用于EIT圖像重建的深度神經(jīng)網(wǎng)絡(luò)模型構(gòu)建方法.pdf

1、電阻抗層析成像（Electrical impedance tomography，簡(jiǎn)稱EIT）技術(shù)是一種新型的功能成像技術(shù)，其通過(guò)測(cè)量物體表面的電信息，重建出物體內(nèi)部電導(dǎo)率分布的圖像。由于該技術(shù)具有無(wú)輻射性、非侵入性，響應(yīng)快速、成本低廉等優(yōu)點(diǎn)，在醫(yī)學(xué)成像和工業(yè)檢測(cè)等領(lǐng)域中具有廣闊的應(yīng)用前景。
　　EIT圖像重建是一個(gè)典型的非線性、病態(tài)逆問(wèn)題。目前大多數(shù)重建算法將EIT逆問(wèn)題進(jìn)行了線性近似，但線性化的過(guò)程中丟失了很多重要的信息，導(dǎo)致重

2、建的圖像質(zhì)量不高，且圖像中存在大量的偽影。而現(xiàn)有的人工神經(jīng)網(wǎng)絡(luò)的方法雖然有效的解決了非線性求解問(wèn)題，但在訓(xùn)練過(guò)程中容易過(guò)擬合，對(duì)于復(fù)雜非線性函數(shù)的學(xué)習(xí)能力有限，從而重建圖像的精度不高。本文針對(duì)目前的圖像重建算法中存在的問(wèn)題，提出基于深度神經(jīng)網(wǎng)絡(luò)模型的EIT圖像重建算法，利用深度神經(jīng)網(wǎng)絡(luò)高度逼近復(fù)雜非線性函數(shù)的能力，建立邊界電壓值與電導(dǎo)率分布的非線性映射關(guān)系，實(shí)現(xiàn)EIT圖像重建。本文主要研究?jī)?nèi)容如下:
　　1.采用堆棧式稀疏自編碼器

3、結(jié)合邏輯回歸模型構(gòu)建用于EIT圖像重建的深度神經(jīng)網(wǎng)絡(luò)模型。通過(guò)該網(wǎng)絡(luò)模型建立邊界電壓值與電導(dǎo)率分布之間的非線性映射關(guān)系，實(shí)現(xiàn)圖像重建，并分別進(jìn)行了仿真分析與實(shí)驗(yàn)驗(yàn)證。
　　2.通過(guò)構(gòu)建大數(shù)據(jù)樣本，以物體的幾何形狀作為先驗(yàn)信息，訓(xùn)練深度神經(jīng)網(wǎng)絡(luò)模型。為了提高網(wǎng)絡(luò)模型的性能，對(duì)網(wǎng)絡(luò)參數(shù)進(jìn)行優(yōu)化，以得到更好的圖像重建結(jié)果。
　　3.建立實(shí)驗(yàn)數(shù)據(jù)與仿真數(shù)據(jù)映射關(guān)系模型，對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行預(yù)處理，利用仿真數(shù)據(jù)訓(xùn)練好的深度神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)實(shí)