.png){kind=icon}
返回
Deep prior embedding method for Electrical Impedance Tomography
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2025.107419.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本文提出了一种基于深度学习的电阻抗断层成像（EIT）重建新方法，该方法有效整合图像先验信息以提升重建质量。传统神经网络方法通常依赖随机初始化，可能无法充分利用先验信息。我们的方法通过利用图像先验来指导神经网络的初始化，从而实现更明智的起始点，并在整个重建过程中更好地利用先验知识。我们探索了三种不同的先验信息嵌入策略：无先验嵌入、隐式先验嵌入和全先验嵌入。通过仿真和实验研究，我们证明准确整合图像先验信息可显著提高重建电导率分布的保真度。该方法在测量数据的不同噪声水平下均表现出鲁棒性，且当先验信息与真实分布高度相似时，重建质量显著提升。本研究强调了在EIT中利用先验信息的重要性，并提供了一个可扩展至其他具备先验知识的反问题的框架。
Keyword:
Prior embedding
Self-supervised learning
Coordinate-based neural representation
Fourier feature projection
Electrical impedance tomography
Inverse problem
期刊
IF:
6.3
论文数:
7.8K
被引数:
3.0W
机构
引用论文
.png){kind=icon}
NeRP: Implicit Neural Representation Learning With Prior Embedding for Sparsely Sampled Image ReconstructionNeRP: 具有先验嵌入的隐式神经表示学习，用于稀疏采样图像重建
OAAI
OAAI分享收藏
查看更多内容