就美国而言，本申请是于2015年10月16日提交的标题为“电磁干涉图案识别层析成像(ELECTROMAGNETIC INTERFERENCE PATTERN RECOGNITION TOMOGRAPHY)”的美国临时专利申请序列号62/242,915的美国非临时专利申请，并且根据35U.S.C.§119(e)要求其优先权，该‘915申请的全部内容通过引用明确合并于此。此外，以下专利、专利申请和专利申请公开的每一个的全部内容通过引用合并于此：
(a)授予Semenov的美国专利No.9,414,749，其于2016年8月16日发布，并且在之前于2014年6月5日作为美国专利申请公开No.2014/0155740A1公开，其至少旨在提供关于当前专利申请的发明的系统和环境的背景和技术信息；和
(b)于2012年1月12日公开的美国专利申请公开No.2012/0010493A1，其基于授予Semenov的2011年6月30日提交的名称为“电磁层析成像(EMT)差分(动态)融合成像系统和方法(SYSTEMS AND METHODS OF ELECTROMAGNETIC TOMOGRAPHY(EMT)DIFFERENTIAL(DYNAMIC)FUSED IMAGING)”美国专利申请序列号13/173,078，其旨在提供有关4D EMT成像的背景和技术信息。
版权声明
本专利文件中的所有材料受美国和其他国家版权法的保护。版权所有人不反对任何人对专利文件或专利公开进行传真复制，因为它出现在官方的政府记录中，但是，所有其他版权权利都被保留。
技术领域
本发明通常涉及电磁层析成像，并且具体地涉及使用电磁干涉图案识别策略来消除由重复干涉图案引起的放大失真。
背景技术：
电磁层析成像(EMT)是一种相对较新的成像形式，具有生物医学和工业应用的巨大潜力。生物医学应用包括但不限于生物组织的功能和病理状况的非侵入性评估。工业应用包括但不限于石油和天然气勘探、矿山搜索和评估、以及非金属管道内的流量评估。使用EMT，可以区分生物组织等对象，并相应地根据这些对象的介电特性差异进行成像。基于最近证明的组织介电特性对组织的各种功能和病理状况(例如血液和氧气含量、缺血和梗塞恶性肿瘤、水肿等)的依赖性，EMT被认为具有生物医学应用的高潜力。
在过去的十年或更长的时间里，二维(2D)、三维(3D)乃至“四维”(4D)EMT系统和图像重建方法已经得到发展。已经证明了用于各种生物医学和工业应用的技术的可行性，例如，用于心脏成像和四肢成像。
如在任何层析成像中那样，典型的EMT成像场景由复杂信号的测量周期组成，该复杂信号受到位于所谓的成像域内的研究对象的存在的影响、由位于所述对象周围的不同点处的多个发射机产生、并且在位于所述对象周围的不同点处的多个接收机上测量。这在图1中示出。发射机和接收机的位置可以位于成像域内、成像域的边界上或成像域外。如本文其他地方所述，然后可以在图像重建方法中使用所测量的EM信号矩阵，以便重建对象19的介电特性的3D分布，即构建对象的3D图像。在前述美国专利No.9,414,749中公开和描述的硬件组件可用于生成必要的EM信号以重建对象19的3D图像。
一般而言，精确地描述具有成像域21的EM场的分布对于图像重建是非常重要的。即使在内部没有感兴趣的对象的情况下，成像室内的EM场的分布也是非常复杂的现象。
本发明涉及使用电磁EM(场)对对象19的结构进行成像。对象19可以是人体或人体的一部分，例如头部、躯干、手臂等，但也可以是没有金属屏蔽的任何对象。使用EM场对被强屏蔽(但不是金属屏蔽)的对象的内部进行成像是一个高度复杂的问题。这种应用的一个示例是对人脑的成像。然而，应该理解的是，其他这样的应用可以包括对被骨结构屏蔽的任何人体组织的成像。对被骨骼所包围的大脑或其他组织进行EM成像呈现出非常复杂的高介电对比度问题。挑战在于重建被高介电对比度屏障有效屏蔽的深部脑组织的隐藏特性，该高介电对比度屏障包括颅骨(介电特性在16+j5范围内)和脑脊髓液(介电特性在60+j30范围内)。尽管如上所述，本发明适用于对任何对象成像，但据信其特别适用于对被强屏蔽对象的内部成像。
高介电对比度对象(包括生物对象)的EMT成像具有非常复杂的所谓“衍射层析成像”问题。(Devaney A.J.“Current research topics in diffraction tomography”,in Inverse Problmes in Scattering and Imaging,M.BNertero and E.R.Pike,Eds,New York:Adam Hilger,1992,pp.47-58.)高水含量的组织(例如但不限于肌肉组织)和低水含量的组织(例如但不限于骨骼)之间的高介电对比度在使用EM场进行成像时呈现出额外的复杂性。为了尝试解决衍射层析成像问题，已经开发出了使用标量近似和矢量近似的2D和3D几何中的各种方法。