研究室论文《Fast 3D Electrical Impedance Tomography Imaging of Tumor Boundary Based on Plane Extension Layer and Deep Learning》被期刊《lEEE Sensors Journal》录用。
本文基于深度学习和平面扩展层提出一种肿瘤组织边界快速成像方法。首先，搭建了一种结合编码器-解码器和带有空洞卷积空间金字塔池化模块的成像网络；其次，提出了一种基于平面扩展层的电压数据预处理方法，用二维电压数据实现三维图像重建；然后，进一步探究了主干网络深度和模型抗噪能力，获得了快速、高精度的肿瘤边界图像重建方法；最后，通过数值模拟和实验验证所提出方法的性能。本研究所提出的图像重建算法在数值模拟测试数据集中，图像相关系数（Image Correlation Coefficient，ICC）达到0.8068，均方根误差（Root Mean Square Error，RMSE）达到0.051；在实验中的ICC可达0.836，最快成像速度为0.013秒，提出的平面扩展层数据预处理方法可将模型压缩1MB。结果表明，本文提出的三维电阻抗成像方法在肿瘤边界成像中可以快速、精确呈现出肿瘤的轮廓边界和位置，进而有望辅助医师实现术中肿瘤切缘的快速检测，降低术后复发的风险。
图 算法流程图