[發(fā)明專(zhuān)利]一種基于生成對(duì)抗網(wǎng)絡(luò)的電阻抗成像方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 201811553939.5
• 申請(qǐng)日: 2018-12-18
• 公開(kāi)（公告）號(hào): CN109674471A
• 公開(kāi)（公告）日: 2019-04-26
• 發(fā)明（設(shè)計(jì)）人: 劉東;俞政杰;榮星;杜江峰
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)科學(xué)技術(shù)大學(xué)
• 主分類(lèi)號(hào): A61B5/053
• 分類(lèi)號(hào): A61B5/053;G06N3/04;G06N3/08
• 代理公司: 北京集佳知識(shí)產(chǎn)權(quán)代理有限公司 11227
• 代理人: 古利蘭;王寶筠

本申請(qǐng)公開(kāi)了一種基于生成對(duì)抗網(wǎng)絡(luò)的電阻抗成像方法及系統(tǒng)，方法包括：在物場(chǎng)邊界處施加激勵(lì)信號(hào)，并在邊界測(cè)得電學(xué)響應(yīng)信號(hào)電壓值；基于電壓值進(jìn)行初步成像，得到初步成像圖片；將初步成像圖片輸入預(yù)先訓(xùn)練好的生成對(duì)抗網(wǎng)絡(luò)，得到最終成像的圖片。本申請(qǐng)?zhí)峁┑碾娮杩钩上穹椒ǎm用范圍很廣，能結(jié)合任意的初步成像算法使用，在初步成像的基礎(chǔ)上，利用生成對(duì)抗網(wǎng)絡(luò)進(jìn)一步重建圖像，改善了成像精度，相對(duì)于現(xiàn)有技術(shù)，能夠快速、高精度的成像。

技術(shù)領(lǐng)域

本申請(qǐng)涉及電學(xué)成像技術(shù)領(lǐng)域，尤其涉及一種基于生成對(duì)抗網(wǎng)絡(luò)的電阻抗成像方法及系統(tǒng)。

背景技術(shù)

電阻抗成像是電學(xué)層析成像技術(shù)的一種，它通過(guò)在物場(chǎng)邊界處有規(guī)律地施加激勵(lì)信號(hào)，在邊界處可測(cè)得電學(xué)響應(yīng)信號(hào)，算法重建出場(chǎng)內(nèi)的阻抗分布信息，實(shí)現(xiàn)場(chǎng)內(nèi)介質(zhì)的二維\三維可視化測(cè)量。

電阻抗成像興起于20世紀(jì)80年代，是醫(yī)學(xué)成像技術(shù)的一個(gè)新方向，該技術(shù)出現(xiàn)以后，以其非侵入式、無(wú)輻射、成像速度快、設(shè)備簡(jiǎn)單、價(jià)格低廉、可視化等優(yōu)點(diǎn)，在工業(yè)、醫(yī)學(xué)、地質(zhì)勘察等領(lǐng)域，都受到了廣泛的關(guān)注，有著巨大潛力被廣泛應(yīng)用于成像和復(fù)雜過(guò)程監(jiān)控。

由于EIT(Electrical Impedance Tomography，電阻抗成像)技術(shù)的“軟場(chǎng)”特性，使得EIT圖像重建問(wèn)題是高度非線性的。傳統(tǒng)的解決非線性問(wèn)題的重建算法，有靜態(tài)成像算法和動(dòng)態(tài)成像算法。動(dòng)態(tài)成像算法又稱(chēng)為差分成像，方法簡(jiǎn)單，具有很高的抗噪聲能力和魯棒性，現(xiàn)在仍被廣泛使用，包括線性反投影法、一步牛頓重建法等，但成像精度較低。靜態(tài)成像算法又稱(chēng)為絕對(duì)成像，重建精度較高，可以用于定量分析，包括有迭代Tikhonov正則化、基于共軛梯度的算法等，但該類(lèi)算法在每次迭代都需要進(jìn)行一次正問(wèn)題、反問(wèn)題求解，計(jì)算效率較低，不能滿(mǎn)足實(shí)時(shí)成像。

隨著計(jì)算機(jī)計(jì)算力的提升和大量的數(shù)據(jù)的積累，深度學(xué)習(xí)技術(shù)發(fā)展更加成熟。在很多領(lǐng)域深度學(xué)習(xí)都發(fā)揮出了其巨大的優(yōu)勢(shì)，甚至在一些領(lǐng)域深度學(xué)習(xí)算法超越了傳統(tǒng)算法，如在圖像處理領(lǐng)域、機(jī)器翻譯領(lǐng)域。在醫(yī)學(xué)圖像領(lǐng)域，已經(jīng)有大量使用深度學(xué)習(xí)的CT(Computed Tomography，計(jì)算機(jī)斷層成像)、MRI(Magnetic Resonance Imaging，核磁共振成像)、PET(Positron Emission Tomography，正電子放射斷層造影術(shù))圖像處理、重建相關(guān)的技術(shù)。在電阻抗成像領(lǐng)域(EIT)，也出現(xiàn)了利用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional NeuralNetwork，CNN)用于算法重建的方法，有基于LeNet網(wǎng)絡(luò)的算法重建和基于U-net網(wǎng)絡(luò)的算法重建。

電阻層析成像旨在利用測(cè)量電壓數(shù)據(jù)，算法重建恢復(fù)真實(shí)物體電導(dǎo)率分布。2018年7月發(fā)表在IEEE SENSORS JOURNAL期刊的Image Reconstruction Based onConvolutional Neural Network for Electrical Resistance，專(zhuān)利CN201610905596，介紹了基于卷積神經(jīng)網(wǎng)絡(luò)的電阻抗成像方法。該方法基于LeNet結(jié)構(gòu)的網(wǎng)絡(luò)，使用了大量數(shù)據(jù)樣本對(duì)模型訓(xùn)練，并使用了dropout和移動(dòng)平均值對(duì)模型進(jìn)行了改善，最終訓(xùn)練好的網(wǎng)絡(luò)，能從物場(chǎng)測(cè)量數(shù)據(jù)生成算法重建圖。文章中提出的基于CNN的電阻層析成像方法，相比于傳統(tǒng)的LBP,Tikhonov,Landwber方法有更好的成像結(jié)果。但這種成像方法，需要提供大量的訓(xùn)練樣本。另外，相比較一些先進(jìn)的傳統(tǒng)成像算法，它的成像精度仍然是比較差的。