(参见H.Harada,D.Wall,T.Takenaka,and T.Tanaka,“Conjugate gradient method applied to inverse scattering problem”,IEEE Trans.Antennas and Propagations,vol.43,784-792,Aug.1995；R.E.Kleinman,and P.M.van den Berg,”A modified gradient method for two-dimensional problems in tomography”,J.Comput.Appl.Math.,vol.42,pp.17-35,Jan.1992；A.Abubakar,P.M.van den Berg,and J.J.Mallorqui,“Imaging of Biomedical Data Using A Multiplicative Regularized Source Inversion Method,”IEEE Trans.Microwave Theory and Techniques,v.50,pp.1761-1771,Jul.2002；N.Joachimowicz,J.J.Mallorqui,J.Ch.Bolomey,and A.Brouguetas,“Convergence and stability assessment of Newton-Kantorovich reconstruction algorithms for microwave tomography”,IEEE Trans.Medical Imaging,vol.17,pp.562-570,Aug.1998；P.Lobel,R.Kleinman,Ch.Pichot,L.Blanc-Fйraud,and M.Barlaud“Conjugate Gradient Method for Solving Inverse Scattering with Experimental Data“,IEEE Antennas&Propagation Magazine,Vol.38,pp.48--51,Jun.1996；W.C.Chew,and Y.M.Wang,“Reconstruction of two-dimensional permittivity distribution using the distorted Born iterative method”,IEEE Trans.Medical Imaging,vol.9,p.218-225,June1990；P.M.Meaney,K.D.Paulsen,A.Hartov,and R.K.Crane,“Microwave imaging for tissue assessment:Initial evaluation in multitarget tissue equivalent phantoms”,IEEE Trans.Biomedical Engineering,vol.43,pp.878-890,Sept.1996.)
在先前的作品中，已经开发出了数学算法及其相应的系统和软件实现，其被证明是非常可靠的、并且已经实现了对不同尺寸(从离体的犬心脏的几厘米直到2D、3D和3D矢量案例中的全尺寸身体)的对象成像。(参见See A.E.Souvorov,A.E.Bulyshev,S.Y.Semenov,R.H.Svenson,A.G.Nazarov,Y.E.Sizov,and G.P.Tatsis,“Microwave tomography:A two-dimens ional Newton iterative scheme”,IEEE Trans.Microwave Theory and Techniques,vol.46,pp.1654-1659,Nov.1998；A.E.Bulyshev,A.E.Souvorov,S.Y.Semenov,R.H.Svenson,A.G.Nazarov,Y.E.Sizov,and G.P.Tatsis,“Three-dimensional microwave tomography.Theory and computer experiments in scalar approximation”,Inverse Problems,vol.16,pp.863-875,Jun.2000；Bulyshev A.E,Souvorov A.E.,Semenov S.Y.,Posukh V.G.,Sizov Y.E.