CN116369890B - 一种基于孪生电极检测的成像方法、求解方法、成像系统 - Google Patents
一种基于孪生电极检测的成像方法、求解方法、成像系统 Download PDFInfo
- Publication number
- CN116369890B CN116369890B CN202310285271.5A CN202310285271A CN116369890B CN 116369890 B CN116369890 B CN 116369890B CN 202310285271 A CN202310285271 A CN 202310285271A CN 116369890 B CN116369890 B CN 116369890B
- Authority
- CN
- China
- Prior art keywords
- matrix
- electrode
- twin
- module
- representing
- 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.)
- Active
Links
- 238000003384 imaging method Methods 0.000 title claims abstract description 47
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 title claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims abstract description 68
- 230000008859 change Effects 0.000 claims abstract description 16
- 238000005259 measurement Methods 0.000 claims abstract description 7
- 230000035945 sensitivity Effects 0.000 claims description 19
- 230000005284 excitation Effects 0.000 claims description 6
- 238000002059 diagnostic imaging Methods 0.000 abstract description 2
- 210000004072 lung Anatomy 0.000 description 11
- 230000006870 function Effects 0.000 description 8
- 210000001519 tissue Anatomy 0.000 description 7
- 238000002593 electrical impedance tomography Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000000241 respiratory effect Effects 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 206010006187 Breast cancer Diseases 0.000 description 1
- 208000026310 Breast neoplasm Diseases 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000004199 lung function Effects 0.000 description 1
- 210000005075 mammary gland Anatomy 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000002685 pulmonary effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
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
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Biomedical Technology (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Engineering & Computer Science (AREA)
- Radiology & Medical Imaging (AREA)
- Heart & Thoracic Surgery (AREA)
- Physics & Mathematics (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- General Health & Medical Sciences (AREA)
- Public Health (AREA)
- Veterinary Medicine (AREA)
- Apparatus For Radiation Diagnosis (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明公开了一种基于孪生电极检测的成像方法、求解方法、成像系统,属于医疗检测成像这一技术领域。其技术要点在于:通过在相邻两个真实电极之间孪生出新的电极(其是假想的),实现组合测量,进而得到在真实电极以及孪生电极下的电导率变化率矩阵。本发明旨在提供一种基于孪生电极检测的成像方法、求解方法、成像系统,能够满足医疗成像的需求。
