姚佳烽,車權(quán)齊,李志偉,劉凱
(南京航空航天大學(xué) 機(jī)電學(xué)院,江蘇 南京 210016)
過程層析成像(process tomography,PT)技術(shù)是一種以非侵入性的方式測量感興趣區(qū)域的過程化參數(shù)并獲得容器反應(yīng)過程或管道內(nèi)部流動特征的技術(shù)[1],包括電阻和電容層析成像(electrical resistance and electrical capacitance tomography)技術(shù)、X射線斷層掃描(X-ray computed tomography,X-CT)技術(shù)、磁感應(yīng)斷層掃描(magnetic induction tomography,MIT)技術(shù)、超聲過程層析成像(ultrasonic process tomography,UPT)技術(shù)等。PT技術(shù)涉及到多個(gè)應(yīng)用領(lǐng)域的研究,例如工業(yè)上的多相流參數(shù)監(jiān)測、石油勘探、無損檢測等,醫(yī)學(xué)上的人體肺部換氣成像、影像診斷、腦部成像等[2-3]。
電容層析成像技術(shù)(electrical capacitance tomography, ECT)屬于PT技術(shù)的一種,是通過測量管道內(nèi)部兩相流或多相流的介電常數(shù)分布反映介質(zhì)分布的過程,主要應(yīng)用于工業(yè)中循環(huán)流化床的氣固流動檢測、水平管道中油/水兩相流的檢測和火焰燃燒檢測等[4]。ECT技術(shù)具有非侵入性、無輻射、成本低、響應(yīng)速度快等特點(diǎn),被認(rèn)為是一種最具有潛力的過程層析成像技術(shù)之一。
近些年來,ECT技術(shù)發(fā)展迅速,在工業(yè)和生物醫(yī)學(xué)領(lǐng)域取得了重要成就。本文主要從ECT技術(shù)的新型電容傳感器、硬件設(shè)備、圖像重建算法以及技術(shù)應(yīng)用等方面進(jìn)行總結(jié),并對其未來發(fā)展趨勢進(jìn)行了探討和展望。
20世紀(jì)八九十年代,曼徹斯特大學(xué)BECK教授的研究團(tuán)隊(duì)首次搭建了一套基于8電極傳感器的電容層析成像系統(tǒng)[5],如圖1所示,并在之后開發(fā)了一套圖像重建算法的軟件工具,為后續(xù)的研究打下了基礎(chǔ)。電容層析成像系統(tǒng)主要由電容傳感器、數(shù)據(jù)采集模塊和圖像重組單元構(gòu)成。由電容傳感器感受微弱的電容信號,經(jīng)C/V轉(zhuǎn)換電路、放大電路、濾波電路和A/D轉(zhuǎn)換電路等轉(zhuǎn)換為計(jì)算機(jī)可識別的二進(jìn)制信號,再通過圖像重建算法實(shí)現(xiàn)可視化成像。ECT成像技術(shù)經(jīng)過30多年的發(fā)展,已經(jīng)形成較為完善的軟硬件系統(tǒng)。
圖1 首臺ECT系統(tǒng)
電容傳感器是ECT系統(tǒng)的重要組成部分,在結(jié)構(gòu)上主要分為二維傳感器和三維傳感器。如圖2(a)所示,傳統(tǒng)的二維結(jié)構(gòu)傳感器主要由分布在管道周圍同一橫截面上的陣列電極、橫向和縱向屏蔽網(wǎng)絡(luò)組成,在此基礎(chǔ)上布置多層電極就形成了三維結(jié)構(gòu)傳感器。傳感器的性能直接影響到電容測量和敏感場的分布,最終影響到圖像重建的質(zhì)量。對于電容傳感器的優(yōu)化設(shè)計(jì),大多數(shù)研究者主要是從電極形狀、數(shù)量和尺寸等參數(shù)上進(jìn)行改良和對比[6-7]。但是在實(shí)際工業(yè)應(yīng)用上,傳感器自身參數(shù)會受到工作條件的限制。因此,基于傳統(tǒng)結(jié)構(gòu)設(shè)計(jì)新型電容傳感器十分重要。
