CC BY
38
Раздел IV
Приборы и методы структурного анализа электрофизиологического сигнала Е.В. Мирошниченко
АЛГОРИТМ РЕКОНСТРУКЦИИ ЭЛЕКТРОИМПЕДАНСНОГО ИЗОБРАЖЕНИЯ, ОСНОВАННЫЙ НА ИСПОЛЬЗОВАНИИ НЕЙРОСЕТЕЙ
На протяжении последних лет ведутся исследования электроимпедансной томографии. Целью ЭИТ является определение и визуализация электрической проводимости поперечного сечения цилиндрических объектов. Преимуществом этой методики является то, что она обеспечивает неинвазивный и чувствительный метод исследования тела без использования жесткого ионизирующего излучения. Еще одним преимуществом является относительно низкая стоимость и возможность выполнять мониторинг на протяжении длительного времени. Кроме того, ЭИТ выявляет данные, которые невозможно получить с помощью других методик, а именно, определяет электрические свойства тканей. Это может служить важным клиническим показателем свойств тканей, который не достигаются другими методами.
Проблема восстановления структуры диагностируемого объекта решается многими методами, которые можно разбить на два класса - итерационные и неитерационные.
Итерационные методы позволяют реконструировать изображение с нужной точностью при достаточном количестве итераций, но требуют больших затрат машинного времени, по сравнению с неитерационными методами.
Неитерационные методы уступают в точности итерационным методам реконструкции, однако они нашли свое применение в обработке динамических изображений, где необходима высокая скорость обработки данных.
Разработан алгоритм послойной реконструкции электроимпедансных изображений, реализуемый с помощью нейронных сетей обратного распространения ошибок. При использовании данного метода реконструкции можно с помощью варьирования количеством эпох обучения добиться требуемой среднеквадратичной ошибки вычислений. Он также превосходит итерационные методы по скорости реконструкции, не уступает в точности вычисления и позволяет использовать мультичастотный динамический режим электроимпедансной томографии. Для реконструкции использовалась трехслойная нейросеть с числом нейронов первого слоя 512, 16 нейронов в скрытом слое и 1 нейрон в выходном слое. Для получения точности ЭИТ изображения на уровне 1% потребовалось порядка 7-10 тысяч эпох обучения.
Разработанный алгоритм реконструкции электроимпедансных изображений найдет широкое применение в электроимпедансных томографах нового поколения.
БИБЛИОГРАФИЧЕСКИЙ СПИСОК
1. Yorkey T.J., Webster J.G. and Tompkins W.J. (1987) Comparing Reconstruction Algorithms for Electrical Impedance Tomography. IEEE Trans. Biomed. Eng. 34: 843 - 852.
2. Wexler A., Fry B. and Neuman M.R. (1985) Impedance Computed Tomography Algorithm and Systems. Appl. Optics24: 3985 - 3992.
3. Cheney M., Isaacson D., Somersalo E.J., Isaacson E.L. and Coffey E.J. (1991) A Layer-stripping Reconstruction Algorithm for Impedance Imaging. Proc Ann Int Conf IEEE EMBS (Orlando, USA) 13: 3 - 4.