“Three-dimensional Vector Microwave Tomography.Theory and Computational experiments”,Inverse Problems,2004,20,4,1239-1259；Semenov S.Y.,Bulyshev A.E.,Souvorov A.E.,Svenson R.H.,Sizov Y.E.,Borisov V.Y.,Posukh V.G.,Kozlov I.M.,Nazarov A.G.,Tatsis G.P."Microwave Tomography:Theoretical and Experimental Investigation of the Iteration Reconstruction Algorithm",IEEE Trans MTT,1998,46,2,133-141；Semenov S.Y.,Bulyshev A.E.,Abubakar A.,Posukh V.G.,Sizov Y.E.,Souvorov A.E.,Van den Berg P.,Williams T.“Microwave tomographic imaging of the high dielectric contrast objects using different imaging approaches”,IEEE Trans.MTT,v.53,No 7,pp 2284-2294,2005；Semenov S.Y.,Kellam J.F.,Althausen P.,Williams T.C.,Abubakar A.,Bulyshev A.,Sizov Y.“Microwave tomography for functional imaging of extremity soft tissues.Feasibility assessment”,Phys.Med.Biol.,2007,52,5705-5719；Semenov S.Y.,Bulyshev A.E.,Posukh V.G.,Sizov Y.E.,Williams T.C.,Souvorov A.E.“Microwave tomography for detection/imaging of myocardial infarction.1.Excised canine hearts”,Annals of Biomedical Engineering,2003,31,262-270.)然而，这些先前的作品中所引用的上述方法都没有被证明在对被强屏蔽对象的内部成像时有效。需要新的方法对具有高介电对比度屏障的对象(例如但不限于人脑)的EMT成像进行精确表示。
技术实现要素：
本发明的一些示例性实施例可以克服一个或多个上述缺点以及以上未描述的其他缺点，但是本发明不需要克服上述任何特定的缺点，并且本发明的一些示例性实施例可以不克服上述任何缺点。
广义地说，根据一个方面的本发明是以以下方式使用电磁场的方法：即在成像域内生成电磁干涉图片，显示对象的3D介电结构与电磁干涉图案的叠加，同时电磁干涉图案被进一步识别并被应用于3D电磁叠加，使电磁干涉图案无效或衰减并显示对象的3D介电结构。
广义地说，根据另一方面的本发明是一种4D动态融合电磁图案识别层析成像的方法。
广义地说，根据另一方面的本发明是利用4D动态融合电磁识别层析成像来监测生物组织的生存能力和功能状况的方法。
广义地说，根据另一方面的本发明是用于在所示和所述的图像重建系统中使用的电磁干涉图案识别层析成像(EMIPRT)方法。
广义地说，根据另一方面的本发明是在图像重建系统中使用的电磁干涉图案识别层析成像(EMIPRT)方法，其包括：经由电磁层析成像系统，生成与成像域中的对象相对应的电磁场数据，其中所述电磁场数据在多个发射机处产生并在与所述对象相互作用之后在多个接收机处被测量；并且以递归的方式重复地使用所生成的电磁场数据：形成未受干扰的电磁界面图像，至少部分地基于所述未受干扰的电磁干涉图像来形成受干扰的电磁界面图像，识别重复形成的受干扰的电磁界面图像中的电磁干涉图案，以及通过使所识别的电磁干涉图案从受干扰的电磁界面图像中无效或衰减来形成叠加图像。
在该方面的特征中，所述至少部分地基于所述未受干扰的电磁干涉图像来形成受干扰的电磁界面图像的步骤包括至少部分地基于对目标因子的确定来形成受干扰的电磁界面图像，所述目标因子是在形成未受干扰的电磁干涉图像的步骤期间的实验电磁场与计算出的电磁场之间的差异的泛函。