基于WGAN-gp的电阻抗成像后处理算法研究
电阻抗成像是一种非侵入式的医学成像技术,但是常用的重建方法具有一定的伪影.为解决该问题,提出了一种基于Wasserstein距离和梯度惩罚的生成对抗网络的电阻抗成像后处理算法.采用仿真方法设置不同个数、大小、位置和阻抗值的目标物体,通过基于有限元法的正问题得到边界电压,建立数据集.然后选取多层神经网络进行初步成像,得到具有误差和伪影的电阻抗分布作为生成对抗网络的输入数据,为了还原优化后阻抗分布的细节,在对抗网路的损失函数中增加了绝对均方误差项,对网络的生成器与判别器进行对抗训练,训练后的生成器用于后处理.仿真数据和实测数据成像结果表明,提出的算法对于目标物体的阻抗值、面积大小和位置的重建更为准确,显著减少了目标物体的伪影.
电阻抗成像、深度学习、生成对抗网络、梯度惩罚
41
R318;TN911.73(医用一般科学)
2022-09-30(万方平台首次上网日期,不代表论文的发表时间)
共6页
124-129