CN111035387A - 提升电阻率成像获取图片质量的方法 - Google Patents

提升电阻率成像获取图片质量的方法 Download PDF

Info

Publication number
CN111035387A
CN111035387A CN201911372717.8A CN201911372717A CN111035387A CN 111035387 A CN111035387 A CN 111035387A CN 201911372717 A CN201911372717 A CN 201911372717A CN 111035387 A CN111035387 A CN 111035387A
Authority
CN
China
Prior art keywords
resistivity imaging
algorithm
voltage value
generated
calculation
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201911372717.8A
Other languages
English (en)
Inventor
赵春宇
黄一伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Jiaotong University
Original Assignee
Shanghai Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Jiaotong University filed Critical Shanghai Jiaotong University
Priority to CN201911372717.8A priority Critical patent/CN111035387A/zh
Publication of CN111035387A publication Critical patent/CN111035387A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0536—Impedance imaging, e.g. by tomography
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0033—Features or image-related aspects of imaging apparatus classified in A61B5/00, e.g. for MRI, optical tomography or impedance tomography apparatus; arrangements of imaging apparatus in a room
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/04—Context-preserving transformations, e.g. by using an importance map

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Surgery (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Molecular Biology (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Veterinary Medicine (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Measurement Of Resistance Or Impedance (AREA)

Abstract

本发明公开了一种提升电阻率成像获取图片质量的方法，包括以下步骤：对仿真设定生成数据进行电阻率成像算法计算；将仿真设定生成数据和经过电阻率成像算法计算生成的算法生成数据作为输入特征进行风格迁移训练获得算法生成数据与仿真设定生成数据的映射函数；将实际情况下采用电阻率成像算法生成的图像带入风格迁移训练获得的映射函数中进行处理获得新图像。本发明的有益之处在于可以在不增加数据获取需求的情况下有效地提高生成图像质量。

