提高电阻抗成像准确性的方法、系统、装置和存储介质与流程

技术特征：
1.一种提高电阻抗成像准确性的方法，其特征在于，包括以下步骤：输入电流信息，采集电压信息，根据所述电流信息和所述电压信息获取电导率信息；根据所述电导率信息构建获得电导率图像；将电导率图像输入预设的神经网络进行图像重建，输出重建区域以及置信度；在不同时间上依次输入n次电流信息后，获得n个重建区域以及与重建区域对应的置信度；根据置信度获取最优的重建区域作为最终的电阻抗成像结果。2.根据权利要求1所述的一种提高电阻抗成像准确性的方法，其特征在于，所述置信度通过以下方式获得：获取经过所述神经网络中的softmax函数，将输出中的最大值作为置信度。3.根据权利要求1所述的一种提高电阻抗成像准确性的方法，其特征在于，所述神经网络为分类模型，所述分类模型的分类结果的表达式为：p，c＝f(i，θ)，∑p
i
＝1 c∈(0,1)其中，p
i
代表分类的概率；c代表神经网络输出的置信度，用于表征对分类结果的把握度；p
i
通过神经网络最后一层softmax函数得到。4.根据权利要求3所述的一种提高电阻抗成像准确性的方法，其特征在于，所述置信度通过以下方式获得：在神经网络中设置一条置信度路径，以及根据置信度路径设置损失函数lc；将损失函数lc与神经网络的原始损失ls进行结合，获得总损失函数；采用总损失函数对神经网络进行训练，并在训练后，获取损失函数lc的值作为置信度；其中，当神经网络输出的重建区域正确时，损失函数lc的值近于0；当神经网络输出的重建区域错误时，损失函数lc的值近于1。5.根据权利要求4所述的一种提高电阻抗成像准确性的方法，其特征在于，在神经网络中添加置信度路径后，神经网络输出的表达式如下：p
′
＝c*p (1
‑
c)*y其中，y为目标分类结果；c代表神经网络输出的置信度；利用交叉熵损失函数计算原始损失ls；损失函数lc的计算公式如下：lc＝sigmoid(
‑
log(c))当置信度趋近于1时，损失函数lc的值近于0；当置信趋近于0时，损失函数lc的值近于1。6.根据权利要求1所述的一种提高电阻抗成像准确性的方法，其特征在于，所述根据置信度获取最优的重建区域作为最终的电阻抗成像结果，包括：获取最大的置信度对应的重建区域作为最终的电阻抗成像结果。7.根据权利要求1所述的一种提高电阻抗成像准确性的方法，其特征在于，所述根据置信度获取最优的重建区域作为最终的电阻抗成像结果，包括：将n个置信度进行降序排列，获取前m个置信度以及m个置信度对应的重建区域；获取m个重建区域之间交叉的区域，作为重叠区域；获取包含最多重叠区域面积对应的重建区域，作为最终的电阻抗成像结果。
8.一种提高电阻抗成像准确性的系统，其特征在于，包括：信息采集模块，用于输入电流信息，采集电压信息，根据所述电流信息和所述电压信息获取电导率信息；构图模块，用于根据所述电导率信息构建获得电导率图像；图像重构模块，用于将电导率图像输入预设的神经网络进行图像重建，输出重建区域以及置信度；重复构图模块，用于在不同时间上依次输入n次电流信息后，获得n个重建区域以及与重建区域对应的置信度；图像选择模块，用于根据置信度获取最优的重建区域作为最终的电阻抗成像结果。9.一种提高电阻抗成像准确性的装置，其特征在于，包括：至少一个处理器；至少一个存储器，用于存储至少一个程序；当所述至少一个程序被所述至少一个处理器执行，使得所述至少一个处理器实现权利要求1
‑
7任一项所述方法。10.一种存储介质，其中存储有处理器可执行的程序，其特征在于，所述处理器可执行的程序在由处理器执行时用于执行如权利要求1
‑
7任一项所述方法。

技术总结
本发明公开了一种提高电阻抗成像准确性的方法、系统、装置和存储介质，其中方法包括：输入电流信息，采集电压信息，根据所述电流信息和所述电压信息获取电导率信息；根据所述电导率信息构建获得电导率图像；将电导率图像输入预设的神经网络进行图像重建，输出重建区域以及置信度；在不同时间上依次输入n次电流信息后，获得n个重建区域以及与重建区域对应的置信度；根据置信度获取最优的重建区域作为最终的电阻抗成像结果。本发明采用神经网络对电导率图像进行重建，获取输出重建区域以及置信度，通过采集多次信息后，根据置信度获取最优的重建区域作为最终的电阻抗成像结果，提高电阻抗成像的准确性。本发明可广泛应用于电阻抗成像领域。成像领域。成像领域。


技术研发人员：徐向民 郑慧敏 花浩镪 熊奇伟
受保护的技术使用者：华南理工大学
技术研发日：2021.08.26
技术公布日：2021/12/16