Chebyshev神经网络在ECT图像重建中的研究与应用

基于GA-BP神经网络的电容层析成像图像重建

基于GA-BP神经网络的电容层析成像图像重建作者：胡叶容来源：《电子技术与软件工程》2018年第23期摘要目前针对电容层析成像分辫率不高，精度低的问题，提出一种基于（GA-BP）算法对电容层析成像图像重建。

其中BP算法可以解决非线性问题，但是BP算法的过程收敛速度慢，很有可能陷入局部极小值。

而遗传算法（GA）具有全局寻优的优点。

可以有效防止搜索过程收敛于局部最优解文中将二者结合起来.由GA寻找最优的BP神经网络权值与相应节点的阀值仿真结果表明：此方法与LBP算法、Landweber算法相比预测精度高，为电容层析成像图像重建提供了一种新思路。

【关键词】电容层析成像 BP神经网络遗传算法1 前言随着层析成像技术的发展，ECT作为关键技术之一，其可靠性高，成本低，非侵入式等特点，成为当今图像重建领域的主流，被越来越多的应用到工业之中。

现目前国内外提出了很多关于电容层析图像重建的算法，比较耗时且效果不理想。

常用的算法有LBP线性返投影算法，算法简单，但是失真严重。

Landweber算法存在平滑效应。

BP 神经网络是一种基于梯度法的非线性逼近，常陷入局部的极小值，收敛速度也很慢，从而会影响成像的精度。

遗传算法（GA）克服了BP神经网络的缺点，具有全局寻优的能力，BP神经网络的权重和阈值可以利用遗传算法来优化，提高BP神经网络准确性与泛化能力。

陷入局部极小值的缺点得到克服，能够实现全局收敛。

结合遗传算法全局寻优与BP神经网络的优点，文中在借鉴有关BP神经网络在电容层析成像的应用基础之上，进行了算法的改进。

建立了GA-BP网络电容层析成像模型。

结果表明：该算法精度高，收敛速度也快，具有一定的可靠性。

2 电容层析成像的基本原理ECT系统由三部分组成电容传感器、数据采集系统、成像计算机，如图1所示。

其基本测量原理是基于：不同分相介质的介电常数不相同，当各相的浓度大小及组分分布发生改变时，就会引起多相流混合体等价介电常数发生相应的改变，使其测量的电容值大小随之而发生改变，多相流介质相浓度的分布状况从电容值的大小上反映出来。

基于改进正则法的ECT图像重建算法

ＬｕＳｉ，Ｌｉｉｇ，ＬｈｈｎｉｈｅｎｉｉｏｇＪＺ
ｌＭｉｓｙ０ＥｕａｉｅａｏｔｙＣｎｉｏｎｔｉｒｏｅＰａｔｑｉｅｔＮｒｈｎｌｔｃＰｗｒＵｉｒｔ，ｎｔｆｄｃｔｎＫｙＬｂｒｏｏｄｉＭｏｉｒｇｗｒｌｎＥｕｍｎ，ｏｈＣｉａＥｅｒｏｅｎｖｓｙｉｒｏａｒｔｎｏｎＰｐｔｃｉｅｉＢｉｎ０２６Ｃｉａ２ＩｓｔｔｏＥｎｅｎｈｒｏｈｓｓＣｉｓＡａｅｙＳｉｃｓＢｉｇ１０８，ｈｎ）ｅｉｇ１２０，ｈｎ；ｎｔｕｅ厂，ｅｒｇＴｅｐｙｉ，ｈｎｅｃｄｍｃｎｅ，ｅｉ０００Ｃｉｊｉｉｍｃｅｅｊｎａ
维普资讯
第２８卷第１期１２００７年１月１
仪器仪表学报
ＣｉｅｅＪｕｎｌｏｃｅｔｉＩｓｒｍｅｔｈｎｓｏｒａｆＳｉｎｉｃｎｔｕｎｆ
Ｖ０．８Ｎｏ１１２．１
摘
要：电容层析成像图像重建是一个典型的病态问题，其解是不稳定的。为获得良好的重建效果，需要采用既保证解的稳定
性且又能提高重建图像质量的算法。本文提出了一种新的图像重建算法。在分析标准Ｔｋｏｏｉｈｎｖ正则法的基础上，针对ＥＴ逆Ｃ问题的病态性进行改进，并推导出两步图像重建算法：第一步利用标准Ｔｋｏｏｉｈｎｖ正则法的计算值获得权矩阵的估计；第二步采用本文所推导的改进Ｔｋｏｏｉｎｖ正则法获得最终的重建图像。数值实验表明，ｈ该算法所获得的图像重建质量得到了明显的提高，且该算法无需迭代，保证了算法实时性。