分布在管道周圍外部的ECT傳感器往往不能滿足對中心區(qū)域的成像效果。2019年,CUI Z Q等提出了一種具有8個(gè)外部電極和8個(gè)內(nèi)部電極的ECT傳感器[8],如圖2(b)所示,8個(gè)內(nèi)部電極放置在被測管道的交叉平面上,傳感器的橫截面測量區(qū)域可以看作是4個(gè)相等的扇形區(qū)域,每個(gè)扇形區(qū)域被6個(gè)電極包圍。通過數(shù)值模擬和實(shí)驗(yàn)表明,這種內(nèi)外部電極結(jié)合的方式相對于傳統(tǒng)的12電極傳感器,在測量靈敏度和成像質(zhì)量上都有明顯提高,但是由于侵入測量,會對管道內(nèi)部的流體產(chǎn)生干擾,并且其潛在應(yīng)用性也會受到限制。如何最小程度地減小內(nèi)部結(jié)構(gòu)對流體的干擾是這類傳感器研究的方向。
3D傳感器相比于2D傳感器可以獲取流體的體積圖像,這種3D-ECT也稱為電容體積斷層掃描(electrical capacitance volume tomography,ECVT)技術(shù),對于研究像流化床中氣泡大小、速度以及運(yùn)動軌跡等這類問題具有重要價(jià)值[9]。由于3D-ECT獲取的獨(dú)立投影數(shù)據(jù)更多并且相距較遠(yuǎn)的電極層之間的信號更加微弱[10],這對于圖像重建過程和高質(zhì)量成像是一項(xiàng)嚴(yán)峻的挑戰(zhàn)。因此,3D傳感器的設(shè)計(jì)參數(shù)備受關(guān)注,比如不同平面的電極數(shù)量、電極角度分布、電極長度等[11-13]。2020年,SHEN J J等研究了具有不同排列和不同形狀電極的3D-ECT傳感器[14],如圖2(c)所示,包括交錯(cuò)排列的菱形、圓形、六邊形電極傳感器以及直線排列的矩形電極傳感器。結(jié)果表明,與傳統(tǒng)矩形電極相比,具有交錯(cuò)排列電極的3D-ECT傳感器可以減少對被測信號的干擾,有助于提高成像質(zhì)量。
單模態(tài)斷層掃描適用于兩相流檢測,但是無法提供多相流中各組分的分布信息,例如氣-液-固(G-L-S)和氣-油-水三相流等。雙模態(tài)斷層掃描技術(shù)已經(jīng)被開發(fā),WANG Q等提出了一種雙模態(tài)電阻和電容斷層掃描(ERT-ECT)的新方法[15],用于可視化水平管道中的氣-油-水流動;STAVLAND S H等采用雙平面電容和伽馬射線斷層掃描(ECT-GRT)技術(shù)進(jìn)行多模態(tài)氣液兩相流速度的測量[16],將ECT高速采集速率和GRT高空間精度的優(yōu)勢互補(bǔ),提高了測量的時(shí)間分辨率和空間分辨率。但是這兩種方法只是在兩個(gè)臨近平面上實(shí)現(xiàn)了兩類傳感器的組合測量,結(jié)構(gòu)較為復(fù)雜。CUI Z Q等研發(fā)了一種集成的雙模態(tài)電容和電磁斷層掃描(ECT-EMT)傳感器[17],可實(shí)現(xiàn)對G-L-S三相流成像。如圖2(d)所示,傳感器主要由分布在管道同一橫截面的陣列電極和陣列線圈組成,EMT平面線圈放置在ECT電極的外側(cè)并形成了對內(nèi)側(cè)電極的屏蔽,對電容測量的影響很小。但是這種傳感器的主要局限性在于,當(dāng)激勵(lì)信號的頻率過高時(shí),ECT電極會對EMT測量產(chǎn)生很大的影響。因此,需要限制激勵(lì)頻率和數(shù)據(jù)采集速率。