Description
技术领域
本发明属于生物电阻抗成像技术与应用这一技术领域,具体涉及一种基于孪生电极检测的成像方法、求解方法、成像系统。
背景技术
EIT通常采用16个电极进行激励和采集边界电压信号,实现二维图像的重建。
然而对于肺功能成像,二维图像无法有效反应整个肺部通气的情况。目前,基于三维电阻抗成像技术在医学成像领域有一定的应用,例如以下研究:
文献1:“CN203841697U,一种基于PXI总线的呼吸过程三维电阻抗成像系统”,其构建三层共48个电极的三维电阻抗成像系统,连续监测人体肺部呼吸过程变化。
文献2:“CN112754456A,一种基于深度学习的三维电阻抗成像系统”,其提出了一种基于深度学习的三维电阻抗成像系统,通过激励进而获得半球测量区域的三维表面阻抗信息,利用乳腺组织和癌症组织的电学特性差异,用于三维半球区域的电导率分布重建,进而应用于女性乳腺癌早期筛查。
文献3:“CN115245322A,三维电极传感器、检测系统及方法、基于块稀疏贝叶斯学习数据处理方法”,其能够克服外科手术中无法有效佩带电极带的情况,不需要额外的先验信息,自适应探索和利用信号内部潜在结构信息,避免了耗时的调参过程,快速实现三维肺部图像重建。
基于此,对于三维成像系统而言,存在以下问题:
1)现有技术的三维成像系统通常需要32或者48电极。这样的电极的数目较多,此时会增加传感器和硬件系统的复杂性,进而应用在临床上时,会带来操作上的麻烦。
2)而更为关键的问题在于,部分患者的部分区域会存在无法粘贴电极的情况。
基于上述两点技术需求,发明人团队在本申请提出了:“在减少电极数目的情况下,通过模拟出新的电极,保证独立投影数据的个数,实现成像精度的提高”的技术路线。但是,对于上述技术路线,还尚未有相关学者进行过研究。
发明内容
本发明的目的是为了解决上述现有技术存在的问题,提供一种基于孪生电极检测的成像方法、求解方法、成像系统。
一种基于孪生电极检测的成像方法,包括以下步骤:
真实电极模块包括m层电极,第1~m层电极依次包括n1、n2…nm个电极;每层电极均匀分布在同一平面的场域边界;
在相邻的真实电极之间假定有一个孪生电极,所有的孪生电极构成孪生电极模块;也即孪生电极模块假定为m层电极,第1~m层电极依次包括n1、n2…nm个电极;每层电极呈周向布置;
设:n=n1+n2+…+nm;
Step1,获取S1、S2、S3、V0、
S1表示真实电极模块和孪生电极模块组合的灵敏度矩阵;
S2表示真实电极模块的灵敏度矩阵;
S3表示孪生电极模块的灵敏度矩阵;
V0表示空场域中真实电极上的边界电位矩阵;
表示空场域中孪生电极上的边界电位矩阵;
其中,S1、S2、S3均通过计算机仿真软件获取;
Step2,采集V1:真实电极模块以相邻激励、全部测量的模式,采集组织场域中边界电位矩阵V1;
其中,
其中,表示在人体肺部场域中,第i对相邻两个真实电极激励时,第j个真实电极上的电位,i=1:n,j=1:n;
Step3,通过V1、S2来求解电导率变化σ(0):
采用正则化方法:
其中,argmin表示对函数求参数的函数,||·||2表示二范数,R(σ(0))表示正则化项,λ表示正则化系数;
σ(0)为由测量的边界电压求解逆问题得到的电导率分布先验矩阵。
Step4,通过σ(0)、S3求解
表示组织场域中孪生电极上的边界电位矩阵;
其中,表示肺部场域中孪生电极上的电位矩阵:
其中,表示在人体肺部场域中,第i对相邻两个真实电极激励时,第j个孪生电极上的电位值,i=1:n,j=1:n;
Step5,计算ΔU:
ΔU表示孪生电极模块和真实电极模块的组合电位差矩阵;
Step6,通过ΔU、S1求解电导率变化矩阵Δσ(1):
采用正则化方法:
进一步,每层电极的数量均不小于4个。
进一步,m=1时,成像二维图像。
进一步,m≥2时,成像三维图像。
一种电导率变化矩阵的求解方法,其已知量为:S1、S2、S3、V0、V1,未知量为:Δσ(1);
其包括如下步骤:
S1,通过V1、S2来求解中间参数矩阵σ(0):
采用正则化方法:
其中,argmin表示对函数求参数的函数,||·||2表示二范数,R(σ(0))表示正则化项,λ表示正则化系数;
S2,通过σ(0)、S3求解
表示组织场域中孪生电极上的边界电位矩阵;
S3,计算ΔU:
ΔU表示孪生电极模块和真实电极模块的组合电位差矩阵;
S4,通过ΔU、S1求解电导率变化矩阵Δσ(1):
采用正则化方法:
其中:S1表示真实电极模块和孪生电极模块组合的灵敏度矩阵;S2表示真实电极模块的灵敏度矩阵;S3表示孪生电极模块的灵敏度矩阵;V0表示空场域中真实电极上的边界电位矩阵;表示空场域中孪生电极上的边界电位矩阵。
一种成像系统,包括:存储模块、成像模块、求解模块;
其中,所述存储模块用于存储S1、S2、S3、V0、V1;
其中,所述求解模块用于求解电导率变化矩阵Δσ(1);所述求解模块中求解Δσ(1)的方法采用前述的方法;
其中,所述成像模块根据电导率变化矩阵Δσ(1)的结果来进行成像。
一种存储介质,其存储有能够执行前述方法的程序。
本发明技术方案的优点主要体现在:
第一,本申请提出了一种基于孪生电极检测的成像方法,问题的核心是如何在减少电极数目的情况下,实现成像精度的提高。针对上述问题,给出了实施方法:通过在相邻两个真实电极之间孪生出新的电极,实现组合测量(孪生电极是模拟的,不是真实存在的)。
第二,本申请的方法能够实现基于孪生电极检测的成像,通过在二维/三维传感器中插入孪生电极,实现肺部二维/三维电导率分布的测量。
第三,本申请的方案不仅仅适用于二维成像(m=1时),也适用于三维成像(m≥2时)。
第四,本申请提出了一种数据处理系统,其已知量为:S1、S2、S3、V0、V1,未知量为:Δσ(1);
其包括如下步骤:
S1,通过V1、S2来求解中间参数矩阵σ(0):
采用正则化方法:
