仪器仪表学报

作者：张函瑜，李楠

单位：张函瑜,1.西安电子科技大学高性能电子装备机电集成制造全国重点实验室西安710071； 2.西北工业大学自动化学院西安710129,,李楠,西安电子科技大学高性能电子装备机电集成制造全国重点实验室西安710071,nan.li@hotmail.co.uk,

关键词：肺部电阻抗层析成像;图像重建;多尺度密集注意力网络

基金：国家自然科学基金（52275545）、广东省基础与应用基础研究基金（2023B1515120080）项目资助

针对肺部电阻抗层析成像（EIT）在图像重建中存在的失真与精度不足的问题，提出了一种多尺度密集注意力网络（MsDA-Net）用于提升基于EIT技术的肺部通气与病变的重建精度。MsDA-Net属于直接估计模型，通过融合扩张卷积、多尺度密集连接与注意力机制，构建了具有强特征表征与复用能力的端到端图像重建架构，旨在充分挖掘电压测量数据中的深层非线性特征用于提升肺部成像精度。开展仿真及映射模型实验全面评估MsDA-Net的性能，仿真结果表明MsDA-Net能够精准重建肺部轮廓与病变结构，相较于传统成像算法，重建图像在视觉质量及定量评价指标上均取得显著提升，平均相关系数（CCs）、结构相似性（SSIMs）、均方根误差（RMSEs）及峰值信噪比（PSNRs）分别可达到0.9871、0.9035、0.0605及31.6716dB。模型精度与前沿重建模型双分支超卷积U-Net和基于注意力的深度卷积神经网络相近，进一步证实了MsDA-Net的有效性与先进性。同时，MsDA-Net展现了良好的噪声鲁棒性，在20dB高斯白噪声干扰下，图像仍然保持基本可用性。参考肺部CT图像在圆形域内构建映射模型以验证MsDA-Net的实用性，实验结果表明MsDA-Net能够有效重建测量域内目标物的形状与尺寸，随着场域内电导率分布变得复杂，重建精度呈现下降趋势，但重建图像的平均CCs、SSIMs、RMSEs及PSNRs仍分别可达到0.9431、0.8575、0.1096及19.3921dB。

来源：2026年第1期

《仪器仪表学报》期刊编辑部

查看仪器仪表学报杂志2026年第1期