圖2 新型傳感器
ECT系統(tǒng)的電容傳感器正朝著三維化、集成化和多模態(tài)方向發(fā)展。新型傳感器的優(yōu)化設(shè)計(jì)對于減小測量誤差、提高圖像質(zhì)量具有重要意義。
電子硬件設(shè)備主要包括電容測量電路、多路復(fù)用電路和控制處理單元,其功能是實(shí)現(xiàn)電容信號的采集、轉(zhuǎn)換和傳輸以及控制通信等,這對于測量分辨率和數(shù)據(jù)采集速度提出了較高的要求。
常見的電容測量電路有直流充放電電路、交流鎖相放大電路和電容數(shù)字轉(zhuǎn)換器(CDC技術(shù))等。由于電容信號一般在pF級別,測量誤差較大,因此如何減小噪聲的干擾是一個(gè)關(guān)鍵問題。YANG W Q等提出了一種高靈敏度的交流電容測量電路[18],基于該電路的ECT系統(tǒng)測量精度達(dá)0.01 pF,測量誤差為0.000 2 pF。STYRA D對基于交流激勵(lì)的電路進(jìn)行了改進(jìn)[19],如圖3所示,采用帶有開關(guān)反饋電荷放大器實(shí)現(xiàn)信號的轉(zhuǎn)換,靈敏度有所提高,但是會導(dǎo)致電路中存在相對較大的雜散電容。對于測量精度、測量范圍和響應(yīng)時(shí)間等參數(shù)的優(yōu)化,還需要進(jìn)行更廣泛的研究,以便完善系統(tǒng)的功能和完整性。
圖3 帶有開關(guān)反饋的電荷放大器
在ECT系統(tǒng)中,每個(gè)電極存在激勵(lì)、測量和接地3種模式。這些電極通過多路復(fù)用電路開關(guān)被連接到電壓源和電容測量電路的兩端。數(shù)據(jù)采集方式分為單通道串行和多通道并行兩種。單通道串行采集是由一個(gè)電壓源激勵(lì),其余電極依次進(jìn)行采集,這種方式只需要一個(gè)數(shù)據(jù)采集端(DAQ),成本低,傳輸便捷,但是會降低采集速度和時(shí)間分辨率;多通道并行采集是由一個(gè)電壓源激勵(lì),其余電極同時(shí)采集,這種方式的時(shí)間分辨率高,但是需要多個(gè)DAQ,系統(tǒng)復(fù)雜、成本高,數(shù)據(jù)傳輸負(fù)擔(dān)加重。GAO R X等提出了一種多激勵(lì)并行采集模式,也稱MECap系統(tǒng),如圖4所示[20],以8電極傳感器為例,使用4個(gè)信號發(fā)生器對4個(gè)電極同時(shí)施加不同頻率的激勵(lì)電壓,其余4個(gè)電極同時(shí)進(jìn)行采集,采集的信號經(jīng)過電荷放大器后,通過8選4多路復(fù)用器進(jìn)入到4個(gè)鎖相放大器(LIA),每個(gè)LIA由低通濾波器、移相器和模擬乘法器組成,通過與相應(yīng)的函數(shù)發(fā)生器進(jìn)行同步并根據(jù)指定的頻率對輸入信號進(jìn)行濾波。這種方法比傳統(tǒng)ECT系統(tǒng)的成像速度更快,更準(zhǔn)確,并且具有較高的靈敏度。
圖4 MECap系統(tǒng)原理圖
