文献

J-GLOBAL ID：201802286817210875   整理番号：18A0519064

電気インピーダンストモグラフィーのための深いニューラルネットワークに基づく画像再構成フレームワーク【Powered by NICT】

An image reconstruction framework based on deep neural network for electrical impedance tomography

著者 (7件)： Li Xiuyan (School of Electronics and Information Engineering, Tianjin Polytechnic University Tianjin, China) ,  Lu Yang (School of Electronics and Information Engineering, Tianjin Polytechnic University Tianjin, China) ,  Wang Jianming (School of Computer Science and Software Engineering Tianjin, China) ,  Dang Xin (School of Computer Science and Software Engineering Tianjin, China) ,  Wang Qi (School of Electronics and Information Engineering, Tianjin Polytechnic University Tianjin, China) ,  Duan Xiaojie (School of Electronics and Information Engineering, Tianjin Polytechnic University Tianjin, China) ,  Sun Yukuan (School of Electronics and Information Engineering, Tianjin Polytechnic University Tianjin, China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICIP  ページ： 3585-3589  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 電気インピーダンストモグラフィー(EIT)は,物体の境界上の電圧と電流測定を行うことにより内部インピーダンス分布を再構成する。EITのための画像再構成は,非線形逆問題である。逆演算子に基づく一般化された解は,不具合のある状態に雑音に非常に敏感である。再構成画像の品質を改善するために,本論文では,深いニューラルネットワーク(DNN)モデルに基づいた新しいフレームワークを提案した。積層オートエンコーダ(SAE)とロジスティック回帰(LR)層を適用した4層DNNモデルを構成する。モデルは,電圧測定とそれに対応する伝導率分布の間の関係を求め,次に訓練されていないシミュレーションデータと実験データを用いて訓練されたDNNモデルを試験するためのシミュレーションデータを用いて訓練された。ネットワークの出力は画像再構成のための導電率分布の推定値として考えられている。シミュレーションと実験の両方の結果は,再構成画像の品質を改善するのに提案したフレームワークの有効性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 電圧測定 ,  *インピーダンス ,  品質 ,  *画像再構成 ,  *ネットワーク ,  電圧 ,  電流測定 ,  雑音 ,  推定量 ,  電気伝導率 ,  *ニューラルネットワーク ,  *再構成 ,  逆問題
準シソーラス用語： 再構成画像 ,  *電気インピーダンストモグラフィー , 【Automatic Indexing@JST】

分類 (2件)： 医用画像処理  (JE04020T) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： 電気インピーダンストモグラフィー ,  ニューラルネットワーク ,  画像再構成 ,  フレームワーク