在进一步的特征中，所述目标因子被确定为其中，当发射机i是所述电磁场的源时，或分别是由接收机j测得的所述电磁场的z分量的实验仿真值或测得值，其中通常以的形式表示，其中α、β和γ是系数，所述系数为非零实数或零值，其中Ω是正则化算子，并且其中是其自变量的函数；所述目标因子被确定为其中，当发射机i是所述电磁场的源时，或分别是由接收机j测得的所述电磁场的z分量的实验仿真值或测得值，并且其中是所述电磁场的实验测得的z分量的最大范数；所述目标因子被确定为其中，当发射机i是所述电磁场的源时，或分别是由接收机j测得的所述电磁场的z分量的实验仿真值或测得值，并且其中当发射机i是幂为θ的所述电磁场的源时，是由接收机j测得的所述电磁场的实验测得的z分量的范数；所述形成受干扰的电磁界面图像的步骤包括计算其中和是来自于所述电磁层析成像系统中的位于物理源(从1到N)的位置处和相应的物理接收机(从1到M)的位置处的频率为fk的电磁源的3D电磁场(x，y，z)分布，作为共轭值，并且其中，Object Factori,j是从发射机i到接收机j的所述目标因子的第“ij”个分量；所述识别重复形成的受干扰的电磁界面图像中的电磁干涉图案的步骤包括计算总和其中，和是来自于电磁层析成像系统中的位于物理源(从1到N)的位置处和相应的物理接收机(从1到M)的位置处的频率为fk的电磁源的3D电磁场(x，y，z)分布，作为共轭值，并且其中，Object Factori,j是从发射机i到接收机j的所述目标因子的第“ij”个分量；和/或其中所述识别重复形成的受干扰的电磁界面图像中的电磁干涉图案的步骤包括针对迭代i>1，计算
其中，为了简便省略了频率项，其中，和是来自于电磁层析成像系统中的位于物理源(从1到N)的位置处和相应的物理接收机(从1到M)的位置处的电磁源的3D电磁场(x，y，z)分布，作为共轭值，并且其中，Object Factori,j是从发射机i到接收机j的所述目标因子的第“ij”个分量。
在该方面的另一个特征中，该方法还包括在形成叠加图像的每个重复步骤之后执行的确定是否已经达到收敛目标的步骤。
在该方面的另一个特征中，该方法用作生成4D差分(动态)融合图像的方法的一部分。在进一步的特征中，生成4D差分(动态)融合图像包括将指示相对生理变化的至少一个连续形成的图像与基线解剖图像相组合以显示为单个统一图像；和/或生成4D差分(动态)融合图像的方法被用作利用4D动态融合电磁图案识别层析成像来监测生物组织的生存能力和/或功能状况的方法的一部分。
在该方面的另一特征中，按顺序地执行以下步骤：形成未受干扰的电磁干涉图像，至少部分地基于未受干扰的电磁干涉图像形成受干扰的电磁界面图像，识别重复形成的受干扰的电磁界面图像中的电磁干涉图案，以及通过使所识别的电磁干涉图案从所述受干扰的电磁界面图像中无效或衰减来形成叠加图像。
在该方面的另一特征中，该方法还包括经由显示单元显示叠加图像的步骤。
广义地说，根据另一方面的本发明是一种使用电磁干涉图案识别层析成像来重建图像的方法，包括：经由电磁层析成像系统，生成与成像域中的对象相对应的电磁场数据，其中，所述电磁场数据在多个发射机处产生并与所述对象相互作用之后，在多个接收机处测量所述电磁场数据；并且以递归的方式重复地使用所生成的电磁场数据：形成未受干扰的电磁干涉图像，至少部分地基于未受干扰的电磁干涉图像来形成受干扰的电磁界面图像，识别重复形成的受干扰的电磁界面图像中的电磁干涉图案，以及通过使所识别的电磁干涉图案从受到干扰的电磁界面图像中无效或衰减来形成叠加图像。
在该方面的特征中，所述至少部分地基于所述未受干扰的电磁干涉图像来形成受干扰的电磁界面图像的步骤包括：至少部分地基于对目标因子的确定来形成受干扰的电磁界面图像，所述目标因子是在形成未受干扰的电磁干涉图像的步骤期间的实验电磁场与计算出的电磁场之间的差异的泛函。
在该方面的另一个特征中，该方法还包括在形成叠加图像的每个重复步骤之后执行的确定是否已经达到收敛目标的步骤。
在该方面的另一个特征中，该方法用作生成4D差分(动态)融合图像的方法的一部分。在进一步的特征中，生成4D差分(动态)融合图像包括将指示相对生理变化的至少一个连续形成的图像与基线解剖图像相组合以显示为单个统一图像；和/或生成4D差分(动态)融合图像的方法被用作利用4D动态融合电磁图案识别层析成像监测生物组织的生存能力和/或功能状况的方法的一部分。
在该方面的另一特征中，按顺序地执行以下步骤：形成未受干扰的电磁干涉图像，至少部分地基于未受干扰的电磁干涉图像形成受干扰的电磁界面图像，识别重复形成的受干扰的电磁界面图像中的电磁干涉图案，以及通过使所识别的电磁干涉图案从所述受干扰的电磁界面图像中无效或衰减来形成叠加图像。
在该方面的另一特征中，该方法还包括经由显示单元显示叠加图像的步骤。
广义地说，根据另一方面的本发明是一种使用电磁干涉图案识别层析成像的图像重建系统，包括：电磁层析成像系统，其生成与成像域中的对象相对应的电磁场数据，所述电磁层析成像系统具有多个电磁发射机、测量在所述多个发射机处产生并与所述对象相互作用之后的电磁场数据的多个接收机、以及边界设备；以及处理中心，其以递归的方式重复地使用所生成的电磁场数据，执行以下步骤：形成未受干扰的电磁干涉图像，至少部分地基于未受干扰的电磁干涉图像来形成受干扰的电磁界面图像，识别重复形成的受干扰的电磁界面图像中的电磁干涉图案，以及通过使所识别的电磁干涉图案从所述受干扰的电磁界面图像中无效或衰减来形成叠加图像。