CT重建算法和显示窗设置影响肺实性结节检出和测量的研究

CT重建算法和显示窗设置影响肺实性结节检出和测量的研究发布时间：2022-07-16T08:13:15.660Z 来源：《中国科技信息》2022年第33卷3月5期作者：张凯[导读] 根据FleischnerSociety对于肺结节诊断和测量的最新建议，张凯内蒙古自治区人民医院内蒙古自治区呼和浩特 010017摘要：根据FleischnerSociety对于肺结节诊断和测量的最新建议，可以使用直径测量或体积估计来评估肺结节的大小和生长。

此外，部分研究证明，结节CT值在评估结节生长、区分肿瘤亚型、评估进展和预后方面有重要意义。

另外，FleischnerSociety建议在肺窗上进行结节测量。

但在肺窗和纵隔窗同时进行结节直径和CT值测量的研究尚少。

而既往研究表明，不同的重建算法可能会影响结节的体积评估，并且其直径测量值可能会在不同阅片医师间存在差异。

因此，本研究旨在评价重建算法和窗设置对肺实性结节检出和测量的影响，以及在上述条件下肺结节测量值的可重复性和变异度。

本文主要分析CT重建算法和显示窗设置影响肺实性结节检出和测量的研究。

关键词：CT；肺结节；重建算法；检出；变异度引言肺癌仍然是世界范围内与癌症死亡相关的最常见原因。

研究表明，I期肺癌的5年平均生存率高达70%。

肺结节作为早期肺癌的常见表现，对肺癌的早期发现和诊断具有重要意义。

随着多排探测器计算机断层扫描（computedtomography,CT）的发展，低剂量CT在肺结节检出以及良、恶性判别中发挥了重要作用。

肺结节大小可以为疾病的诊断、分期和治疗提供生物标记。

因此，结节检出和测量准确性对肺癌筛查有重要意义。

1、肺结节的检出和测量结节在CT轴位图像上进行识别。

记录结节数量并测量大小，按结节直径（肺窗上5种重建算法结节直径的平均值）分为微结节（6mm）。

由于不同直径结节的随访时间不同，需进一步根据结节直径评价重建算法对结节检出和测量的影响。

两名放射科医生（分别有3年和5年的胸部影像诊断经验）在对重建算法不知情的情况下，评估以上5组图像。

两约束条件正则化的ECT图像重建算法

ｔｄａｏｅｒｇｌｒａｉｎｍｅｈｄｆｒｅｅｔｃｌｃｐｃｔｎｅｔｍｏｒｐｙｂｉｈａｒｇｌｒａｉｎｍａｒａｏ — ｅ．ｎｎｖｌｅｕａｉｔｔｏｏｌｃｒａａａｉｃｏｇａｈｙｗｈｃｅｕａｉｔｔｘＷｃｎｚｏｉａｚｏｉｓｓｒｃｅｓｎｈｏｉａｉｎｏｎｉｅｔｙｍａｒｎｅｏｄｏｄｒｄｆｒｎｉｌｏｅａｏ．Ｔｅｄｆｒｎｅｂｔｅｎｔｔｄｕｉｇｔｅｃｍｂｎｔｆｄｎｉｔｘａｄａｓｃｎｒｅｉｅｅｔｐｒｔｒｈｉｅｅｃｅｗｅｕｏａｔｉｆａ
