Image Reconstruction for Electrical Impedance Tomography: Experimental Comparison of Radial Basis Neural Network and Gauss - Newton Method

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F61989100%3A27240%2F18%3A10241778" target="_blank" >RIV/61989100:27240/18:10241778 - isvavai.cz</a>

Výsledek na webu

<a href="https://www.sciencedirect.com/science/article/pii/S2405896318308589" target="_blank" >https://www.sciencedirect.com/science/article/pii/S2405896318308589</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1016/j.ifacol.2018.07.114" target="_blank" >10.1016/j.ifacol.2018.07.114</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Image Reconstruction for Electrical Impedance Tomography: Experimental Comparison of Radial Basis Neural Network and Gauss - Newton Method

Popis výsledku v původním jazyce

Electrical impedance tomography (EIT) is an intensively researched noninvasive diagnostic method for medical use, that can help to improve the lung diagnostics, artificial lung ventilation and prevent lung injuries. Further improvements of reconstruction algorithms and measurement devices are essential to widen the use of EIT as a lung diagnostic method. To test potential of Radial Basis Neural Networks (RBNN) and Hopfield Neural Networks (HNN) for image reconstruction experiment is carried. Said neural networks are compared with Gauss - Newton (GN) algorithm. Results of the experiment show higher reconstruction accuracy with RBNN and HNN over GN algorithm. (C) 2018

Název v anglickém jazyce

Image Reconstruction for Electrical Impedance Tomography: Experimental Comparison of Radial Basis Neural Network and Gauss - Newton Method

Popis výsledku anglicky

Electrical impedance tomography (EIT) is an intensively researched noninvasive diagnostic method for medical use, that can help to improve the lung diagnostics, artificial lung ventilation and prevent lung injuries. Further improvements of reconstruction algorithms and measurement devices are essential to widen the use of EIT as a lung diagnostic method. To test potential of Radial Basis Neural Networks (RBNN) and Hopfield Neural Networks (HNN) for image reconstruction experiment is carried. Said neural networks are compared with Gauss - Newton (GN) algorithm. Results of the experiment show higher reconstruction accuracy with RBNN and HNN over GN algorithm. (C) 2018

Druh

J_SC - Článek v periodiku v databázi SCOPUS

CEP obor

—

OECD FORD obor

10201 - Computer sciences, information science, bioinformathics (hardware development to be 2.2, social aspect to be 5.8)

Projekt

<a href="/cs/project/EF16_019%2F0000867" target="_blank" >EF16_019/0000867: Centrum výzkumu pokročilých mechatronických systémů</a><br>

Návaznosti

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>S - Specificky vyzkum na vysokych skolach

Rok uplatnění

2018

Kód důvěrnosti údajů

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Název periodika

IFAC-PapersOnLine. Volume 51

ISSN

2405-8963

e-ISSN

—

Svazek periodika

51

Číslo periodika v rámci svazku

6

Stát vydavatele periodika

NL - Nizozemsko

Počet stran výsledku

6

Strana od-do

438-443

Kód UT WoS článku

—

EID výsledku v databázi Scopus

2-s2.0-85052849489