PIFON-EPT：基于物理信息傅里叶网络的 MR 电阻抗层析成像
机器学习
2023-12-22 v4 人工智能
摘要
我们提出用于电阻抗（EP）层析成像的物理信息傅里叶网络（PIFON-EPT），一种基于深度学习的、利用含噪和/或不完整磁共振（MR）测量进行 EP 重建的新方法。我们的方法利用 Helmholtz 方程约束两个网络，分别负责发射场的去噪与补全，以及物体 EP 的估计。我们将随机傅里叶特征映射嵌入网络，以实现对发射场中编码的高频细节的高效学习。我们通过 3 与 7 特斯拉（T）MR 成像下的若干仿真实验证明了 PIFON-EPT 的有效性，并表明我们的方法可重建物理一致的 EP 与发射场。具体而言，当仅使用 的含噪测量场作为输入时，PIFON-EPT 以 的误差重建了体模的 EP，并以 的误差对测量进行了去噪与补全。此外，我们调整 PIFON-EPT 以求解考虑非均匀性间 EP 梯度的广义 Helmholtz 方程。这在不同材料界面处无需显式边界条件知识即产生了改进结果。PIFON-EPT 是首个能从不完整含噪 MR 测量中同时重建 EP 与发射场的方法，为 EPT 研究提供了新机遇。
引用
@article{arxiv.2302.11883,
title = {PIFON-EPT: MR-Based Electrical Property Tomography Using Physics-Informed Fourier Networks},
author = {Xinling Yu and José E. C. Serrallés and Ilias I. Giannakopoulos and Ziyue Liu and Luca Daniel and Riccardo Lattanzi and Zheng Zhang},
journal= {arXiv preprint arXiv:2302.11883},
year = {2023}
}
备注
11 pages, accepted by IEEE JMMCT