公开(公告)号：CN113781600B

公开(公告)日：2024-02-23

申请号：CN202111038002.6

申请日：2021-09-06

Applicant: 南京邮电大学

Inventor： 戎舟 ,  方滔

IPC: G06T11/20 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的电阻抗成像形状重建方法，包括：使用有限元方法，对背景区域以三角形为单元进行剖分；在背景区域内设置控制点向量，采用B样条闭合曲线生成方法得到背景区域内目标物体的边界形状及其位置；在背景阻抗值为σ0的情况下，设置不同目标物体的阻抗值，使用有限元法计算边界电压值；将边界电压值作为神经网络的输入，不同目标物体的阻抗值和控制点向量作为神经网络的输出，得到神经网络模型的训练数据集，建立EIT深度学习网络模型；将被测区域的边界电压值输入到训练好的神经网络模型，输出被测区域物体的阻抗值以及控制点向量，进而重建被测区域内目标物体边界形状及其位置。

公开(公告)号：CN110969677A

公开(公告)日：2020-04-07

申请号：CN202010004004.2

申请日：2020-01-02

Applicant: 南京邮电大学

Inventor： 戎舟 ,  李若愚 ,  方滔

IPC: G06T11/00 ,  G06N3/08 ,  G06N3/04 ,  A61B5/053

Abstract: 本发明揭示了一种基于神经网络的电阻抗成像方法，该方法包括以下步骤：S1：对背景区域以三角形为剖分单元，使用有限元剖分；在背景区域内模拟生成不同的仿真目标物体，设置目标物体的阻抗分布数据；S2：根据S1步骤得到的阻抗分布数据，使用有限元法计算边界电压的分布；以电压值和阻抗分布分别作为神经网络的输入和输出，得到神经网络模型的训练数据集；S3：根据S2步骤得到的训练数据集搭建神经网络的输入层、隐藏层、输出层结构。使用仿真数据进行训练，对于实测数据也有很好的适应性，成像效果良好。经过训练的神经网络精度高，抗噪能力强，成像质量高，而且提前训练好的网络运算速度快，具有较好的效果。

公开(公告)号：CN113781600A

公开(公告)日：2021-12-10

申请号：CN202111038002.6

申请日：2021-09-06

Applicant: 南京邮电大学

Inventor： 戎舟 ,  方滔

IPC: G06T11/20 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于深度学习的电阻抗成像形状重建方法，包括：使用有限元方法，对背景区域以三角形为单元进行剖分；在背景区域内设置控制点向量，采用B样条闭合曲线生成方法得到背景区域内目标物体的边界形状及其位置；在背景阻抗值为σ0的情况下，设置不同目标物体的阻抗值，使用有限元法计算边界电压值；将边界电压值作为神经网络的输入，不同目标物体的阻抗值和控制点向量作为神经网络的输出，得到神经网络模型的训练数据集，建立EIT深度学习网络模型；将被测区域的边界电压值输入到训练好的神经网络模型，输出被测区域物体的阻抗值以及控制点向量，进而重建被测区域内目标物体边界形状及其位置。