基于深度学习的电容层析成像图像重建算法综述

吴新杰, 刘延东, 刘世兴

辽宁大学学报(自然科学版) ›› 2025, Vol. 52 ›› Issue (02) : 97-110. DOI: 10.16197/j.cnki.lnunse.2025.02.006

基于深度学习的电容层析成像图像重建算法综述

  • 吴新杰, 刘延东, 刘世兴
作者信息 +
History +

摘要

本文首先介绍了电容层析成像(Electrical capacitance tomography, ECT)的研究意义、发展历程和特点,然后对传统ECT图像重建算法的优缺点进行了分析,并归纳总结了基于卷积神经网络、自编码器神经网络、长短期记忆神经网络、U-Net神经网络、Transformer神经网络以及其他神经网络的ECT图像重建算法的研究特点,分析了目前基于深度学习的ECT图像重建算法存在的不足.在此基础上,本文给出了未来基于深度学习的ECT图像重建算法的研究方向和发展趋势.

关键词

深度学习 / 电容层析成像 / 卷积神经网络 / 图像重建算法

中图分类号

TP391.41 / TP18

引用本文

导出引用
吴新杰, 刘延东, 刘世兴. 基于深度学习的电容层析成像图像重建算法综述. 辽宁大学学报(自然科学版). 2025, 52(02): 97-110 https://doi.org/10.16197/j.cnki.lnunse.2025.02.006

基金

国家自然科学基金项目(12372002,12232009)

评论

Accesses

Citation

Detail

段落导航
相关文章

/