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

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.