研究室论文《Bayesian Shape Reconstruction Using B-Spline Level Set in Electrical Impedance Tomography》被SCI期刊《IEEE Sensors Journal》录用。
本文主要针对差分EIT，提出了一种新的形状重构框架，以b样条曲线为基本形状基元，用水平集函数显式表示重构的夹杂边界。利用SBL方法对未知变量进行迭代优化，得到EIT重构问题的解。该方法充分继承了b样条灵活表示和贝叶斯学习特性的优势，从而提高了重构性能、噪声鲁棒性和计算效率。通过实验结果表明，该方法有很大的潜力扩展为一种通用技术，以提高差分EIT的空间分辨率，并为肺成像提供有效的评估。详情可见期刊论文。
图1 提出的BLS方法的示意图
图2 EIT系统的硬件框架
图2 健康志愿者坐姿时的强制肺活量结果