數(shù)字信號處理器(DSP)通常作為ECT系統(tǒng)數(shù)據(jù)處理和控制的核心,是一種可編程的芯片。WANG H X等采用TMS3206416處理器對16電極的ECT系統(tǒng)進(jìn)行控制,圖像幀率在200 fps左右。最近,F(xiàn)PGA處理器被廣泛使用,系統(tǒng)配置如圖5所示[21],其優(yōu)點(diǎn)是可以托管重建算法的大部分控制/數(shù)據(jù)流,不需要一系列順序存儲器的訪問。2015年,F(xiàn)AJAR FIRDAUS A等提出了一種基于FPGA技術(shù)的ECT層析成像算法的新架構(gòu)[22],可同時(shí)執(zhí)行3種圖像重建算法。大量仿真表明,當(dāng)重建算法在基于2.53 GHz 的奔騰處理器上運(yùn)行時(shí),所提出的架構(gòu)計(jì)算速度提升了3個(gè)數(shù)量級。2018年,MAJCHROWICZ M等開發(fā)了一種多圖形處理系統(tǒng)(GPU)、多節(jié)點(diǎn)分布式的3D-ECT成像系統(tǒng)[23],與之前開發(fā)的基于Xgrid平臺的分布式系統(tǒng)進(jìn)行了比較,其處理速度明顯提高。
圖5 基于FPGA測量的系統(tǒng)配置圖
ECT技術(shù)的圖像重建實(shí)質(zhì)是對逆問題的求解,即根據(jù)電容傳感器測量的電容值求解敏感場內(nèi)介電常數(shù)的分布。由于測量的獨(dú)立投影數(shù)據(jù)遠(yuǎn)遠(yuǎn)少于圖像的像素點(diǎn),導(dǎo)致其解不唯一,屬于欠定性問題。ECT系統(tǒng)本身固有的軟場特性會造成求解的非線性問題,而電容值微小的變化會引起介電常數(shù)的分布發(fā)生很大變動,這是病態(tài)性問題。面對圖像重建這三大問題,選擇合適的處理算法直接影響到成像質(zhì)量的好壞。ECT技術(shù)的圖像重建算法理論上可分為3類:非迭代算法、迭代算法和智能算法。
電容值C與介電常數(shù)ε分布的關(guān)系可以表示為[24]
(1)
將N個(gè)電極測量的M個(gè)獨(dú)立投影數(shù)據(jù)代入到式(1)并對其進(jìn)行線性化、離散化和歸一化處理后得
C=SG
(2)
式中:C為歸一化的電容值矩陣,m×1維;S為歸一化的敏感場矩陣,m×n維;G為歸一化的介電常數(shù)分布矩陣,也稱像素灰度值矩陣,n×1維。
由電容值矩陣C和敏感場矩陣S求解介電常數(shù)矩陣G的分布即為ECT的圖像重建。
非迭代算法和迭代算法是基于線性模型的ECT圖像重建算法[24]。非迭代算法主要有線性反投影(LBP)算法和正則化方法[25-26]。迭代算法主要有代數(shù)重建技術(shù)(ART)、同步迭代重建技術(shù) (SIRT)和Landweber迭代法等[27-28]。本文主要對兩類算法中具有代表性的Landweber迭代法和正則化方法進(jìn)行了介紹和總結(jié)。
Landweber是一種類似于優(yōu)化理論中最陡梯度下降法的迭代算法,其迭代公式為[29]
Gk+1=Gk+αkST(C-SGk)
(3)
式中αk為迭代步長,為減小計(jì)算量,一般設(shè)為固定值。
Landweber算法具有較高的成像精度和速度而被廣泛地應(yīng)用[30]。Landweber算法的局限性在于收斂性差。為改善其收斂性能,一些研究者給出了改進(jìn)措施,例如,采用投影法和更新靈敏度矩陣減少迭代次數(shù)[31];將PI控制器與Landweber方法集成(Landweber-PI)[32],改善半收斂性,提高穩(wěn)定性和圖像質(zhì)量;在Landweber中加入正則項(xiàng),減小計(jì)算量,提高收斂速度[33];通過Landweber算法與弛豫因子和迭代次數(shù)的自適應(yīng)選擇提高圖像重建的精度和效率[34]。還有研究者通過改善收斂條件實(shí)現(xiàn)快速成像以及從共軛梯度角度對Landweber法進(jìn)行延伸[35-36]。