其中,argmin表示对函数求参数的函数,||·||2表示二范数,R(σ(0))表示正则化项,λ表示正则化系数;
S2,通过σ(0)、S3求解
表示组织场域中孪生电极上的边界电位矩阵;
S3,计算ΔU:
ΔU表示孪生电极模块和真实电极模块的组合电位差矩阵;
S4,通过ΔU、S1求解电导率变化矩阵Δσ(1):
采用正则化方法:
其中:S1表示真实电极模块和孪生电极模块组合的灵敏度矩阵;S2表示真实电极模块的灵敏度矩阵;S3表示孪生电极模块的灵敏度矩阵;V0表示空场域中真实电极上的边界电位矩阵;表示空场域中孪生电极上的边界电位矩阵。
附图说明
下面结合附图中的实施例对本发明作进一步的详细说明,但并不构成对本发明的任何限制。
图1为本发明中的2×8双层真实电极示意图。
图2为本发明中的真实电极和孪生电极组合示意图。
具体实施方式
本发明的目的、优点和特点,将通过下面优选实施例的非限制性说明进行解释。这些实施例仅是应用本发明技术方案的典型范例,凡采取等同替换或者等效变换而形成的技术方案,均落在本发明要求保护的范围之内。
<实施例1:一种基于孪生电极检测的成像方法及其系统>
<一、方法设计>
实施例1以肺组织为例进行说明。
<1.1、S1、S2、S3、V0、的计算>
附图1-2中:序号1-16表示真实电极;序号1’-16’表示孪生电极;其属于一种三维成像传感器。
对于S1、S2和S3而言:
通过计算机仿真获取S1、S2和S3;
其中,S1表示真实电极模块和孪生电极模块组合的灵敏度矩阵;S2表示真实电极模块的灵敏度矩阵;S3表示孪生电极模块的灵敏度矩阵。
需要说明的是:对于灵敏度矩阵而言,其获取属于现有技术(如:“王欢,面向机器人柔性皮肤的电阻抗成像方法研究[D].南京航空航天大学,2021”采用COMSOLMultiphysics来仿真获取)。
对于V0、而言:
通过正问题模型V=Sσ来实现求解;
空场域电导率分布矩阵σ0可以根据实际情况自行设定,为已知量;(σ0的设定属于现有技术,可参考文献:Y.Wu et al.,"Bayesian Image Reconstruction Using WeightedLaplace Prior for Lung Respiratory Monitoring With Electrical ImpedanceTomography,"in IEEE Transactions on Instrumentation and Measurement,vol.72,pp.1-11,2023)
“;”表示MATLAB里的矩阵换行符;
其中:
表示在空场域中,第i对相邻两个真实电极激励时,第j个真实电极电位值,i=1:n,j=1:n;
表示在空场域中,第i对相邻两个真实电极激励时,第j个电极(真实电极、孪生电极)电位值,i=1:n,j=1:n。
<2.2、人体肺部场域电位数据采集,获取V1>
结合附图1所示,在人体肺部区域均匀贴附2×8双层阵列电极,在相邻激励、全部电极测量的模式下,采集边界电位数据矩阵V1:
其中,表示在人体肺部场域中,第i对相邻两个真实电极激励时,第j个真实电极上的电位,i=1:16,j=1:16。
需要说明的是:第8号、9号电极作为激励电极,可以获得垂直方向的电位数据;第16号、1号电极作为激励电极,可以获得垂直方向的电位数据。
<2.3、σ(0)的求解>
通过V1、S2来求解电导率变化:
采用正则化方法:
其中,argmin表示对函数求参数的函数(表示使/>取最小值时对应的σ(0),目标函数的物理意义是加入了正则化项后的测量电压值与真实电压值之间的误差最小),||·||2表示二范数,R(σ(0))表示正则化项,λ表示正则化系数(取值可参考文献:Wang Q,Wang H,Zhang R,et al.Image reconstruction based on L1regularization and projection methods for electrical impedance tomography.[J].The Review of scientific instruments,2012,83(10):104707)。
<2.4、的求解>
通过σ(0)、S3求解
表示组织场域中孪生电极上的边界电位矩阵;
<2.5、计算ΔU>
通过V1、V0、来求解ΔU:
其中,ΔU表示在16个孪生电极和16个真实电极的组合电位差变化矩阵;“;”表示MATLAB里的矩阵换行符;
<2.6、计算Δσ(1)>
通过ΔU、S1求解电导率变化矩阵Δσ(1):
采用正则化方法:
得到电导率变化矩阵Δσ(1),即可成像。
本申请的符号—物理意义关系表
以上所举实施例为本发明的较佳实施方式,仅用来方便说明本发明,并非对本发明作任何形式上的限制,任何所属技术领域中具有通常知识者,若在不脱离本发明所提技术特征的范围内,利用本发明所揭示技术内容所作出局部更动或修饰的等效实施例,并且未脱离本发明的技术特征内容,均仍属于本发明技术特征的范围内。
Claims (7)
1.一种基于孪生电极检测的成像方法,其特征在于,包括以下步骤:
真实电极模块包括m层电极,第1~m层电极依次包括n1、n2…nm个电极;每层电极均匀分布在同一平面的场域边界;
在相邻的真实电极之间假定有一个孪生电极,所有的孪生电极构成孪生电极模块;也即孪生电极模块假定为m层电极,第1~m层电极依次包括n1、n2…nm个电极;
Step1,获取S1、S2、S3、V0、
S1表示真实电极模块和孪生电极模块组合的灵敏度矩阵;
S2表示真实电极模块的灵敏度矩阵;
S3表示孪生电极模块的灵敏度矩阵;
V0表示空场域中真实电极上的边界电位矩阵;
表示空场域中孪生电极上的边界电位矩阵;
Step2,采集V1:真实电极模块以相邻激励、全部测量的模式,采集组织场域中边界电位矩阵V1;
Step3,通过V1、S2来求解电导率变化σ(0):
采用正则化方法:
其中,argmin表示对函数求参数的函数,||·||2表示二范数,R(σ(0))表示正则化项,λ表示正则化系数;
σ(0)为由测量的边界电压求解逆问题得到的电导率分布先验矩阵;
Step4,通过σ(0)、S3求解
表示组织场域中孪生电极上的边界电位矩阵;
Step5,计算ΔU:
ΔU表示孪生电极模块和真实电极模块的组合电位差矩阵;
Step6,通过ΔU、S1求解电导率变化矩阵Δσ(1):
采用正则化方法:
2.根据权利要求1所述的一种基于孪生电极检测的成像方法,其特征在于,每层电极的数量均不小于4个。
3.根据权利要求1所述的一种基于孪生电极检测的成像方法,其特征在于,每层电极呈周向布置。
4.根据权利要求1所述的一种基于孪生电极检测的成像方法,其特征在于,m=1时,成像二维图像。
5.根据权利要求1所述的一种基于孪生电极检测的成像方法,其特征在于,m≥2时,成像三维图像。
6.一种电导率变化矩阵的求解方法,其已知量为:S1、S2、S3、V0、V1,未知量为:Δσ(1);
其特征在于,其包括如下步骤:
S1,通过V1、S2来求解中间参数矩阵σ(0):
采用正则化方法:
其中,argmin表示对函数求参数的函数,||·||2表示二范数,R(σ(0))表示正则化项,λ表示正则化系数;
S2,通过σ(0)、S3求解
表示组织场域中孪生电极上的边界电位矩阵;
S3,计算ΔU:
ΔU表示孪生电极模块和真实电极模块的组合电位差矩阵;
S4,通过ΔU、S1求解电导率变化矩阵Δσ(1):
采用正则化方法:
其中:S1表示真实电极模块和孪生电极模块组合的灵敏度矩阵;S2表示真实电极模块的灵敏度矩阵;S3表示孪生电极模块的灵敏度矩阵;V0表示空场域中真实电极上的边界电位矩阵;表示空场域中孪生电极上的边界电位矩阵;V1表示在组织场域下,真实电极上的边界电位矩阵。
7.一种成像系统,其特征在于,包括:存储模块、成像模块、求解模块;
其中,所述存储模块用于存储S1、S2、S3、V0、V1;
其中,所述求解模块用于求解电导率变化矩阵Δσ(1);所述求解模块中求解Δσ(1)的方法采用如权利要求6所述的方法;
其中,所述成像模块根据电导率变化矩阵Δσ(1)的结果来进行成像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310285271.5A CN116369890B (zh) | 2023-03-22 | 2023-03-22 | 一种基于孪生电极检测的成像方法、求解方法、成像系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310285271.5A CN116369890B (zh) | 2023-03-22 | 2023-03-22 | 一种基于孪生电极检测的成像方法、求解方法、成像系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116369890A CN116369890A (zh) | 2023-07-04 |
CN116369890B true CN116369890B (zh) | 2024-02-23 |
Family
ID=86966750
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310285271.5A Active CN116369890B (zh) | 2023-03-22 | 2023-03-22 | 一种基于孪生电极检测的成像方法、求解方法、成像系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116369890B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103181762A (zh) * | 2011-12-30 | 2013-07-03 | 财团法人交大思源基金会 | 增进电阻抗断层成像影像分辨率的方法 |
CN106264524A (zh) * | 2015-05-18 | 2017-01-04 | 财团法人交大思源基金会 | 三维电阻抗断层扫描方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DK1718200T3 (en) * | 2004-02-05 | 2016-07-25 | Dermal Devices Inc | APPARATUS FOR MEASURING BLOOD GLUCOSE USING IMPEDANCE MEASUREMENT OF SUBDERMAL BODY TISSUE |
-
2023
- 2023-03-22 CN CN202310285271.5A patent/CN116369890B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103181762A (zh) * | 2011-12-30 | 2013-07-03 | 财团法人交大思源基金会 | 增进电阻抗断层成像影像分辨率的方法 |
CN106264524A (zh) * | 2015-05-18 | 2017-01-04 | 财团法人交大思源基金会 | 三维电阻抗断层扫描方法 |
Non-Patent Citations (3)
Title |
---|
A Virtual Channel Based Data Augmentation Method for Electrical Impedance Tomography;Jiahao Xu;IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT;第第71卷卷;第1-11页 * |
