返回
Deep learning-based image reconstruction for electrical capacitance tomography
DOI:10.1088/1361-6501/add8ad.png)
摘要
En 中文
电气电容层析成像(ECT)是一种广泛用于两相流成像和参数测量的非侵入式测量技术。ECT图像重建分析ECT传感器的电容测量值,并通过特定算法重建感知域中的介电常数分布。由于该问题具有不适定性,图像重建一直是ECT研究中的热点和难点。过去十年,深度学习的蓬勃发展为解决这一挑战引入了有前景的途径。已开发出大量基于深度学习的模型和算法用于ECT图像重建,并取得了显著成果。本文全面总结了ECT图像重建领域最先进的深度学习方法。此外,本文还从展望的角度讨论了基于深度学习的ECT图像重建所面临的挑战和未来方向。
Keyword:
electrical capacitance tomography
image reconstruction
deep learning
neural networks
dataset
期刊
IF:
3.4
论文数:
2.7K
被引数:
2.3W
机构
引用论文
Imaging of regional lung function by capacitively coupled electrical impedance tomography and image reconstruction using deep neural network基于电容耦合电阻抗层析成像的区域肺功能成像及使用深度神经网络的图像重建
Image Reconstruction for Electrical Capacitance Tomography Based on Sparse Representation基于稀疏表示的电容层析成像图像重建
Convolutional Attention Network for Electrical/Ultrasound Dual-Modal Fusion 2-D Image Reconstruction
Testing Scenario Library Generation for Connected and Automated Vehicles, Part I: Methodology联网和自动化车辆的测试场景库生成,第一部分: 方法
CGAN-ECT: Reconstruction of Electrical Capacitance Tomography images from capacitance measurements using Conditional Generative Adversarial NetworksCgan-ect: 使用条件生成对抗网络从电容测量中重建电容层析成像图像
Image reconstruction using machine-learned pseudoinverse in electrical capacitance tomography基于机器学习伪逆的电学电容层析成像图像重建

