The first numerical implementation of a D-bar method in 3D using electrode data is presented. Results are compared to Calder\'on's method as well as more common TV and smoothness regularization-based methods. D-bar methods are based on tailor-made non-linear Fourier transforms involving the measured current and voltage data. Low-pass filtering in the non-linear Fourier domain is used to stabilize the reconstruction process. D-bar methods have shown great promise in 2D for providing robust real-time absolute and time-difference conductivity reconstructions but have yet to be used on practical electrode data in 3D, until now. Results are presented for simulated data for conductivity and permittivity with disjoint non-radially symmetric targets on spherical domains and noisy voltage data. The 3D D-bar and Calder\'on methods are demonstrated to provide comparable quality to their 2D CGO counterparts, and hold promise for real-time reconstructions.


翻译:介绍了使用电极数据对 3D 采用 D- bar 方法的首次数字实施。 将结果与 Calder\'on 的方法以及更常用的电视和光滑规范法进行比较。 D- bar 方法基于有测量的当前和电压数据的定制非线性非线性Fourier 变异。 非线性 Fourier 域的低通过过滤用于稳定重建进程。 D- bar 方法在 2D 中显示了提供强力实时绝对性和时间差异性导电率重建的巨大希望,但至今尚未用于 3D 中的实际电极数据。 D- Bar 和 Calder\ 在线方法展示了模拟数据在球域和扰动性电流数据上与非无线性非对称目标的模拟数据结果。 3D- 巴 和 Calder- son 方法展示了向 2D CGO 对应方提供可比质量, 并承诺实时重建。

0
下载
关闭预览

相关内容

3D是英文“Three Dimensions”的简称,中文是指三维、三个维度、三个坐标,即有长、有宽、有高,换句话说,就是立体的,是相对于只有长和宽的平面(2D)而言。
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
4+阅读 · 2018年3月14日
VIP会员
相关VIP内容
Linux导论,Introduction to Linux,96页ppt
专知会员服务
77+阅读 · 2020年7月26日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
164+阅读 · 2020年3月18日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
IEEE | DSC 2019诚邀稿件 (EI检索)
Call4Papers
10+阅读 · 2019年2月25日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
人工智能 | 国际会议/SCI期刊约稿信息9条
Call4Papers
3+阅读 · 2018年1月12日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员