搜索
中国科大提出面向电阻抗成像的物理驱动神经网络补偿框架
2 小时前
中国科学技术大学自旋磁共振实验室的刘东研究员团队在计算成像与人工智能交叉领域取得重要突破，提出了一种物理驱动的神经网络补偿自监督学习框架（PhyNC），有效解决了医学电阻抗成像（EIT）中灵敏度分布不均的核心难题。该成果发表于人工智能领域权威期刊《IEEE模式分析与机器智能汇刊》。EIT技术通过体表电流与边界电压反演体内阻抗分布，具有无创、实时、动态且安全的优势，但受电流软场效应影响，其测量灵敏度随深度显著下降，导致深部区域信息易被噪声淹没，图像重建反问题高度不适定。针对这一挑战，研究团队深入剖析EIT物理机理，构建了灵敏度感知机制——通过基于物理先验的层级映射，使神经网络能够感知物理场中灵敏度的空间分布，类似人眼的“注视”功能，在低灵敏度区域自动投入更多表征能力进行补偿，而在高灵敏度区域施加约束以抑制噪声。同时，团队提出融合多尺度嵌入与傅里叶特征投影的混合表征方法，并配合自主设计的频率正则化策略，显著提升了神经网络在高、低灵敏度区域的重建能力与鲁棒性。在无需标签数据的条件下，该框架在仿真数据和物理实验中均实现了高保真、强鲁棒性的图像重建，尤其在低对比度、低灵敏度的中心区域，能够精准重建几何结构，展现出卓越的抗噪性能及对不同网格分辨率的泛化能力。该成果不仅为图像重建反问题中的非均匀灵敏度难题提供了全新的“神经补偿”解决方案，也为EIT技术在便携式医疗监护、柔性电子皮肤和工业无损检测等实际应用奠定了坚实基础。
