利用 CNN 学习指标算子求解扩散光学层析：一种深度直接采样方法
数值分析
2021-05-10 v2 数值分析
摘要
在这项工作中，我们研究了在仅有有限边界测量可用情况下的扩散光学层析（DOT）问题。受直接采样方法（DSM）的启发，我们提出了一种深度直接采样方法（DDSM）来重建埋于均匀背景中的非均匀包体。在该方法中，我们设计了一个卷积神经网络（CNN）来逼近模仿底层数学结构的指标泛函。所提出的 DDSM 的优点包括：快速且易于实现、能够融合多次测量以获得高质量重建、以及对噪声具有更强的鲁棒性。数值实验表明，重建精度得到提升且未降低效率，展示了其在求解实际 DOT 问题中的潜力。
引用
@article{arxiv.2104.07703,
title = {Learn an index operator by CNN for solving diffusive optical tomography: a deep direct sampling method},
author = {Jiahua Jiang and Yi Li and Ruchi Guo},
journal= {arXiv preprint arXiv:2104.07703},
year = {2021}
}