术。一种较为有效的正则化方法是采用在求解（图像重
建）中结合某些已知信息，对求解进行约束，使其不过分地偏
摘要：为提高图像重建的性能，提出了一种以灰度能量最小和图像二阶光滑性为约束条件，合并单位矩阵和位置相关二阶微
分算子矩阵，构建正则化矩阵的电容层析成像重建算法。新的正则化算法与目前常用的标准Ｔｋｏｏ正则化算法不同在于ｉｎｖｈ
目标函数中的正则化项约束水平随图像单元位置变化，达到在整个成像区获得光滑一致的效果。仿真结果表明，新的算法与标准算法相比较，其重建图像性能得到了改善和提高。关键词：电容层析成像；位置相关正则化；灵敏度梯度；二阶微分算子
ｔｅｎｗａｇｒｔｍｎｈｏｈｅｌｏｈａｄｔｅｃｍｍｏｅｕａｉａｉｎｏｅｓｔａｈｅｕａｉａｉｎｌｖｌｒｌｔｄｔｅｓｔｏｅｐｘｌｉｎｒｇｌｒｔｎｓｉｈｔｔｅｒｇｌｒｔｅｅｓｅａｅｏｔｉｆｈｉｅｓｚｏｚｏｈｅｔｖｒｐｔｌｏａｈｅｅｔｅｃｎｉｅｔｍｏｔｉｇｅｅｔｎｄｆｒｎｉｓｏｅｒｇｏｍａｅ．Ｓｍｕａｉｎｅｐｒａｙｓａｉｌｔｃｉｖｏｓｓｎｌｓｏｈｎｆｃｓｉｉｅｅｔｓｔｆｔｅｉｎｉｇｄｉｌｔｘｅ－ａｙｈｔｙｅｈｏｉ

ECT图像重建正则化参数选取新方法

ｕｉｇｏｌｉｐｅｌａｔｓｕｒｓｍｅｈｄｃｎｎｔｅｓｒｕｃｓｆｌｉａｅｒｃｎｔｕｔｎｏｅｉｉｔｉｕ－ｓｎｎｙｓｍｌｅｓ—ｑａｅｔｏａｏｎｕｅａｓｃｅｓｕｍｇｅｏｓｒｃｉｆｍｄａｄｓｒｂ。ｒｏ
ＮｅｐｒｍｅｅｅｅｔｎｅｈｄｏｅｕａｉａｉｎｆｒｗａａｔｒｓｌｃｉｇｍｔｏｆｒｇｌｒｚｔｏｏＥＣＴｍａｅｒｃｎｔｕｔｏｉｇｅｏｓｒｃｉｎ
ＹａｇＧａｇＷａｇＹｕａＳａｕｕＷａｇＳｉＬｕＺｎｘｎｎｎｔｏｈｏＦｑｎｎｈｅｇｉ（ｃｏｌｆＩｆｒａｉｎＳｉｎｅｎｎｉｅｒｎＳｈｏｎｏｍｔｃｃｄＥｇｎｅｉｇ，ＮｏｔｅｓｒｎｖｒｉｏｏｅａｒａｔｎＵｉｅｓｙ，Ｓｅｇａｇ１０，ｈｎ）ｈｅｔｈｎｙｎ１０４Ｃｉａ０ＡｂｔａｔＩｇｅｏｓｒｃｉｎｆｒｅｅｔｉａａａｉａｃｏｇａｈｓｖｒｆｅｌｐｓｄｎｓｃａｅ，ｓｒｃｍａｅｒｃｎｔｕｔｏｏｌｃｒｃｌｃｐｃｔｎｅｔｍｏｒｐｙｉｅｙｏｔｎｉｏｅ．Ｉｕｈｃｓｓｌ
Ｎｏ．２０ｖ０６
ＥＴ图像重建正则化参数选取新方法Ｃ
杨钢王玉涛邵富群王师陆增喜
１００）１０４
（东北大学信息学院
沈阳
摘要
电容层析成像图像重建是一不适定反问题。此种情况下，仅使用最小二乘法不能保证获得满意的介质分布图像重建结

两相流论文：ECT系统图像重构算法研究

两相流论文：ECT系统图像重构算法研究【中文摘要】ECT (Electrical Capaciantce Tomography)技术是过程层析成像PT (Proce ss Tomography)技术的一种。