An Image Reconstruction Algorithm for Electrical Impedance Tomography Using Measurement Estimation of Virtual Electrodes;Lu Yang;《IEEE SENSORS JOURNAL》;第第22卷卷(第第13期期);第13012-13022页 * |
Image Reconstruction Improvement With Optimal Driven-Measurement Pattern Selection for Electrical Impedance Tomography;Lu Yang;IEEE SENSORS JOURNAL;第第21卷卷(第第12期期);第13530-13539页 * |
Also Published As
Publication number | Publication date |
---|---|
CN116369890A (zh) | 2023-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Khan et al. | Review on electrical impedance tomography: Artificial intelligence methods and its applications | |
CN111311703B (zh) | 一种基于深度学习的电阻抗断层图像重构方法 | |
US11605162B2 (en) | Systems and methods for determining a fluid and tissue volume estimations using electrical property tomography | |
CN111616708A (zh) | 一种精准识别脑卒中颅内病变区域的图像重建方法 | |
Li et al. | Electrical-impedance-tomography imaging based on a new three-dimensional thorax model for assessing the extent of lung injury | |
CN106373194B (zh) | 一种人体肺部电阻层析成像有限元模型设计方法 | |
Zhang et al. | A proportional genetic algorithm for image reconstruction of static electrical impedance tomography | |
CN110811596B (zh) | 基于低秩与稀疏约束和非局部全变分的无创心脏电位重建方法 | |
Shi et al. | Sparse image reconstruction of intracerebral hemorrhage with electrical impedance tomography | |
Briko et al. | Determination of the geometric parameters of electrode systems for electrical impedance myography: a preliminary study | |
CN114549682A (zh) | 一种用于电阻抗肺部成像图像的优化方法 | |
CN116369890B (zh) | 一种基于孪生电极检测的成像方法、求解方法、成像系统 | |
Song et al. | A nonlinear weighted anisotropic total variation regularization for electrical impedance tomography | |
CN116869504A (zh) | 一种用于脑缺血电导率分布重建的数据补偿方法 | |
CN116269303A (zh) | 考虑电极异常的电导率求解方法、成像方法、存储介质 | |
Ko et al. | U-Net-based approach for automatic lung segmentation in electrical impedance tomography | |
WO2022160899A1 (zh) | 一种三维通气图像产生方法、控制器及装置 | |
Sermesant et al. | Progress towards an electromechanical model of the heart for cardiac image analysis | |
CN113052927B (zh) | 一种提高空间分辨率的成像检测方法 | |
CN113012250B (zh) | 一种提高肺部成像质量的图像重建方法 | |
CN113450427B (zh) | 基于联合字典学习和深度网络的pet图像重建方法 | |
Xu et al. | A Virtual Channel Based Data Augmentation Method for Electrical Impedance Tomography | |
Aulia et al. | Classification of thorax diseases using deep learning | |
Sun et al. | A New Method for Electrical Impedance Tomography with Incomplete Electrode Array | |
CN114601443B (zh) | 一种单电极偏移失配校正的电阻抗层析成像方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |