用图形U网进行域独立后处理:用于电阻断层成像的应用⋆
William Herzberg1, Andreas Hauptmann2, Sarah J Hamilton1
1Department of Mathematical and Statistical Sciences; Marquette University, Milwaukee, WI 53233, United States of America.
Physiological measurement
|November 9, 2023
概括
我们开发了一个图形U-Net来处理不规则的网格数据,改进了电阻断层扫描 (EIT) 的早期代重建. 这种灵活的网络可以降低复杂的反向问题的计算成本.
科学领域:
- 计算机视觉 计算机视觉
- 医疗成像医学成像
- 图形神经网络 图形神经网络
背景情况:
- 在图像细分方面,U-Net架构非常成功,但仅限于常规的像素/voxel域.
- 不规则的网格通常用于解决反向问题,例如电阻断层扫描 (EIT).
研究的目的:
- 扩展U-Net架构,通过开发基于图的等效来处理不规则的网格.
- 为了证明拟议的图表U-Net对改善EIT重建的有效性.
主要方法:
- 将不规则的网格解释为图形,以开发图形U-Net.
- 引入了新的集群聚合和解散层,以模仿图表上的最大聚合操作.
- 在各种测量设备的模拟和实验EIT数据上评估性能.
主要成果:
- 图表U-Net有效地改善了EIT的早期代总变化 (TV) 重建,甚至从第一个代开始.
- 演示了概括能力,在2D数据上训练的网络成功应用于3D重建.
- 在不同的测量几何形状和仪器仪表中表现出灵活性.
结论:
- 图形U-Net提供了一种灵活的解决方案,用于处理不规则网格上的数据,直接适用于计算领域.
- 这种方法显著降低了反向问题的计算成本,特别是在更高的维度.
- 维度独立的图形结构促进了对2D数据的训练和对3D问题的应用,进一步优化了计算效率.


