基于集体学习算法的电阻断层扫描图像重建用于肺部监测
Areen K Al-Bashir1, Duha H Al-Bataiha1, Mariem Hafsa2
1Biomedical Engineering Department Jordan University of Science and Technology Irbid Jordan.
Healthcare technology letters
|October 3, 2024
概括
本研究介绍了一种使用卷积神经网络的集体学习方法,以改善电阻断层扫描 (EIT) 图像重建. 这种先进的技术增强了潜在的临床应用的导电性成像.
科学领域:
- 生物医学工程 生物医学工程
- 医疗成像医学成像
- 计算科学 计算科学
背景情况:
- 电阻断层扫描 (EIT) 是一种非侵入性成像方法.
- 由于其对图像重建的非线性和错误设置的反向问题,EIT面临着挑战.
- 准确的导电分布成像对于临床应用至关重要.
研究的目的:
- 为EIT开发一个改进的图像重建方法.
- 为了解决EIT反向问题的非线性和错位性质.
- 提高人类胸部重建EIT图像的质量.
主要方法:
- 创建了一个模拟的人类胸部数据集.
- 采用集体学习方法,结合多个卷积神经网络 (CNN) 模型 (CNN,AlexNet,AlexNet与剩余块,修改的AlexNet).
- 使用基于确定系数 (R2分数) 的平均化技术优化模型重量.
主要成果:
- 整体模型实现了0.09404.4的根平均平方误差 (RMSE).
- 确定系数 (R2得分) 达到了0.926186.
- 获得了0.95783的图像相关系数 (ICC),表明重建质量很高.
结论:
- 拟议的集体学习方法显著提高了EIT图像重建质量.
- 该方法显示了有价值的临床EIT应用和测量的潜力.
- 与之前的EIT重建研究相比,这种方法提供了一个有希望的解决方案.
