【摘 要】
：
电阻抗层析成像(ElectricalImpedanceTomography简称EIT)通过被测场域边界处的电学测量信号，反演场域内的电导率的二维/三维分布情况，具有时间分辨率高、非侵入、无辐射、结构简单等优点，在多相流工业测量和生物医学检测领域具有广阔的应用前景。然而，由于EIT技术固有的“软场”特性，其图像重建问题具有严重的非线性和欠定性，导致其重建的图像分辨率低，限制了该技术的推广和应用。因此
论文部分内容阅读
电阻抗层析成像(ElectricalImpedanceTomography简称EIT)通过被测场域边界处的电学测量信号，反演场域内的电导率的二维/三维分布情况，具有时间分辨率高、非侵入、无辐射、结构简单等优点，在多相流工业测量和生物医学检测领域具有广阔的应用前景。然而，由于EIT技术固有的“软场”特性，其图像重建问题具有严重的非线性和欠定性，导致其重建的图像分辨率低，限制了该技术的推广和应用。因此，高精度、高鲁棒的图像重建算法研究是EIT研究领域的重点和难点。本课题研究大规模图像数据集中形状先验信息的提取和表征方法，用于约束和指导EIT图像重建过程，改善EIT成像问题的欠定性，提高成像精度。本课题完成的主要工作如下：
(1)以肺部EIT成像为例，收集人体胸部CT图像数据，对原始图像进行分割、对齐、下采样、填充等预处理操作，并基于无监督学习方法提取数据集的主成分分量，分析主成分分量所表征的统计形状信息，构建人体肺部截面解剖结构的统计形状空间。
(2)基于提取到的统计形状先验信息，提出基于统计形状约束的图像重建(StatisticShapeConstrainedReconstruct简称SSCR)框架；针对实时性要求较高、肺部结构性病变不明显的情况，设计并实现一步非迭代SSCR方法(OSSCR)；针对实时性要求不高、肺部结构性病变显著的情况，提出迭代SSCR方法(ISSCR)；进而，通过分析仿真、仿体、在体实验结果，证明了所提出方法具有较高的精度，并对测量噪声和模型误差不敏感。
(3)基于所收集的胸部CT数据集，设计基于有监督学习的统计形状重建模型。构建用于模型训练的数值仿真数据集；构建用于EIT图像重建的卷积神经网络模型，该模型包括由测量信号到EIT图像的预重建器和基于深度残差网络的后处理网络；完成模型训练，并通过仿真实验，证明所提出有监督学习方法可以显著提高EIT形状重建质量，并对模型误差具有较好的鲁棒性；基于仿体实验证明基于仿真数据训练的模型，成功迁移到实测数据上，具有较好的泛化能力。
其他文献
大脑是一个结构和功能极其复杂的非线性系统。神经信息在大脑中的传导是大脑正常工作的基础。神经网络是大脑信息传导的重要载体，对人的反应活动等认知行为发挥着重要功能。信息在神经元及神经元网络中的检测和传导是神经科学中的一个重要问题。神经信息的传递受到大脑连接的影响，因此了解脑连接是深入理解神经网络信息传导的生理基础。因此，本文构建外部刺激作用下的神经网络模型，揭示神经元网络固有参数和外部刺激如何影响神经
医学影像技术是以非入侵的方式对人体组织和器官等进行可视化的技术，在当代疾病诊断、人体健康评估等方面发挥了极为重要的作用。电阻抗层析成像(Electrical Impedance Tomography，EIT)和超声层析成像(Ultrasonic Tomography，UT)技术基于不同的物理敏感原理，敏感场的灵敏度分布具有互补性。利用这两种模态的互补优势，实现双模态成像，可达到扩大测量范围和提高图
