Использование искусственных нейронных сетей для решения обратных задач электроимпедансной и магнитоиндукционной томографии

Аннотация

Решение проблемы реконструирования пространственного распределения абсолютной электропроводности ("статической" визуализации) с высоким пространственным разрешением по результатам измерений возмущений квазистационарного электромагнитного поля, проводимых вне исследуемого объекта, открывает широкие перспективы для применения методов электроимпедансной томографии (ЭИТ) и магнитоиндукционной томографии (МИТ) в медицине и других областях. Ни один из существующих методов решения обратной задачи здесь не дает пока удовлетворительных результатов в достижении обеих целей (статической визуализации и удовлетворительного пространственного разрешения) одновременно в случае измерений, проводимых in vivo. Мы исследовали возможность использования искусственных нейронных сетей, обучаемых методом обучения с учителем, для улучшения статической визуализации в низкочастотной электромагнитной томографии. Для ускорения обучения сетей и упрощения оценки степени их адекватности решаемой проблеме, обучающие наборы данных создавались с помощью компьютерного моделирования измерений. В процессе работы тестировались и сравнивались различные алгоритмы оптимизации и структуры нейронных сетей. В результате были получены сети, демонстрирующие высокое качество реконструирования для модельных входных данных с произвольным пространственным распределением электропроводности как для ЭИТ, так и для МИТ. Статические изображения удовлетворительного качества были реконструированы и из экспериментальных данных, измеренных in vivo. В частности, в работе демонстрируется изображение головы добровольца, полученное методом магнитоиндукционной томографии. Показано, что удовлетворительные статические изображения могут быть реконструированы даже с использованием однослойных линейных искусственных нейронных сетей.

Для цитирования

Литература

1. Barber D. C. and Brown B. H. Applied potential tomography // J. Phys. E: Sci. Instrum., 1984, v 17, p. 723-733
2. Корженевский А.В., Черепенин В.А. Магнито-индукционная томография // РЭ, 1997, т. 42, N 4, с. 506-512
3. Корженевский А.В., Черепенин В.А. Магнитоиндукционная томография // Журнал Радиоэлектроники, 1998, № 1, <http://jre.cplire.ru/win/dec98/1/text.html>
4. Adler A. and Guardo R. A neural network image reconstruction technique for electrical impedance tomography // IEEE Trans. Med. Imag., 1994, v. 13, p. 594-600
5. Caudill M. Neural Networks Primer, San Francisco CA: Miller Freeman Publications, 1989
6. Корженевский А.В., Корниенко В.Н., Культиасов М.Ю., Культиасов Ю.С., Черепенин В.А. Электроимпедансный томограф для медицинских приложений // ПТЭ, 1997, N 3, с. 133-140
7. Korjenevsky A.V. Reconstruction of absolute conductivity distribution in electrical impedance tomography // Proc. 9th Int. Conf. On Electrical Bio-Impedance (Heidelberg, 1995), p. 532-535
8. Korjenevsky A., Cherepenin V. and Sapetsky S. Magnetic induction tomography: experimental realization // Physiol. Meas., 2000, v. 21, p. 89-94
9. Gabriel C. and Gabriel S. Compilation of the dielectric properties of body tissues at RF and microwave frequencies, Physics Department King's College London Report AL/OE-TR-1996-0037, <http://niremf.iroe.fi.cnr.it/docs/DIELECTRIC/Report.html>