SDEIT: 语义驱动的电阻率断层成像
计算机视觉与模式识别
2025-04-08 v1
摘要
正则化方法利用先验知识是解决电阻率断层成像(EIT)等病态逆问题的关键手段。然而，由于解剖结构的复杂性和多样性，设计有效的正则化方法并将先验信息集成到EIT中仍然具有挑战性。本文引入了 SDEIT，一种新型的语义驱动框架，将Stable Diffusion 3.5集成到EIT中，首次将大规模文本到图像生成模型应用于EIT。SDEIT利用自然语言提示作为语义先验，引导重建过程。通过将隐式神经表征(INR)网络与一种即插即用优化方案耦合，后者利用SD生成的图像作为生成式先验，SDEIT提高了结构一致性并恢复细节。重要的是，该方法不依赖配对训练数据，提高了在各种EIT场景下的适应性。在模拟数据和实验数据上的大量实验表明，SDEIT超越了当前技术，在准确性和鲁棒性方面均表现出色。这一工作为将多模态先验信息集成到如EIT等病态逆问题开辟了新的道路。
引用
@article{arxiv.2504.04185,
title = {SDEIT: Semantic-Driven Electrical Impedance Tomography},
author = {Dong Liu and Yuanchao Wu and Bowen Tong and Jiansong Deng},
journal= {arXiv preprint arXiv:2504.04185},
year = {2025}
}