Настоящая статья посвящена определению оптимального алгоритма реконструкции и параметров реконструированияв пакете программ EIDORS для электроимпедансной томографии. Для определения алгоритма реконструкции проводилось прямое моделирование исследуемого объекта в пакетепрограмм для определения входных данных для задачи реконструкции. По полученным данным проводилась реконструкция распределения проводимости в исследуемом объекте. Реконструкция проводилась при различных значениях параметров алгоритма реконструкции. По результатам сравнения оригинального и реконструированного изображений распределения проводимости в объекте определены оптимальные параметры моделирования (параметры сетки конечных элементов), выбран алгоритм реконструкции, определены оптимальные параметры алгоритма реконструкции (метод определения регуляризующего оператора, начальная проводимость, значение гиперпараметра).
This article is devoted to the determination of the optimal algorithm for Reconstruction and reconstructing parameters in the software package EIDORS for electrical impedance tomography. For determining of reconstruction algorithm was performed direct modeling of the object in the software to determine the input data for the task of reconstruction.With obtained data was reconstructed the conductivity distribution in the test object.Reconstruction was carried out for different values of the parameters of the algorithm of reconstruction. According to the results of comparison of the original and the reconstructed image of the conductivity distribution in an object was defined the optimal simulation parameters (parameters of the finite element mesh), selected reconstruction algorithm, the optimal parameters of the reconstruction algorithm (method of determining the regularizing operator, the initial conductivity, value of hyperparameter).
1. АлексанянГ.К., ГорбатенкоН.И., ТарасовА.Д. Development of Hard-ware-Software Complex for Electrical Impedance Tomography of Biological Objects //Research Journal of Applied Sciences. - 2014. - Vol. 9, Issue 12. - Р. 1030-1033.
2. Горянинова Е.Р., Панков А.Р., Платонов Е.Н. Прикладные методы анализа статистических данных. – М.: Издательский дом Высшей школы экономики, 2012. – 310с.
3. Измаилов А.Ф., Солодов М.В. Численные методы оптимизации. – М.: ФИЗМАТЛИТ, 2008. – 320 с.
4. Климов Г.П. Теория вероятностей и математическая статистика. – М.: Изд-во МГУ, 2011. – 368 с.
5. Петров И.Б., Лобанов А.И. Лекции по вычислительной математике: учебное пособие. – М.: БИНОМ, 2006. – 523 с.
6. Тихонов А.Н., Арсенин В.Я. Методы решения некорректных задач. – М.: Наука, 1986. – 288с.
7. Тыртышников Е.Е. Матричный анализ и линейная алгебра. – М.: ФИЗМАТЛИТ, 2007. – 480 с.
8.Чернявский А.О. Метод конечных элементов. Основы практического применения [Электронный ресурс]. – Режим доступа: http://pent.sopro.susu.ac.ru/LRN/0711/smm/files/fea_4c.pdf.
9. Adler A., Grychtol B. Uniform background assumption produces misleading lung EIT images // Physiological measurement. – 2013. – Vol. 34, №6. – P. 579-594.
10. Adler A., Gaggero P.O., Maimaitijiang Y. Adjacent stimulation and measurement patterns considered harmful // Physiological measurement. – 2011. – Vol. 32, №7. – P. 731-744.
11.EIDORS: Electrical Impedance Tomography and Diffuse Optical Tomography Reconstruction Software [Электронныйресурс]. – Режимдоступа: http://eidors3d.sourceforge.net.
12. Graham B.M., Adler A. Objective selection of hyperparameter for EIT,2005. – 15 p.