正則化方法的基本思路是在先驗(yàn)條件的約束下,用一組與原不適定問題相“鄰近”地適應(yīng)問題的解去逼近原問題的解。其表達(dá)式為
(4)
式中:λ為正則化系數(shù);L為正則化矩陣。
式(4)的近似解為
(5)
正則化最小二乘問題的一般形式是:
(6)
式中R(G)為正則化項(xiàng)。
正則化方法可以分為投影法和懲罰法。投影法是將逆問題的解投影到一個(gè)特定的子空間,例如截?cái)嗥娈愔捣纸夥ā土P法是在目標(biāo)函數(shù)中添加一個(gè)正則化項(xiàng),保證解的穩(wěn)定性。在懲罰法中,常用的正則化方法有Tikhonov正則化、Total Variation (TV)正則化和first-order Tikhonov (FOT)正則化等[37]。Tikhonov正則化是解決欠定性逆問題最常用的手段之一,基于標(biāo)準(zhǔn)Tikhonov正則化的解為[24]
(7)
式中:μ為Tikhonov正則化因子;I為單位矩陣。
Tikhonov正則化質(zhì)量主要取決于參數(shù)μ,通常情況下μ是根據(jù)經(jīng)驗(yàn)值來選擇的。
TV正則化方法是用來保持圖像邊緣的不連續(xù)性,但是受噪聲影響較大,其正則化項(xiàng)可表示為[37]
(8)
FOT正則化方法可以提高成像的穩(wěn)定性,但是導(dǎo)致圖像邊緣過度平滑,其正則化項(xiàng)可表示為一階微分算子的形式[37]:
(9)
這些傳統(tǒng)的算法大部分都是基于線性模型,運(yùn)用迭代或者非迭代方法去尋找問題的最優(yōu)解。但是當(dāng)成像目標(biāo)較為復(fù)雜、數(shù)據(jù)量過大時(shí),這些方法在運(yùn)算成本和效率上會大大降低。而基于非線性模型的算法,其圖像重建的速度非常慢,無法滿足時(shí)效性的要求。
近些年來,人工智能算法和機(jī)器學(xué)習(xí)理論蓬勃發(fā)展,應(yīng)用于各項(xiàng)領(lǐng)域。ECT技術(shù)領(lǐng)域的研究人員也將這些基于深度學(xué)習(xí)的方法擴(kuò)展到解決這類非線性的逆問題上,這也是圖像重建算法未來的發(fā)展趨勢。
基于神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)算法在對非線性信號的處理中展現(xiàn)出了良好的效果。2012年,LI J W等提出了一種基于徑向基函數(shù)(RBF)神經(jīng)網(wǎng)絡(luò)的圖像重構(gòu)方法[38],通過仿真軟件獲得測量數(shù)據(jù)并和BP神經(jīng)網(wǎng)絡(luò)算法進(jìn)行了比較,每個(gè)神經(jīng)網(wǎng)絡(luò)具有180個(gè)樣本訓(xùn)練集。結(jié)果顯示,RBF方法速度更快,精度更高。2018年,ZHENG J等提出了一種自動編碼神經(jīng)網(wǎng)絡(luò)來求解ECT的圖像重建問題[39],該網(wǎng)絡(luò)包括一個(gè)編碼器網(wǎng)絡(luò)和一個(gè)4層的解碼器網(wǎng)絡(luò),共有40000對樣本訓(xùn)練和測試數(shù)據(jù)集,圖像重建效果較好,為解決ECT成像問題提供了可行性。2019年,CHEN E等在自動編碼模型的基礎(chǔ)上使用模塊化深度神經(jīng)網(wǎng)絡(luò)(MDNN)進(jìn)行圖像重建,并應(yīng)用到了多級重建方案中[40]。2021年,DEABES W等提出了一種基于長短期記憶(LSTM)深度神經(jīng)網(wǎng)絡(luò)的ECT重構(gòu)算法[41],簡稱LSTM-IR算法,如圖6所示。通過對創(chuàng)建的16萬對大規(guī)模仿真數(shù)據(jù)集進(jìn)行訓(xùn)練和測試,結(jié)果表明,LSTM-IR方法能夠更快速、精確地創(chuàng)建ECT圖像。
