基于無監(jiān)督學(xué)習(xí)的EIT圖像重建方法研究.pdf

1、電阻抗層析成像技術(shù)(Electrical Impedance Tomography,EIT)是一種新型的無損功能成像技術(shù)，因其具有可視化、無輻射、非入侵性、響應(yīng)快、結(jié)構(gòu)簡(jiǎn)單、低成本等優(yōu)點(diǎn)，成為國(guó)內(nèi)外研究的熱點(diǎn)。
　　EIT圖像重建屬于逆問題求解，由于EIT逆問題存在嚴(yán)重的病態(tài)性和非線性，傳統(tǒng)的重建方法將EIT逆問題映射到特定的空間進(jìn)行求解，導(dǎo)致圖像重建精度降低?，F(xiàn)有的機(jī)器學(xué)習(xí)方法中，神經(jīng)網(wǎng)絡(luò)容易陷入局部極值點(diǎn)，且實(shí)際應(yīng)用中難以獲得

2、足夠多的標(biāo)記樣本用于訓(xùn)練，導(dǎo)致模型的泛化能力較差。無監(jiān)督學(xué)習(xí)算法不需要單獨(dú)的離線訓(xùn)練過程和帶標(biāo)記的訓(xùn)練數(shù)據(jù)集，可以通過自主學(xué)習(xí)數(shù)據(jù)集，抽取相應(yīng)的內(nèi)在規(guī)律和規(guī)則，做出合理的決策。本文基于無監(jiān)督學(xué)習(xí)對(duì)EIT圖像重建方法展開研究，主要工作如下:
　　一、建立了EIT測(cè)量值到重建圖像的映射模型，將映射關(guān)系確定轉(zhuǎn)化為分類問題，根據(jù)像素分類結(jié)果重構(gòu)出圖像像素值。
　　二、為了更好地實(shí)現(xiàn)像素分類，提高EIT重建圖像的準(zhǔn)確性，提出基于等位區(qū)

3、理論的EIT邊界測(cè)量電壓預(yù)處理方法，建立物場(chǎng)區(qū)域到重建圖像像素的點(diǎn)對(duì)點(diǎn)映射模型，將測(cè)量電壓預(yù)處理得到的物場(chǎng)剖分子塊對(duì)應(yīng)的電壓向量作為特征向量，對(duì)物場(chǎng)剖分子塊進(jìn)行分類，從而得到像素分類結(jié)果。
　　三、依據(jù)不同的物質(zhì)具有不同的電阻抗，物場(chǎng)不同物質(zhì)區(qū)域具有區(qū)別性的特征向量，提出了基于模糊C均值(Fuzzy C-Means Algorithm，F(xiàn)CM)聚類的無監(jiān)督學(xué)習(xí)方法，對(duì)EIT系統(tǒng)中物場(chǎng)剖分子塊對(duì)應(yīng)的特征向量進(jìn)行分類，重構(gòu)出物場(chǎng)中電導(dǎo)

4、率分布，實(shí)現(xiàn)EIT圖像重建。
　　四、為了驗(yàn)證本文算法的有效性，對(duì)EIT重建圖像質(zhì)量進(jìn)行了客觀、定量的評(píng)價(jià)，提出了具有物理意義的EIT圖像質(zhì)量評(píng)價(jià)指標(biāo)，以占空比、形心、質(zhì)心、形狀誤差為評(píng)價(jià)指標(biāo)分別對(duì)本文算法、共軛梯度法(Conjugate Gradient，CG)和BP神經(jīng)網(wǎng)絡(luò)算法實(shí)驗(yàn)結(jié)果進(jìn)行了評(píng)價(jià)。
　　通過仿真實(shí)驗(yàn)和系統(tǒng)實(shí)驗(yàn)驗(yàn)證了本文算法的有效性，實(shí)驗(yàn)結(jié)果表明，相對(duì)于傳統(tǒng)的CG重建算法和基于監(jiān)督學(xué)習(xí)BP神經(jīng)網(wǎng)絡(luò)算法，本文