Е.И. Генина1, А.М. Акканен2, Я.А. Захарченко3, А.Н. Брико4

1,2,3,4 ФГАОУ ВО «МГТУ им. Н.Э. Баумана» (Москва, Россия)

4 Российский научный центр хирургии им. академика Б.В. Петровского (Москва, Россия)

4 briko@bmstu.ru

Постановка проблемы. Электроимпедансная томография (ЭИТ) представляет собой перспективный неинвазивный метод визуализации проводимости биологических тканей, однако качество реконструкции существенно зависит от используемого алгоритма. Эффективность различных подходов к решению обратной задачи требует систематического сравнения на реалистичных моделях.

Цель. Провести сравнительный анализ методов реконструкции изображений в ЭИТ, включая дифференциальный метод Гаусса – Ньютона с регуляризацией, алгоритм GREIT и итерационный абсолютный метод, на основе трехмерных моделей конечностей с неоднородностями.

Результат. Показано, что алгоритм GREIT обеспечивает наилучшую точность восстановления формы и локализации включений, тогда как увеличение размеров области моделирования ведет к росту артефактов и ухудшению разделения объектов.

Практическая значимость. Полученные данные позволяют обоснованно выбирать оптимальный алгоритм реконструкции в зависимости от анатомической области исследования, что важно для развития систем функциональной визуализации в клинической практике.

Генина Е.И., Акканен А.М., Захарченко Я.А., Брико А.Н. Сравнительный анализ методов реконструкции изображений в электроимпедансной томографии для биомедицинских применений // Биомедицинская радиоэлектроника. 2026. Т. 29. № 6. С. 18−22. DOI: https://doi.org/10.18127/j15604136-202606-04

1. Sanchez B., Rutkove S.B. Electrical Impedance Myography and Its Applications in Neuromuscular Disorders // Neurotherapeutics. 2017. V. 14, № 1. P. 107–118.
2. Zheng Z., Wu Z., Zhao R., Ni Y., Jing X., Gao S. A Review of EMG-, FMG-, and EIT-Based Biosensors and Relevant Human–Machine Interactivities and Biomedical Applications // Biosensors. 2022. V. 12. № 7.
3. Cheney M., Engineering B., York N. NOSER: An Algorithm for Solving the Inverse Conductivity Problem. 1991. V. 2. № 1990. P. 66–75.
4. Adler A., Arnold J.H., Bayford R., et al. GREIT: A unified approach to 2D linear EIT reconstruction of lung images // Physiological Measurement. 2009. Vol. 30, № 6.
5. Edic P.M., Isaacson D., Saulnier G.J., Jain H., Newell J.C. An Iterative Newton–Raphson Method to Solve the Inverse Admittivity Problem // IEEE Transactions on Biomedical Engineering. 1998. V. 45. № 7. P. 899–908.
6. Islam M.R., Kiber M.A. Electrical Impedance Tomography Imaging Using Gauss-Newton Algorithm // 2014 International Conference on Informatics, Electronics & Vision (ICIEV). 2014. P. 1–4.
7. Brad M., William R.B. Total Variation Regularization in Electrical Impedance Tomography. 2007.
8. Antink C.H., Pikkemaat R., Leonhardt S. A GREIT-type linear reconstruction algorithm for EIT using eigenimages // Journal of Physics: Conference Series. 2013. V. 434. № 1.
9. Li W., Zhang K., Li M., Yang F., Xu S. A Three-dimensional Phantom for Evaluating the Performance of Electrical Impedance Tomography System. IEEE. 2022. P. 257–259.
10. Harikumar R., Prabu R., Raghavan S. Electrical Impedance Tomography (EIT) and Its Medical Applications: A Review // International Journal of Soft Computing and Engineering. 2013. V. 3. № 4. P. 193–198.