在该方面的特征中，所述至少部分地基于未受干扰的电磁干涉图像来形成受干扰的电磁界面图像的步骤包括：至少部分地基于对目标因子的确定来形成受干扰的电磁界面图像，所述目标因子是在形成未受干扰的电磁干涉图像的步骤期间的实验电磁场与计算出的电磁场之间的差异的泛函。
在该方面的另一个特征中，所述处理中心还在形成叠加图像的每个重复步骤之后执行确定是否已经达到收敛目标的步骤。
在该方面的另一个特征中，由所述处理中心执行的步骤用作生成4D差分(动态)融合图像的方法的一部分。在进一步的特征中，生成4D差分(动态)融合图像包括将指示相对生理变化的至少一个连续形成的图像与基线解剖图像相组合以显示为单个统一图像；和/或生成4D差分(动态)融合图像的方法被用作利用4D动态融合电磁图案识别层析成像监测生物组织的生存能力和/或功能状况的方法的一部分。
在该方面的另一特征中，按顺序地执行以下步骤：形成未受干扰的电磁干涉图像，至少部分地基于未受干扰的电磁干涉图像形成受干扰的电磁界面图像，识别重复形成的受干扰的电磁界面图像中的电磁干涉图案，以及通过使所识别的电磁干涉图案从所述受干扰的电磁界面图像中无效或衰减来形成叠加图像。
在该方面的另一特征中，该方法还包括显示单元，其显示叠加图像。
根据下文提供的详细描述，本发明的其他应用领域将变得显而易见。应该理解的是，具体实施方式和具体示例虽然指示了本发明的优选实施例，但仅用于说明的目的，而不旨在限制本发明的范围。
附图说明
通过以下结合附图的详细描述，本发明的其他特征、实施例和优点将变得显而易见，其中：
图1是电磁层析成像(EMT)系统的部分的简化示意图；
图2是根据本发明的一个或多个优选实施例在图像重建系统中使用的EM干涉图案识别层析成像方法的流程图；
图3是用于针对人的头部成像设计的成像域的示例性未受干扰的EM干涉图像；
图4A和图4B是用于两个人的头部案例的示例性受干扰的EM干涉图像；
图5是用于图2中所示的图案识别框的一个图案识别策略和一组公式的流程图。
图7是可以在针对多个子域中的每一个的叠加图像形成框中执行的一种可能的图案校正策略的流程图；
图8A是来自于类似于图2的方法的迭代成像方法的虚拟的中风患者的头部的示例性输出图像，但是在图像形成期间未使用图案识别框及其输出信息；以及
图8B是与图8A相同的虚拟中风患者的头部的示例性输出图像，但是在叠加图像形成框期间使用了图案识别框及其输出信息。
具体实施方式
作为初步事项，相关领域中具有普通技术的人员(“普通技术人员”)容易理解，本发明具有广泛的用途和应用。此外，被讨论并被确定为“优选”的任何实施例被认为是用于执行本发明的预期的最佳模式的一部分。在提供完整且可实现的本发明的公开时，还可以讨论其他实施例以用于另外的说明目的。应该理解，任何实施例可以仅包含本发明的一个或多个上述公开的方面，并且可以进一步包含一个或多个上述公开的特征。此外，许多实施例(例如改编、变化、修改和等同布置)将由本文描述的实施例隐含地公开并且落入本发明的范围内。
因此，尽管本文中关于一个或多个实施例详细描述了本发明，但应理解的是，本公开是本发明的说明性和示例性，并且仅为了提供完整且可实现的本发明的公开目的。本文的一个或多个实施例的详细公开不旨在或不被解释为限制本发明所提供的专利保护范围，该范围由权利要求及其等同物限定。并不旨在通过将任何权利要求读成在权利要求本身没有明确出现的本文中找到的限制解释为限定本发明提供的专利保护范围。
因此，例如，本文描述的各种过程或方法的步骤的任何序列顺序和/或时间顺序是说明性的而非限制性的。因此，应该理解，尽管各种过程或方法的步骤可以被示出和描述为按照序列顺序或时间顺序，但是任何这样的过程或方法的步骤在没有指示的情况下不限于以任何特定序列或顺序来执行。实际上，这样的过程或方法中的步骤通常可以以各种不同的序列和顺序执行，而仍落入本发明的范围内。因此，本发明提供的专利保护范围旨在由所附权利要求限定，而不是由此处的说明书阐述。
另外，重要的是要注意，本文中使用的每个术语是指普通技术人员基于该术语在本文中的的上下文使用将会理解该术语的含义。当本文中所使用的术语的含义(正如由普通技术人员基于该术语的上下文使用所理解的)以任何方式与该术语的任何特定字典定义不同不同时，该术语的范围旨在以普通技术人员应理解为准。
关于35U.S.C.§112,的适用性，除非在权利要求要素中实际使用了“用于...的方法”或“用于...的步骤”这样的明确短语，否则不旨在根据该法定条款来阅读这种权利要求要素，因此，该法定条款旨在应用于对这种权利要求元素的解释。
此外，重要的是要注意，如本文所使用的，除非上下文使用另有规定，否则“一”和“一个”通常都表示“至少一个”，但不排除多个。因此，提到“具有苹果的野餐篮子”描述了“具有至少一个苹果的野餐篮子”以及“具有复数个苹果的野餐篮子”。相反，提到“具有单个苹果的野餐篮子”描述了“仅有一个苹果的野餐篮子。
