相关研究成果近日发表于国际权威学术期刊《IEEE模式分析与机器智能汇刊》。

　　获得“低损伤、高分辨、动态实时”的功能图像始终是医学影像技术研究的核心目标之一。医学电阻抗成像技术作为功能医学影像技术代表之一备受关注，特别是其在新冠病毒导致的急性呼吸窘迫综合征患者的治疗中发挥了重要作用，越来越被临床接受和应用。

　　由于人体不同组织和器官的电特性不同，这种电特性图像不仅包含了丰富的解剖学信息，而且能够反映出组织和器官电特性相应的生理、病理状态和功能信息，在研究人体组织与器官功能变化和疾病诊断方面有重要的临床价值。然而，实现高质量的图像重建是电阻抗成像技术领域的巨大挑战。

　　近期，研究团队将深度图像先验技术与电阻抗成像技术相结合，首次实现了一种无需训练的高质量电阻抗图像重建方法。

　　研究表明，该方法不仅可以通过单一网络模型解决多个图像重建任务，还具备极强的泛化能力，而且不用大数据训练就能获得性能优越的深度神经网络方法用于重建电阻抗图像，在应用上具备轻量化潜力。

　　研究人员认为，该研究工作构建并成功实现了电阻抗图像重建新范式，为电阻抗成像技术在脑损伤、中风、肺气肿、乳腺癌等疾病诊断应用领域提供了重要的理论支撑，对发展深度功能医学影像技术具有重要价值。