中国生物医学工程学报
中國生物醫學工程學報
중국생물의학공정학보
CHINESE JOURNAL OF BIOMEDICAL ENGINEERING
2015年
2期
190-197
,共8页
韩敏%薛玉艳%秦攀%韩杰%姜长斌
韓敏%薛玉豔%秦攀%韓傑%薑長斌
한민%설옥염%진반%한걸%강장빈
磁感应断层成像%图像重建%L1范数正则化%迭代Newton-Raphson
磁感應斷層成像%圖像重建%L1範數正則化%迭代Newton-Raphson
자감응단층성상%도상중건%L1범수정칙화%질대Newton-Raphson
magnetic induction tomography (MIT)%image reconstruction%L1-norm regularization%iteration Newton-Raphson
在磁感应断层成像中,图像重建是一个典型的病态问题,其数值解存在不稳定性.针对此问题,提出一种基于加权矩阵和L1范数正则化的改进型迭代Newton-Raphson (NR)算法.该算法通过在目标函数的误差项中引入加权矩阵,同时在L2范数正则化惩罚项的基础上引入L1范数正则化,改善图像重建解的病态性.设置3种典型的模型,分别对有无噪声的数据进行分析,将本算法与Tikhonov正则化算法和迭代NR算法进行对比.在无噪声数据分析中,所提算法相对Tikhonov正则化算法和迭代NR算法的相对图像误差减小0.11 ～0.14,相关系数提高13％ ～ 17％.在有噪声数据中,所提算法相对于Tikhonov正则化算法和迭代NR算法的相对图像误差减小0.06 ～0.09,相关系数提高7％ ～ 10％.提出的算法成像性能较好,且抗噪性能较强,为进一步的实验重建精确性提供理论依据.
在磁感應斷層成像中,圖像重建是一箇典型的病態問題,其數值解存在不穩定性.針對此問題,提齣一種基于加權矩陣和L1範數正則化的改進型迭代Newton-Raphson (NR)算法.該算法通過在目標函數的誤差項中引入加權矩陣,同時在L2範數正則化懲罰項的基礎上引入L1範數正則化,改善圖像重建解的病態性.設置3種典型的模型,分彆對有無譟聲的數據進行分析,將本算法與Tikhonov正則化算法和迭代NR算法進行對比.在無譟聲數據分析中,所提算法相對Tikhonov正則化算法和迭代NR算法的相對圖像誤差減小0.11 ～0.14,相關繫數提高13％ ～ 17％.在有譟聲數據中,所提算法相對于Tikhonov正則化算法和迭代NR算法的相對圖像誤差減小0.06 ～0.09,相關繫數提高7％ ～ 10％.提齣的算法成像性能較好,且抗譟性能較彊,為進一步的實驗重建精確性提供理論依據.
재자감응단층성상중,도상중건시일개전형적병태문제,기수치해존재불은정성.침대차문제,제출일충기우가권구진화L1범수정칙화적개진형질대Newton-Raphson (NR)산법.해산법통과재목표함수적오차항중인입가권구진,동시재L2범수정칙화징벌항적기출상인입L1범수정칙화,개선도상중건해적병태성.설치3충전형적모형,분별대유무조성적수거진행분석,장본산법여Tikhonov정칙화산법화질대NR산법진행대비.재무조성수거분석중,소제산법상대Tikhonov정칙화산법화질대NR산법적상대도상오차감소0.11 ～0.14,상관계수제고13％ ～ 17％.재유조성수거중,소제산법상대우Tikhonov정칙화산법화질대NR산법적상대도상오차감소0.06 ～0.09,상관계수제고7％ ～ 10％.제출적산법성상성능교호,차항조성능교강,위진일보적실험중건정학성제공이론의거.
