Monotonicity based shape reconstruction in electrical impedance tomography
University of Stuttgart(斯图加特大学)
本文基于单调性关系,提出了一种利用电流-电压测量进行形状重建的新方法,通过比较测量值与测试区域的差异来确定区域的外边界。
2018-12-13 cs.NA math.AP math.NA
Simultaneous reconstruction of outer boundary shape and admittivity distribution in electrical impedance tomography
Aalto University(阿尔托大学);University of Eastern Finland(芬兰东部大学)
针对电阻抗成像中几何建模不准确的问题,提出一种基于牛顿型输出最小二乘法的算法,利用电流-电压映射关于边界形状的Fréchet导数,同时重建导纳分布和物体形状。
2012-05-14 cs.NA math.AP math.NA
Adaptive Reconstruction for Electrical Impedance Tomography with a Piecewise Constant Conductivity
University College London(伦敦大学学院);Shanghai Normal University(上海师范大学)
本文提出并分析了一种数值方法,用于从边界电压测量中恢复分段常数电导率,该方法基于标准Tikhonov正则化与Modica-Mortola惩罚泛函,并利用合适的后验误差估计器进行自适应网格细化。证明了自适应算法的收敛性,并通过数值实验展示了算法的收敛行为。
2019-04-18 cs.NA math.NA math.OC
Fast Absolute 3D CGO-Based Electrical Impedance Tomography on Experimental Tank Data
目的:根据实验水箱数据首次呈现基于3D CGO的绝对EIT重建。方法:基于CGO的绝对EIT成像方法与传统的TV正则化非线性最小二乘重建方法进行了比较。通过考虑域形状的不正确建模\textbf{}来执行额外的稳健性测试。主要结果:CGO为基础的方法是快速的,并显示出强大的鲁棒性不正确的域建模相比,经典的差异EIT成像和更少的边界伪影比电视正则化非线性最小二乘参考重建。重要性:这项工作是第一次展示完全三维CGO为基础的绝对EIT重建的实验数据,也比较TV正则化的绝对重建。重建的速度(1-5秒)和质量对于绝对EIT的未来工作是令人鼓舞的。
2023-01-04 cs.NA math.AP math.NA
A Direct Reconstruction Method for Anisotropic Electrical Impedance Tomography
University of Helsinki(赫尔辛基大学)
本文提出一种非迭代、抗噪的直接重建方法,用于解决平面各向异性反导数问题,通过绕过边界上等温坐标值的不稳定重建步骤,利用等温坐标变形恢复唯一的各向同性导电率,为各向异性EIT的正则化铺平道路。
2015-06-24 cs.NA math.AP math.NA
Inverse problems for elastic wave from Partial Cauchy Data: Uniqueness and Co-inversion for Shape and Impedance Function
研究弹性波反问题,提出两阶段迭代方法从部分Cauchy数据同时重构有界体的几何形状与阻抗函数,建立唯一性理论并验证有效性。
2025-06-25 cs.NA math.NA
Data Completion for Electrical Impedance Tomography by Conditional Diffusion Models
University of Delaware(特拉华大学);University of Maryland, College Park(马里兰大学帕克分校)
本文提出基于条件扩散模型的EIT数据补全方法,通过仅使用1%的测量数据实现与完整数据相当的重建质量,相比传统矩阵补全方法具有更高的效率。
2026-10-20 cs.NA math.NA
Sparsity prior for electrical impedance tomography with partial data
Department of Applied Mathematics and Computer Science, Technical University of Denmark(丹麦技术大学应用数学与计算机科学系)
本文提出利用稀疏先验改进部分数据电阻抗成像的重建,通过ℓ1范数约束基系数实现稀疏性,结合空间分布正则化参数整合先验信息,提升重建精度。
2014-12-22 cs.NA math.NA
The Linearized Inverse Problem in Multifrequency Electrical Impedance Tomography
ETH Zürich(苏黎世联邦理工学院);University College London(伦敦大学学院);Yonsei University(延世大学);École Normale Supérieure(巴黎高等师范学院)
本文研究多频电阻抗断层成像中线性反问题的解决方法,探讨全知和部分知频谱特征下的重建技术,展示差分成像的应用,并开发高效分组稀疏恢复算法以提高线性反问题的鲁棒性。
2016-07-17 cs.NA math.NA
