基于径向基函数神经网络的脑损伤电阻抗成像仿真研究

目的:基于径向基函数(RBF)神经网络对不同脑损伤场景目标进行电阻抗断层扫描(EIT)图像重建,评价不同状态下损伤预测准确率,为后期成像方法优化奠定基础.方法:基于COMSOL仿真建模软件建立多层圆域仿真模型,利用外部插件编程实现模型循环激励和RBF神经网络的生成,分别对单一脑出血和脑缺血、多发脑出血和脑缺血4种脑损伤状态进行EIT图像重建,利用图像相关系数和神经网络均方误差评估RBF神经网络的损伤预测能力.结果:在4种不同脑损伤状态下,RBF神经网络能够预测出不同位置及大小的出血和缺血目标,且4种状态的脑损伤图像相关系数(r值)分别为0.985、0.989、0.965和0.965,均方误差分别为0.0015、0.00002、0.0035和0.00004,证明其预测准确率较高.结论:RBF神经网络可以应用于复杂模型和多个脑损伤状态的EIT图像重建,可为后期图像重构算法优化提供一定算法基础.