1. Точное формирование повреждений в самочувствительных композитах с использованием электроимпедансной томографии и генетических алгоритмов(arXiv)
Автор: Хашим Хассан, Тайлер Н. Таллман
Аннотация:Композиты, армированные волокном, с полимерными матрицами, модифицированными нанонаполнителями, обладают огромным потенциалом для повышения безопасности инженерных сооружений повышенной опасности. Эти материалы по своей природе обладают самоощущением, поскольку на их электропроводность влияют деформации и повреждения. Это свойство, известное как пьезосопротивление, широко используется для обнаружения повреждений на основе проводимости с помощью методов изменения электрического сопротивления и методов томографической визуализации, таких как электроимпедансная томография (EIT). Хотя эти методы очень эффективны при обнаружении повреждений, они не позволяют получить точную информацию о форме, размере или механизме повреждения. Это особенно вредно для многослойных композитов, которые могут страдать от сложных режимов разрушения, таких как расслоения, которые трудно обнаружить. С этой целью мы предлагаем новую методику точного определения формы и размера повреждений в композитах с самочувствием. В нашей методике используется генетический алгоритм (ГА), интегрированный с реалистичными физическими моделями повреждений, для восстановления точной формы повреждения по изменениям проводимости, отображаемым с помощью EIT. Мы экспериментально подтверждаем этот метод на ламинатах из армированного стекловолокном полимера (GFRP), модифицированного углеродными нановолокнами (CNF), рассматривая два конкретных механизма повреждения: сквозные отверстия и расслоения. Наши результаты показывают, что этот новый метод может точно реконструировать несколько сквозных отверстий с радиусом всего 1,19 мм и расслоениями, вызванными ударами с низкой скоростью. Эти результаты показывают, что сочетание пьезосопротивления с методами пространственной визуализации, основанными на проводимости, и стратегиями инверсии, основанными на физике, может обеспечить возможности формирования повреждений в композитных структурах с самочувствием.
2. Анализ чувствительности для оптимизации протоколов электроимпедансной томографии(arXiv)
Автор: Клэр Онсагер, Чулин Ван, Чарльз Костакис, Кан Айген, Лорен Лэнг, Сюзан ван дер Ли, Мэттью А. Грейсон.
Аннотация: Электроимпедансная томография (EIT) — это неинвазивный метод визуализации, при котором электрические измерения на границе проводящей среды (данные) выполняются в соответствии с предписанным набором протоколов и инвертируются для отображения внутренней проводимости ( модель). В этой статье представлен метод анализа чувствительности и соответствующая оптимизация инверсии и протокола, которые обобщают критерии томографической инверсии, чтобы минимизировать размерность пространства модели и максимизировать важность данных. Векторы чувствительности, определенные как строки матрицы Якоби в линеаризованной прямой задаче, используются для сопоставления целевых характеристик проводимости из пространства модели в пространство данных, а объемное внешнее произведение этих векторов в пространстве модели называется объемом параллелоэдра чувствительности. обеспечивает показатель качества для оптимизации протокола данных. Ортонормированные базисные функции, которые точно ограничивают пространство модели интересующими функциями, могут быть определены на основе априорной информации. Увеличивая контактное число, чтобы расширить число возможных измерений Dmax, и уменьшая модельное пространство до минимального числа M0 базисных функций, которые описывают только интересующие признаки, векторы чувствительности M0 ‹‹ Dmax наибольшей длины и максимальной ортогональности которые охватывают это модельное пространство, могут быть идентифицированы. Уменьшение размерности пространства модели ускоряет инверсию на несколько порядков, а повышенная чувствительность позволяет выдерживать уровни шума, в 1000 раз превышающие стандартные протоколы.
3. Классификация данных электроимпедансной томографии с использованием машинного обучения(arXiv)
Автор: Диого Пессоа, Бруно Мачадо Роча, Григориос-Арис Хеймариотис, Костас Харис, Клаас Стродтхофф, Эвангелос Каймакамис, Никос Маглаверас, Инес Фрерихс , Пауло де Карвалью, Руи Педро Пайва
Аннотация:Пациенты, страдающие легочными заболеваниями, обычно демонстрируют патологическую легочную вентиляцию с точки зрения однородности. Электроимпедансная томография (ЭИТ) — это неинвазивный метод визуализации, который позволяет анализировать и количественно оценивать распределение вентиляции в легких. В этой статье мы представляем новый подход к продвижению использования данных EIT и внедрению новых клинических приложений для дифференциальной диагностики с разработкой нескольких моделей машинного обучения для различения данных EIT от здоровых и нездоровых субъектов. Были получены данные EIT от 16 субъектов: 5 здоровых и 11 нездоровых (с множественными заболеваниями легких). Предварительные результаты показали процент точности 66% в сложных сценариях оценки. Результаты показывают, что сочетание методов разработки признаков EIT с методами машинного обучения может быть дополнительно изучено и применено для диагностики и мониторинга пациентов, страдающих заболеваниями легких. Кроме того, мы представляем использование новой функции в контексте анализа данных EIT (корреляция кривой импеданса).