该技术具有非侵入式的测量方式、价格低廉、响应快等优点。

近一个时期以来,ECT技术表现出了很大的发展潜力和很好的工业应用前景。

图像重构算法是ECT系统能否成功应用的关键环节,同时也是改善图像重构质量的重要途径。

重构图像的过程就是借助若干个测量数据(电容测量值)去重构被检测区域内部介质的分布图像,从而得到整个成像区域内不同介质的分布情况。

本论文以图像重构算法为研究重点,以12电极ECT系统为研究对象,通过使用有限元方法获得原始数据对系统进行建模与仿真。

本文的主要工作有：1.在阅读相关文献的基础上,对两相流的概念、两相流分类和两相流要检测的主要参数进行分析和归纳,为两相流的检测提供依据。

2.分析了电容成像系统的组成及工作原理,在介绍ECT图像重构算法的数学原理和意义的基础上,对常用的几种图像重构算法作了分析和比较,得到了一些有关算法选择的结论。

3.在研究图像重构遗传算法的基础上,给出了一种改进的图像重构遗传算法,运用ANSYS仿真软件提取电容值,将改进遗传算法重构图像与其他算法的重构效果进行了比较,结果表明了改进算法的有效性。

【英文摘要】Electrical Capaciantce Tomography (ECT) technique is a kind of process Tomography (PT) technique basedon electrical capacitance sensors.ECT technique has the advantage of being non-intrusive, simple in structure, fast in response, low in cost, wide in application and good in secutity (non-radiation).ECT has gained considerable progress in recent years.As a new technology of two-phase flow parameters detection, ECT has great development potential in the in dustrial application.Image reconstruction algoirthm is an important factor to improve the image reconstruction quality in ECT system research.It reconstructions the medium distribution image of the measured area by limited observation data (measured capacitance data), same as finding the distribution of medium constant of substance in every unit.This dissertation is based on the study of 12-electrode electrical capacitance tomography system.The main work and researching result of this article is as follows:Firstly, By reading a lot of references, the concept, sorts and major detection parameters of two-phase flow is analyzed and concluded.Also the significance for scientific research and industry production is pointed out.Secondly, the principle of the capacitance tomography is analysed and mathematics principle of image reconstruction algorithm is also introduced.Thirdly, introduce several ECT image reconstruction algorithms,analyseand compare these excellences and disadvantages. Genetic Algorithm are used as ECT image reconstruction algorithm in an attempt to improve.【关键词】两相流电容层析成像图像重构【英文关键词】two-phase flow electrical capacitance image reconstruction【目录】ECT系统图像重构算法研究摘要4-5Abstract5 1 绪论8-16 1.1 两相流简介8-9 1.1.1 两相流的一般概念及分类8-9 1.1.2 描述两相流的主要参数9 1.2 过程层析成像技术9-15 1.2.1 PT技术的发展史9-10 1.2.2 PT技术的基本原理10-12 1.2.3 PT技术的特点及分类12-14 1.2.4PT技术存在的问题14-15 1.3 本文主要工作与章节安排15-16 2 电容层析成像系统16-21 2.1 ECT系统构成16-17 2.2 ECT系统成像的数学基础17-19 2.3 ECT技术难点19-20 2.4 本章小结20-21 3 ECT系统图像重构算法21-32 3.1 ECT图像重构算法研究的意义21-22 3.2 线性反投影算法22-23 3.3 迭代类算法23-24 3.4 遗传算法24-31 3.4.1 遗传算法简介24-28 3.4.2 遗传算法在图像重构中的应用28-29 3.4.3 遗传算法的改进29-31 3.5 本章小结31-32 4 数据获取与图像重构32-47 4.1 有限元法在ECT系统仿真中的应用32-43 4.1.1 有限元方法概述32-36 4.1.2 ECT系统传感器的有限元分析36-40 4.1.3 灵敏度函数的计算40-41 4.1.4 电容值的计算41-43 4.2 图像重构仿真试验43-46 4.2.1 LBP 算法和迭代法的图像重构结果43-44 4.2.2 改进的遗传算法图像重构结果44-46 4.3 本章小结46-47 5 总结与展望47-48 5.1 总结47 5.2 展望47-48参考文献48-51致谢51-52在学期间发表的学术论文与研究成果52。

