随着医学影像技术的发展,磁共振电阻抗成像(MREIT)已经成了当今生物医学工程的热门研究领域。MREIT是由电阻抗断层成像(EIT)技术与磁共振电流密度成像(MRCDI)技术相结合的新一代阻抗成像技术。根据生物组织的电导率在发生器质病变之前就有着较大变化的原理,MREIT技术可以在疾病的潜伏期或者病变早期就能及时的发现病变部位,极大的提前了诊断的时间,提高治疗的成功率,因此对该技术的研究有着广阔的前景和重要的意义。MREIT电阻抗成像问题可以概括为以下两个部分:正问题和逆问题。正问题求解目前通常的做法是通过有限元分析法。而逆问题的求解中,除了一些传统算法外,近年来,研究者们逐渐将一些智能算法应用到图像重构中,其中微分进化(DE)算法作为一种鲁棒、简单的全局优化进化算法,在MREIT中表现出了良好的性能,得到了很多研究者的关注。但该算法由于自身原理,在应对MREIT问题时也有一些固有问题。本论文在基于DE的MREIT图像重建算法的基础上,对算法目前存在的缺点进行创新和改进,主要的研究内容如下:1、在基于DE的MREIT图像重建算法中,MREIT正问题的求解贯穿于算法整个流程中,而正问题的求解计算量较大,耗时也较长,这就导致算法的整体效率较低。为了解决这个问题,论文提出了一种基于RBF神经网络和DE思想的MREIT算法,采用RBF神经网络构建电阻率与目标函数的非线性函数关系来代替传统的调用正问题进行个体评价,减少了对正问题的调用次数,在误差允许的前提下提高了算法效率。仿真实验验证了新提出算法的有效性。2、基于DE的MREIT图像重建算法每次都需对所有种群个体进行目标函数评价,并且存在后期搜索效率不高、可能发生种群聚集现象等问题。论文通过引入单纯形搜索方法到修改的DE算法中,保证了DE算法的种群多样性的同时加快了算法的后期搜索速度和搜索精度。仿真结果表明,改进算法能够获得较为清晰的电阻抗重建图像,相比基本DE算法,改进算法的图像重建误差和收敛速度都有明显的提升,有效提高了算法的整体性能。