Deep Learning Based Electromagnetic Source Imaging Method Using Deep Convolutional Conditional Denoising Diffusion Probabilistic Model

Heming Yao

doi:10.1109/tap.2026.3722328

Deep Learning Based Electromagnetic Source Imaging Method Using Deep Convolutional Conditional Denoising Diffusion Probabilistic Model

2026-08-17

0

PRE

AI

DOI：10.1109/tap.2026.3722328

原文链接

原文求助

摘要

En 中文

本研究介绍了一种利用深度学习（DL）技术，采用深度卷积条件去噪扩散概率模型（DCCDDPM）的电磁源成像（EMSI）方法。传统的EMSI方法常面临低精度和不适定性等挑战。新提出的EMSI方法命名为DCCDDPM-EMSI，包含正向扩散过程和反向扩散过程。其扩散过程始于目标上的电磁等效源，并在一系列步骤中添加高斯噪声。相反，反向扩散过程通过DL-based噪声预测网络结合电磁散射测量作为条件输入，逐步预测噪声。与传统DDPM框架相比，所提出的DCCDDPM-EMSI在训练过程中引入基于模型的损失项，用于测量真实电磁源与预测源之间的差异。因此，所提出的DCCDDPM-EMSI能够从测量的电磁散射场数据重建目标的电磁等效源。与传统的EMSI方法不同，DCCDDPM-EMSI能够在不产生过高计算成本的情况下实现更高保真度的电磁源重建。数值基准测试表明，DCCDDPM-EMSI不仅能保证高精度，还具有出色的泛化能力，为受DL启发的定量电磁成像提供了显著进展。

Keyword:

EM source imaging method

Real time

Deep learning

Denoising diffusion probabilistic

Deep Learning Based Electromagnetic Source Imaging Method Using Deep Convolutional Conditional Denoising Diffusion Probabilistic Model

摘要

期刊

机构

引用论文