文献

J-GLOBAL ID：202202278880283143   整理番号：22A0847936

カーネル法を用いた電気インピーダンストモグラフィーの多モード画像再構成【JST・京大機械翻訳】

Multimodal Image Reconstruction of Electrical Impedance Tomography Using Kernel Method

著者 (2件)： Liu Zhe (Intelligent Sensing, Analysis and Control Group, Institute for Digital Communications, School of Engineering, The University of Edinburgh, Edinburgh, U.K.) ,  Yang Yunjie (Intelligent Sensing, Analysis and Control Group, Institute for Digital Communications, School of Engineering, The University of Edinburgh, Edinburgh, U.K.)
資料名： IEEE Transactions on Instrumentation and Measurement  (IEEE Transactions on Instrumentation and Measurement)
巻： 71  ページ： ROMBUNNO.5002012.1-12  発行年： 2022年 
JST資料番号： C0232A  ISSN： 0018-9456  CODEN： IEIMAO  資料種別： 逐次刊行物 (A)
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： 電気的インピーダンストモグラフィー(EIT)の逆問題は非線形でひどく不良であり,構造保存と伝導率コントラスト分化の側面を明確に含む低い画像品質をもたらす。本論文は,この課題に取り組むためのカーネル法ベースのマルチモーダルEIT画像再構成アプローチを報告する。カーネル法は画像レベルセグメンテーションフリー情報融合を実行し,カーネル行列を通してEIT反転過程に補助高解像度画像の構造情報を組み込み,無制約最小二乗問題を導いた。十分な構造情報を含むならば,様々な画像モダリティからの高分解能画像を補助画像として採用できるように,一般的な方法でこの手法を記述した。いくつかの最先端アルゴリズムと比較して,提案したカーネル法は,挑戦的なシミュレーションと実験ファントム上で優れたEIT画像を生成する。また,補助画像における画像関連物体の干渉を抑制する利点を示した。シミュレーションと実験結果は,カーネル法がより複雑な組織工学応用に適用する大きな可能性を持つことを示唆する。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  コントラスト ,  最小二乗法 ,  分化 ,  画質 ,  ファントム ,  逆問題 ,  *多モード ,  *トモグラフィー ,  反転過程 ,  *画像再構成
準シソーラス用語： モダリティ ,  *電気インピーダンストモグラフィー ,  高精細画像 ,  *Kernel法 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： カーネル法 ,  電気インピーダンストモグラフィー ,  多モード ,  画像再構成