一种电阻抗成像方法、装置及存储介质

本发明公开了一种电阻抗成像方法，融合物理模型与深度学习构建了一种具有物理约束的深度学习框架，以提升物理一致性和重建精度。本发明采用基于编码器‑解码器结构的神经网络，以测量的边界电压作为输入预测目标物体的电导率分布；为了提高神经网络的性能，引入物理雅各比矩阵，描述边界电压对电导率的灵敏度；并构建了物理正则化损失函数，将物理计算的雅可比矩阵与神经网络预测的雅可比矩阵进行对比，最终的总损失函数结合了数据误差损失和物理一致性损失。本发明利用物理约束指导数据驱动模型训练，实现了物理信息与深度学习的结合，显著提升了电阻抗重建的精度和模型的泛化能力，为医学、柔性电子及环境监测等领域提供新的解决思路。