基于卷积神经网络的ct图像肺结节检测

计算机工程与设计
COMPUTER ENGINEERING AND DESIGN
Dec. 2019 Vol. 40 No. 12
基于卷积神经网络的CT图像肺结节检测
, , 谢未央15⑶ 陈彦博4 王季勇4 李强14+，陈群134
（1.中国科学院上海高等研究院高端医学Байду номын сангаас像技术研究中心,上海201210； 2.中国科学院大学电子电气与通信工程学院，北京100049； 3.上海科技大学生命科学与技术学院，上海201210； 4.上海联影医疗科技有限公司联影研究院，上海201807）
Detection of pulmonary nodules in CT images based on convolutional neural networks
XIE Wei-yang⑵3, CHEN Yan-bo4, WANG Ji-yong4, LI Qiang#4+ , CHEN QuC⑶4
/引言
肺癌是世界范围内死亡率最高的癌症[1],早期肺癌经常以肺结节的形式出现。近年来，薄层CT的广泛应用显著增加了肺结节的检出率，但同时，也增加了医生的工作量，导致了诊断错误的增加。近二十年来，使用计算机辅
助检测（computer-aided detection，CADe）系统自动检测肺结节是一个非常活跃的研究方向。肺结节检测系统一般由结节初始检测和去假阳性两个步骤组成。结节初始检测的目的是从胸部CT图像中筛选出若干结节候选点，去假阳性的目的是去除结节初始检测中的假阳性结果。近年来，随着大数据集的出现，使用卷积神经网络（convotcmal
对于每一个用于预测结节位置的特征图上的点将其映射回原图代表原图中中心点为dddz的区域在此区域设定3个半径dr分另u为51530像素的球形候o每个候计算其与肺结节intersectionoverunioniouo如iou大03此候区域包含结节记为正样本参与训练i1

基于RBF网络的ECT图像重建算法

摘
要：绍了一种基于ＲＦ网络的电容层析成像图像重建算法，径向基函数的选取、Ｂ介Ｂ包括ＲＦ网络权值
的训练方法．仿真实验显示该算法可用于两相流流型辨识．关键词：ＢＲＦ网络；Ｃ图像重建；ＥＴ；算法中图分类号：Ｐ１Ｔ２２文献标识码：Ａ文章编号：０３０７（０６０－３－３１０－９２２０）３０９０３
技术很难准确测量．０世纪７２Ｏ年代，成熟的医疗ＣＣｍｕｒｅｏｏｒｐｙ技术应用于过程参数Ｔ（ｏｐｔｉｄＴｍｇａｈ）ｅｚ检测领域而产生了多种基于不同敏感机理的过程层
析成像（ｒｅｓＴｍｇａｈ，Ｔ技术．电容层析成ＰｏｓｏｏｒｐｙＰ）ｃ
感器敏感场的仿真软件包，在参考传感器阵列电极优化设计的基础上，设计的传感器模型采用ｌ２个检测电极，２个径向电极，ｌ管壁采用有机玻璃，结构框图如图ｌ考虑到场域的物理特性，，有限元采用三角形抛分和线性插值方法，２为管道内、图管道壁、蔽层抛分层数分别为５３３的敏感场剖屏，，
像（ｌｔｃｌａａｉｎｅＴｍｇｐｙＥＴ技术是ＥｃａＣｐｃａｃｏｏｒｈ，Ｃ）ｅｒｉｔａＰ技术中研究较早的一种技术，Ｔ具有测量速度快、非侵人、成本低、适用范围广等特点的新一代无损功能成像技术．它是利用多相介质往往具有不同的介电常数，通过阵列电极电容变化，反映管道中多相介质分布，从而提取出管道截面各相介质的特征参数．该技术可用于检测两相／多相流动过程，实时显示多相流体在管道截面上的相分布图像，实现流型、