Description

提升电阻率成像获取图片质量的方法
技术领域
本发明涉及一种提升电阻率成像获取图片质量的方法。
背景技术
目前，电阻率成像方法主要包括反投影算法和牛顿迭代法。其中，牛顿迭代法理论比较完善、应用比较广泛、生成图片的清晰度较高，但可能出现不收敛的情况，若强行降低收敛标准，会导致算法精度下滑。而反投影算法的优点主要是简单直观、计算量小、速度快，对信息量的要求不高，利用该算法图像重建能够比较容易实现。但这种成像算法也有明显的不足，主要是成像精度低、比较模糊，很多情况下，无法得到场域内准确的电阻率分布，只能得到物质分布的大体轮廓，更多的只能用于定性的在线观测分析。
近年来，国内外许多研究机构对反投影算法和牛顿迭代法进行了改进完善，提出了诸如滤波反投影算法、单步灵敏度系数算法、基于奇异值分解的直接法等，但这些方法要么精度低、成像质量差，要么处理过程复杂、计算量大、速度慢。随着现代医学的发展，医生在临床对图像清晰度逐步提升，有必要提升传统的电阻率成像算法的成像精度。
发明内容
为解决现有技术的不足，本发明提供了一种提升电阻率成像获取图片质量的方法，利用图像风格迁移技术对电阻率成像算法获得的图像进行二次处理，在不增加数据获取需求的情况下有效地提高生成图像质量。
一种提升电阻率成像获取图片质量的方法，包括以下步骤：
对仿真设定生成数据进行电阻率成像算法计算；
将仿真设定生成数据和经过电阻率成像算法计算生成的算法生成数据作为输入特征进行风格迁移训练，其中，利用正问题有限元法计算得到的待测区域电压值与实测得到的待测区域电压值进行比较判断是否终止迭代过程；
经过多次重复训练获得与实际模型最为相符的雅可比矩阵；
雅可比矩阵求逆即为算法生成数据与仿真设定生成数据的映射函数；
将实际情况下采用电阻率成像算法生成的图像带入风格迁移训练获得的映射函数中进行处理获得新图像。
进一步地，待测区域电压值与实测得到的待测区域电压值满足公式
Figure BDA0002340125520000011
则表示迭代终止；
其中，V(n)为待测区域电压值，V0为实测得到的待测区域电压值，ε为设定的系统为保证准确性所允许的最大误差值，||V(n)-V0||2则是(V(n)-V0)的2范数。
一种提升电阻率成像获取图片质量的方法，包括以下步骤：
对仿真设定生成数据进行电阻率成像算法计算；
将仿真设定生成数据和经过电阻率成像算法计算生成的算法生成数据作为输入特征进行风格迁移训练获得算法生成数据与仿真设定生成数据的映射函数；
将实际情况下采用电阻率成像算法生成的图像带入风格迁移训练获得的映射函数中进行处理获得新图像。
进一步地，在风格迁移训练时，利用正问题有限元法计算得到的待测区域电压值与实测得到的待测区域电压值进行比较判断是否终止迭代过程。
进一步地，测区域电压值与实测得到的待测区域电压值满足公式
Figure BDA0002340125520000021
则表示迭代终止；
其中，V(n)为待测区域电压值，V0为实测得到的待测区域电压值，ε为设定的系统为保证准确性所允许的最大误差值，||V(n)-V0||2则是(V(n)-V0)的2范数。
进一步地，经过多次重复训练获得与实际模型最为相符的雅可比矩阵；雅可比矩阵求逆即为算法生成数据与仿真设定生成数据的映射函数。
本发明的有益之处在于可以在不增加数据获取需求的情况下有效地提高生成图像质量。
附图说明
图1是一种提升电阻率成像获取图片质量的方法的流程图；
图2是电阻率成像图片的示意图；
图3是对图2中电阻率成像图片采用提升电阻率成像获取图片质量的方法进行处理后的示意图。
具体实施方式
以下结合附图和具体实施例对本发明作具体的介绍。
如图1至图3所示，一种提升电阻率成像获取图片质量的方法，包括以下步骤：
对仿真设定生成数据进行电阻率成像算法计算；
将仿真设定生成数据和经过电阻率成像算法计算生成的算法生成数据作为输入特征进行风格迁移训练获得算法生成数据与仿真设定生成数据的映射函数；
将实际情况下采用电阻率成像算法生成的图像带入风格迁移训练获得的映射函数中进行处理获得新图像。
具体而言，一种提升电阻率成像获取图片质量的方法，包括以下步骤：
对仿真设定生成数据进行电阻率成像算法计算；
将仿真设定生成数据和经过电阻率成像算法计算生成的算法生成数据作为输入特征进行风格迁移训练，其中，利用正问题有限元法计算得到的待测区域电压值与实测得到的待测区域电压值进行比较判断是否终止迭代过程；
经过多次重复训练获得与实际模型最为相符的雅可比矩阵；
雅可比矩阵求逆即为算法生成数据与仿真设定生成数据的映射函数；
将实际情况下采用电阻率成像算法生成的图像带入风格迁移训练获得的映射函数中进行处理获得新图像。
作为一种具体的实施方式，待测区域电压值与实测得到的待测区域电压值满足公式
Figure BDA0002340125520000031
则表示迭代终止；其中，V(n)为待测区域电压值，V0为实测得到的待测区域电压值，ε为设定的系统为保证准确性所允许的最大误差值，||V(n)-V0||2则是(V(n)-V0)的2范数。
假设初始情况下待测区域电阻率均匀分布，均为ρ(0)。可以通过电阻率成像正问题有限元法获得边界电势计算值，可以假设第n步迭代的待测区域电阻率分布中间估值为ρ(n)，可以获得V(n)，可以用公式表示为V(n)＝F(ρ(n))。若迭代终止进入算法的ρ(n)修正环节。
对ρ(n)的修正需要借助雅可比矩阵的求解，首先写出逐步迭代方程：
ρ(n+1)＝ρ(n)+Δρ(n+1)。
其中，Δρ(n+1)为迭代法的修正量，需要借助辅助函数f(ρ)进行计算：
Figure BDA0002340125520000032
以上作为辅助函数帮助判别ρ(n+1)取何值时会获得迭代方法的最小误差，通过其一阶导数的零点进行搜索。
即：f′(ρ(n+1))＝0公式展开可写为：[f′(ρ)]＝[F′(ρ)]T(F(ρ)-V0)＝0。
其中f′(ρ)即为雅可比矩阵，具体为：
Figure BDA0002340125520000041
通过多次重复仿真可以获得与实际模型最为相符的雅可比矩阵。其中，k为待测区域内的三角有限元个数，m为测量到的电势总组数。对雅可比矩阵的求解需要借助补偿定理法，常用于相邻电流的激励模式。
以上显示和描述了本发明的基本原理、主要特征和优点。本行业的技术人员应该了解，上述实施例不以任何形式限制本发明，凡采用等同替换或等效变换的方式所获得的技术方案，均落在本发明的保护范围内。

Claims (6)