Compensation for geometric modeling errors by electrode movement in electrical impedance tomography
Aalto University(阿尔托大学);Ecole Polytechnique(巴黎综合理工学院);Technical University of Denmark(丹麦技术大学)
本文研究了如何通过估计电极位置和大小来补偿二维物体边界建模误差,证明了完整电极模型近似共形不变性,但三维情况不适用。
2016-09-08 cs.NA math.NA
Deep D-bar: Real time Electrical Impedance Tomography Imaging with Deep Neural Networks
Marquette University(马凯特大学);University College London(伦敦大学学院)
本文提出利用深度神经网络对电阻抗断层成像进行后处理,以提升图像清晰度和可靠性,通过模拟数据训练网络并应用于实验数据,实现高非线性逆问题的有效解决。
2018-05-08 cs.NA cs.NE math.AP
Multifrequency inverse obstacle scattering with unknown impedance boundary conditions using recursive linearization
我们考虑重建的形状和阻抗函数的障碍物从测量的散射场在接收器外的对象。数据被假定为由平面波从多个方向和以多个频率撞击在障碍物上产生。这个逆问题被重新表述为寻找带限形状和阻抗函数的最优化问题,其最小化接收器处的散射场的计算值与数据之间的$L^2$距离。该最优化问题是非线性、非凸和不适定的。此外,评估目标函数在计算上是昂贵的。递归线性化方法(RLA)提出的陈已经成功地解决了这些问题的背景下,恢复域的声速或形状的声音软障碍。我们提出了一个扩展的RLA的形状和阻抗功能的恢复。RLA是一种频率上的延拓方法,其中求解一系列单频逆问题。在每一个更高的频率,尝试使用假设为足够小的步长来恢复递增的更高分辨率的特征,以确保在前一频率处获得的初始猜测位于新频率处的牛顿法吸引区域中。我们证明了几个数值例子的方法的有效性。令人惊讶的是,我们发现,即使测量是从声音硬或声音软的对象,也可以恢复形状的高精度。虽然该方法是有效的,在获得高质量的重建复杂的几何形状和阻抗函数,一些有趣的悬而未决的问题。我们提出的数值实验,建议潜在的机制的成功和失败,显示领域的改进,可以帮助导致强大的和自动化的工具。
2021-04-27 cs.NA math.NA
Direct inversion from partial-boundary data in electrical impedance tomography
University of Helsinki(赫尔辛基大学);Politecnico di Milano(米兰理工大学)
本文研究了在部分边界数据下电阻抗断层成像的反演问题,通过线性化D-bar方法和辅助算法证明了误差与缺失边界大小线性相关,并通过模拟测试验证了收敛性。
2017-04-07 cs.NA math.NA
Elastic-net regularization for nonlinear electrical impedance tomography with a splitting approach
College of Mathematics, Physics and Information Engineering, Jiaxing University(嘉兴大学数学、物理与信息工程学院)
本文提出弹性网正则化方法,结合L1和L2范数以提升非线性EIT图像重建的分辨率和抗噪能力。
2018-03-12 cs.NA math.NA
Generative Prior-Guided Neural Interface Reconstruction for 3D Electrical Impedance Tomography
Department of Mathematical Sciences, Tsinghua University(清华大学数学科学系);Department of Mathematics, School of Mechanical Engineering, Purdue University(帕克大学机械工程学院数学系)
本文提出一种结合预训练3D生成先验与严格边界积分方程求解器的框架,解决3D电阻抗断层成像中复杂界面重建问题,通过数据驱动先验实现高精度几何重建。
2026-04-22 cs.CV cs.NA math.NA
Projection-based preprocessing for electrical impedance tomography to reduce the effect of electrode contacts
本文提出一种基于投影的电阻抗断层成像预处理方法,通过将测量数据和正向映射投影至接触雅可比矩阵值域的正交补上,有效降低电极接触不确定性对重建质量的影响,无需显式估计接触情况,并在模拟与真实数据上验证了高质量重建效果。
2024-12-19 cs.NA math.NA
Interpolation of missing electrode data in electrical impedance tomography
Institute of Mathematics, Goethe University Frankfurt(法兰克福歌德大学数学研究所)
本文提出了一种新的插值方法,用于从更可靠的电流自由电极测量中预测电流驱动电极上的电压,以在差分电阻抗断层成像设置中恢复导电性变化。该方法利用导电性变化的上界,以与差分电阻抗断层成像数据的特殊几何光滑性一致的方式进行插值,且计算成本低,适合实时应用。
