Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

MNiSW
70
Lista 2021
Status:
Warianty tytułu:
Problem rekonstrukcji obrazu w elektrycznej tomografii impedancyjnej
Autorzy: Kozłowski Edward, Rymarczyk Tomasz, Kłosowski Grzegorz, Cieplak Tomasz
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2020
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Numer czasopisma: 5
Wolumen/Tom: 96
Strony: 95 - 98
Web of Science® Times Cited: 1
Scopus® Cytowania: 4
Bazy: Web of Science | Scopus | BazTech
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Otwarte czasopismo
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 1 maja 2020
Abstrakty: angielski | polski
The problem of image reconstruction in electrical impedance tomography (EIT) consists in both performing measurements using a set of sensors and creating of reconstruction based on these measurements. The image reconstruction requires accurate modeling of area, which presents field of view. To determine the inclusion in analyzed area the logistic regression has been applied. Additionally to select the predictors in logistic regression the elasticnet method has been used.
Problem rekonstrukcji obrazu w elektrycznej tomografii impedancyjnej (EIT) polega zarówno na wykonywaniu pomiarów przy użyciu zestawu czujników, jak i na tworzeniu rekonstrukcji na podstawie tych pomiarów. Rekonstrukcja obrazu wymaga dokładnego modelowania obszaru, który przedstawia pole widzenia. Do określenia wtrąceń w analizowanym obszarze zastosowano regresję logistyczną. Dodatkowo do wyboru predyktorów w regresji logistycznej zastosowano metodę elasticnet.