1.一种提升电阻率成像获取图片质量的方法，其特征在于，包括以下步骤：
对仿真设定生成数据进行电阻率成像算法计算；
将仿真设定生成数据和经过电阻率成像算法计算生成的算法生成数据作为输入特征进行风格迁移训练，其中，利用正问题有限元法计算得到的待测区域电压值与实测得到的待测区域电压值进行比较判断是否终止迭代过程；
经过多次重复训练获得与实际模型最为相符的雅可比矩阵；
雅可比矩阵求逆即为算法生成数据与仿真设定生成数据的映射函数；
将实际情况下采用电阻率成像算法生成的图像带入风格迁移训练获得的映射函数中进行处理获得新图像。
2.根据权利要求1所述的一种提升电阻率成像获取图片质量的方法，其特征在于，
待测区域电压值与实测得到的待测区域电压值满足公式
Figure FDA0002340125510000011
则表示迭代终止；
其中，V(n)为待测区域电压值，V0为实测得到的待测区域电压值，ε为设定的系统为保证准确性所允许的最大误差值，||V(n)-V0||2则是(V(n)-V0)的2范数。
3.一种提升电阻率成像获取图片质量的方法，其特征在于，包括以下步骤：
对仿真设定生成数据进行电阻率成像算法计算；
将仿真设定生成数据和经过电阻率成像算法计算生成的算法生成数据作为输入特征进行风格迁移训练获得算法生成数据与仿真设定生成数据的映射函数；
将实际情况下采用电阻率成像算法生成的图像带入风格迁移训练获得的映射函数中进行处理获得新图像。
4.根据权利要求3所述的提升电阻率成像获取图片质量的方法，其特征在于，
在风格迁移训练时，利用正问题有限元法计算得到的待测区域电压值与实测得到的待测区域电压值进行比较判断是否终止迭代过程。
5.根据权利要求4所述的提升电阻率成像获取图片质量的方法，其特征在于，
测区域电压值与实测得到的待测区域电压值满足公式
Figure FDA0002340125510000012
则表示迭代终止；
其中，V(n)为待测区域电压值，V0为实测得到的待测区域电压值，ε为设定的系统为保证准确性所允许的最大误差值，||V(n)-V0||2则是(V(n)-V0)的2范数。
6.根据权利要求3所述的提升电阻率成像获取图片质量的方法，其特征在于，
经过多次重复训练获得与实际模型最为相符的雅可比矩阵；
雅可比矩阵求逆即为算法生成数据与仿真设定生成数据的映射函数。
CN201911372717.8A 2019-12-27 2019-12-27 提升电阻率成像获取图片质量的方法 Pending CN111035387A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911372717.8A CN111035387A (zh) 2019-12-27 2019-12-27 提升电阻率成像获取图片质量的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911372717.8A CN111035387A (zh) 2019-12-27 2019-12-27 提升电阻率成像获取图片质量的方法

Publications (1)

Publication Number Publication Date
CN111035387A true CN111035387A (zh) 2020-04-21

Family

ID=70240391

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911372717.8A Pending CN111035387A (zh) 2019-12-27 2019-12-27 提升电阻率成像获取图片质量的方法

Country Status (1)

Country Link
CN (1) CN111035387A (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102008303A (zh) * 2010-10-29 2011-04-13 重庆大学 一种电阻抗成像系统频差fnoser成像方法
CN106651766A (zh) * 2016-12-30 2017-05-10 深圳市唯特视科技有限公司 一种基于深度卷积神经网络的图像风格迁移方法
CN107464210A (zh) * 2017-07-06 2017-12-12 浙江工业大学 一种基于生成式对抗网络的图像风格迁移方法
CN107977414A (zh) * 2017-11-22 2018-05-01 西安财经学院 基于深度学习的图像风格迁移方法及其系统
US20180357800A1 (en) * 2017-06-09 2018-12-13 Adobe Systems Incorporated Multimodal style-transfer network for applying style features from multi-resolution style exemplars to input images
CN109062811A (zh) * 2018-09-27 2018-12-21 华东师范大学 一种基于神经风格迁移的测试用例生成方法
CN109218134A (zh) * 2018-09-27 2019-01-15 华东师范大学 一种基于神经风格迁移的测试用例生成系统
CN109674471A (zh) * 2018-12-18 2019-04-26 中国科学技术大学 一种基于生成对抗网络的电阻抗成像方法及系统
CN110462680A (zh) * 2017-03-31 2019-11-15 高通股份有限公司 用于改善图像纹理的系统和方法
CN110490791A (zh) * 2019-07-10 2019-11-22 西安理工大学 基于深度学习风格迁移的服饰图像艺术化生成方法