当在本文中用于结合一系列项目时，“或”表示“至少一个项目”，但不排除所述系列中的多个项目。因此，提到“具有奶酪或饼干的野餐篮子”描述了“有奶酪而没有饼干的野餐篮子”、“有饼干而没有奶酪的野餐篮子”和“具有奶酪和饼干两者的野餐篮子”。最后，当在本文中用于结合一系列项目时，“和”表示“列表中的所有项目”。因此，提及“具有奶酪和饼干的野餐篮子”描述了“具有奶酪的野餐篮子，其中野餐篮子还具有饼干”以及描述了“具有饼干的野餐篮子，其中野餐篮子还有奶酪”。
现在参照附图，其中在几个示图中相同的附图标记表示相同的组件，接下来描述本发明的一个或多个优选实施例。以下对一个或多个优选实施例的描述本质上仅仅是示例性的，决不旨在限制本发明、其应用或用途。
图1是电磁层析成像(EMT)系统10的部分的简化示意图。在系统10中，边界设备12围绕成像域21。对象19(在该示例中为人的头部)放置在成像域21中。多个EM硬件装置30(通常但不一定总是设置在边界设备12上)用作发射机(源)和/或接收机。(如在本文中所述，硬件装置30通常被认为用作发射机和接收机两者，但是将理解，可以替代地或另外地利用彼此分离的发射机和接收机)。计算机系统28用作处理中心，其中初始数据被预处理并且图像被重构和后处理。在至少一些实施例中，EMT系统10还包括背景或匹配液或其他介质。当对象19成像时，匹配液是成像域内需要或有用的溶液或凝胶，以解决电磁体匹配问题和/或其他问题。在至少一些实施例中，计算机系统28及其数据处理功能和成像软件直接连接到EM场发送/接收硬件装置30，而在其他实施例中，计算机系统28中的一些或全部通过无线技术和/或高速有线连接而远程连接。在功能上，EMT系统10的大部分操作可以类似于前述美国专利No.9,414,749中描述的操作，但是可以在本文中描述各种特定实施例和特征。
如上所述，高介电对比度对象(包括生物对象)的EMT成像涉及所谓的“衍射层析成像”的非常复杂的问题。在使用EM场进行成像时，高含水量的组织(例如但不限于肌肉组织)和低含水量的组织(例如但不限于骨骼)之间的高介电对比度呈现额外的复杂性。图2是根据本发明的一个或多个优选实施例的用于图像重建系统的EM干涉图案识别层析成像(EMIPRT)方法100的流程图。可以利用使用图1中简要描述的EMT系统10的一些或全部元件而生成的EM场数据来执行EMIPRT方法100。
EMIPRT方法100是迭代过程，其中在每次迭代之后通过各种图像形成处理进行收敛检查(在步骤180处示出)，直到获得合适的结果并将其提供为图像输出200。EMIPRT方法100的主要输入是成像域数据110和实验测得的EM数据120。成像域数据110包括与成像域21有关的位于多个空间位置处和第k个频率(k从1到K)(Ei＝1 to N(fk＝1toK))处的源EM场硬件装置30的空间位置、和位于多个空间位置和第k个频率(k从1到K)(Ej＝1 to M(fk＝1 to K))处的接收机EM场硬件装置30的空间位置，其中N是源EM场装置30的数量，并且M是接收机EM场装置30的数量。成像域数据110还包括成像域21内的匹配介质(ε0)的介电特性，并且还可以包括其他的环境或物理信息/数据。实验测得的EM数据120是包含在接收机的点上通过实验测得的EM场(例如以振幅、相位和极化形式或以实部、虚部和极化形式)的矩阵，其表示为EM场接收机的点可以与任何或全部的EM场装置30相关联。
在框130处，形成“未受干扰的”EM干涉图像。在初始处理中，仅基于EMIPRT方法100的成像域数据110来获得未受干扰的EM干涉图像(作为未受干扰的图像形成框130的输出135示出)的形成。在随后的迭代中，形成未受干扰的干涉图像优选地还使用成像域21内的介电特性的空间分布。根据应用，空间分布可以是2D空间分布或3D空间分布。在至少一些实施例中，介电特性的3D空间分布在笛卡尔坐标系中被描述为ε*(x，y，z)，并且在下面描述的重叠图像形成框170中在先前的迭代期间被获得。介电特性的3D空间分布ε*(x，y，z)在介电尺度中可以被表征为研究对象19的图像。
未受干扰的EM干涉图像形成框130的任务是合成来自于位于成像域21的内部或边界上的多个EM源/接收机30的2D或3D干涉图像(图片)135。图像形成过程期间，所有EM场装置30(i＝1到N和j＝1到M)被认为是EM场的源。由以下函数生成对(3D)未受干扰的EM干涉图像135的确定：
其中Ei＝1 to N(fk,x,y,z)和Ej＝1 to M(fk,x,y,z)是来自于位于物理源(从1到N)位置和相应的物理接收机(从1到M)位置的探测频率为fk的EM场装置的成像域21内的3DEM场(x，y，z)分布，并且Wk是频率权重函数，它考虑了将频率相关的EM干涉图像的不同输入输入到函数(1)中。图3是用于针对人的头部成像设计的成像域21的示例性未受干扰的EM干涉图像135。图像135是以特定的频率获得的，在这种情况下该频率是1GHz。图像是X-Y平面中的2D横截面视图，其中X和Y刻度以厘米为单位。
