基于Hadamard product优化多层神经网络的胸部电阻抗成像研究

电阻抗成像(EIT)是一种无辐射、非侵入式的可视化诊断技术。为提高胸部电阻抗成像技术重建算法的成像分辨率和去伪影能力,本研究提出了一种利用Hadamard product优化多层神经网络(MANN)的HMANN算法。将HMANN算法的重建图像与广义矢量模式匹配(GVSPM)算法、截断奇异值分解(TSVD)算法、反向传播(BP)神经网络算法和传统MANN算法的重建图像进行对比,仿真结果表明:相对于MANN算法,HMANN算法重建图像的相关系数在圆截面模型中可以提高17.30%,在肺截面模型中可以提高13.98%。虽然肺截面模型中HMANN算法重建图像的部分相关系数会有所下降,但在所有模型中,HMANN算法保留了MANN算法的图像信息,同时HMANN算法重建图像的伪影更少,检测目标与背景的可识别度比传统MANN算法高。本研究可以提升重建图像的相关系数,有效去除重建图像的伪影,为EIT成像技术提供了一种有效提升重建图像质量的新思路。