摘 要 电阻抗断层成像是一种新的成像技术，在临床图象监护和功能成像方面有很好的应用前景（无创、简单、容易应用等）. 作者在生物电阻抗断层成像的基本原理的基础上，介绍目前研究的进展并提出了研究中的关键问题.
1 生物电阻抗断层成像的基本原理
电阻抗断层成像(electrical impedance tomography，EIT)是根据人体内不同组织具有不同的电阻抗这一物理原理，通过给人体注入小的安全电流,测量体表的电位来重建人体内部的电阻抗分布图像，是医学成像技术的一个新方向.
电阻抗断层成像系统由数据测量系统（Data Measurement System, DMS）及图像重构软件两大部分组成. 数据测量系统的作用就是在正弦激励下从体表测量中解调出反映体内阻抗分布的电信号，经A/D及数据处理后为阻抗图像重构算法提供高精度的数据. EIT系统的总体结构如Fig 1所示.
其中，激励源的作用是产生对人体安全的正弦激励并以一定的激励模式施加于激励电极上；测量系统的主要功能是从测量电极以一定测量模式获取正弦激励下的体表电信号，经高精度放大后采用解调技术提取反映成像目标内阻抗分布信息，供算法重构阻抗图像应用；控制电路作为计算机与激励源及测量电路间的接口电路，主要负责激励源及测量电路的参数及模式设置，以及校正和定标等功能；计算机主要进行总体控制、数据处理、图像重构、图像显示等功能.
EIT技术具有很多优势. 既往研究表明某些人体组织的生理功能变化能引起组织阻抗的变化（如：组织充血和放电等），某些组织病理改变也能引起组织阻抗的变化（如癌变等）［1］，这些信息将会在EIT图像中体现出来. 所以EIT具有功能成像的性质. 该技术对人体无创无害，系统结构简单，测量简便，在对于患者长期的图像监护这方面具有广泛的应用前景，这些是目前多数临床成像手段难以做到的. 同时该技术造价低、费用低的特点也非常适合进行广泛的医疗普查. 虽然目前其图像分辨率不能与CT等成像技术相比，但它仍是一种有应用前景的新型成像技术，是对目前医学成像手段的一个有力的补充.
2 生物电阻抗断层成像的研究概况
电阻抗断层成像是国外近些年的一个研究热点，欧洲、北美、前苏联等地区有许多研究小组在进行这方面的工作. 欧洲已建立了欧洲EIT统一行动组织（CAIT）来组织和协调EIT研究工作.
目前，根据成像的区别电阻抗断层成像技术主要可分为两种，一种以电阻抗分布的绝对值为成像目标，称为静态EIT；另一种是以电阻抗分布的相对值（差别）为成像目标，被称为动态EIT.
从激励频率上可将EIT分为单频及多频EIT，单频EIT只采用单一频率激励成像目标，而多频EIT采用多个激励频率（10 kHz－1 MHz），充分提取了成像目标内组织的阻抗频率特性，在此基础上还可得到组织的特征参数图像，为进一步鉴别和区分组织打下了基础，因而多频及参数成像越来越受到人们的重视.
从激励方式上可将EIT分为注入电流式(Injected Current EIT )和感应电流式（Induced Current EIT). 前者就是采用驱动及测量电极从成像目标表面激励及获取信息，而后者是近三年才提出的采用激励线圈及体表测量电极获取成像目标内感应电流场的分布信息，这种技术因成像精度相对不高，目前仅处于实验阶段.
EIT的图像重构算法是EIT成像系统的重要环节. EIT图像重建中的正问题和逆问题是其图像重建中两个关键性过程. 由模型的阻抗分布及驱动信号，求其内部的电压和电流分布，这在电磁场分析中被称为正问题，即由ρ求Φ；阻抗成像被认为是一个逆问题，被定义为：给出边界电流和边界电压的测量值，求模型内的阻抗分布，即，由和v求ρ. 正问题的求解可以利用求解拉普拉斯方程得出区域内部节点电压， 进而利用给定边界条件和阻抗分布模型计算其内部电流密度达到全面分析这一电场的目的.
逆问题求解比正问题要复杂的多， 就目前来说可借助于数值方法通过多次迭代修正阻抗分布的估计值来实现. 在迭代过程中要调用正问题求解过程， 利用正问题的解不断修正阻抗分布模型，以使之最接近真实阻抗分布.
有限元方法（FEM）是常用的求解电磁场的数值方法［2］，在EIT中这一方法被广泛用于正问题过程的求解，其基本思想是通过泛函求极值来为非线性方程求解. 为EIT构造FEM模型，其主要目的是通过将这一特殊边界条件的电场或场域边界作线性化近似，以解决人体外加电场在人体内引起的电流分布的非线性和非均匀性，其实质上是利用数值方法求解具有特殊定解条件的一组偏微分方程.
图像重构算法也是EIT研究的热点，目前研究的算法主要有扰动法(Perturbation Method)［3］修正的Newton-Raphson方法［4］双限定方法(Double Constraint Method)［5］敏感性方法（Sensitivity Method）［6］等位线反投影算法［7］. 谱展开法［8］M.Zadehkoochak算法［9］基于神经网络的重构算法［10］:广义逆法［11］等.
英国Sheffield大学Brown等［12］1987年建立了第一个完整的DMS（Mark I System），有16个激励及测量电极，采用相邻电极5 mA p-p 51 kHz恒流激励. 该系统有51 dB的信噪比，及每秒10幅图像数据获取速度. 1995年Smith等［13］在Mark I的基础上建立了第一个实时的供临床基础研究用的Mark Ⅱ系统，有16个电极，使用20 kHz 5 mA p-p恒流激励，采用16通道并行测量、数字相敏检测（Digital Phase Sensitivity Detector，DPSD）等技术，使成像速度达到25帧/s，测量电路CMRR＞60 dB, SNR＞60 dB，所测阻抗数据信噪比达到68 dB，该系统用于人体胸腔得到了初步成像结果，并已用于临床基础研究.
美国纽约Rensselaer Polytechnic Institute的Cook等于1988年建立了基于物理模型的自适应电流激励成像系统（Adaptive Current Tomograph, ACT2)［14］. 该系统采用32电极并行自适应电流15 kHz激励，单通道电压测量，电流幅值及电压测量有12 bit分辨率，30 s获取一组测量数据. 1991年Saulnier等在ACT2的基础上建立了32电极并行激励、并行测量、并行校正及补偿的高精度、高速度DMS（ACT3）［15］，激励频率30 kHz，系统精度可达16 bit，在此精度下获取一幅图像数据需133 ms，若将
