使用卷积神经网络解决弹性反问题
摘要：应用卷积神经网络（CNN）来对几乎不可压缩、各向同性、线性弹性介质的剪切模量场进行图像化研究，使用位移或应变场数据。这个问题在医学上很重要，因为软组织中可疑和潜在的癌症生长的剪切模量比正常组织的背景要高一个数量级。因此，图像化剪切模量场可以产生高对比度的医学图像。我们的图像化问题如下：给定位移或应变场（或其组成部分），预测相应的剪切模量场。我们使用包含位移或应变场和相应剪切模量场的6000个训练样本来训练我们的CNN。我们观察到令人鼓舞的结果，值得进一步研究，并展示了这种方法的前景。
作者：Nachiket H. Gokhale
论文ID：2109.07859
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2021-09-17