基于無監(jiān)督學習的EIT圖像重建方法研究.pdf

1、電阻抗層析成像技術(Electrical Impedance Tomography,EIT)是一種新型的無損功能成像技術，因其具有可視化、無輻射、非入侵性、響應快、結構簡單、低成本等優(yōu)點，成為國內(nèi)外研究的熱點。
　　EIT圖像重建屬于逆問題求解，由于EIT逆問題存在嚴重的病態(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行求解，導致圖像重建精度降低?，F(xiàn)有的機器學習方法中，神經(jīng)網(wǎng)絡容易陷入局部極值點，且實際應用中難以獲得

2、足夠多的標記樣本用于訓練，導致模型的泛化能力較差。無監(jiān)督學習算法不需要單獨的離線訓練過程和帶標記的訓練數(shù)據(jù)集，可以通過自主學習數(shù)據(jù)集，抽取相應的內(nèi)在規(guī)律和規(guī)則，做出合理的決策。本文基于無監(jiān)督學習對EIT圖像重建方法展開研究，主要工作如下:
　　一、建立了EIT測量值到重建圖像的映射模型，將映射關系確定轉(zhuǎn)化為分類問題，根據(jù)像素分類結果重構出圖像像素值。
　　二、為了更好地實現(xiàn)像素分類，提高EIT重建圖像的準確性，提出基于等位區(qū)

3、理論的EIT邊界測量電壓預處理方法，建立物場區(qū)域到重建圖像像素的點對點映射模型，將測量電壓預處理得到的物場剖分子塊對應的電壓向量作為特征向量，對物場剖分子塊進行分類，從而得到像素分類結果。
　　三、依據(jù)不同的物質(zhì)具有不同的電阻抗，物場不同物質(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)督學習方法，對EIT系統(tǒng)中物場剖分子塊對應的特征向量進行分類，重構出物場中電導

4、率分布，實現(xiàn)EIT圖像重建。
　　四、為了驗證本文算法的有效性，對EIT重建圖像質(zhì)量進行了客觀、定量的評價，提出了具有物理意義的EIT圖像質(zhì)量評價指標，以占空比、形心、質(zhì)心、形狀誤差為評價指標分別對本文算法、共軛梯度法(Conjugate Gradient，CG)和BP神經(jīng)網(wǎng)絡算法實驗結果進行了評價。
　　通過仿真實驗和系統(tǒng)實驗驗證了本文算法的有效性，實驗結果表明，相對于傳統(tǒng)的CG重建算法和基于監(jiān)督學習BP神經(jīng)網(wǎng)絡算法，本文