摘要：稀疏加权算法（L1算法）与GREIT算法是近年来两种较为热门的颅脑电阻抗成像（ElectricalImpedance Tomography,EIT）图像重建优化算法,基于不同的数学模型,这两种算法性能不同.为了改善颅脑EIT重建图像质量并为其算法优选提供依据,本文基于三维颅脑仿真模型开展了仿真研究,对比了传统二阶范数加权算法（L2算法）、稀疏加权算法以及GREIT算法在颅脑电阻抗图像重建中的性能.仿真结果表明,相比传统二阶范数加权算法,两种优化的算法对颅脑EIT均有改善,而稀疏加权算法在图像噪声、形变误差、位置误差3项指标的评价中性能最优.在阈值函数的作用下,稀疏加权算法经多步迭代抑制了图像噪声,突出了重建目标.稀疏加权算法可以大大改善颅脑EIT效果,适用于颅脑EIT且对未来颅脑电阻抗重建算法扩展研究有重要参考价值.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社