一种基于Fractal-DenseNet的电磁血管断层图像重建算法

• Published in: 东北大学学报（自然科学版） Vol. 44; no. 7; pp. 931 - 937
• Main Authors: 杨丹, 王雨佳, 辛采凝, 徐彬
• Format: Journal Article
• Language: Chinese
• Published: 东北大学 智能工业数据解析与优化教育部重点实验室,辽宁 沈阳 110819%东北大学 信息科学与工程学院,辽宁 沈阳 110819%东北大学 计算机科学与工程学院, 辽宁 沈阳 110169 13.07.2023; 东北大学 信息科学与工程学院,辽宁 沈阳 110819
• Subjects: 监督学习; ulnar artery of human forearm; supervised learning; 血管断层图像重建; 血流磁电耦合效应; vascular tomography image reconstruction; 人体前臂尺动脉; Fractal-DenseNet; magneto-electric coupling effect of blood flow
• ISSN: 1005-3026
• DOI: 10.12068/j.issn.1005-3026.2023.07.003

TH776; 针对电磁血管断层图像重建中存在的欠定性、病态性,提出一种基于Fractal-DenseNet的电磁血管断层图像重建算法.基于血流磁电耦合效应的血管断层图像重建原理,将 FractalNet 的分形思想与DenseNet的密集紧密连接思想相结合,构建了一种适用于反演血液流速分布的Fractal-DenseNet网络模型,用于血管断层图像重建.通过人体前臂尺动脉血流磁电耦合测量模型,建立血管断层剖面流速和血流磁电效应引起的电压信号的对应数据对,分别作为网络模型输入和输出;通过监督学习,实现基于血管断层流速分布的血管断层图像重建.结果表明:Fractal-DenseNet 重建结果的均方根误差和相关系数分别为 0.0078,99.28%;本文算法具有良好的抗噪性,可在复杂边界条件下实现血管断层图像重建.