时间序列以不同形式广泛存在于气象、医学、工业、经济等多个领域，对其进行数据挖掘可获得大量有价值的信息，蕴藏巨大的经济效益和社会效益，因此吸引了大批科研人员致力于时间序列分析方向的研究。但近些年随着研究的不断深入及应用领域的不断拓展，传统的时间序列分析方法存在的局限性和不足等问题也逐渐凸显。因此，需要借助全新且有效的分析工具，深层次挖掘隐含在时间序列中的重要信息，解决复杂应用中面临的挑战性难题。为此
近年来，随着宫颈癌发病率越来越高，人工判别宫颈细胞图片的方法不仅消耗时间，而且工作量大。随着人工智能的发展，基于机器视觉的细胞图像识别方法引起了许多学者的关注。细胞图像处理的关键是细胞边缘的提取，而细胞图像中存在重叠、细小颗粒杂质的复杂现象，采用机器识别方法无法获取细胞的精确边缘，或存在虚假边缘的可能。另外，传统的图像识别方法需要提取大量的图片特征，冗余特征不仅增加计算量且容易引入干扰，这降低了细
脑机接口是人机交互中一个重要研究领域，可通过脑电信号(EEG)来反映人体的各项机能，包括疲劳、情绪和健康情况等。针对脑电信号的研究不仅可以提高人机交互的深度和广度，还有助于理解人脑认知过程中的信息处理机制。EEG信号有着很高的时间分辨率，且包含着丰富的电极间关联信息，这就是脑电中的时空特征；深度学习技术以其从数据中学习有效表征的强大能力，已经在多个图像领域得到广泛应用，然而在脑电信号分析方面的探索
水平段塞流作为气液两相流的一种重要流型，广泛存在于工业生产中，如天然气和石油的运输系统等。段塞流具有长气泡和液塞交替出现的流动特征，流动过程经常伴随着管道腐蚀、震动等现象，因此段塞流的流动参数测量对于理解流动结构和机理，以及实施工业生产安全等具有重要意义。 本文基于高速摄影和图像处理技术，对段塞流图像进行优化处理，并在此基础上测量和分析了段塞流中长气泡的速度分布。针对水平管道中气液段塞流的界面行
高超声速飞行器的飞行速度快，突防能力强，在民用和军事领域有广泛的应用前景。本文考虑到参数不确定性、输入饱和与执行机构故障，对巡航阶段的高超声速飞行器展开被动容错控制策略的研究，主要工作为以下几方面： 首先，针对舵面发生失效故障、随机漂移故障和卡死故障的高超声速飞行器纵向模型，通过反馈线性化和对故障的等效转化，建立了带有多胞附加扰动项的线性时不变(linear time-invariant，LTI
压缩感知理论利用信号稀疏性直接采样压缩后的信号，具有信号采样速率低、数据存储压力小等优点，在无线传感器网络、生物电信号采集、多输入多输出系统设计以及变换域采样系统设计等领域具有广泛的应用前景。自压缩感知理论问世以来，如何设计更高效、更便于硬件实现的信号编码器以及如何设计复杂度低、重构质量高的重构算法一直是该领域的重点研究方向。 本论文对压缩感知理论中的观测矩阵优化设计、重构算法设计及压缩感知硬件
多旋翼无人机的应用场景在过去几年从军事领域逐渐扩展到民用领域，其被广泛的应用于搜索救援、遥感测量、航空摄影、电力检修和农业灌溉等任务。随着芯片、传感器的小型化，人工智能相关技术的快速发展，再加上为了满足应用场景的多样化、复杂化，多旋翼无人机逐渐向小型化、智能化发展。研究人员开始探索研究非传统的感知、控制方法，以期望无人机能够在复杂、非结构环境下自主的完成感知、决策、规划和控制。 作为一种空中机器
随着信息技术的不断发展，信息交流变得越来越方便，同时安全性也受到越来越多的挑战，相关的安全性技术也越来越受到关注。信息隐藏技术中的隐写术可以将秘密信息隐藏在载体中传递而不引起第三方关注。因此隐写术成为常用的保证信息安全性的技术。本文以图像作为隐写的载体信号，使用深度学习模型进行空域隐写，论文的主要成果包括： 1.提出一种基于特征重建的感知损失的隐写方案。该方案参考迁移学习的相关研究成果，采用常见