基于径向基函数神经网络的脑部电阻抗断层成像仿真研究

Simulation study of brain electrical impedance tomography based on radial basis function neural network

二维码有效期 120s

摘要目的:研究不同实现方式的径向基函数神经网络(radial basis function neural network,RBFNN)在具有真实解剖结构的脑部模型下的电阻抗断层成像(electrical impedance tomography,EIT)能力,为实际成像方法选择提供参考.方法:利用COMSOL Multiphysics软件基于脑部CT图像构建具有真实解剖结构的多层脑部EIT仿真模型并生成EIT仿真数据集,基于该数据集探究精确RBFNN、基于正交最小二乘法的RBFNN、基于K-Means的RBFNN 3种成像方法对图像重建结果的影响.采用图像相关系数(image correlation coefficient,ICC)和均方根误差(root mean square error,RMSE)评价成像结果.结果:无噪声的情况下3种方法均可成像且精确RBFNN的成像效果最好,在测试集中ICC和RMSE的平均值分别为0.784和0.467.基于正交最小二乘法的RBFNN在隐藏层节点数为50时成像效果最好,其ICC和RMSE的平均值分别为0.788和0.462.基于K-Means的RBFNN在噪声水平为30、40、50、60、70、80 dB时均能获得较好的成像结果,且能保持较稳定的ICC和RMSE,具备较好的鲁棒性.结论:3种RBFNN均可用于脑部EIT图像重建,且各有优劣,可根据实际情况选择合适的RBFNN用于EIT重建.