基于模型驱动的电阻抗层析成像方法

AITNT
正文
推荐专利
基于模型驱动的电阻抗层析成像方法
申请号:CN202410797875
申请日期:2024-06-20
公开号:CN118840442A
公开日期:2024-10-25
类型:发明专利
摘要
本发明属于电阻抗层析成像领域,提出了一种基于模型驱动的电阻抗层析成像方法,利用传感器获得边界测量电压后,进行数据预处理,将传感器阵列上的测量值重塑为电压特征图,将电压特征图输入金字塔池模块PPM获得初始重构特征;将初始重构特征输入到深度迭代展开成像模块,该深度迭代展开成像模块将Faster ISTA展开到基于学习的框架中,迭代计算利用两个子网进行建模,一个子网由通道层面和空间层面组成的并行注意力模块,另一个子网由多尺度卷积和残差连接组成,最终获得高分辨率成像结果。本方法在复杂的成像任务中表现出强大的鲁棒性和令人满意的可推广性。这种方法有望在工业和医疗应用中得到广泛应用。
技术关键词
层析成像方法 注意力 成像模块 通道 高分辨率成像 金字塔 归一化模块 电阻抗层析成像 深度学习模型 传感器阵列 描述符 拼接模块 重构 局部特征提取 非线性 稀疏先验 深度成像 电压 双线性插值
系统为您推荐了相关专利信息
1
基于裂殖壶菌时序形态分析的产油评估方法
裂殖壶菌发酵 YOLO模型 计算机设备 体细胞 全局平均池化
2
一种基于深度学习的抗性多肽识别方法
多肽 识别方法 二维卷积神经网络 生物信息技术 时间序列信息
3
一种风电功率预测方法、装置、电子设备及存储介质
数值天气预报数据 风电功率预测模型 风电功率预测方法 新能源风力发电技术 风电功率预测装置
4
一种基于深度学习的茶叶生产路径优化方法
路径优化方法 注意力神经网络 分布式传感器网络 多维特征数据 时序特征
5
一种基于卷积神经网络的单目深度估计方法及系统
单目深度估计方法 卷积神经网络模型 融合特征 多尺度特征融合 图像
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号