回到图2，EMIPRT方法100中的下一个主要操作是确定应用至EM干涉图像的目标因子，如框145所示。目标因子优选地是在特定探测频率处针对每对发送装置(i＝1到N)30到接收装置(j＝1到M)30而测得的EM场(来自框120)和仿真的EM场(来自框130)之间的差异的泛函。因此，目标因子确定框145的主输入是方法100的两个主要输入中的第二个(先前描述的在接收机的点上通过实验测得的EM场120)以及从未受干扰的EM干涉图像形成框130生成的输入数据140(在接收机的点上计算的或仿真的EM场)。输入到目标因子确定框145的这两个主要输入是数据的矩阵。第一个矩阵包含通过实验测得的EM场，表示为第二个矩阵包含仿真的EM场，表示为其中在这两种情况下，是表示EM场的电(E)分量和/或磁(H)分量的复矢量值。这些值可以表示为E场和/或H场中的每个矢量分量的复数(实部和虚部)值、或表示为E场和/或H场的标量值。它们也可以表示为E场和/或H场中的每个矢量分量的幅度和/或相位、或者表示为E场和/或H场的标量值。在本发明的至少一个实施例中，目标因子可以以下面的一般术语来表示：
其中，当发射机i是EM场源时，或分别是由接收机j测得的EM场的z分量的实验仿真值或测得值，其中
其中α、β和γ是系数，其为非零实数或零值，Ω是正则化算子，并且其中是其自变量(argument)的函数。
在本发明的其他实施例中，目标因子可具有不同的组成。这将影响电磁干涉图像及其图案。对于α＝1、β＝0和γ＝0，下面给出了替代目标因子的一个示例：
其中，当发射机i是EM场的源时，或分别是由接收机j测得的EM场的z分量的实验仿真值或测得值，并且其中是实验测得的EM场的z分量的最大范数。对于α＝1、β＝0和γ＝0，下面给出了替代目标因子145的另一个示例：
其中，当发射机i是EM场的源时，或分别是由接收机j测得的EM场的z分量的实验仿真值或测得值，并且其中当发射机i是幂为θ的EM场的源时，是由接收机j测得的通过实验测得的EM场的z分量的范数。幂θ可以例如是以下值：1或2或3或1/2或甚至其他值。
目标因子确定框145的输出和未受干扰的EM干涉图像形成框130的输出(即，2D或3D的未受干扰的EM干涉图像135)被用于形成受干扰的EM干涉图像，如框150所示。根据应用，在框150中生成的图像是2D或3D图像。如框150所示，在成像域21中形成(3D)受干扰的EM干涉图像包括例如公式(6)中所示的和的计算：
其中和是来自于位于物理源(从1到N)的位置处和相应的物理接收机(从1到M)的位置处的频率为fk的EM源30的3D EM场(x，y，z)分布，作为共轭值，并且如在框145处确定的，Object Factori,j是从发射机i到接收机j的所选目标因子的第“ij”个分量。
受干扰的EM干涉图像形成框150的输出是受干扰的EM干涉图像155(或其代表的数据)。在这方面，图4A和4B是两个人的头部案例的示例性受干扰的EM干涉图像155。每个图像155是X-Y平面中的2D横截面视图，其中X和Y刻度以厘米为单位。(将会理解，尽管图4A和图4B是2D图示，但可通过对相同处理的进一步应用来实现3D图像。)在(4)处示出的替代性的目标因子被用于这两个示例。当比较图3的未受干扰的EM图像135和图4A和图4B的受干扰的EM图像155时，在图4A和4B中清楚地显示了对象410、420(人的头部的X-Y横截面)的介电结构与EM干涉图案415、425的叠加，其中每个图中的最外面的深色环代表人类颅骨，并且这样的深色环内的拓扑相似图案是剩余的EM干涉图案。
在框150中形成受干扰的EM干涉图像之后，将图像(数据)155发送到图案识别框160和叠加图像形成框170两者。干涉图案识别及其应用作为两阶段处理，其中阶段1是图案识别本身，阶段2是将识别的图案应用于2D或3D EM叠加图像，使EM干涉图案无效或衰减，并显示对象19的2D或3D介电结构。这两个阶段通过图案识别框160和叠加图像形成框170在图2中示出。
可以使用各种图案识别方法。例如，图5是用于图2中所示的图案识别框160的一个图案识别策略500和一组公式的流程图。在图5中使用2D示例，但可以理解的是，可以跨多个X-Y截面应用这种图案识别以创建3D图像，如图5所示。
在下文中有时被称为“第二T优化”的替代性图案识别策略有利地允许在叠加图像形成框170的初始迭代或第一次迭代中开发更清晰的图案，并且因此在后续迭代中使得图案识别更容易。第二T优化的关键特征是在迭代i>1时使用(6)的推广以形成叠加图像(为简单起见，频率项被省略)：
在一些实施例中，系数α可以独立于迭代次数(并且可以通过试算法找到)，而在其他实施例中，它可以具有迭代相关值，这有助于加速收敛过程。在后一种情况下，一种可能的策略是在迭代i+1时具有系数α的值作为迭代i时的图像与迭代i-1时的图像之间的最大绝对差异：
(8)max‖ε(x,y,z)i-ε(x,y,z)i-1‖.
