，其优点是数据量少，电极相对好固定，鲁棒性好，目前有较为成熟的2DEIT模型和重建算法，Drager公司发布的产品也是2D EIT成像；其缺点是能提供的信息有限，在2DEIT中考虑的是电极层位置的阻抗变化，但是实际的测量过程中，在电极层以外的阻抗变化也会对电流的分布产生影响，所以在理论上2DEIT并不能重建出真实的阻抗分布情况。3D EIT即通过多个电极层实现对成像目标的三维重建，其优点是可以提供更多的信息，目前国内有河北工业大学的李颖研究小组，天津大学的王稼祥研究小组等研究小组在进行一些3DEIT肺部成像的尝试；但是3D EIT的缺点也很明显，它的数据量大，系统复杂，鲁棒性差，受模型影响较大，电极固定困难等。以目前的研究成果而言，3DEIT系统在肺部成像中是否真的有意义或者有必要研究还需要进一步的评估，因为3D EIT 系统在多个方面需要更多的代价。第一是硬件成本，3DEIT系统需要更多的采集通道，相应的硬件成本会增加，系统的设计复杂度会大大增加。第二，3DEIT系统需要付出更多的时间成本，对于一个16电极的系统的每次采集数据量是256，对于一个32个电极的系统的每次数据量是1024，EIT每扫描一帧图像的数据量会随着电极数呈平方倍增长，所以在系统的数据采集上就会消耗大量的时间成本；而图像的重建时间也会大大的增加，基于此，如果用普通的串行采集系统，很难实现3DEIT的实时性，如果采用全并行的设计，系统的成本会大幅度增加，并且通道的一致性也会受到影响。第三,系统的可靠性会受到影响，3DEIT意味着需要安装更多的电极，需要更复杂的系统，引入更多的通道一致性噪声。其中电极系统的不稳定，通道的一致性噪声都会直接影响重建图像的质量，如果不能保证电极系统的可靠和稳定，3DEIT系统会失去其价值。第四，3D EIT系统虽然能提供比2D EIT更多的信息，但是这些信息是否对医学诊断有实际的指导意义还需要进一步的评估。
————————————————
版权声明：本文为CSDN博主「zyk1120102464」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/zyk1120102464/article/details/78143944

原理

科罗拉多州立大学ACE 1 EIT系统

电阻抗成像技术实际上就是：通过人体特定部位注入已知电压来测量在体表所引起的电流，或者注入一已知电流来测量在体表所引起的电压，利用所测量的电流电压值，依照一定的重建算法，计算出人体内部各组织、器官在电场作用下所呈现的阻抗分布，利用计算机产生断层成像。

通过粘性电极、电极带或导电电极背心围绕感兴趣的身体部位定位表面电极后，将在两个或多个驱动电极上施加通常为几毫安、频率为 10–100 kHz 的交流电。剩余的电极将用于测量产生的电压。然后将针对许多“刺激模式”重复该过程，例如连续的相邻电极对，直到完成整个圆圈，并且图像重建可以由结合了复杂数学算法和先验数据的数字工作站进行和显示。算法有线性反投影法(linear back projection，LBP) 法，奇异值分解，以Newton-Ｒaphsom 算法、Tikhonov迭代算法和神经网络深度学习等。

符号定义

admittivity 复电导率形成原因假若物质处于随时间而变的电场，则电导率为复数(或对于异向性物质，电导率为复矩阵)，称为导纳率(admittivity)。

在这里插入图片描述

复电导率将电流密度的大小和相位与施加电场的大小和相位相关联，类似于交流电路中的电流和电压与复电导相关。当您记得只使用了电流和电场的复值的实部并且您用复指数表示复电导率时，最容易看出这一点 $σ = ∣ σ ∣ e x p (- i ϕ)$ 。 |σ|是比例常数的大小和φ是电流场相位（ current-field phase shift）。
在这里插入图片描述

$\gamma = \sigma+ i* \omega* \epsilon\\ \gamma 复电导率(admittivity)\\ \sigma 电导率(conductivity)\\ \omega 交流频率(AC frequency，实验用的125 kilohertz)\\ \epsilon 介电常数(permittivity)\\ u 电势(electric potential,或者说内部的电压)$

公式推导视频

生物化学电阻抗成像OpenEIT 番外篇 EIT公式的推导

$divgerence(\gamma) * grad(u) = 0 \in \Omega \\ u=f \in \partial \Omega$

后边是示例和应用

MATLAB实现

文献： Jennifer L Mueller 和 Samuli Siltanen（SIAM 2012）所著的《线性和非线性逆问题及其实际应用》一书的第 12-15 章。下面我们参考[MS2012]这本书。
D-bar 方法绕过了这些问题：它是一种基于从 EIT 数据计算电导率的非线性傅里叶变换然后反转变换的直接方法。无需解决任何直接问题。正则化由非线性频域中的低通滤波提供。由于低通滤波器，重建是模糊的，但这可以通过各向异性扩散、频域填充或深度学习在后处理中得到帮助。

