电阻抗断层成像(electrical impedance tomography,EIT)是一种新的生物医学成像技术,相较与CT、MRI等大型生物医学影像学检查手段,电阻抗断层成像技术具有功能成像、无辐射、低廉、适用于床旁图像监护等优点,在颅脑血管疾病的连续监护方面有很好的应用前景。在EIT临床脑部监护过程中常发生因数据测量状态发生改变引入信号干扰,导致原始测量的交流电压信号中引入非颅内阻抗变化的边界电压改变。常见的体动干扰可能导致采集数据中断、数据采集不准确等影响后续数据分析与图像重构分辨率的情况,本文针对上述背景,开展了相应的研究,以提高临床颅脑EIT技术的适用性。本课题的研究包含了原始电压信号的采集、信号分析、量化估计及干扰预处理。首先,本文采用最大熵频谱分析方法对临床颅脑EIT原始电压信号进行数据的频域分析,利用最大熵频谱分析方法的高分辨率和短时性特点得到原始电压信号的频谱分析结果。采用经验模式分解法(empirical mode decomposition,EMD)将颅脑EIT原始电压信号中不同尺度的波动信号和其趋势逐级进行分解继而产生具有不同特征尺度本征模式函数(intrinsic mode function,IMF)分量,通过对本征模式函数分量进行Hilbert变换,获取颅脑EIT原始电压信号频率的瞬时特性,对原始电压信号的局部时变特征进行自适应时频分解。从时域、频域、时频结合的角度对临床颅脑EIT原始电压信号特点进行了定性、定量分析,将临床人体的原始电压信号特点与电阻网络物理模型物理仿真数据作对比研究,发现临床颅脑EIT对人脑进行监护过程应用过程中的数据差异。随后针对临床颅脑EIT测量过程中存在的影响原始电压信号质量的干扰误差因素,从原始电压信号到解调信号之间的数据变换角度、实际测量过程中存在的干扰情况角度对临床数据进行量化分析。分析了临床颅脑EIT监护、测量过程中电极系统受压力变化和电极脱落情况对原始电压信号的影响程度并作相关的临床实验研究。最后,针对临床颅脑EIT应用中由于测量电极与皮肤之间的测量状态发生改变引发电极极化干扰,导致原始测量的交流电压信号中引入干扰噪声造成非颅内阻抗变化的边界电压改变现象进行干扰预处理方法研究,提出了线性噪声模型,设计了具有正则项的目标函数,并利用梯度下降法进行数据平滑优化处理,并进行了仿真和临床实验验证。结果表明,通过对原始电压信号的时频域分析,可以得到原始电压信号中存在低频干扰,通过分析临床颅脑EIT监护过程中常见干扰因素,得到在原始电压信号中电极脱落干扰表现为原始信号的尖峰干扰,电极受压力作用表现为原始信号中的幅值阶跃变化,对电极极化干扰现象进行原始电压信号预处理,可以利用偏置斜率值评估数据质量,辅助临床数据的分析工作。