在本发明的其他实施例中，可以使用其他图案识别策略和/或算法来找到最佳系数α。
在一些实施例中，可以在方法100的每次迭代期间执行相同的图案识别策略/过程，而在其他实施例中，图案识别策略/过程可以在每次连续迭代之后动态地更新。
将图案识别框160的输出和受干扰的EM干涉图像形成框150的输出(即，受干扰的EM干涉图像155)提供给叠加图像形成框170。可以通过经由框160识别图案、将它们与受干扰的EM干涉图像155进行比较、然后进行图案校正，来完成叠加图像形成170。在框170中，分析数据以使EM干涉图案衰减或无效并显示表示为图像输出200的对象19的真实2D或3D结构。
图案校正可以如下执行。首先，在方法100的至少一些实施例中，可以将整个成像域21细分为多个特征成像子域。在这方面，图6是示出将成像域21细分成子域的图像600。更具体地，使用人的头部的示例作为对象19，成像域21可以细分为外部(外面)域605、颅骨域610、脑脊髓液(CSF)域615、灰质域620、和白质域625。图7是可以针对每个子域在叠加图像形成框170中执行的一种可能的图案校正策略700的流程图。在步骤705，计算归一化的∫V{(6)或(7)的值}，其中V是特定子域的体积。在步骤710，计算归一化的∫L-pattern{(6)或(7)的值}，其中L是第“ip”个图案的长度。参考图3可以容易地理解步骤710的逻辑。可以理解的是，有清晰的圆形图案。那些圆形图案的数量Np等于半径上的网格的数量。因此，对于如图3中那些简单的圆形图案，步骤710的积分在从1到Np的每个图案(第“ip”个图案)上、在2πRNp的长度上进行。类似地，对于更复杂的对象图案(例如，图4A和4B中呈现的稍微环形的图案)，步骤710涉及计算归一化的∫L-pattern{(6)或(7)的值}，其中L是第“ip”个图案的长度。然后在步骤715处，通过将(6)或(7)的新值设置为等于旧值与{∫V{(6)或(7)}–∫L-pattern{(6)或(7)}的和来校正第ip个图案上的图像。然后针对每个第ip个图案重复步骤710和715。
应该理解的是，图7中所示的图案校正策略不是唯一可以利用的图案校正策略；在不脱离本发明的范围的情况下可以附加地或替代地使用其他图案校正策略。
在每次经过框170的迭代之后，在步骤180处针对“收敛目标”评估输出。当收敛目标时，生成最终输出图像200。
结合本文呈现的图案识别技术的重要益处可以理解如下。在进行如图2所示的迭代过程时，EM干涉图案的影响倾向于显著扭曲所得到的目标2D或3D介电结构的图像。这是因为通过在以下迭代中获得的相似EM干涉图案放大了这种图案，并由此产生了图像的失真。在这方面，图8A是来自于类似于图2的方法100的迭代成像方法的虚拟的中风患者的头部19的示例性输出图像，但是在图像形成期间图案识别框160及其输出信息未被使用，而图8B是与图8A相同的虚拟的中风患者的头部19的示例性输出图像200，但是在叠加图像形成框170期间使用了图案识别框160及其输出信息。图8B在图像右下方清楚地显示了虚拟中风区域820。在没有干涉图案识别框160及其在框170中的应用的情况下获得的图8A中的图像在虚拟中风区域810内显示了一些图像失真，但是在没有更清晰的情况下，只能推测失真代表了虚拟中风区域。
还将认识到，尽管本文描述的方法(包括变化和置换)已经主要根据2D和3D图像进行描述，但相信同样适用于4D EMT技术(空间3D加上时间上的1D)，其中例如在USPA 13/173,078中描述的那样生成4D动态融合电磁层析图像，其全部内容通过引用并入本文。
基于上述信息，本领域技术人员将容易理解，本发明易于广泛使用和应用。除了本文中具体描述的那些实施例以外，本发明的许多实施例和改编以及许多变化、修改和等同布置将从本发明及其前述描述显而易见或合理地提出，而不背离本发明的实质或范围。
因此，尽管已经在本文中关于一个或多个优选实施例详细描述了本发明，但应该理解的是，本公开仅仅是本发明的说明和示例，并且仅为了提供完整且可实现的本发明的公开的目的。前述公开内容不旨在解释为限制本发明或以其他方式排除任何此类其他实施例、改编、变化、修改或等同布置；本发明仅由所附权利要求及其等同物限制。