EIT-kit

EIT-kit：MIT 设计的 ESP32 电阻抗断层扫描工具包

麻省理工学院 (MIT) 计算机科学与人工智能实验室 (CSAIL) 的一组工程师在上个月的ACM 用户界面软件与技术 (UIST) 研讨会上发表了一篇关于人机交互 (HCI) 的论文。在他们的论文中，Junyi Zhu、Jackson C. Snowden、Joshua Verdejo、Emily Chen、Paul Zhang、Hamid Ghaednia、Joseph H. Schwab 和 Stefanie Mueller 介绍了 EIT-kit，这是一种基于 ESP32 的电阻抗断层扫描工具包，用于设计和构建健康和运动传感设备。

硬件

芯片用的 ESP32

在这里插入图片描述

openeit

https://openeit.github.io/docs/html/index.html

https://www.crowdsupply.com/mindseye-biomedical/spectra

pyeit : A python based framework for Electrical Impedance Tomography

pyeit paper

https://github.com/eitcom/pyEIT

该项目中包含三种算法 - Graz Consensus、Gauss-Newton 或 Jacobian 方法以及 Back Projection。每个都有自己的优点和缺点，可以调整。Spectra 套件使用 EIDORS 的 python 端口，称为 pyEIT。这意味着您可以在 python 中使用大部分 EIDORS 功能。

硬件

芯片用的ADUCM350（精密微控制器 | 亚德诺（ADI）半导体）
他们使用的标准硬件好像是这个众筹项目。，正在众筹的是Altium版本的，eagle是现在开源了的，eagle学习推荐《高质量PCB设计入门》

电极材料

在这里插入图片描述

py-dbar

D-bar 方法可用于二维框架中的电阻抗层析成像。该方法基于 Nachman 的理论重建程序和 Siltanen 建立的正则化策略，并为数值实现提供了一个自然框架。

https://pypi.org/project/py-dbar/

实验数据

https://blog.fips.fi/tomography/eit/the-d-bar-method-for-electrical-impedance-tomography-experimental-data/

参考与更多

生物电阻抗分析在疾病临床监测和诊断中的应用
开源生物医学成像系统，为每个人提供安全、可访问的成像
电阻抗成像硬件系统中的常用概念

Jennifer Mueller - Direct reconstruction methods in EIT applied to functional pulmonary imaging EIT的直接重建方法应用于功能性肺成像

电阻抗成像百度百科
https://en.wikipedia.org/wiki/Electrical_impedance_tomography
What is the complex conductivity of a metal?

电阻抗成像技术（EIT）与人工智能相结合未来发展如何？

链接：https://www.zhihu.com/question/409512600/answer/2089095978

电阻抗断层成像技术(Electrical impedance tomography, EIT), 是一种以重构电阻抗为目标的成像技术，目前发展的较好的是动态成像，主要用于肺功能监测，通气监测等。如下图[1]：动态成像，也称为时差成像，即重构的时不同时刻阻抗的变化值。对于肺部癌症诊断来说，我们很难获取癌症前的正常组织的电阻抗测量数据，在段时间内癌变组织的阻抗变化也较小，因此动态成像无法进行癌变组织的检测。对于癌症检测来说需要利用准静态或静态EIT，而该项技术截止目前还没有取得较好的研究成果。虽然成像很难，但与电阻抗相关的生物电阻抗分析（Bioelectrical impedance analysis，BIA）技术在癌症检测领域也取的了很好的进展[2]。[1]ZONG Z, WANG Y, WEI Z. A Review of Algorithms and Hardware Implementations in Electrical Impedance Tomography (Invited) [J]. Progress In Electromagnetics Research, 2020, 169(59-71）.[2] BAYFORD R, BERTEMES-FILHO P, FRERICHS I. Topical issues in electrical impedance tomography and bioimpedance application research [J]. Physiol Meas, 2021, 41(12): 120301.

深度方法 Deep D-bar: Real time Electrical ImpedanceTomography Imaging with Deep Neural Networks

Deep D-Bar：使用深度神经网络进行实时电阻抗层析成像

https://github.com/asHauptmann/DeepDbar

机器学习增强的二维材料电阻抗层析成像

[1]Hong S, Lee J, Bae J, et al. A 10.4 mWelectrical impedance tomography SoC for portable real-time lung ventilationmonitoring system[C]//Solid-State Circuits Conference (A-SSCC), 2014 IEEEAsian. IEEE, 2014: 193-196.

[2] Hong S, Lee K, Ha U, et al. A 4.9 mΩ-Sensitivity MobileElectrical Impedance Tomography IC for Early Breast-Cancer Detection System[J].Solid-State Circuits, IEEE Journal of, 2015, 50:245-257.