基于多分支一维卷积神经网络电阻抗断层成像数据后处理方法研究

作者：叶健安; 田翔; 王普; 张涛; 章伟睿; 刘学超; 徐灿华; 付峰^*

来源：空军军医大学学报, 2022, 43(08): 842-851.

DOI：10.13276/j.issn.2097-1656.2022.07.012

• 电阻抗断层成像
• 卷积神经网络
• 深度学习
• 图像重构

目的 针对动态电阻抗断层成像(EIT)在临床应用过程中容易受到噪声干扰的问题，建立一个EIT数据处理神经网络模型，为EIT在后续临床应用方面的研究奠定基础。方法 利用电场仿真建立扰动模型，制作EIT扰动目标数据集，基于多分支网络结构和残差卷积单元，建立多分支一维卷积神经网络(MB-1DCNN)模型；利用数据集进行训练；将训练后的网络模型对传统动态EIT算法重构的电导率数据进行处理。结果 在无噪声情况下，MB-1DCNN模型重构图像在结构相似度指标中平均值为0.85,平均绝对误差指标中平均值为4.83,重构图像清晰，扰动目标位置明确。在低信噪比的情况下，MB-1DCNN模型依然能够重构出准确的目标，且重构图像中伪影较少。结论 MB-1DCNN模型减少了传统算法重构图像中的伪影，提升了传统算法的抗噪能力，为后续动态EIT临床应用研究提供了新的算法。

• 单位
  中国人民解放军空军军医大学