一种O-Net卷积神经网络优化的电阻抗成像技术
丁亚1
王韦刚1
涂真珍2
许晨东1
1.南京邮电大学 电子与光学工程学院 微电子学院,南京2100232.南京邮电大学 材料科学与工程学院,南京210023
摘要：电阻抗成像逆问题的传统解决方法计算成本高、噪声大、建模误差大.本研究提出了一种O-Net深度卷积神经网络的反演方法,并与非迭代算法相结合以解决该问题.首先,通过截断奇异值分解方法对测量值进行图像重建,并将重建后的图像输入神经网络;其次,提出了O-Net神经网络结构,在输入与输出之间添加跳层连接,并进行1*1卷积,实现输入与输出的动态连接.最后,在跳层连接之前构建了稀疏表示方法,以减少输入图像中的计算误差.实验结果表明,相较于其它深度学习方法,本研究方法有效地减少了电阻抗成像的计算成本、提高了成像质量.同时实验结果验证了本研究的O-Net神经网络更适应于电阻抗成像技术.
关键词：医学成像反问题有限元法U-Net稀疏编码随机椭圆数据集
分类号：R318(医用一般科学)TP183(自动化基础理论)
资助基金：江苏省研究生科研与实践创新计划项目(KYCX20_0802,SJCX21_0254)
论文发表日期：2022-06-25
在线出版日期：2026-09-11（本平台首次上网日期，不代表文献的发表时间）
页数：8( 129-136 )
英文信息