换一批基于互补信息融合网络的动态电阻抗断层成像算法研究
Dynamic electrical impedance tomography imaging algorithm based on complementary information fusion network
摘要目的:为了提高动态电阻抗断层成像(electrical impedance tomography,EIT)的图像质量,提出一种基于互补信息融合网络(complementary information fusion network,CIFN)的动态EIT算法.方法:CIFN主要由初始化模块、多帧互补信息提取模块和信息融合模块组成.首先,通过初始化模块得到多帧动态电导率分布图像;其次,利用多帧互补信息提取模块从图像中提取空间互补信息;最后,通过信息融合模块实现病灶目标分布信息的融合以及目标再重建,得到高质量的EIT图像.为验证CIFN算法的性能,在构建的16电极多层颅脑仿真模型上与传统的吉洪诺夫正则化算法、频谱约束算法和U-Net算法对不同类型病灶目标的成像结果进行对比.结果:与吉洪诺夫正则化算法、频谱约束算法和U-Net算法相比,提出的CIFN算法在对不同病灶目标进行成像时均表现出最低的平均绝对误差(mean absolute error,MAE)和最高的结构相似系数(structural similarity,SSIM),能够准确重构出病灶目标的分布情况.CIFN算法在常见的噪声水平下能够保持良好的成像稳定性.结论:提出的算法在颅脑仿真模型上得到了较高的成像质量,重建结果贴近真实模型分布,为后续的EIT临床研究提供了算法基础.
更多相关知识
关键词
动态电阻抗断层成像互补信息融合网络深度学习图像重建electrical impedance tomography imagingcomplementary information fusion networkdeep learningimage reconstruction
栏目名称
DOI
10.19745/j.1003-8868.2025098
发布时间
2025-06-24（万方平台首次上网日期，不代表论文的发表时间）
- 浏览3
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