2018-10-10 cs.NA math.AP math.NA
Generalized linearization techniques in electrical impedance tomography
Aalto University(阿尔托大学)
本文比较了不同线性化方法在电气阻抗断层成像中的效果,提出基于Neumann到Dirichlet算子对数的新型线性化技术,提升了正反演计算的准确性。
2017-05-30 cs.NA math.NA
Multi-Scale Frequency-Enhanced Deep D-bar Method for Electrical Impedance Tomography
School of Mathematical Sciences(数学科学学院);Institute of Natural Sciences(自然科学研究院);Shanghai Jiao Tong University(上海交通大学)
本文针对D-bar方法在EIT重建中对比度和分辨率不足的问题,提出结合多尺度频率增强与空间一致性的深度学习监督重建方法,并设计GPU不动点迭代加速求解,在KIT4和ACT4数据集上验证了成像质量的显著提升。
2025-02-07 cs.CV cs.NA eess.IV
A Stable Boundary Integral Formulation of an Acoustic Wave Transmission Problem with Mixed Boundary Conditions
本文考虑一类具有Dirichlet、Neumann和阻抗型混合边界条件的声波传播问题。传输接口可以以与边界条件的位置无关的一般方式加入域边界。我们将推导出一个\textit{direct},\textit{space-time retarded boundary integral equation}的公式,其中两个柯西数据都作为边界阻抗部分的未知数。这就需要定义的单迹空间,其中纳入齐次狄利克雷和诺依曼条件的相应部分的边界。利用拉普拉斯域上的算子演算技术证明了该方程的连续性和唯一性。
2020-10-06 cs.NA math.NA
A high-order ghost-point immersed boundary method with auxiliary differential equations for time-domain impedance walls
Institut Pprime, CNRS - Université de Poitiers(普里姆研究所,法国国家科学研究中心-普瓦捷大学)
提出一种高阶虚拟点浸入边界法,结合辅助微分方程在非贴体网格上施加时域阻抗壁面条件,经多种算例验证具有高阶收敛性并缓解切向网格不稳定性。
2026-11-17 cs.NA math.NA physics.comp-ph
Deep Unfolding Network for Nonlinear Multi-Frequency Electrical Impedance Tomography
MaLGa Center, Department of Mathematics, University of Genova(马尔加中心、数学系、热那亚大学);University of Bologna, Department of Mathematics(博洛尼亚大学、数学系)
针对多频电阻抗断层成像的组织电导率估算问题,提出融合经典迭代重建与深度学习的变分网络,将GNN集成到展开的PRGN框架中,保留不规则三角网格结构以实现组织组分浓度的准确重建。
2025-07-22 cs.LG cs.NA math.NA
Diffusion Graph Posterior Sampling for Nonlinear Inverse Problems with Application to Electrical Impedance Tomography
MaLGa Center, Department of Mathematics, University of Genova(马尔加中心,数学系,热那亚大学);Department of Mathematics, University of Bologna(数学系,博洛尼亚大学);Department of Mathematics, Harbin Institute of Technology(数学系,哈尔滨工业大学)
本文提出了一种扩展扩散后验采样(DPS)到图结构数据的框架,通过在二维三角网格上开发无条件分数基于扩散模型来学习物理解空间的准确先验,并引入正则化变体RDPS,结合总变差和广义Tikhonov等显式正则化项,以缓解严重病态问题,实验表明RDPS在合成和真实2D EIT数据集上产生稳定且物理合理的重建。
2026-05-19 cs.LG cs.NA eess.IV
Fast 3D Partial Boundary Data EIT Reconstructions using Direct Inversion CGO-based Methods
针对电阻抗断层成像医学应用中部分边界数据受限、传统迭代法计算成本高的问题,提出首批无需迭代的三维CGO基部分边界重建方法,2秒内即可成像且抗噪性和鲁棒性优异。
2024-12-13 cs.NA eess.IV math.AP
Beltrami-Net: Domain Independent Deep D-bar Learning for Absolute Imaging with Electrical Impedance Tomography (a-EIT)