圖6 LSTM-IR算法體系結(jié)構(gòu)圖
一些其他基于機(jī)器學(xué)習(xí)的算法也有被開發(fā)。2012年,WANG H M等提出了一種最小二乘支持向量機(jī)(LSSVM)結(jié)合細(xì)菌菌落趨化性(BBC)的算法[42],用于檢測燃燒器噴口過渡流狀態(tài)的細(xì)微變化。通過LSSVM建立的從測量電容到圖像灰度值的非線性映射模型具有良好的非線性學(xué)習(xí)能力和較高的收斂速度,采用具有全局優(yōu)化和快速收斂能力的BBC算法來構(gòu)造核參數(shù)的目標(biāo)優(yōu)化函數(shù),最后收集了112組訓(xùn)練樣本集并實(shí)現(xiàn)了圖像重建。2017年,LEI J等提出了一種基于深度學(xué)習(xí)的反演方法[43]。成像包括三個(gè)階段:第一階段,從重建圖像到真實(shí)圖像的先驗(yàn)信息被抽象并存儲在深度極限學(xué)習(xí)機(jī)器(DELM)中;第二階段,構(gòu)建了一個(gè)成本函數(shù),用于封裝深度學(xué)習(xí)模型和成像目標(biāo)領(lǐng)域先驗(yàn)的專業(yè)知識;第三階段, 將split Bregman (SB) 算法和快速軟閾值迭代(FIST)算法組合成一種新的數(shù)值方法求解。這種算法減少了圖像的偽影和變形,但是在計(jì)算效率和實(shí)際應(yīng)用等問題上還需要進(jìn)一步研究。
訓(xùn)練樣本量對機(jī)器學(xué)習(xí)的結(jié)果至關(guān)重要。2017年,ZHENG J等提出了一種用于ECT圖像重建的數(shù)據(jù)生成平臺[44]。在MATLAB 上構(gòu)建了圖形用戶界面(GUI),并與COMSOL Multiphysics 5.0中的ECT傳感器模型配合使用,目前已經(jīng)生成了37 850對樣本數(shù)據(jù)集。這種數(shù)據(jù)生成平臺可以生成包括任何流型中介電常數(shù)分布和相應(yīng)電容數(shù)據(jù)的大規(guī)模數(shù)據(jù)集,這對于基于機(jī)器學(xué)習(xí)方法的探索和測試以及未來基于大規(guī)模數(shù)據(jù)集來研究新的ECT圖像重建算法具有重要意義。
ECT廣泛應(yīng)用于工業(yè)中的多相流檢測,例如氣固兩相流中顆粒濃度和速度的動態(tài)分布、氣泡大小和氣泡動態(tài)特性以及材料中的水分分布等[45]。在生物醫(yī)學(xué)領(lǐng)域,ECT技術(shù)在人體組織成像方面表現(xiàn)出了潛在的應(yīng)用價(jià)值,像乳腺癌掃描和牙齒成像檢測等[46]。
