基于深度卷积自编码器的微波成像方法及其医学应用潜力

摘要

开发一个基于深度学习的微波成像模型，将散射电场直接映射为目标物体介电特性分布图像，并探索其在医学应用的潜在价值。采用二维时域有限差分法进行数值模拟来获取散射电场数据集；构建基于深度卷积自编码器成像模型，对两类目标物体进行成像研究；使用相对误差进行成像结果的定量评估，并分析成像模型对不同卒中类型的区分能力。结果表明基于深度卷积自编码器的成像网络在处理两种数值模型时均展现出色的成像性能。对于简单物体，该模型能准确定位并初步重建物体形状，平均相对误差为0.3012；对于卒中模型，能较好地重建卒中区域的位置和形状，初步重建其他脑组织，平均相对误差为0.0778。基于深度卷积自编码器的微波成像网络对快速准确重建图像很有前景，脑卒中检测的数值示例表明该方法在生物医学成像领域具有显著的应用潜力。

关键词

脑卒中 / 微波成像 / 深度学习 / 卷积自编码器