[发明专利]提高电阻抗成像准确性的方法、系统、装置和存储介质

权利要求书

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。