典型文献
一种O-Net卷积神经网络优化的电阻抗成像技术
文献摘要：
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.
文献关键词：
医学成像;反问题;有限元法;U-Net;稀疏编码;随机椭圆数据集
中图分类号：
作者姓名：
丁亚;王韦刚;涂真珍;许晨东
作者机构：
南京邮电大学 电子与光学工程学院 微电子学院,南京210023;南京邮电大学 材料科学与工程学院,南京210023
文献出处：
引用格式：
[1]丁亚;王韦刚;涂真珍;许晨东-.一种O-Net卷积神经网络优化的电阻抗成像技术)[J].生物医学工程研究,2022(02):129-136
A类：
随机椭圆数据集
B类：
Net,神经网络优化,电阻抗成像技术,逆问题,传统解,计算成本,建模误差,深度卷积神经网络,反演方法,非迭代算法,截断奇异值分解,分解方法,测量值,图像重建,入神,神经网络结构,输入与输出,跳层连接,动态连接,稀疏表示,表示方法,计算误差,深度学习方法,成像质量,应于,医学成像,反问题,有限元法,稀疏编码
AB值：
0.350255
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
