The objective of electrical impedance tomography (EIT) is to reconstruct the internal conductivity of a physical body based on current and voltage measurements at the boundary of the body. In many medical applications the exact shape of the domain boundary and contact impedances are not available. This is problematic as even small errors in the boundary shape of the computation domain or in the contact impedance values can produce large artifacts in the reconstructed images which results in a loss of relevant information. A method is proposed that simultaneously reconstructs the conductivity, the contact impedances and the boundary shape from EIT data. The approach consists of three steps: first, the unknown contact impedances and an anisotropic conductivity reproducing the measured EIT data in a model domain are computed. Second, using isothermal coordinates, a deformation is constructed that makes the conductivity isotropic. The final step minimizes the error of true and reconstructed known geometric properties (like the electrode lengths) using conformal deformations. The feasibility of the method is illustrated with experimental EIT data, with robust and accurate reconstructions of both conductivity and boundary shape.


翻译:电阻断层摄影(EIT)的目标是根据对身体边界的当前测量和电压测量,重建物理体的内部传导。在许多医疗应用中,不存在域边界和接触阻力的确切形状。这很成问题,因为计算域的边界形状或接触阻力值即使有小差错,也会在重建后的图像中产生大型文物,从而导致失去相关信息。建议采用一种方法,同时从经济转型期数据中重建导电、接触阻力和边界形状。方法包括三个步骤:首先,计算未知接触阻力和厌异导导导导力,在模型域内重新生成测量的经测量的导力数据。第二,使用等热坐标,构造变形,使导力为摄像;最后一步,利用正态变形,将已知的几何特性(如电极长度)的误差最小化。该方法的可行性通过实验性经济转型期数据加以说明,同时对导力和边界形状进行稳健和准确的重建。

0
下载
关闭预览

相关内容

专知会员服务
61+阅读 · 2020年3月4日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
5+阅读 · 2018年11月15日
计算机视觉领域顶会CVPR 2018 接受论文列表
Learning Implicit Fields for Generative Shape Modeling
Arxiv
10+阅读 · 2018年12月6日
VIP会员
相关VIP内容
专知会员服务
61+阅读 · 2020年3月4日
MIT新书《强化学习与最优控制》
专知会员服务
275+阅读 · 2019年10月9日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
已删除
将门创投
5+阅读 · 2018年11月15日
计算机视觉领域顶会CVPR 2018 接受论文列表
Top
微信扫码咨询专知VIP会员