Department of Mathematics, Statistics, and Computer Science(数学、统计与计算机科学系;马quette大学);Marquette University(应用物理系;东芬兰大学);Department of Applied Physics(计算机科学系;伦敦大学学院);University of Eastern Finland;Department of Computer Science;University College London
本文提出了一种新的a-EIT图像重建方法,通过将深度学习技术与实时鲁棒D-bar方法结合,利用非物理Beltrami方程生成训练数据,实现了与边界形状无关的图像质量提升。
2018-11-30 cs.LG cs.NA math.FA
An extended range of energy stable flux reconstruction methods on triangles
我们提出了一个扩展范围的稳定通量重建(FR)方法的三角形,通过发展和应用的总和的部分框架在二维。这个扩展范围内的稳定计划,然后显示包含单参数计划的\citet{Castonguay2011}的三角形,我们的定义使更广泛的稳定界限,以开发这些单参数家庭。在三角形元上的稳定的迎风谱差分(SD)格式以前已经用傅里叶分析得到。我们使用我们的FR方法的扩展范围来研究SD方法在三角形上的线性稳定性,并且发现在这组FR方法中只能恢复一个一阶SD方案。
2022-03-29 cs.NA math.NA
An extended range of stable flux reconstruction schemes on quadrilaterals for various polynomial bases
扩展范围的能量稳定的通量重建计划,开发使用求和的部分的方法,提出了四边形元素的各种设置的多项式基地。对于极大序模基,找到了一组新的修正函数,使格式稳定,但对于一定阶数范围,只能得到一个修正函数的张量积.随后,校正函数被确定使用一个广义的分析框架,结果在稳定的计划,总顺序和近似欧几里德阶多项式的基础上quadraternary-这是以前没有探索的通量重建的背景下。结果表明,近似欧几里德阶基可以提供类似的极大序模基的数值精度,但每个元素的点数较少,因此成本较低。
2022-06-02 cs.NA math.NA
Reconstruction of a piecewise constant conductivity on a polygonal partition via shape optimization in EIT
Politecnico di Milano(米兰理工大学);New York University Abu Dhabi(纽约大学阿布扎比分校)
本文提出一种基于形状优化的算法,用于通过边界测量重建多边形划分上的分段常数电导率,利用分布形状导数和数值模拟验证方法的鲁棒性和准确性。
2017-07-26 cs.NA math.AP math.NA
Reconstruction in the Calderón problem on a fixed partition from finite and partial boundary data
Aarhus University(奥胡斯大学)
本文改进了Calderón问题中从有限和部分边界数据重建分段常数电导率的方法,无需层状假设和电导率边界限制。
2025-12-03 cs.NA math.AP math.NA
A High-Order Nyström Method for Coupled Boundary Integral Equations in Oblique-Incidence Scattering by Impedance Cylinders
School of Mathematics and Physics, Qingdao University of Science and Technology(青岛科技大学数理学院)
针对斜入射下无限长阻抗圆柱的电磁散射问题,提出基于Kress型对数核分解、周期乘积求积和傅里叶微分的高阶Nyström方法,并构建块对角预条件器,实现边界密度和远场模式的高阶收敛。
2026-06-16 cs.NA math-ph math.MP
A stable added-mass partitioned (AMP) algorithm for elastic solids and incompressible flow
Rensselaer Polytechnic Institute(伦斯勒理工学院)
本文提出了一种稳定的附加质量分区(AMP)算法,用于处理涉及粘性不可压缩流和可压缩弹性固体的流固耦合问题,通过变形复合网格有效处理变化的几何形状和大变形,采用隐式-显式分数步方案更新流体,通过隐式处理粘性项和显式计算压力,提出AMP界面条件,包括压力的Robin(混合)界面条件和速度的界面条件,通过流体和固体速度的阻抗加权平均来定义界面值,该算法在多个基准问题中验证了其准确性和稳定性,包括径向活塞问题和固盘周围流体环的行波精确解。
2018-12-13 cs.NA math.NA physics.comp-ph
On the stable sampling rate for binary measurements and wavelet reconstruction
本文研究了由有限个线性测量值重建无限维信号的问题。特别是,我们表明,二进制测量(建模与沃尔什函数和阿达玛矩阵)和小波重建的稳定采样率是线性的。这意味着当使用小波作为重构空间时,二进制测量与傅立叶样本一样有效。强大的重建技术包括广义采样及其压缩版本,以及基于数据同化的最新方法。这些方法的共同点是重建质量高度依赖于采样和重建空间之间的子空间角度,这由稳定的采样率决定。由于本文所提供的理论,这些方法现在可以很容易地使用二进制测量和小波重构基。
2019-07-29 cs.IT cs.NA math.IT