基于生成对抗网络的注入电流式热声成像逆问题研究

注入电流式热声成像结合了电阻抗成像高对比度和超声成像高分辨率的优势,在生物医学成像领域具有广阔的应用前景。该成像方法激励效率高、检测信噪比强,但在较低频率的电磁激励下,重建目标体电导率的高分辨率图像仍然具有很大的挑战。该文提出一种基于生成对抗网络的电导率重建新方法,包含三个步骤:首先用维纳滤波反卷积,将超声探头输出的电信号还原为真实声信号;然后利用滤波反投影获得初始声源图像;最后将初始声源图像和电导率图像进行匹配,作为生成对抗网络的训练样本,构建用于电导率重建的深度学习模型。经理论分析与仿真研究发现,新方法通过引入深度神经网络,能够挖掘出蕴含在数据中的逆问题求解模型,进而重建高分辨率的电导率图像,且具有很强的抗干扰特性。新方法的提出为解决注入电流式热声成像的电导率重建问题提供了新思路。