市场星报、安徽财经网(www.ahcaijing.com)讯(记者王珊珊)在医学影像与人机交互领域，如何实现无创、便携的动态功能成像始终备受关注。近日，中国科学技术大学自旋磁共振实验室刘东研究员等，在计算成像与人工智能交叉领域取得重要进展，创新性提出一种物理驱动的神经网络补偿自监督学习框架，有效克服了医学电阻抗成像中的核心难题。
相比体积庞大且具有辐射风险的CT，电阻抗成像可以通过体表电流与边界电压反演体内阻抗分布，从而实现成像，具有实时、动态且安全的优势。而如何提升深部区域的灵敏度与可辨识度，成为该领域亟待突破的核心难题。针对这一挑战，中国科大研究团队深入剖析电阻抗成像的物理机理，提出了物理驱动神经补偿的自监督学习框架，并创新构建了灵敏度感知机制，即通过基于物理先验的层级映射，使神经网络能够感知物理场中灵敏度的空间分布。
这种机制类似人眼的“注视”功能——在低灵敏度区域自动投入更多的表征能力进行补偿，而在高灵敏度区域施加适当约束，以有效抑制干扰。同时，研究团队提出了融合多尺度嵌入与傅里叶特征投影的混合表征方法，并配合自主设计的频率正则化策略，显著提升了神经网络在高、低灵敏度区域的重建能力与鲁棒性。
专业股票配资知识论坛提示：文章来自网络，不代表本站观点。