流化床是一種利用氣體或液體使固體顆粒處于懸浮運(yùn)動狀態(tài)的反應(yīng)裝置,主要分為氣固流化床和液固流化床,是ECT技術(shù)的典型應(yīng)用。循環(huán)流化床(CFB)是一種氣固流動系統(tǒng),常用于鍋爐中的煤燃燒和煤氣化[47]。由于氣固流動動力學(xué)會影響煤的燃燒效率和污染排放,因此對流體流動參數(shù)和運(yùn)動狀態(tài)的測量非常重要。ZHAO T等使用ECT系統(tǒng)對垂直管道中流體催化裂化過程中催化劑顆粒的運(yùn)動速度和分布等信息進(jìn)行成像[48];也有研究者比較了ECT和壓力波動測量這兩種方法,對流化床內(nèi)最小流化速度、最小流速、主頻率和氣泡上升速度等流動參數(shù)進(jìn)行測定,結(jié)果表明兩種測量方法的結(jié)果大致吻合[49]。此外,還有研究者對流化床中不同區(qū)域的流動狀態(tài)進(jìn)行了測量,如圖7所示,包括立管底部的密集流動、立管頂部的稀薄流動、旋風(fēng)分離器入口處的流動、旋風(fēng)分離器中旋轉(zhuǎn)和湍流流動以及循環(huán)密封腔中的流動等[47]。ECT在制藥流化床、錐形噴嘴床和滴流床等也有相關(guān)應(yīng)用[50-51]。
圖7 CFB的5種典型流型
ECT的大多數(shù)應(yīng)用都集中在“冷”的氣固流動上,而對于工業(yè)上的火焰燃燒檢測研究較少。2018年,LIU J等使用ECT結(jié)合數(shù)據(jù)融合分析進(jìn)行了火焰成像[52],但是只是對燃燒過程的定性評估,很難獲得詳細(xì)的定量信息。這是因?yàn)榛鹧娴慕殡姵?shù)來自于燃燒過程中產(chǎn)生的化學(xué)成分、火焰內(nèi)部的溫度和壓力以及某些等離子,這些因素都會影響火焰的介電常數(shù)和電導(dǎo)率,很難從單方面測量中獲得介電常數(shù)分布。
ECT技術(shù)因其無輻射和快速成像的特點(diǎn),適用于醫(yī)學(xué)上的實(shí)時(shí)成像檢測。2012年,TARUNO W P等使用(ECVT)成像技術(shù)對人體乳房內(nèi)的癌細(xì)胞塊進(jìn)行實(shí)時(shí)3D成像[53],重建的圖像在健康和異常組織之間產(chǎn)生了明顯的差異,有望作為用于乳腺癌篩查的快速、高效、非輻射技術(shù)的替代方案。次年,該研究團(tuán)隊(duì)首次提出了一種基于ECVT的人腦活動實(shí)時(shí)成像方案[54],如圖8所示,通過測量人腦活動產(chǎn)生的電信號重建腦信號的體積圖像。結(jié)果表明,ECVT能夠檢測與人類運(yùn)動和語言功能相關(guān)的大腦活動。
圖8 ECVT人腦檢測系統(tǒng)
2017年,REN Z等提出了一種使用ECT可視化牙齒表面的新方法[55]。該項(xiàng)研究工作者考慮到口腔空間和牙齒尺寸等方面因素的限制,設(shè)計(jì)了一種平面開放結(jié)構(gòu)的ECT微型傳感器,如圖9所示,在柔性印刷電路板(FPCB)上制造了2×2陣列和2×3陣列的微型電極,檢測時(shí)通過夾具組件將傳感器固定在口腔內(nèi)牙齦表面的兩側(cè),然后使用基于阻抗分析儀的ECT系統(tǒng)測試單個(gè)前臼齒,并運(yùn)用LBP和Landweber迭代算法實(shí)現(xiàn)了對單齒橫向和縱向截面的圖像重建。未來,這項(xiàng)工作主要集中在用頜骨成像目標(biāo)牙齒和導(dǎo)航牙髓儀,確定牙科器械的位置。有望成為一項(xiàng)用于牙髓治療的實(shí)時(shí)成像技術(shù)。
圖9 FPBC傳感器和牙齒夾具
ECT技術(shù)作為過程層析成像領(lǐng)域的熱門課題,受到越來越多學(xué)者的關(guān)注。對于ECT技術(shù)的發(fā)展趨勢,主要呈現(xiàn)在三個(gè)方面:設(shè)備上趨向小型化、智能化;人工智能和機(jī)器學(xué)習(xí)算法將成為主流算法;應(yīng)用方向?qū)⒅鸩酵卣沟缴镝t(yī)學(xué)領(lǐng)域。
