基于深度學習的EIT圖像重建算法研究.pdf

1、電阻抗層析成像（Electrical Impedance Tomography，簡稱EIT）技術是近幾十年新出現的一種無損檢測技術。由于該技術具有無輻射、非侵入、響應快、結構簡單以及成本低廉等優(yōu)點，在醫(yī)學成像、工業(yè)成像和地質勘探等領域具有廣闊的應用前景。
　　EIT圖像重建問題是一個非線性的病態(tài)逆問題，且測量系統(tǒng)往往存在噪聲，使重建圖像中存在偽影，傳統(tǒng)的圖像重建方法對重建圖像偽影的抑制能力有限。本文首先提出了淺層網絡智能學習法，為

2、了克服淺層神經網絡的缺點，進一步提出了深度學習法。主要研究的算法如下:
　　1.提出了基于Hopfield網絡的EIT圖像重建算法，詳細介紹了該網絡能量函數的建立、求解以及圖像重建過程，并通過仿真和系統(tǒng)實驗進行了有效性驗證。
　　2.提出了基于最速下降BP網絡的EIT圖像重建算法，詳細介紹了該網絡的正向傳播和誤差反向傳播的過程，以及利用最速下降法建立EIT邊界測量電壓和電導率之間非線性關系的過程，通過仿真和系統(tǒng)實驗驗證了算法

3、的有效性。
　　3.提出了基于深度模型的EIT圖像重建算法，詳細介紹了EIT深度學習網絡的建立、初始化以及模型訓練過程，并通過仿真和系統(tǒng)實驗驗證了該算法的有效性，證明了該方法能有效克服了淺層網絡學習法中容易過擬合、對參數依賴性強以及對復雜函數表示能力有限的問題。
　　4.提出了基于深度字典的稀疏成像方法，詳細介紹了稀疏成像中稀疏系數的求解和用深度學習訓練字典的過程，并通過仿真和系統(tǒng)實驗驗證了算法具有較好的保邊緣性。