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102008303A (zh) * 2010-10-29 2011-04-13 重庆大学 一种电阻抗成像系统频差fnoser成像方法
CN106651766A (zh) * 2016-12-30 2017-05-10 深圳市唯特视科技有限公司 一种基于深度卷积神经网络的图像风格迁移方法
CN110462680A (zh) * 2017-03-31 2019-11-15 高通股份有限公司 用于改善图像纹理的系统和方法
US20180357800A1 (en) * 2017-06-09 2018-12-13 Adobe Systems Incorporated Multimodal style-transfer network for applying style features from multi-resolution style exemplars to input images
CN107464210A (zh) * 2017-07-06 2017-12-12 浙江工业大学 一种基于生成式对抗网络的图像风格迁移方法
CN107977414A (zh) * 2017-11-22 2018-05-01 西安财经学院 基于深度学习的图像风格迁移方法及其系统
CN109062811A (zh) * 2018-09-27 2018-12-21 华东师范大学 一种基于神经风格迁移的测试用例生成方法
CN109218134A (zh) * 2018-09-27 2019-01-15 华东师范大学 一种基于神经风格迁移的测试用例生成系统
CN109674471A (zh) * 2018-12-18 2019-04-26 中国科学技术大学 一种基于生成对抗网络的电阻抗成像方法及系统
CN110490791A (zh) * 2019-07-10 2019-11-22 西安理工大学 基于深度学习风格迁移的服饰图像艺术化生成方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
FENG JIXIONG,ET AL: "Gaussian process style transfer mapping for historical Chinese character recognition", 《PROCEEDINGS OF SPIE》 *
RUIKUN WANG: "Research on Image Generation and Style Transfer Algorithm Based on Deep Learning", 《OPEN JOURNAL OF APPLIED SCIENCES》 *
张晓菊: "基于牛顿—拉弗逊正则化算法的开放式电阻抗成像研究", 《中国优秀硕士学位论文全文数据库 医药卫生科技辑》 *
陈海玲: "基于有限元法的二维电阻抗成像算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Similar Documents

Publication Publication Date Title
CN110472667B (zh) 基于反卷积神经网络的小目标分类方法
CN102096917B (zh) 胶囊内窥镜冗余图像数据的自动剔除方法
Sairanen et al. Fast and accurate Slicewise OutLIer Detection (SOLID) with informed model estimation for diffusion MRI data
Hashimoto et al. The log-exponentiated Weibull regression model for interval-censored data
CN106768383A (zh) 一种红外焦平面阵列自动盲元检测与补偿方法
CN113298780B (zh) 一种基于深度学习的儿童骨龄评估方法及系统
CN110555834B (zh) 基于深度学习网络的ct坏通道实时检测及重建方法
WO2007110798A1 (en) Temperature artifact correction
Teigen et al. Impact of software selection and ImageJ tutorial corrigendum on skeletal muscle measures at the third lumbar vertebra on computed tomography scans in clinical populations
CN111179235A (zh) 图像检测模型的生成方法及装置、应用方法及装置
CN112819723A (zh) 一种高能x射线图像盲复原方法及系统
CN104599301A (zh) 一种pet图像的重建方法和装置
CN110749916A (zh) 获取pet探测器晶体时间延迟量的方法、装置和计算机设备
CN110705057A (zh) 各向同性固体材料的静态热弹性问题求解方法以及装置
CN109903245A (zh) 红外图像的非均匀校正方法
CN110955862B (zh) 一种用于设备模型趋势相似度的评估方法及装置
CN113689451A (zh) 一种碳板边界提取方法、装置、存储介质和电子设备
CN111035387A (zh) 提升电阻率成像获取图片质量的方法
CN105371769A (zh) 一种测量动态裂纹长度的方法及装置
JP3626460B2 (ja) 二次元応力場計測システム及び二次元応力場計測プログラム
CN101672631B (zh) 平面光学元件的面形偏差测量方法
CN112991228B (zh) 一种校正串扰的方法和系统
Chen et al. Linking lung airway structure to pulmonary function via composite bridge regression
Rubio-Teves et al. Benchmarking of tools for axon length measurement in individually-labeled projection neurons
CN113218998A (zh) 一种基于全局莫兰指数的涡流热成像缺陷识别方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20200421