论文部分内容阅读
针对传统ECT对于复杂情况下成像精度不高的问题,提出一种基于深度学习的反演方法。通过对传统极端学习机的改进和优化,采用重建图像方法获得的图像特征信息作为训练数据,并将数据输入预测模型得到的结果作为先验信息。通过成本函数封装先验信息和领域的专业知识,并引入空间正则器和时间正则器以增强稀疏性,利用分离的Bregman(SB)算法和迭代收缩阈值(FIST)方法求解规定的成本函数,以获得最终的成像结果。仿真实验结果表明,该方法重建的图像与原流型相比,误差小于10%,并且减少了伪影和变形,提高了重建图像质量。