卷积神经网络的可解释性研究综述

卷积神经网络的可解释性研究综述卷积神经网络（Convolutional Neural Networks，CNN）是一种在深度学习中广泛应用的模型，其在图像处理、语音识别、自然语言处理等领域取得了巨大成功。

然而，CNN模型被认为是一种“黑盒”，即难以解释其决策背后的原因。

近年来，研究人员对卷积神经网络的可解释性进行了广泛研究，希望能够揭示其决策过程，提高其可信度和可靠性。

一、可解释性的重要性卷积神经网络的应用范围越来越广泛，例如在医学影像诊断、自动驾驶、金融风控等领域发挥着重要作用。

然而，尽管卷积神经网络在这些任务中呈现出优异的性能，但其决策过程通常缺乏可解释性。

这给应用带来了一定的风险和挑战。

二、可解释性方法的分类为了提高卷积神经网络的可解释性，研究人员提出了不同的方法。

根据解释方法的不同，可将可解释性方法分为以下几类：1. 特征可视化：通过可视化卷积神经网络的中间层特征，来理解其对输入的处理过程。

例如，可视化卷积神经网络在图像分类任务中学到的滤波器。

2. 特征重要性分析：通过分析不同特征的重要性，来解释卷积神经网络对输入的决策。

例如，通过计算不同特征的梯度或注意力来衡量其重要性。

3. 规则提取：通过从卷积神经网络中提取规则或模式，来解释其决策过程。

例如，提取出具有一定逻辑的规则，以解释卷积神经网络对图像中不同对象的分类。

4. 模型替代：通过用可解释的模型替代卷积神经网络，来提供可解释性较强的决策过程。

例如，用决策树模型或支持向量机模型代替卷积神经网络。

三、可解释性方法的研究进展随着研究的深入，越来越多的可解释性方法被提出并取得了重要进展。

以下是其中的一些主要方法：1. Grad-CAM：该方法通过计算卷积神经网络最后一个卷积层的梯度，来得到每个特征图的权重。

通过将这些权重与特征图相乘，并进行叠加，即可得到一个热力图，用于可视化网络对输入的关注区域。

2. LIME：该方法通过对输入的微小扰动，并观察网络预测结果的变化，来估计每个特征对于网络预测的影响。

粒子滤波算法在ECT图像重建中的应用

粒子滤波算法在ECT图像重建中的应用吴新杰;黄国兴;王静文【期刊名称】《光学精密工程》【年(卷),期】2012(020)008【摘要】针对电容层析成像技术(ECT)的图像重建质量精度较低的问题,提出了一种基于粒子滤波的ECT图像重建方法.首先,分析了ECT图像重建基本原理,以系统状态估计的方式描述了ECT图像重建最优解的搜索过程,并建立了状态空间模型.然后,以线性反投影( LBP)算法的图像重建结果作为初始状态,利用测量信息对从状态空间中获取的随机样本进行最优加权,以获得重建图像的最小方差估计.最后,对5种不同的流型进行了仿真实验.实验结果表明,利用本文方法获得的重建图像误差平均值为42.93％,相关系数平均值为0.813 9,比LBP算法、Landweber迭代算法和IMN-SNOF算法得到的相应指标要好.本文方法是一种有效、精度较高的ECT图像重建方法,为ECT图像重建技术提供了新的途径和手段.【总页数】7页(P1824-1830)【作者】吴新杰;黄国兴;王静文【作者单位】辽宁大学物理学院,辽宁沈阳110036;辽宁大学物理学院,辽宁沈阳110036;辽宁大学物理学院,辽宁沈阳110036【正文语种】中文【中图分类】TP391.4【相关文献】1.粒子群优化粒子滤波算法及其在循环流化床床温辨识中的应用 [J], 张妍;王东风;韩璞2.改进的粒子滤波算法在船用组合导航中的应用 [J], 江健;李伟峰;姚健;史国友3.自动控制中粒子滤波算法改进和应用 [J], 任慧4.一种改进型的粒子滤波算法在运动目标跟踪中的应用 [J], 李亚文; 刘萌5.改进的粒子滤波算法在RFID室内目标跟踪中的应用 [J], 李金杰;崔英花因版权原因，仅展示原文概要，查看原文内容请购买。