1)小型化、智能化
小型化是目前大多數(shù)工業(yè)設(shè)備的發(fā)展方向。應(yīng)用于工業(yè)上的ECT傳感器,其直徑通常>1 m,測量系統(tǒng)體積龐大復(fù)雜、檢測維修費(fèi)用高,并且傳感器的電極間距過大,會導(dǎo)致測量的信號微弱,引起較大的誤差。而設(shè)備的小型化會大大降低成本,這需要從傳感器和硬件設(shè)備的結(jié)構(gòu)、尺寸等角度進(jìn)行優(yōu)化改良,便攜式的ECT系統(tǒng)將會帶來更多領(lǐng)域的潛在應(yīng)用[55]。ECT系統(tǒng)過程層析成像的特點(diǎn)使其在成像速度上具有一定的限制,這也是其他過程層析成像技術(shù)普遍存在的問題。隨著GPU系統(tǒng)和5G技術(shù)的發(fā)展,硬件設(shè)備趨向智能化、自動化,這對多模態(tài)成像以及多項(xiàng)PT技術(shù)的融合具有重要意義。
2)人工智能和機(jī)器學(xué)習(xí)算法
大數(shù)據(jù)時(shí)代的發(fā)展離不開人工智能和機(jī)器學(xué)習(xí),這些算法已經(jīng)較為成熟,能夠?qū)D像進(jìn)行快速地分析和分類?;跈C(jī)器學(xué)習(xí)的算法可以大幅度提高成像質(zhì)量,并且在控制回路中對實(shí)現(xiàn)快速反饋和決策提供了強(qiáng)大的支持。訓(xùn)練樣本量是機(jī)器學(xué)習(xí)算法的重要基礎(chǔ),因此,通過仿真模擬建立大數(shù)據(jù)生成平臺也是一項(xiàng)具有挑戰(zhàn)性的工作。
3)生物醫(yī)學(xué)發(fā)展
ECT技術(shù)的非侵入性、無輻射、響應(yīng)快等優(yōu)勢在生物醫(yī)學(xué)領(lǐng)域表現(xiàn)出良好的發(fā)展態(tài)勢。人體的某些組織器官在介電常數(shù)上具有顯著特性,例如大腦活動產(chǎn)生的電信號、腫瘤組織以及牙齒等。也有些研究者通過嘗試?yán)眉夹g(shù)融合的方法應(yīng)用于醫(yī)學(xué)上的檢測,例如目前曼徹斯特大學(xué)和千葉大學(xué)正在進(jìn)行一項(xiàng)聯(lián)合研究,通過ECT和EIT的組合來診斷淋巴水腫[46]。另外,成本低將會是ECT在醫(yī)學(xué)成像技術(shù)中的競爭優(yōu)勢之一。
ECT技術(shù)的理論研究已經(jīng)較為成熟,并且在工業(yè)領(lǐng)域也有廣泛的應(yīng)用,但是由于實(shí)際因素以及圖像重建的病態(tài)問題等,還需要對硬件和算法上進(jìn)行改進(jìn)和優(yōu)化。本文針對ECT系統(tǒng)中新型電容傳感器、硬件設(shè)備、圖像重建算法和技術(shù)應(yīng)用等方面的基本框架和最新研究進(jìn)展進(jìn)行了總結(jié)和分析。目前,ECT硬件設(shè)備正朝著三維化、小型化、智能化和多模態(tài)方向發(fā)展,獲取更多、更準(zhǔn)確的圖像信息成為了大多數(shù)研究者努力的方向。圖像重建算法更趨向于人工智能和機(jī)器學(xué)習(xí),大規(guī)模訓(xùn)練樣本的需求也促成了數(shù)據(jù)生成平臺的構(gòu)建。未來,隨著5G技術(shù)和成像軟件的發(fā)展,ECT系統(tǒng)在成像速度和質(zhì)量上將會明顯提高,并以其無輻射、成本低等優(yōu)勢逐漸拓展到生物醫(yī)學(xué)領(lǐng)域的研究和應(yīng)用。